建立與訓練機器學習模型,無需編寫程式碼。

建立與訓練機器學習模型,無需編寫程式碼。 開始實作實驗室

重要功能

支援眾多資料來源

SPSS Modeler 可以從純文字檔、試算表、主要關聯式資料庫、IBM Planning Analytics 和 Hadoop 中讀取資料。您可以透過 SQL Optimization 附加程式(訂閱)或 Analytic Server(永久授權)擴展 SPSS Modeler 推回資料處理的功能。

視覺化分析串流

SPSS Modeler 提供直覺式圖形介面,協助將資料採礦流程的每個步驟視覺化,以做為串流的一部分。現在,分析師和商業使用者可以輕鬆地將專業知識和商業知識加到流程中。

自動執行資料準備

SPSS Modeler 會自動將資料轉換為最佳格式,以進行最精確的預測建模。現在只需按幾下滑鼠就能分析資料、識別修正程式、篩選出欄位及衍生新屬性。

自動化建模

SPSS Modeler 可以測試多種建模方法、比較結果並選擇要在單一執行中部署哪個模型。這可讓您根據模型效能快速選擇效能最佳的演算法。

多樣化的演算方法

SPSS Modeler 提供多種機器學習技術,包括分類、市場區隔和關聯演算法,其中又包括使用 Python 和 Spark 的現成演算法。使用者現在可以使用 R 和 Python 之類的語言來擴展建模功能。

文字分析

SPSS Modeler 分析非結構化文字資料,擷取關鍵概念、主題、觀感及趨勢。現在,您可以在部落格內容、客戶意見、電子郵件和社群媒體評論中發掘寶貴的見解。

地理空間分析

使用 SPSS Modeler 探索地理資料,例如緯度和經度、郵遞區號和地址。將該資訊與目前和歷史資料結合,就能產生更好的見解並提高預測準確性。

支援開放程式碼技術

SPSS Modeler 支援使用 R、Python、Spark 和 Hadoop 來增強分析能力。您也可以擴展及補充這些技術,以在維護控制的同時進行更進階的分析。

機器學習方法和演算法

SPSS Modeler 支援決策樹狀結構、神經網路和迴歸模型。現在您可以善用 ARMA、ARIMA 及指數平滑化;轉移具有預測值和極端值偵測的函數;從整體和階層模型中獲益;支援向量機器和時間原因建模;以及運用時間序列和空間 AR 進行空間時間預測。產生的對抗性網路 (GAN) 和增援也能夠深度學習。

多種部署方法

IBM SPSS Modeler 也可以作為 IBM Watson Studio 的一部分,以及永久供應項目。資料科學家可使用 Modeler Gold 進行排程,以便在所需時間執行工作。IT 管理者可以將部署整合至現有系統中,以進行批次、即時或串流作業。

使用案例:贏得並保留客戶

問題說明

  • 預測客戶流失很困難。
  • 制定合適的優惠極具挑戰性。
  • 讓人員配置、產品和其他因素與贏得客戶產生關聯的效率不彰。

 

解決方案說明

運用 IBM SPSS® Modeler,企業可以讓客戶滿意、制定合適的優惠並符合商業需要,同時縮短從構想到實驗再到生產的時間。

閱讀更多個案研討

使用案例:優化物流並預防出錯

Optimize logistics and prevent failures

問題說明

  • 容易出錯,人工作業導致設備故障。
  • 重複的流程和作業廢棄物太常見。
  • 業務連續性和安全顧慮未達到要求。

 

解決方案說明

運用視覺化拖放資料科學工具來預測潛在的維護問題或優化路徑,變得比以往簡單。

進一步瞭解

使用案例:制定全新優惠和創新的商業模型

問題說明

  • 難以瞭解客戶對資訊有何反應和行動。
  • 為適當通路制定合適的優惠極具挑戰性。
  • 在爭辯資料和編制資訊流程腳本上花費太多時間,致使效率不彰和限制了創新。

 

解決方案說明

從資料準備到應用機器學習演算法,SPSS Modeler 實現運用資訊的新方式。現在,您可以自信地制定全新優惠、活絡通路效能及優化業務流程,以實現最佳團隊生產力。

觀賞影片

使用案例:營運效率和預測準確性

Operational efficiency and forecast accuracy

問題說明

  • 周轉資金吃緊,而倉儲成本萎縮預算
  • 需要在無缺貨風險或不影響客戶服務的情況下縮減庫存
  • 不準確的預測會導致規劃不良和無法滿足預測需求

解決方案說明

SPSS Modeler 促進 Planning Analytics 中的預測流程,讓供應鏈領導者能在預測和規劃過程中降低誤差界限。這個方法優化了庫存量,並提高了可用於業務的周轉資金報酬,改善整個企業的營運效率。

請參閱個案研究

Next Steps

立即試用

立即購買與開始使用