Boa tarde, tudo bom?
É o seguinte, tem muita coisa pra várias situações diferentes, então vou começar do básico e apontar o que é mais interessante de se usar, aí mais pra frente podemos falar de aplicações mais específicas.
O SAS vem trabalhando bastante com integrações com Open Source de várias maneiras. Um dos melhores lugares para você encontrar recursos quanto a isso é no github do SAS, que tem coisa pra muitas linguages como python, R, javascript, java etc.
No meu git pessoal eu fiz algumas brincadeiras com R e SAS recentemente, mas muito disso é facilmente adaptável ao python, que pretendo fazer mais pra frente.
Dependendo do que sua empresa tem licenciada vai influenciar o quanto desses recursos podem ser acessados, o SAS 9.4 (muito usado com o Guide) tem basicamente 2 bibliotecas python importantes:
- saspy: te permite acessar o SAS a partir do python e fazer trocas de dados e, executar códigos do SAS a partir do python e fazer algumas modelagens de machine learning utilizando a sintaxe do python.
- sasoptpy: que é baseada na anterior mas facilita resolver problemas de otimização
Agora vem a parte legal, se você tem acesso ao SAS Viya, suas opções crescem demais. Principalmente porque a arquitetura é toda baseada em APIs, ou seja, virtualmente você pode fazer quase qualquer coisa desde que você saiba os endpoints e fazer as chamadas, você pode ver a documentação e tem de tudo, desde manejar o ambiente até fazer processos analíticos. Mas já existem vários wrappers que te ajudam fazer parte disso.
- python-swat : é provavelmente uma das bibliotecas mais úteis, toda a parte de manejar dados, machine learning etc você consegue fazer por ela, inclusive o próprio optpy que falei anteriormente usa ela no contexto SAS viya!
- python-dlpy : se você só está interessado em Deep learning, dlpy é bem parecido com bibliotecas OpenSource pra deep learning, mas eu diria que um pouco mais fácil de usar em algumas situações.
- python-esppy: Se você possui o SAS ESP para processamento em tempo real, também consegue integrar com o serviço utilizando python.
- sasctl: é o pacote que te ajuda manejar modelos no Model Manager, sejam esses modelos SAS ou python, exatamente, você pode fazer deploy de modelos do python dentro do SAS.
E dentro da interface do SAS Viya existem locais que você pode rodar códigos python em paralelo com o SAS para também ajudar a transformar dados, modelar etc. Eu aconselho dar uma olhada nesse "ebook" (tem o zip no post também) que fiz com algumas colegas que cobre quase tudo que tem disponível sobre essas integrações.
Agora passando pra aplicabilidades e exemplos:
1. Usar o SAS Viya como backend de processos muito pesados que não cabem em um computador só e você precisa de cluster pra manejar todos esses dados.
2. Precisa integrar sensores de IoT, você pode usar o python como um meio de integração das tecnologias e fazer essa conversa, principalmente se o seu forte não for programar em SAS.
3. Manejar modelos open source e botá-los em produção mais facilmente já que o SAS viya consegue disponibilizar já como "api" prontas para uso.
4. o SAS é ótimo para ter governaça de dados, mas se você precisa disponibilizar para programadores em outras linguages, esse é um caminho, sem perder o rastro dos seus dados.
5. Se você fez um crawler em python que colhe algum dado e quer disponibilizar para o seu ambiente SAS, é uma opção também.
6. Tem um site feito totalmente em python, mas quer utilizar o SAS como backend em algum processo específico.
E por aí vai, com criatividade essa lista só aumenta.
Por favor, pergunte o que mais precisar que estamos aqui para ajudar!
