Riad Gydien, starszy wiceprezes w SAS, stanie na czele regionu EMEA. Ma 20 lat doświadczenia w zarządzaniu rozwojem biznesu. Z SAS jest związany od 2007 r. Ostatnio zajmował stanowisko starszego wiceprezesa południowej części regionu EMEA. Pracuje w Cape Town w RPA.

Jak komunikuje korporacja, priorytetem nowego szefa jest umieszczenie klienta w centrum uwagi poprzez kompleksową obsługę – począwszy od procesu sprzedaży, przez wdrożenie i szkolenie, aż po wygenerowanie wartości w oparciu o systemy analityczne. Powstanie dział Customer Experience, który będzie odpowiadał za koordynację wszystkich działań dotyczących klientów.

– Kluczem do sukcesu naszych klientów jest połączenie technologii, edukacji, wsparcia, a także usług SAS oraz naszej sieci partnerskiej – uważa Riad Gydien.
 
 

Co jest wyzwaniem dla klientów

Z zapowiedzi wynika, że SAS ma koncentrować się na uzyskaniu wartości z danych, co dla wielu organizacji ma coraz większe znaczenie i jednocześnie jest coraz większym problemem. Koncern informatyczny specjalizujący się w analityce biznesowej i BI ma pomagać przedsiębiorstwom we wdrożeniu zaawansowanych systemów analitycznych, które pozwalają podejmować decyzje biznesowe w oparciu o przetwarzane informacje. W 2019 r. SAS ogłosił inwestycję w wysokości miliarda dolarów w sztuczną inteligencję, włączając w to edukacje i usługi eksperckie.
 
– Nasi klienci stoją w obliczu niesamowitych wyzwań: rosnącej ilość danych, potrzeby podejmowania natychmiastowych decyzji na masową skalę, mnogości nowych technologii czy braku odpowiednich umiejętności – mówi Riad Gydien. – Jeżeli organizacje chcą zachować znaczącą pozycję na rynku, muszą rozwijać umiejętność szybkiego wyczuwania, zrozumienia i odpowiadania na zmieniające się warunki rynkowe oraz oczekiwania klientów – przekonuje.

 

Zespoły data science rozliczane z wyników

Jak zauważa SAS, gdy organizacje stawiają kolejne kroki na drodze do cyfrowej transformacji, coraz częściej zdają sobie sprawę z tego, że inwestycje w systemy analityczne muszą być nastawione na generowanie zysku. Przykładowo, zespoły data science były kiedyś rozliczane z liczby stworzonych algorytmów lub modeli analitycznych. Obecnie ich wpływ na rozwój organizacji jest oceniany z perspektywy wyników biznesowych.