SAS Viya

AIモデル開発プラットフォーム（AutoML／MLOps）

使いやすさ
セットアップ
料金
サポート充実
連携・拡張性
機能性
セキュリティ

あなたの職場・業務に求められることや重視することは？

この製品が本当に相応しいかチェックしてみましょう。

コスト

要問合せ

無料プラン

IT導入補助金

無料トライアル

~ AIモデル開発プラットフォーム（AutoML／MLOps）

事業規模

中小

中堅

大企業

SAS Viyaとは

強み

注意点

カテゴリ別市場マーケットシェア

代替サービス

サービス基本情報

運営サービス一覧

FitGapにおけるすべての評価は、公平性を最優先に、客観的なアルゴリズムを用いて計算されています。製品の評価方法は「FitGapの評価メソッド」、シェアデータの算出根拠は「シェアスコアの算出方法」をご覧ください。

SAS Viyaとは

SAS Viyaは、SAS社が提供するAIモデル開発プラットフォームです。従来から分析ソフトウェアを提供してきた同社がクラウドネイティブ環境向けに再構築した統合アナリティクス環境として、データ管理・準備から高度なAIモデルの開発、展開・監視まで一連の作業に対応しています。インメモリ技術により大規模で複雑なデータ分析にも対応し、SAS言語に加えてPythonやRといったオープンソース言語にも対応しています。AutoML機能を通じてモデル開発の自動化を支援し、モデル管理やモニタリング、再学習パイプラインなどのMLOps機能も統合されているため、分析プロジェクトのライフサイクル全体を企業レベルで効率化することを目指しています。FitGapの機能性評価、セキュリティ評価、サポート評価はいずれもカテゴリ39製品中1位で、大企業シェアもカテゴリ55製品中1位です。金融や製造業界を中心とした大企業で、分析基盤の機能範囲や統制、運用支援を重視する組織に適したプラットフォームとして位置づけられています。

強み

統計解析で培われた高度な分析力

SAS Viyaには、長年にわたり統計解析分野で実績を重ねてきたSASのノウハウが活かされており、回帰分析や時系列予測などの分野において洗練されたアルゴリズムを利用できます。金融機関や製造業などの現場で培われた高度な分析手法が組み込まれているため、他のツールでは対応が困難な精密なモデル化や統計的検定なども信頼性の高い結果で実行することが可能です。FitGapの機能性評価はカテゴリ39製品中1位で、モデル評価・比較、学習パイプライン構築、予測区間、将来予測タスクにも対応しています。重要な経営判断に使う分析モデルを、評価から予測まで同じ基盤で扱いたい企業に向いています。

オープン言語との連携

SAS Viyaは、SAS言語に加えてPythonやRなど多様な言語・アプリケーションからSASの分析機能にアクセスできるオープンアーキテクチャを採用しています。例えば、PythonからSAS Viyaのエンジンを呼び出して計算処理を実行することが可能で、既存のオープンソース資産との親和性を高めています。FitGapの連携評価はカテゴリ39製品中2位で、リアルタイム推論APIやバッチ推論にも対応しています。SAS専門家とオープンソース技術者が同一プロジェクト内で協調し、既存資産を活かしながら段階的な導入を進めたい企業で判断材料になります。

柔軟な導入形態とガバナンス機能

SAS Viyaは、クラウドとオンプレミス環境の両方に対応し、コンテナを活用した柔軟な配備を実現しています。企業のセキュリティポリシーに適合した形態での導入が可能で、モデル管理やアクセス制御などのガバナンス機能も備えています。モデルのバージョン管理機能や承認ワークフローを備えており、規制の厳しい業界においても適切な管理体制のもとでAIプロジェクトを推進することができます。FitGapのセキュリティ評価はカテゴリ39製品中1位で、監査ログ、データ品質管理、モデル運用管理にも対応しています。権限管理や変更履歴を含めてAIモデルを統制したい企業に向いています。

注意点

初期投資が大きい

SAS Viyaはエンタープライズ向けの製品として設計されているため、導入時には相応のライセンス料やハードウェアへの投資が必要となる場合があります。このため、小規模な企業や予算に制約がある組織においては、コスト面での負担が課題となる可能性があります。FitGapの料金評価はカテゴリ39製品中39位で、中小企業シェアはカテゴリ55製品中14位です。導入を検討される際は、事前に必要な投資規模を十分に把握し、予算計画に組み込んでおくことが重要です。

大企業向け設計

SAS Viyaは銀行や保険などの大規模組織を対象とした機能や仕様を中心に構築されており、ユーザーインターフェースも専門的な設計となっています。そのため、中小規模のプロジェクトで導入する場合、提供される機能や操作体系が要件に対して過剰になる可能性があります。FitGapの大企業シェアはカテゴリ55製品中1位である一方、導入しやすさ評価はカテゴリ39製品中36位です。導入を検討する際は、組織の規模やプロジェクトの要件と製品の特性が適合するかを慎重に評価することが重要です。

クローズドな環境

SAS Viyaは独自の環境で提供されるため、オープンソースツールとの連携に制限が生じる場合があります。既存のIT基盤との統合を検討する際は、システム間の接続性やデータ連携方法について事前に確認することが重要です。また、組織の現行システムとの親和性によっては、導入時に追加の設定作業や調整が必要になる可能性があるため、導入計画の段階で技術的な検証を行うことが推奨されます。

カテゴリ別マーケットシェア

2026年3月 FitGap調査

SAS ViyaのAIモデル開発プラットフォーム（AutoML／MLOps）マーケットシェア

事業規模

中小

中堅

大企業

SAS Viyaの利用環境・機能

利用環境

端末・OS

Windows

シングルサインオン

対応言語

提供形態

対応サポート

機能

標準対応

オプション/条件付き

非対応

AIモデル開発プラットフォーム（AutoML／MLOps）

モデル自動生成（AutoML）

学習パイプライン構築

モデル評価・比較

モデル運用管理（MLOps）

データパイプライン連携

対応データ（表）

対応データ（時系列）

対応データ（画像）

対応データ（テキスト）

リアルタイム推論API

バッチ推論

サーバレス推論

モデルアーティファクト出力（Docker／ONNX）

AutoML（CV／NLP）

AutoML（時系列）

BYOM対応（外部モデル持ち込み）

コード拡張（SDK／Notebook）

ノーコード前処理

データ取込パイプライン

特徴量ストア（Feature Store）

データ品質管理（データ品質／系譜）

モデル監視（精度／ドリフト）

監査ログ（変更履歴）

Explainability（理由の見える化）

公平性チェック（バイアス検出／緩和）

自動再学習

CI／CD連携（継続的統合・継続デリバリー）

デプロイ実験管理（A/B・カナリア）

多系列・階層（時系列）

外生変数（時系列）

カレンダー要素（時系列）

予測区間（時系列）

将来予測タスク（TS）

異常検知タスク（TS）

画像分類（CV）

物体検出（CV）

画像分割（CV）

転移学習テンプレート（CV）

画像アノテーション

画像データ拡張

エッジ出力（CV）

テキスト分類（NLP）

感情・トピック分析（NLP）

固有表現抽出（NER／NLP）

要約・QA（NLP）

テキストアノテーション（NLP）

ベクトル検索／RAG連携

SAS Viyaのプラン

個別見積もり。詳細は公式サイトより要問い合わせ。

SAS Viyaと比較されるサービス

SAS Viyaは、AIと分析、データ管理を統合するクラウドネイティブなプラットフォームです。データからモデル作成と展開、意思決定の運用までを扱いやすく、規制業種や分析統制を重視する組織に向きます。部門横断のAI活用ではDataiku、AutoML重視ではDataRobotやH2O.aiも候補になります。業務データ基盤まで一体化するならPalantir Foundryも選択肢に入ります。