1. 案例定位

Table 2.3:DataRobot、SAS Visual Analytics(SAS VA)、R Tool Selection。

2. 學習目標

比較 Functionality、Platform、Cost、Support、Usability、Skills、Learning Curve。

3. 案例情境

三種環境都能 Explore Data/Build Models,但能力與組織成本不同。

4. 開始資料

Criterion DataRobot SAS VA R
Predictive Modeling 80+ types+Ensembles Subset Extensive Packages
Platform Cloud/On-premises Corporate Server/Browser Workstation/Multi-OS
Acquisition Cost Per-seat Corporate Pricing Open Source
Learning Hours Day or two Days;Weeks/Months to competence

5. 分析方法

Excel Weighted Decision Matrix;AI 解釋 Trade-offs。

6. 計算結果

原書無 License Price/統一分數,因此無唯一 Winner。

7. 結果分析與管理解讀

R 無 Acquisition Cost 不等於 Zero Total Cost;Cloud 可能受 Data Residency 限制。

8. AI Prompt

「依 Excel Scores 解釋三工具 Trade-offs,不修改分數或補 License Cost。」

9. 思考/What-if

題目: Data 不可存境外 Cloud?

參考解答: DataRobot Cloud 可能不適合,需評估 On-premises。

10. 資料說明