Получите IBM SPSS Modeler Gold с расширенными возможностями по сниженной цене.

Получите IBM SPSS Modeler Gold с расширенными возможностями по сниженной цене. Подробнее об этом

Основные функции

Поддержка различных источников данных

SPSS® Modeler может получать данные из простых файлов, электронных таблиц, основных типов реляционных баз данных, IBM Planning Analytics и Hadoop. Бессрочная лицензия расширяет возможности SPSS Modeler и позволяет переносить обработку данных на Analytic Server.

Удобное развертывание моделей

От Scikit-learn и Tensorflow до SPSS Modeler — сохраняйте и разворачивайте модели из самых популярных сред машинного обучения с помощью наиболее удобных для вас инструментов, включая Notebooks и Modeler Flows в Watson Studio Desktop, а также любые среды разработки для Python.

Автоматическая подготовка данных

SPSS Modeler автоматически преобразует данные в оптимальный формат для самых точных моделей прогнозирования. Теперь для анализа данных, определения исправлений, отбора полей и получения новых атрибутов требуется всего несколько щелчков мыши.

Мощный графический процессор

Используйте мощный графический процессор Watson Studio Desktop для практической реализации полученных идей. Интеллектуальная рекомендательная система находит идеальную диаграмму для ваших данных среди нескольких десятков вариантов, чтобы вы могли быстро и легко поделиться своими идеями при помощи наглядных визуализаций.

Потоки визуального анализа

Интуитивно понятный графический интерфейс SPSS Modeler обеспечивает визуализацию всех этапов процесса интеллектуального анализа данных в рамках «потока». Аналитики и бизнес-пользователи могут легко привносить в процесс свои бизнес-знания и профессиональный опыт.

Автоматизированное моделирование

SPSS Modeler может проверять несколько методов моделирования за один прогон со сравнением результатов и выбором модели для дальнейшего применения. Это позволяет быстро выбрать оптимальный алгоритм на основе качества модели.

Богатый выбор алгоритмических методов

SPSS Modeler предлагает на выбор различные методы машинного обучения, включая алгоритмы классификации, сегментации и ассоциации, в том числе готовые алгоритмы с использованием Python и Spark. Пользователи могут расширять возможности моделирования, используя такие языки, как R и Python.

Анализ текстов

SPSS Modeler может анализировать неструктурированные текстовые данные и определять ключевые понятия, темы, мнения и тенденции. Теперь вы можете выявлять ценную информацию в публикациях в блогах, отзывах клиентов, электронной почте и социальных сетях.

Геопространственный анализ

SPSS Modeler может анализировать географические данные, такие как широта и долгота, почтовые индексы и адреса. Благодаря объединению такой информации с текущими и историческими данными можно повысить эффективность аналитики и точность прогнозов.

Поддержка технологий с открытым исходным кодом

SPSS Modeler использует технологии R, Python, Spark и Hadoop для расширения возможностей аналитики. Эти технологии можно расширять и дополнять для более тщательного анализа без потери контроля. SPSS Modeler Gold включает в себя доступ к Watson Studio Desktop, что позволяет расширить потоки Modeler за счет Jupyter Notebooks для совместной работы бизнес-пользователей и специалистов по обработке данных на базе единой платформы.

Методы и алгоритмы машинного обучения

SPSS Modeler поддерживает работу с деревьями решений, нейронными сетями и регрессионными моделями. Теперь можно использовать модели ARMA и ARIMA, экспоненциальное сглаживание, передаточные функции с предикторами и обнаружением выбросов, ансамблевые и иерархические модели, векторное машинное и причинно-следственное моделирование, временные ряды и пространственные авторегрессивные модели для пространственно-временного прогнозирования. Генеративно-состязательные сети (GAN) и обучение с подкреплением обеспечивают глубинное обучение.

Различные методы развертывания

IBM SPSS Modeler также предлагается в составе IBM Watson Studio и по бессрочной лицензии. С помощью Modeler Gold специалисты по обработке данных могут планировать выполнение заданий на определенное время. ИТ-администраторы могут интегрировать решение с имеющимися системами для пакетного и потокового выполнения, а также выполнения в режиме реального времени.

Пример внедрения: Оптимизация логистики и предотвращение сбоев

Проблема

  • Ненадежные процессы, выполняемые вручную, приводят к сбоям оборудования.
  • Часто происходит дублирование процессов и возникают эксплуатационные потери.
  • Не обеспечивается должный уровень непрерывности деятельности и безопасности.

Решение

Визуальный инструмент анализа данных с функцией перетаскивания существенно упрощает прогнозирование потенциальных проблем с техническим обслуживанием и оптимизацию маршрутов.

→Смотреть видео (01:32)

Пример внедрения: Создание новых предложений и инновационных бизнес-моделей

Проблема

  • Сложно понимать реакцию клиентов и их действия на основе информации.
  • Сложности в подготовке подходящих предложений для соответствующих каналов.
  • Большие временные затраты на подготовку данных и сценариев для потоков информации снижают эффективность работы и затрудняют внедрение инноваций.

 

Решение

SPSS Modeler предлагает новые способы использования информации от подготовки данных до применения алгоритмов машинного обучения. Теперь можно с уверенностью создавать новые предложения, управлять работой каналов сбыта и оптимизировать бизнес-процессы для обеспечения оптимальной производительности труда коллектива.

→Смотреть видео (03:45)

Пример внедрения: Операционная эффективность и точность прогнозирования

женщина, рассматривающая бутылки

Проблема

  • Не хватает оборотного капитала, складские расходы съедают бюджет.
  • Необходимо сократить уровень запасов без риска возникновения дефицита и последствий для обслуживания клиентов.
  • Недостоверные прогнозы приводят к неэффективному планированию и неспособности удовлетворить прогнозируемый спрос.

Решение

SPSS Modeler управляет процессом прогнозирования в решении Planning Analytics. Руководители логистических подразделений получают возможность уменьшить погрешности в процессах прогнозирования и планирования. Такой подход позволяет оптимизировать уровни запасов, увеличить рентабельность оборотного капитала и тем самым повысить эффективность работы всего предприятия.

→Прочитать пример внедрения

Next Steps

Попробуйте сами

Начните сегодня