Sie suchen nach einer SPSS Modeler-Subscription? SPSS Modeler ist jetzt in IBM Watson Studio Desktop enthalten.

Sie suchen nach einer SPSS Modeler-Subscription? SPSS Modeler ist jetzt in IBM Watson Studio Desktop enthalten. Kostenlos testen

Wichtige Features

Unterstützung für viele Datenquellen

SPSS Modeler kann Daten aus unstrukturierten Dateien, Spreadsheets, großen relationalen Datenbanken, IBM Planning Analytics und Hadoop lesen. Sie können das Funktionsspektrum von SPSS Modeler im Rahmen unserer zeitlich unbegrenzten Lizen auf den Analyseserver ausweiten.

Visuelle Analyseströme

SPSS Modeler bietet eine intuitive grafische Schnittstelle, um jeden Schritt des Data-Mining-Prozesses als Teil eines Datenstroms zu visualisieren. Jetzt können Analysten und Geschäftsbenutzer ohne großen Aufwand Fachwissen und Geschäftswissen in den Prozess einbinden.

Automatische Datenaufbereitung

SPSS Modeler konvertiert Daten automatisch in das für die präzisesten Vorhersagemodelle beste Format. Mit nur wenigen Klicks können Sie Daten analysieren, Korrekturen (Fixes) identifizieren, Felder ausschließen und neue Attribute ableiten.

Automatische Modellierung

SPSS Modeler kann in einem einzigen Durchlauf mehrere Modellierungsmethoden testen, Ergebnisse vergleichen und auswählen, welches Modell bereitgestellt werden soll. So können Sie sehr schnell den leistungsfähigsten Algorithmus auf Basis der Modellleistung auswählen.

Eine Reihe von algorithmischen Methoden

SPSS Modeler bietet verschiedene Verfahren für maschinelles Lernen, einschließlich Klassifizierungs-, Segmentierungs- und Assoziationsalgorithmen. Dazu zählen auch sofort einsatzfähige Algorithmen, die Python und Spark nutzen. Benutzer können jetzt Sprachen wie R und Python zur Erweiterung der Modellierungsfunktionen verwenden.

Textanalyse

SPSS Modeler erfasst Schlüsselbegriffe, Themen, Stimmungen und Trends durch die Analyse von unstrukturierten Textdaten. Jetzt können Sie Informationen aus Bloginhalten, Kundenfeedback, E-Mails und Social-Media-Kommentaren offenlegen.

Geografisch-räumliche Analyse

Untersuchen Sie mithilfe von SPSS Modeler geografische Daten wie Breitengrad, Längengrad, Postleitzahlen und Adressen. Durch die Kombination dieser Informationen mit aktuellen und historischen Daten können Sie bessere Erkenntnisse gewinnen und die Vorhersagegenauigkeit verbessern.

Unterstützung für Open-Source-Technologien

Mit SPSS Modeler können Sie R, Python, Spark und Hadoop verwenden, um die Analyseleistung zu erhöhen. Sie können diese Technologien auch erweitern und ergänzen, um verbesserte Analysen zu erreichen, und gleichzeitig weiterhin die Kontrolle über alles behalten.

Methoden und Algorithmen für maschinelles Lernen

SPSS Modeler unterstützt Entscheidungsstrukturen, neuronale Netze und Regressionsmodelle. Jetzt können Sie zahlreiche Vorteile nutzen: ARMA, ARIMA und exponentielle Glättung, Transferfunktionen mit Prädiktoren und Ausreißererkennung, Ensemble- und Hierarchiemodelle, Support Vector Machine- und temporale Kausalmodellierung, Zeitreihen und geografische AR für räumlich-zeitliche Vorhersagen. Generative Adversarial Networks (GANs) und Verstärkung ermöglichen auch Deep Learning.

Verschiedene Bereitstellungsmodelle

IBM SPSS Modeler ist auch als Komponente von IBM Watson Studio und als zeitlich unbegrenztes Angebot verfügbar. Mithilfe von Modeler Gold können Data-Scientists Jobs so planen, dass sie zu den gewünschten Zeitpunkten ausgeführt werden. IT-Administratoren können durch die Verknüpfung mit bestehenden Systemen Batch-, Echtzeit- oder Streaming-Funktionalität ermöglichen.

Anwendungsfall: Kunden gewinnen und binden

Problembeschreibung

  • Kundenabwanderungen vorherzusagen, ist schwierig.
  • Die Bereitstellung der richtigen Angebote ist eine Herausforderung.
  • Personal, Produkte und andere Faktoren mit der Kundengewinnung zu korrelieren, ist ineffizient.

 

Lösungsbeschreibung

Mit IBM SPSS® Modeler sorgen Unternehmen für hohe Kundenzufriedenheit, indem sie die richtigen Angebote zusammenstellen und an den Geschäftsanforderungen ausrichten. Gleichzeitig reduzieren sie damit den Zeitaufwand von der Idee, über die Tests bis zur fertigen Produktionslösung.

Weitere Kundenreferenzen lesen

Anwendungsfall: Logistikoptimierung und Vermeidung von Ausfällen

Optimize logistics and prevent failures

Problembeschreibung

  • Fehlerträchtige manuelle Prozesse führen zu Gerätefehlern.
  • Doppelte Prozesse und operative Zeitverschwendungen kommen zu häufig vor.
  • Business-Continuity- und Sicherheitsprobleme werden nicht angegangen.

 

Lösungsbeschreibung

Die Vorhersage potenzieller Wartungsprobleme oder die Optimierung von Weiterleitungen war mit dem visuellen Drag-and-Drop-Data-Science-Tool noch nie so einfach wie heute.

Weitere Informationen (01:32)

Anwendungsfall: Erstellen von neuen Angeboten und innovativen Geschäftsmodellen

Problembeschreibung

  • Zu Verstehen, wie Kunden auf Informationen reagieren und basierend darauf handeln, ist schwierig.
  • Bei der Erstellung der richtigen Angebote für die richtigen Kanäle gibt es zahlreiche Herausforderungen.
  • Der hohe Zeitaufwand für die Datenverarbeitung und das Scripting des Informationsflusses verhindert Effizienz und Innovationen.

 

Lösungsbeschreibung

Von der Datenaufbereitung bis zur Anwendung von Algorithmen für maschinelles Lernen bietet SPSS Modeler neue Wege der Informationsnutzung. Jetzt können Sie vertrauensvoll neue Angebote erstellen, Vertriebskanäle intensivieren und die Geschäftsprozesse für maximale Teamproduktivität optimieren.

Video ansehen (03:46)

Anwendungsfall: Betriebliche Effizienz und Vorhersagegenauigkeit

Operational efficiency and forecast accuracy

Problembeschreibung

  • Das Betriebskapital ist knapp und die Lagerhaltungskosten belasten das Budget.
  • Lagerbestände müssen reduziert werden – ohne das Risiko von Lagerfehlbeständen oder Beeinträchtigungen des Kundenservice.
  • Ungenaue Prognosen führen zu schlechter Planung und der Unfähigkeit, den prognostizierten Bedarf zu decken.

Lösungsbeschreibung

SPSS Modeler steuert den Vorhersageprozess bei der Planungsanalyse und ermöglicht es Führungskräften in der Lieferkette, die Fehlerquote im Prognose- und Planungsprozess zu reduzieren. Dieser Ansatz optimiert die Lagerbestände und erhöht die Rendite des dem Unternehmen zur Verfügung stehenden Betriebskapitals, wodurch die betriebliche Effizienz im gesamten Unternehmen verbessert wird.

Kundenreferenz lesen

Next Steps