IBM SPSS Modeler Professional

Transcripción

1 IBM SPSS Modeler Professional Tome mejores decisiones mediante la inteligencia predictiva Características principales Cree estrategias más eficaces mediante la evaluación de tendencias y resultados probables Acceda, prepare y modele fácilmente datos estructurados con este entorno de trabajo de minería de datos intuitivo y visual. Construya y valide modelos rápidamente utilizando las técnicas estadísticas y de aprendizaje por máquina más avanzadas disponibles. Despliegue eficazmente conocimientos y modelos predictivos. Implante directamente los resultados en IBM Cognos Business Intelligence. Presente los resultados del análisis en las distintas regiones visualmente con mapas geográficos. Realice el análisis en el interior de las bases de datos más importantes. La minería de datos proporciona a las organizaciones una visión más nítida de las condiciones actuales y un mayor conocimiento de los eventos futuros mediante el análisis de datos históricos. IBM SPSS Modeler Professional es un entorno de trabajo de minería de datos utilizado para analizar datos estructurados con el fin de crear inteligencia predictiva. Esta inteligencia permite tomar decisiones de negocio basadas en los datos, no en la intuición. Empresas de todos los tipos han descubierto que pueden utilizar la inteligencia predictiva de IBM SPSS Modeler para atraer a clientes, reforzar su fidelidad, disminuir el abandono de clientes de forma más rentable, disminuir el fraude y minimizar el riesgo. Las organizaciones del sector público se han beneficiado del uso de Modeler para predecir la capacidad de la fuerza laboral, responder proactivamente a problemas de seguridad pública, gestionar el ciclo de vida de los estudiantes, mejorar el rendimiento escolar y resolver muchos otros problemas operacionales. La inteligencia predictiva le permite tener una mirada al futuro. Por medio de datos históricos, SPSS Modeler le permite predecir resultados confiables y adquirir un conocimiento sobre las relaciones que se ocultan en los datos. Este conocimiento le permite resolver cualquier problema de negocio más rápidamente utilizando potentes y probadas técnicas analíticas que ofrecen información con mayor profundidad de los clientes, alumnos o participantes.

2 Agilizar el proceso de minería de datos SPSS Modeler Professional es famoso entre analistas y usuarios de negocio por igual. Sus funciones automatizadas de preparación de datos y modelado permite que usuarios no analistas puedan producir modelos precisos de forma rápida y fácil sin necesidad de tener conocimientos especializados. Por su parte, los analistas profesionales pueden aprovechar las capacidades de preparación de datos y modelado predictivo avanzadas del software para crear los flujos más sofisticados. Ventajas para la organización Gracias a SPSS Modeler Professional, todos los tipos de organizaciones realizan análisis con mayor profundidad lo que les ayudan a adquirir un conocimiento que les permite lograr un mayor éxito. Las empresas atraen a clientes, refuerzan su fidelidad, reducen el abandono de clientes de forma más rentable, identifican y evitan el fraude y disminuyen el riesgo. Las organizaciones del sector público predicen la capacidad laboral, evalúan la eficacia de los programas y responden proactivamente a los problemas de seguridad pública. Las instituciones educativas gestionan el ciclo de vida de los alumnos, mejoran el rendimiento escolar y resuelven muchos otros problemas educativos y operacionales. Las operaciones industriales definen con más precisión la planificación del mantenimiento para evitar paradas no planificadas. La interfaz gráfica intuitiva de SPSS Modeler facilita a los usuarios la visualización de cada uno de los pasos del proceso de la minería de datos en forma de flujo. Mediante la interacción con estos flujos, los analistas y los usuarios de negocio pueden colaborar, incorporando conocimiento de negocio y experiencia de dominio en el proceso de minería de datos. Les permite focalizarse más en el descubrimiento de información que en tareas técnicas como la escritura de código. También pueden perseguir un análisis de tren de pensamiento, explorar con mayor profundidad los datos, desvelando relaciones adicionales que pueden tener sentido para la organización. Figura 1: La interfaz visual de SPSS Modeler permite a los usuarios construir modelos predictivos rápida e intuitivamente, sin necesidad de programación. 2

3 Acceso e integración fácil de los datos Desde esta interfaz visual se puede acceder fácilmente a los datos e integrarlos en prácticamente cualquier tipo de base de datos, hoja de cálculo o archivo plano, incluyendo IBM SPSS Statistics, IBM SPSS Data Collection, Cognos Business Intelligence, SAS y archivos Microsoft Excel. Cuando se combina con SPSS Modeler Professional Server, no hay necesidad de mover datos desde grandes bases de datos, ya que el análisis y la minería tiene lugar en la propia base de datos. El resultado es una mejora significativa en el rendimiento analítico. SQL Pushback permite realizar las tareas de preparación y transformación de datos dentro de la base de datos sin que el usuario tenga que escribir código SQL o programación. Adicionalmente, es posible acceder directamente a los algoritmos de las bases de datos más importantes con la interfaz intuitiva de SPSS Modeler, y construir y puntuar estos datos dentro del flujo de Modeler soportado con IBM InfoSphere, Microsoft SQL Server, Oracle e IBM Netezza. Los adaptadores de puntuación de SPSS permiten puntuar los datos dentro de la base de datos, lo que se traduce en unas decisiones más rápidas y un mejor ROI. Integración con el software de IBM Cognos Los analistas pueden acceder a datos desde su entorno Cognos Business Intelligence directamente en la interfaz de SPSS Modeler. El software IBM Cognos organiza y ofrece una visión completa y coherente de la información para la toma de decisiones a nivel de toda la empresa. Al incorporar las capacidades analíticas de SPSS Modeler Professional, las organizaciones pueden evaluar rápida y fiablemente la probabilidad de que se produzcan resultados específicos, por medio de su vista de datos a nivel de toda la empresa con la que están familiarizadas. Asimismo, puesto que SPSS Modeler puede escribir los resultados en Cognos Business Intelligence pueden poner la inteligencia predictiva a disposición de los usuarios de negocio y de todos los participantes en el ciclo de la información que confían en Cognos como portal de información en la analítica empresarial. Gran surtido de técnicas SPSS Modeler ofrece un conjunto de técnicas avanzadas de minería de datos, diseñadas para satisfacer las necesidades de cada una de las aplicaciones de minería de datos, incluidos todos los siguientes algoritmos. Algoritmos de clasificación. Realice predicciones o previsiones en base a datos históricos utilizando técnicas tales como árboles de decisión, redes neuronales, regresión logística, máquinas vectoriales de soporte, regresión de Cox, modelos mixtos lineales generalizados (GLMM), etc. Utilice el modelado de clasificación automática para resultados tanto binarios como numéricos para agilizar la creación de modelos. Algoritmos de segmentación. Agrupe personas o detecte patrones inhabituales con conglomerados automáticos, detección de anomalías y técnicas de redes neuronales de conglomerados. Utilice la clasificación automática para aplicar múltiples algoritmos en un solo paso y eliminar la intuición en la selección de la técnica adecuada. Algoritmos de asociación. Descubra asociaciones, enlaces o secuencias utilizando Apriori, CARMA y la asociación secuencial. Series de tiempo y previsiones. Genere previsiones para una o varias series de tiempo utilizando técnicas de modelado estadístico. 3

4 Optimice sus tecnologías de la información actuales Con su arquitectura abierta y escalable, SPSS Modeler hace el mejor uso de su infraestructura TI existente. Se integra en los sistemas existentes, tanto cuando accede a los datos como cuando despliega los resultados, por lo que no es necesario convertir datos de un formato propietario a otro. Adicionalmente, técnicas tales como la minería en la base de datos, pushback de SQL, multi-threading, clustering de servidores y puntuación en la base de datos permiten conservar recursos, ofrecer resultados más rápidamente y disminuir los costes TI globales. Siga un proceso comprobado y repetible Durante todas las fases del proceso de minería de datos, SPSS Modeler soporta el estándar de facto de la industria, el CRoss- Industry Standard Process for Data Mining (CRISP-DM). Esto significa que los usuarios pueden focalizarse en la resolución de problemas de negocio mediante la minería de datos, en lugar de reinventar un nuevo proceso para cada proyecto. Los proyectos Modeler se pueden organizar de manera eficiente utilizando el gestor de proyectos de CRISP-DM. Figura 2: El proceso CRISP-DM, como se muestra en este diagrama, permite a los profesionales implementar proyectos de minería de datos eficientes que generen resultados de negocio medibles. 4

5 Despliegue el modelado predictivo en toda la empresa SPSS Modeler puede analizar eficazmente los volúmenes de datos que habitualmente se generan en las pequeñas y medianas organizaciones. Las organizaciones con requisitos de alto volumen o de minería de datos compleja pueden beneficiarse de la potencia adicional de SPSS Modeler Server. Por medio de una arquitectura cliente/servidor, SPSS Modeler Server permite que muchos analistas de datos trabajen simultáneamente sin agotar los recursos informáticos. Puede beneficiarse de la minería en base de datos y la puntuación en base de datos en las plataformas más importantes y procesar eficazmente grandes volúmenes de datos. SPSS Modeler Server también ofrece opciones adicionales de implantación que le ayudan a extender las ventajas de la minería de datos en las líneas funcionales o geográficas, así como poner rápidamente los resultados en las manos de los responsables de la toma de decisiones. Características de Comprensión de los datos Preparación de los datos Crear un amplio conjunto de gráficos interactivos con asistencia automática Utilizar el análisis visual de enlaces para ver asociaciones en los datos Interactuar con los datos seleccionando regiones o elementos de un gráfico y visualizando la información seleccionada; o seleccionar datos clave para su uso en el análisis Acceder a gráficos y herramientas de elaboración de informes de SPSS Statistics directamente desde la interfaz de SPSS Modeler Acceder a datos operacionales desde orígenes de datos Cognos Business Intelligence, IBM DB2, Oracle, Microsoft SQL Server, IBM Informix, IBM Netezza, mysql (Oracle) y Teradata, así como datos de mainframe a través de zdb2 y soporte de IBM Classic Federation Server Importar archivos de texto delimitados y de anchura fija, archivos SPSS Statistics, orígenes de datos SPSS Data Collection, Excel, SAS o XML Elegir entre las distintas opciones de limpieza de datos disponibles en SPSS Modeler para eliminar o sustituir datos no válidos, imputar automáticamente valores perdidos y mitigar valores extremos o atípicos Aplicar la preparación automática de datos para interrogar y condicionar los datos para su análisis en un solo paso Acceder a la gestión de datos y las transformaciones realizadas en SPSS Statistics directamente en SPSS Modeler Utilizar el filtrado de campos, denominación, derivación, intervalos, recategorización, sustitución de valores y reordenación de campos Aplicar la selección de registros, muestreo (incluyendo el muestreo conglomerado y estratificado), fusión (incluyendo uniones internas, uniones externas completas, uniones externas parciales y anti-uniones), clasificación, agregación y equilibrado. Elegir entre opciones para la reestructuración, el particionamiento y la transposición de datos Selección de amplias funciones de series: creación de series, sustitución, búsqueda y coincidencia, eliminación de espacios en blanco y truncamiento Aplicar puntuación RFM (Recencia, Frecuencia y Monetario): agregar transacciones de cliente para proporcionar puntuaciones RFM y combinarlas para producir un análisis RFM completo Exportar datos a bases de datos, paquetes IBM Cognos Business Intelligence, SPSS Statistics, SPSS Data Collection, archivos de texto delimitado, Excel, SAS o XML 5

6 Características de (continuación) Algoritmos de modelado incluidos Modelado y evaluación Despliegue Modeler Server* Detección de anomalías Detectar registros inhabituales mediante el uso de un algoritmo de conglomeración Apriori Algoritmo de descubrimiento de asociación popular con funciones avanzadas de evaluación Redes bayesianas Modelos probabilísticos gráficos C&RT, C5.0, CHAID y QUEST Algoritmos de árbol de decisiones que incluyen la construcción de árboles interactivos CARMA Algoritmo de asociación que soporta múltiples consecuencias Regresión de Cox Calcular el momento probable de un evento Lista de decisión Algoritmo de construcción de reglas interactivo Factor/PCA, Selección de características Algoritmos de reducción de datos Algoritmos de minería en base de datos para IBM InfoSphere*: Asociación, conglomerado, árbol de decisiones, regresión logística, Naive Bayes, regresión, secuencia, series de tiempo Algoritmos de minería en base de datos para IBM Netezza*: red Bayes, árboles de decisión, conglomerados divisibles, lineal generalizado, medias K, KNN, regresión lineal, Naive Bayes, PCA, árbol de regresiones, series de tiempo Algoritmos de minería en base de datos para Microsoft SQL Server*: reglas de asociación, conglomerados, árbol de decisiones, regresión lineal, Naive Bayes, red neuronal, conglomerado secuencial, series de tiempo Algoritmos de minería en base de datos para Oracle*: Bayes adaptable, Apriori, inteligencia artificial (AI), árbol de decisión, modelo lineal general (GLM), medias K, longitud de descripción mínima (MDL), Naive Bayes, factorización de matriz no negativa, conglomerados O (conglomerados de particionamiento ortogonal), máquina vectorial de soporte Medias K, Kohonen, dos pasos, discriminante, máquina vectorial de soporte (SVM) Algoritmos de conglomerado y segmentación KNN Algoritmo de modelado y puntuación de elemento afín Regresión logística Para resultados binarios Redes neuronales Perceptrones multicapa con aprendizaje de propagación retrospectiva y redes de función básica radial Regresión, lineal, GenLin (GLM),modelos mixtos lineales generalizados (GLMM) Modelado de ecuaciones lineales Modelo de respuesta de autoaprendizaje (SLRM) Modelo bayesiano con aprendizaje incremental Secuencia Algoritmo de asociación secuencial para el análisis de orden sensible Máquina vectorial de soporte Algoritmo avanzado con rendimiento preciso para conjuntos de datos amplios Series de tiempo Generar y seleccionar automáticamente modelos de previsiones de series de tiempo Emplear un amplio conjunto de algoritmos de minería de datos con numerosas funciones avanzadas para obtener los mejores resultados posibles de sus datos. Utilizar la clasificación automática (binaria y numérica) y de conglomerados en lugar de la selección de algoritmos individuales Utilizar examinadores de ecuaciones y modelos interactivos y ver salida estadística avanzada Mostrar el impacto relativo de atributos de datos en los resultados previstos con gráficos de importancia variable Visualizar los resultados analíticos en mapas geográficos Combinar múltiples modelos (modelado conjunto) o utilizar un modelo para analizar un segundo modelo Utilizar SPSS Modeler Component-Level Extension Framework (CLEF) para integrar algoritmos personalizados Utilizar el lenguaje de programación estadística R para extender las opciones de análisis, mediante la integración de SPSS Statistics Exportar modelos utilizando SQL o PMML (el formato estándar basado en XML para modelos predictivos) Utilizar IBM SPSS Collaboration and Deployment Services para la gestión de analítica innovadora, la automatización de procesos y las capacidades de despliegue Utilizar la minería en base de datos para construir modelos en la base de datos utilizando tecnologías líderes de base de datos y aprovechar implementaciones de bases de datos de alto rendimiento Utilizar el SQL-pushback para enviar transformaciones de datos y seleccionar algoritmos de modelado directamente en sus bases de datos operacionales Aprovechar hardware de alto rendimiento, incluyendo máquinas IBM System z, para experimentar una resolución más rápida y lograr un mayor ROI mediante la ejecución en paralelo de flujos y múltiples modelos Transmitir datos sensibles de forma segura entre SPSS Modeler Client y SPSS Modeler Server a través del cifrado de capa de sockets segura (SSL) *Requiere Modeler Professional Server 6

7 Acerca de IBM El software IBM proporciona conocimientos útiles que necesitan los responsables de la toma de decisiones para lograr un mejor rendimiento del negocio. IBM ofrece un conjunto completo y unificado de Business Intelligence, análisis predictivo y avanzado, gestión del rendimiento financiero y de la estrategia, gobierno, riesgo y cumplimiento normativo y aplicaciones analíticas. Con el software de IBM, las empresas pueden detectar tendencias, patrones y anomalías, comparar escenarios what-if, predecir amenazas y oportunidades potenciales, identificar y gestionar los principales riesgos de negocio, así como planificar, elaborar presupuestos y hacer previsiones de recursos. Con estas profundas capacidades analíticas, nuestros clientes de todo el mundo pueden conocer mejor, anticiparse y dar forma a sus resultados de negocio. Para más información Para obtener más información, visite ibm.com/es/analytics Solicite una llamada Para solicitar una llamada o hacer una pregunta, vaya a ibm.com/es/analytics Un representante de IBM responderá su pregunta lo antes posible. 7

8 IBM España, S.A. Tel.: C/Santa Hortensia, Madrid La página de inicio de IBM se encuentra en: ibm.com IBM, logotipo de IBM, ibm.com, Cognos y SPSS son marcas registradas de International Business Machines Corp., registradas en numerosas jurisdicciones de todo el mundo. Otros nombres de productos y servicios pueden ser marcas registradas de IBM o de otras empresas. Encontrará una lista actualizada de las marcas registradas de IBM en la Web en Información de copyright y marcas registradas en: ibm.com/legal/copytrade.shtml Este documento es válido en la fecha inicial de publicación y puede estar sujeto a cambios por parte de IBM en cualquier instante. No todas las ofertas están disponibles en todos los países en los que IBM opera. LA INFORMACIÓN DE ESTE DOCUMENTO SE PROPORCIONA TAL CUAL SIN GARANTÍA DE NINGÚN TIPO, NI EXPLÍCITA NI IMPLÍCITA, INCLUYENDO, PERO NO LIMITÁNDOSE, A LAS DE COMERCIALIZACIÓN, ADECUACIÓN A UN PROPÓSITO DETERMINADO Y A LAS GARANTÍAS O CONDICIONES DE NO INFRACCIÓN. Los productos de IBM se garantizan de acuerdo con los términos y condiciones de los acuerdos bajo los que se proporcionan. Copyright IBM Corporation 2012 Por favor, recicle YTD03124-ESES-00