银行业为什么喜欢用 sas 而不是 python？第1页

RickyFine 网友的相关建议:

环境要求不一样，医药、金融、保险那四大行业喜欢SAS，互联网这样的行业喜欢python

其中一个很重要的原因就是对于结果的稳定性和准确性要求上

就拿银行业来说，他们挣的钱都属于“风险投资”，一旦计算结果出现错误了，很容易造成严重的损失。而python这种开源工具最大的缺点，就是这些人写出的代码很多并不是很严格的统计分析，计算过程缺少权威性，它的结果并没有很大的严谨性，不符合银行业的要求。

SAS虽然不开源，但是开源了也没什么用，真正搞金融数据统计的没必要去了解算法，你决策树算法弄得再熟悉也不如SAS算法工程师研究的透彻，你只要考虑应用环境、业务环境什么的就足够了。

其实，SAS的构架就是按照情景模式打包为各种模块，像什么BASE、STAT、 ETS、IML这些，耦合度是很高的，给银行业用足够了。而且SAS的全模块都是通过认证的，计算结果在业内的权威性是很高的，这一点对于银行业来说颇为重要。

当然了，跟python比起来，SAS想要做大数据挖掘、文本挖掘之类的技术比较困难，所以很多企业会使用SAS进行抽样处理后再进行建模，然后再使用Python去进行部署落地，并不会用全量样本去跑数据建模，全量样本去跑数据谁也跑不动，而且也会存在噪音和杂质更多的情况。

此外呢，还有一个原因，就是SAS是传统的统计软件，那些银行基本都用了几十年了，datasets早就存储为sas的形式，所谓先到者吃肉，后来者喝汤，哪怕SAS现在一个模块都得一百万，银行也会买SAS而不是用开源的工具，毕竟人家银行业财大气粗，花点钱买个商业软件根本不是什么事。

退一步讲，就算是小概率事件出错了，银行业还能把锅甩给SAS，我买你的软件、买你的服务，出了问题你就得给我站出来挡着，要不然我的钱不是白花了。

简单总结就是，SAS靠得住，卖得贵但算的准；银行出了事能甩锅，省事又不担责。一举两得，岂不美哉？

drpmdb 网友的相关建议:

克劳备忘录也好，凯南电报也好，有两大共同点。首先，都是以现实主义的眼光去分析双方的关系。然后，给出的建议都是阳谋，并不是什么不可告人的阴谋，执行起来需要的不是鸡鸣狗盗的小聪明，而是惊人的意志力。

而美国现在战略界现实主义被边缘化，我推测，布热津斯基，基辛格那帮人应该写过不少。不过没所谓，美国能执行大战略的时代过去了。现在这一代精英上半年能管下半年就已经很了不起了。一个需要两代人以上持之以恒去完成的大战略，搞出来他们也执行不了。

冷战时期，从杜鲁门艾森豪威尔到肯尼迪尼克松，最后到李根老布什，个人性格和政治偏好差距不要太大，但是都忠实地完成了他们历史任务，沿着围堵政策做下去。这种战略定力和延续性，世间少见。在中国领导集团上能看见一些相似的东西，但是我们离得距离太近，反而看不清。但在美国精英层身上完全看不到这一点。

个人愚见。

相关话题