IBM SPSS Modeler. Descubra padrões em dados históricos para prever eventos futuros, tomar melhores decisões e alcançar melhores resultados.

Transcrição

1 IBM Descubra padrões em dados históricos para prever eventos futuros, tomar melhores decisões e alcançar melhores resultados. Destaques Acesso a uma variedade de fontes de dados como data warehouses, base de dados, distribuições de Hadoop ou arquivos texto para descobrir padrões escondidos nos dados. Fornecer previsão, ciente de recursos e estrategicamente alinhada a decisões para pessoas e sistemas no ponto de impacto quase que instantaneamente. Colocar as análises nas mãos de quem quer que vá beneficiar-se delas, independentemente de sua origem estatística ou analítica. Colocar as análises nas mãos de quem quer que vá beneficiar-se delas, independentemente de sua origem estatística ou analítica Resolva seus problemas de negócios com uma única plataforma que é desenhada para manipular desde simples análises descritivas da mesma maneira que os mais complexos problemas de otimização. Analise uma vasta quantidade de dados em menos tempo ao completar os recursos de TI existentes com o desempenho em banco de dados e movimentação de dados com in-database e minimizando a movimentação dos dados. Leve a vantagem de que uma plataforma aberta pode ser disponibilizada em muitos ambientes e integradas com outras soluções IBM para preencher a lacuna entre a análise e a ação. Visão Geral Num ambiente de negócios, o objetivo principal da análise é melhorar o resultado do negócio. Estes resultados podem incluir: Aumento de receita ao reduzir o churn. Aumento nas taxas de cross sell com o call center. Diminuir os custos ao identificar reclamações fraudulentas antes do pagamento. A manutenção de um componente numa linha de produção para minimizar o tempo de inatividade. Quando você aplica uma análise para melhorar uma decisão, o resultado provavelmente será melhor. Data mining é o processo de descoberta de padrão nos dados com técnicas analíticas. As análises descritivas, modelagem preditiva, análise de texto, análise de entidade, otimização e gerenciamento de decisão são usados para identificar padrões e implementar os modelos preditivos nos sistemas operacionais. Os sistemas e pessoas podem usar estes padrões e modelos para extrair conhecimentos que lhes permitam consistentemente tomar a decisão certa no ponto de impacto. Resultados são maximizados baseados na inteligência preditiva. O IBM SPSS Modeler é uma plataforma poderosa de análises preditiva que é desenhada para trazer inteligência preditiva para a tomada de decisão por indivíduos, grupos, sistemas e pela empresa. O SPSS Modeler opera desde as implementações em desktops até a integração com os sistemas operacionais, para fornecer uma gama de técnicas e algoritmos avançados. Aplicando estas técnicas às decisões podem resultar em um rápido ROI e pode possibilitar as empresas a proativamente e repeditamente reduzirem custos ao aumentar a produtividade.

2 Com o você pode: Acessar todos os tipos de dados Ampliar o poder de suas análises Atender às necessidades do negócio com implementação flexível Acessar todos os tipos de dados Os dados estão sendo gerados a um ritmo exponencial a partir de uma multiplicidade de fontes, alimentando assim novas informações e oportunidades inexploradas para que as empresas sejam capazes de aproveitá-los e perceber seu valor. Estes dados são armazenados em vários sistemas e formatos tornando isso um desafio. O volume de dados é tão grande que você não pode analisá-lo manualmente nem pode analisar todas as tabelas dos relatórios para encontrar o motivo pelo qual algo pode ou não acontecer. O processo de análise apresenta mais um desafio por causa de uma escassez de analistas qualificados que podem trabalhar com os dados para extrair seu valor. Com o, é possível utilizar os dados disponíveis e extrair valor deles ao descobrir oportunidades inexploradas e novas informações. Com novos insights de seus dados, é possível prever o que provavelmente pode acontecer, tornar-se pró-ativo e otimizar os resultados, em vez de simplesmente reagir como uma situação cotidiana. O permite utilizar uma variedade de técnicas analíticas para acessar as fontes de dados, bem como, data warehouses, banco de dados, distribuições de Hadoop ou arquivos textos, para encontrar padrões escondidos nos dados. Essas técnicas estatísticas usam dados históricos para fazer previsões sobre condições atuais e eventos futuros. Além disso, inclui funcionalidades para acesso, preparação e modelagem de dados e visualizações interativas. Com procedimentos automatizados para preparação e modelagem, é adequado para várias funcionalidades de análise. A interface gráfica intuitiva do permite aos usuários visualizarem cada etapa do processo de mineração de dados como parte de um fluxo. Ao interagir com esses fluxos, os analistas e usuários de negócios podem colaborar, adicionando conhecimento ao negócio e expertise de domínio para o processo de mineração de dados. Seus usuários podem se concentrar em descobrir idéias, em vez de tarefas técnicas, tais como escrever códigos. Eles também podem explorar os dados mais profundamente e descobrir relações adicionais que fazem sentido para a empresa. Ampliar o poder das análises com uma gama de técnicas As técnicas analíticas continuam a evoluir, proporcionando aos analistas uma infinidade de opções para resolver os problemas deles. Além disso, como a tecnologia se desenvolve e novos tipos de dados estão disponíveis (tais como dados de localização de telefones celulares ou torres de celular), diferentes questões e desafios surgem sobre as melhores maneiras de explorar esses dados. Técnicas inovadoras são necessárias. Com o, seus analistas podem resolver seus problemas de negócio com uma única plataforma que é desenhada para manipular desde simples análises descritivas, até os problemas de otimização mais complexos e tudo que está relacionado. As características das funcionalidades do SPSS Modeler vão além de requerimentos analíticos padrão dos analistas de hoje. Uma gama de modelos, modelagem e preparação de dados automatizada, análise de texto, análise de entidade e análise de redes sociais ajudam a endereçar os problemas mais sofisticados. 2

3 Uma gama de modelos O oferece uma variedade de técnicas de modelagem, incluindo todos os seguintes algoritmos: Algoritmos de Classificação. Fazer previsões baseadas em dados históricos com técnicas. Exemplos incluem árvores de decisão, redes neurais, regressão logística, máquina de vetores de suporte, regressão de Cox, modelos lineares generalizados mistos (GLMM) e mais. Use modelagem de classificação automática para resultados binários e numéricos para simplificar a criação do modelo ou Modelo de resposta de autoaprendizagem (SLRM) para construir modelo que pode continuamente ser atualizado ou reestimado sem ter que reconstruí-lo. Algoritmos de Segmentação. Agrupar pessoas ou detectar padrão não usual com agrupamento automático, detecção de anomalia e técnicas de agrupamento de redes neurais. Use classificação automática para aplicar múltiplos algoritmos num único passo e excluir a adivinhação da seleção de técnica certa. Algoritmos de associação. Descubra associações, links ou sequências com Apriori, CARMA e algoritmos de associação sequencial. Séries temporais e previsão. Gerar previsões para uma ou mais série ao longo do tempo com as técnicas de modelagem estatística. Extensibilidade com linguagem de programação R. Aplicar transformações, usar scripts para analisar, resumir ou produzir texto e saída gráfica com R. Com o Custom Dialog Builder, você pode compartilhar e reutilizar o código R com aqueles que optam por não usar a programação para análise. Simulação de Monte Carlo. Leve em conta a incerteza nos inputs em modelos preditivos. Modele inputs incertos baseandose em dados históricos ou em distribuições de probabilidade para gerar valores simulados, e então usá-los nos modelos preditivos para gerar uma saída. O processo pode ser repetido milhares ou dezenas de milhares de vezes. O resultado é uma distribuição de resultados que podem fornecer respostas a perguntas que são baseados em dados gerados de forma realista. Manipulação e preparação de dados Preparar os dados para análises é importante, mas um demorado passo numa análise. O automatiza a preparação de dados para facilitar o processo e assegurar que os dados estão no melhor formato para as análises. As tarefas automatizadas incluem analise dos dados As tarefas automatizadas incluem analisar dados e identificar correções, jogar campos inúteis fora, derivar novos atributos quando apropriado, e melhorar a performance através de técnicas inteligentes de verificação. O oferece várias maneiras de manipular e preparar os dados para as análises no nível de registro ou campo (ou variável). Entre os métodos usados para assegurar que os dados estão no melhor formato para tipo específico de análise estão: Record operations. Nós Select, Sample e Distinct permitem escolher linha de dados específicas. Você pode mesclar e anexar os nós para juntar dados adicionando colunas ou linhas de um conjunto de dados. Nós Aggregate, Recency, Frequency, Monetary (RFM) resumem registros numa única linha. Um nó Balance ajusta as proporções de registros de dados desequilibrados e um nó Sort reordena baseado no valor. O nó Space Time Box cria dados geoespaciais e baseados no tempo para os registros. Field operations. Um nó Type especifica metadados e propriedades de um conjunto de dados e o nó Filter descarta campos. O nó Derive cria novos campos e um nó Filler pode substituir valores de campos existentes. Os dados podem ser reestruturados com os nós Set to Flag, Restructure ou Transpose nodes e reagrupados com os nós Reclassify ou Binning. Para ajudar com a modelagem, o nó Partition pode dividir os dados e os nós History e Time Intervals podem criar campos adicionais. O nó Field Reorder define a ordem de exibição para tornar determinados campos mais fáceis de visualizar. 3

4 Modelagem de dados automatizada Com as características de modelagem do, não analistas podem produzir modelos precisos rapidamente sem conhecimento especializado. Além disso, funcionalidades de modelagem preditiva avançada permitem analistas profissionais criarem os mais sofisticados fluxos. Modelagem automatizada permite comparar múltiplas abordagens de modelagem. Ao configurar opções específicas para cada tipo de modelo (ou usando os padrões), é possível explorar uma infinidade de combinações e opções de modelos. Os modelos gerados são classificados de acordo com a medida especificada, guardando o melhor para o uso na escoragem ou análise posterior. Análise de texto O ambiente visual e interativo do usa tecnologias linguísticas avançadas e Processamento de Linguagem Natural (NLP) para processar rapidamente os dados de textos não estruturados. A partir deste texto, ele extrai e organiza os conceitos-chave. Os pacotes de análise de texto personalizáveis específicos permitem-lhe analisar os termos e frases relevantes, além de acrônimos, emoticons e gírias no contexto certo. Gráficos interativos ajudam a explorar e apresentar dados de texto para análise instantânea. É possível criar estruturas hierárquicas de categorização e incluí-los como entradas para um modelo preditivo para produzir melhores e mais focadas decisões e resultados. Categorias pré-definidas, tais como hierarquias, anotações e palavras-chave podem ser importados para categorizar os dados não estruturados iniciais para que você possa organizar os conceitos de forma mais lógica e em maior detalhe. Análise de Entidade Empresas combinam frequentemente múltiplas fontes de dados. Mas o que acontece quando não há uma clara correspondência entre os registros existentes? E como determinar as relações entre as entidades? Análise de Entidade permite identificar n-graus de relações e melhorar a coerência e a consistência dos dados atuais, resolvendo conflitos de identidade nos próprios registros. A Análise de entidade é fundamental para a segurança das fronteiras, detecção de fraudes e corretamente identificar suspeitos de crimes. Mas também é extremamente útil se sua empresa quer evitar a apresentação de ofertas diferentes para a mesma pessoa em uma campanha de marketing ou para garantir que você está construindo modelos precisos. Com os recursos de análise de entidades do, é possível associar dados de identidade, comportamento e ação com as respectivas entidades em tempo real ou em batch com facilidade e velocidade extraordinária. Você também pode consolidar registros quando necessário ou mantê-los separados. O resultado? Sua empresa tem dados no contexto que pode ajudar a melhorar a qualidade do modelo. A qualidade do modelo pode levar a melhores decisões e maior sucesso, se o objetivo é mitigar o risco ou o reconhecimento de oportunidade. Análise de Rede Social Descubra relações entre as entidades sociais e as implicações destas relações sobre o comportamento dos indivíduos. O SPSS Modeler oferece funcionalidades de análise de redes sociais que transformam informações dos relacionamentos em indicadores de performance que mostram o comportamento social de indivíduos e grupos. Use estes indicadores para identificar líderes sociais que influenciam o comportamento de outros na rede. Combine estes resultados com outras medidas e crie perfis de indivíduos como uma base para seus modelos preditivos. As funcionalidades de análise de redes sociais do são especialmente úteis em telecomunicações e outros segmentos que estão preocupados com a rotatividade dos clientes. Você pode identificar grupos, líderes de grupos e outros que deixarão a empresa baseado na influência. 4

5 Acomode suas necessidades com implementação flexível A implementação de análises em sua empresa dependerá de muitos fatores do ambiente. Tais fatores incluem os problemas de negócios que devem ser abordados, a sua escolha de sistemas operacionais e plataformas e as outras tecnologias e fontes de dados em sua infraestrutura. Tecnologia e, particularmente, software devem ser flexível o suficiente para acomodar várias permutações e ainda fornecer o desempenho esperado e resultados. A arquitetura aberta do é uma que suporta uma variedade de plataformas e linguagens. Você pode implementar o em seu ambiente e com confiança usá-lo com seus sistemas existentes para otimizar a performance e resolver seus problemas de negócios. Esta implementação flexível preenche a lacuna entre a análise e a ação, fornecendo resultados para pessoas e processos em uma programação ou sob demanda. Os fluxos do podem ser implementados como cenários para fins de atualização do modelo ou programação de trabalho automatizado. E, você pode implementá-los com o Decision Management ou outras aplicações preditivas. Decision management O Decision Management estende as capacidades preditivas do para os processos de negócios diários para capacitar os funcionários da linha de frente e os sistemas. Ele integra modelos preditivos, regras simples e escoragem em seus sistemas para automatizar, gerenciar e otimizar os altos volumes de decisão. Em seguida, ele recomenda ações onde e quando as pessoas precisam delas, como o cross-selling no telefone com um cliente, decidir o melhor encaminhamento para uma reclamação, usando um utilitário para alocar largura de banda ou apresentando ofertas em um quiosque de autoatendimento. Milhares de decisões podem ser tomadas no nível operacional em total alinhamento com os objetivos e estratégias da empresa. Com as funcionalidades de gerenciamento de decisão do SPSS Modeler: Modelos preditivos podem prever os resultados mais prováveis e identificar os fatores direcionados aos resultados, como a propensão de um cliente a responder a uma determinada oferta ou risco que é dado a uma reclamação de fraude. As regras de negócios automatizam os parâmetros que são determinados por elementos tais como as políticas de negócios ou regulamentações legais e de compliance. Suporte a regra básica é fornecida diretamente no. Para regras mais robustas que operam para atender às necessidades de toda a empresa, a integração com o IBM Operational Decision Management também é suportado. Escoragem integrada faz recomendações quase instantâneas para as pessoas e aos sistemas e decisões alinhadas estrategicamente podem ser feitas, não importa o ramo de negócio. Otimização Até mesmo a empresa mais comprometida não pode se dar ao luxo de passar cada cliente para a linha de frente, nem pode uma seguradora investigar cada sinistro. Os negócios reais operam sob restrições do mundo real, sujeitos a limites de pessoal disponível, equipamentos e investimentos. A otimização permite que as empresas tirem o máximo de recursos escassos, identificando a solução que melhor atende um objetivo específico. Exemplos incluem a maximização da receita de uma campanha de marketing ou minimizar o risco de fraude ou de churn. A otimização pode ser usada sob demanda, como para um indivíduo para determinar a melhor oferta para essa pessoa, ou em lote para alocar ofertas para todos os clientes elegíveis. Para problemas de otimização de lote, integração com o IBM ILOG CPLEX Optimization Studio é fornecida para lidar com os cálculos complexos que são necessários. 5

6 Execução e agendamento O inclui recursos que são projetados para usar a automação para dar mais consistência a seus resultados. Maior consistência fortalece a confiança das pessoas na análise porque a administração pode eficientemente governar os ambientes de negócios onde os processos analíticos acontecem. Esta governança ajuda a garantir que todos os requisitos processuais internos e externos sejam atendidos. Com o, os analistas podem construir processos analíticos flexíveis e repetitivos que podem ser operacionalizados, isto é, iniciados no momento certo e integrados com outros processos da empresa. Processos de gerenciamento de modelo predefinidos ajudam os modelos a continuarem relevantes e precisos. In-database O oferece uma série de recursos para minimizar o movimento de dados e empurra a análise para o banco de dados. SQL Pushback. Com o Server, mover dados de grandes bases de dados, mesmo em ambiente IBM System z e IBM PureSystems, não é necessário, porque as análises e a mineração podem ocorrer no banco de dados. SQL Pushback permite transformação e preparação de dados in-database, sem a necessidade de escrever qualquer SQL ou fazer qualquer tipo de programação. O resultado é uma melhoria significativa no desempenho analítico. Escoragem In-database. Adaptadores de banco de dados específicos para escoragem, que estão disponíveis para IBM DB2, IBM PureData System for Analytics (powered by Netezza ) e soluções Teradata, ampliam o número de algoritmos do SPSS Modeler que podem ser escorados no banco de dados, reduzindo ainda mais a necessidade de extrair os dados antes de escorar. Funções do Banco de Dados. O pode usar quase todas as funções definidas por usuário (UDFs), funções de agregação e outros tipos oferecidas pelo banco de dados. Estas são expostas pela plataforma para extender a funcionalidade nativa disponível e assegurar o processamento direto no banco de dados. Mineração In-database. O Server suporta a integração com os recursos de mineração de dados, ferramentas de modelagem de banco de dados e algoritmos nativos que estão disponíveis com PureDataSystem for Analytics, IBM InfoSphere Warehouse, Oracle Data Miner, Microsoft Analysis Services e outros. Você pode construir, escorar e armazenar os modelos dentro do banco de dados - todos do. Integração com Tecnologia IBM O IBM inclui recursos para exportar dados para os softwares IBM Cognos Business Intelligence and Cognos TM1. Os resultados da análise podem ser distribuídos para relatórios, monitoramento e planejamento para os tomadores de decisão que precisam apenas dos resultados. Quando é necessária uma análise mais aprofundada, o também pode acessá-los como fonte de dados, o que significa que o processo pode continuar novamente, alimentando assim os resultados de volta para onde quer que as perguntas tenham começado. O IBM SPSS Statistics fornece a capacidade de realizar mais análises estatísticas e de gestão de dados para complementar o e suas habilidades de mineração de dados com uma seção dedicada sobre os nós. O fornece suporte ao PureData System for Analytics para acessar modelos específicos da interface do e alavancar a velocidade e o desempenho do hardware. Para análises com big data, o adicional SPSS Analytic Server to permitem as análises serem processadas em distribuição de Hadoop. Os fluxos do podem ser implementados com o InfoSphere Streams para aplicações de fluxos de dados de alta velocidade que exigem escores preditivos. 6

7 Conclusão O é uma plataforma de análise preditiva que opera desde as implementações em desktops até a integração com os sistemas operacionais para trazer inteligência preditiva para a tomada de decisão por indivíduos, grupos, sistemas e a empresa. Sua empresa pode usar o para conduzir análise, independentemente de onde os dados estão localizados ou se estão estruturados ou não estruturados. A arquitetura cliente-servidor pode empurrar a análise de volta para a fonte para a execução, minimizando a movimentação de dados e aumentando a performance. Sobre a DMSS A DMSS comercializa e implementa soluções de análise preditiva e estatística no Brasil desde Conta com um time de consultores especializados por mercados verticais. Sua oferta inclui a comercialização de software, projetos e treinamentos em tecnologia IBM SPSS. Para mais informações, acesse Com o, todos os tipos de usuários podem resolver uma variedade de problemas de negócios. Ele oferece técnicas analíticas que abrangem desde análises descritivas até algoritmos avançados, incluindo modelagem automatizada, análise de texto, análise de entidade, análises de redes sociais, gerenciamento de decisão e otimização. Uma interface intuitiva é desenhada para uma ampla gama de usuários desde usuários de negócios nãotécnicos até profissionais analíticos. A curta curva de aprendizagem para o torna atraente para os novatos e usuários avançados, para que eles possam descobrir rapidamente insights e perceber resultados reais de negócios. Sobre IBM Os softwares IBM fornecem insights baseados em dados que ajudam as empresas a trabalharem com mais esperteza e superar seus pares. Este amplo portfólio inclui soluções para inteligência de negócios, análise preditiva e gerenciamento de decisões, gerenciamento de desempenho e gerenciamento de risco. Soluções de permitem às empresas identificarem e visualizarem as tendências e padrões como a análise do cliente, e que pode ter um efeito profundo sobre o desempenho do negócio. Eles podem comparar cenários, antecipar potenciais ameaças e oportunidades, melhorar o planejamento, orçamento e previsão de recursos, equilíbrio de riscos contra os retornos esperados e trabalhar para atender às exigências regulamentares. Ao utilizar as análises amplamente disponíveis, as empresas podem alinhar tomada de decisão estratégica e tática aos objetivos de negócio. Copyright IBM Corporation 2013 IBM Corporation Route 100 Somers, NY Todos os direitos reservados. Nomes de outras empresas, produtos ou serviços podem ser marcas registradas ou marcas de serviços de outros. Recicle 7