Migrez depuis SAS avec vos agents de codage

data work.big_orders;
  set sales.orders;
  where amt > 1000;
  tier = 'Key';
  net = amt * 0.9;
run;

proc sql;
  create table work.by_region as
  select region, sum(net) as net
  from work.big_orders
  group by region;
quit;

# Converted by Alchemist
from pyspark.sql import functions as F

big_orders = (
  spark.table("sales.orders")
  .filter(F.col("amt") > 1000)
  .withColumn("tier", F.lit("Key"))
  .withColumn("net", F.col("amt") * 0.9)
)

by_region = (
  big_orders.groupBy("region")
  .agg(F.sum("net").alias("net"))
)
by_region.createOrReplaceTempView(
  "by_region"
)

Même moteur, même PySpark, que le code s’exécute sur Databricks, Snowflake ou Microsoft Fabric. Les agents sont l’une des portes d’entrée de la boîte à outils de migration SAS vers PySpark, qui analyse aussi votre patrimoine SAS et automatise la migration autour de la conversion.

1. Temps

   Une réécriture manuelle de SAS se compte en mois, et l’essentiel de ce temps part dans une traduction répétitive plutôt que dans la conception.

2. Cohérence

   Chaque développeur traduit un peu différemment, et sur des centaines de programmes, ces écarts finissent par faire dériver la logique.

3. Qui peut contribuer

   Quand seuls les ingénieurs peuvent convertir, les équipes métier et analytiques attendent leur tour. Avec les agents, elles traitent elles-mêmes leur périmètre.

1. 1 · Votre agentDatabricks Genie, Snowflake Cortex, Microsoft Copilot, Claude Coderequête en langage naturel →
2. 2 · AlchemistSkill → API Alchemistapi.getalchemist.iocode converti →
3. 3 · Votre notebookRelire, affiner, exécuter

• Databricks Genie
• Snowflake Cortex
• Microsoft Copilot
• Claude Code
• Tout client MCP (en développement)