Le traitement de grands ensembles de données est beaucoup plus rapide que le traitement traditionnel basé sur disque car les calculs sont effectués en mémoire (RAM). Il prend également en charge des analyses avancées comme la régression, les arbres de décision, le clustering et les algorithmes d'apprentissage automatique. Nous avons construit un modèle de régression pour identifier les défauts de paiement de prêts en analysant les données du bureau de crédit. Il est facile à utiliser pour les personnes expérimentées et dispose également d'un bon support client. Il peut également être facilement intégré avec SAS Visual Analytics et SAS Enterprise Miner. Avis collecté par et hébergé sur G2.com.
La seule chose que je n'aime pas, c'est son coût de licence élevé et ses exigences en matière d'infrastructure. Avis collecté par et hébergé sur G2.com.



