Découvrez les nouveautés d'IBM SPSS Modeler 18.3

Découvrez les nouveautés d'IBM SPSS Modeler 18.3 Lire l'article de blog

Principales fonctionnalités

Compatible avec de nombreuses sources de données

SPSS Modeler peut lire des données à partir de fichiers à plat, de feuilles de calcul, de bases de données relationnelles majeures, d'IBM Planning Analytics et de Hadoop. Vous pouvez étendre les fonctions de SPSS Modeler à l'Analytic Server avec notre licence perpétuelle.

Déploiement de modèles aisé

De Scikit-learn et Tensorflow à SPSS Modeler, enregistrez et déployez des modèles à partir des structures de machine learning les plus populaires à l'aide des outils de votre choix, notamment les notebooks et les flux Modeler dans Watson Studio Desktop ou tout IDE utilisé pour Python.

Préparation automatique des données

SPSS Modeler transforme automatiquement les données dans le format optimal pour obtenir des modèles prédictifs aussi précis que possible. Quelques clics suffisent pour analyser les données, identifier les correctifs, filtrer les zones et extraire de nouveaux attributs.

Moteur graphique puissant

Tirez parti du puissant moteur graphique de Watson Studio Desktop pour concrétiser vos éclairages. Le système de recommandation de graphiques intelligent trouve le graphique parfait pour vos données parmi des dizaines d'options, de sorte que vous puissiez partager vos éclairages rapidement et en toute simplicité, via des visualisations attractives.

Flux graphique d'analyse

SPSS Modeler utilise une interface graphique intuitive qui permet de visualiser chaque étape du processus d'exploration des données dans un flux. Désormais, les analystes et les professionnels peuvent aisément ajouter leur expertise et leurs connaissances métier au processus.

Modélisation automatique

SPSS Modeler peut tester plusieurs méthodes de modélisation, comparer les résultats et sélectionner le modèle à déployer en une seule exécution. Cela vous permet de choisir rapidement le meilleur algorithme en fonction de la performance du modèle.

Une gamme de méthodes algorithmiques

SPSS Modeler offre de nombreuses techniques d'apprentissage automatique, y compris les algorithmes de classification, de segmentation et d'association incluant les algorithmes prêts à l'emploi exploitant Python et Spark. Les utilisateurs peuvent désormais utiliser des langages comme R et Python pour étendre les fonctions de modélisation.

Analyse textuelle

SPSS Modeler capture les grands concepts, thèmes, sentiments et tendances en analysant les données textuelles non structurées. Vous pouvez maintenant découvrir des connaissances dans le contenu des blogs, les avis clients, les e-mails et les commentaires sur les médias sociaux.

Analyse géospatiale

Explorez les données géographiques comme la latitude et la longitude, les codes postaux et les adresses avec SPSS Modeler. En combinant ces informations avec les données actuelles et historiques, vous pouvez générer des informations optimales et améliorer la précision des prévisions.

Prise en charge des technologies open source

SPSS Modeler permet d'utiliser R, Python, Spark et Hadoop pour amplifier la puissance de l'analytique. Vous pouvez également étendre et compléter ces technologies pour des analyses plus avancées tout en conservant le contrôle. SPSS Modeler Gold inclut l'accès à Watson Studio Desktop, grâce auquel vous pouvez étendre vos flux Modeler via des Jupyter Notebooks. Professionnels et scientifiques des données peuvent ainsi collaborer sur la même plateforme.

Méthodes et algorithmes d'apprentissage automatique

SPSS Modeler prend en charge les arbres de décision, les réseaux neuronaux et les modèles de régression. Vous pouvez désormais utiliser les modèles ARMA et ARIMA, le lissage exponentiel, les fonctions de transfert avec des prédicteurs et la détection des valeurs aberrantes, les ensembles et les modèles hiérarchiques, les machines à vecteurs de support (SVM) et la modélisation de causalité temporelle. Vous pouvez aussi utiliser les séries temporelles et la réalité augmentée spatiale pour la prévision spatio-temporelle. Les réseaux antagonistes génératifs (GAN) et le renforcement permettent également un apprentissage en profondeur.

De multiples méthodes de déploiement

IBM SPSS Modeler est également disponible avec IBM Watson Studio et avec l'offre perpétuelle. À l'aide de Modeler Gold, les spécialistes des données peuvent programmer des travaux à exécuter à des moments choisis. Les administrateurs IT peuvent intégrer le déploiement aux systèmes existants pour un traitement par lots, en temps réel ou en streaming.

Cas d'utilisation : Optimiser la logistique et éviter les défaillances

Description du problème

  • Les processus manuels, sources d'erreurs, entraînent des pannes au niveau des équipements
  • Les processus en double et le gaspillage opérationnel sont trop fréquents
  • Les préoccupations en matière de continuité et de sécurité ne sont pas résolues

Description de la solution

La prévision des problèmes de maintenance potentiels et l'optimisation des organigrammes n'ont jamais été aussi faciles avec cet outil visuel de science des données utilisable par glisser-déposer.

→ Regarder la vidéo (01:32)

Cas d'utilisation : Créer de nouvelles offres et des modèles métier innovants

Description du problème

  • Il est difficile de comprendre comment les clients réagissent à l'information et agissent en conséquence
  • Créer les bonnes offres pour les bons canaux constitue un défi
  • Passer trop de temps à manipuler les données et à scénariser le flux d'informations inhibe l'efficacité et l'innovation

Description de la solution

De la préparation des données à l'application des algorithmes d'apprentissage automatique, SPSS Modeler offre de nouvelles façons d'exploiter l'information. Vous pouvez désormais créer de nouvelles offres en toute confiance, stimuler les performances des canaux et optimiser les processus métier pour une productivité optimale des équipes.

→ Regarder la vidéo (03:45)

Cas d'utilisation : Efficacité opérationnelle et exactitude des prévisions

femme regardant des bouteilles

Description du problème

  • Les fonds de roulement sont limités et les coûts d'entreposage grèvent le budget
  • Il est nécessaire de réduire les stocks sans risquer de ruptures de stock et sans affecter le service à la clientèle
  • L'imprécision des prévisions entraîne une mauvaise planification et l'incapacité à répondre à la demande prévue

Description de la solution

SPSS Modeler conduit le processus de prévision dans IBM Planning Analytics, permettant aux responsables de la chaîne d'approvisionnement de réduire la marge d'erreur dans le processus de prévision et de planification. Cette approche optimise les niveaux de stock et augmente le rendement du fonds de roulement, améliorant ainsi l'efficacité opérationnelle dans toute l'entreprise.

→ Lire l'étude de cas

Next Steps

Pour commencer