Predictive Analytics mit dem IBM SPSS Modeller

Vorausschauende Analysen auf Basis von Data Mining und Text Mining

Mit IBM SPSS Modeler können Anwender ohne tiefe Programmier- und Statistikkenntnisse, selbstlernende Vorhersagemodelle erstellen und nutzen. Hierbei ist auch die Verarbeitung großer Datenmengen und die Integration in existierende BI-Architekturen standardisiert lösbar. Damit ermöglicht SPSS, ohne großen Aufwand neue Erkenntnisse aus Unternehmensdaten zu gewinnen und Maßnahmen entsprechend anzupassen.

Die selbstlernende Predictive Plattform liefert valide Antworten auf Business Fragen mittels intelligenter Algorithmen und innovativer Data Mining Verfahren in einer benutzerfreundlichen, visuellen Umgebung – einschließlich Text Mining, Entitätsanalyse, Entscheidungsmanagement und Optimierung zur Bereitstellung von vorausschauenden Informationen in Echtzeit. Auf diese Weise werden kommende Entwicklungen frühzeitig erkannt, Geschäftschancen und -risiken zuverlässig ermittelt die Planung langfristig verbessert.

Ein Alleinstellungsmerkmal des Modelers ist seine visuelle Analyse-Oberfläche, die eine intuitive Bedienung mit einem einfachen Zugriff auf Daten, deren Aufbereitung und Modellierung ermöglicht. Die einzelnen Arbeitsschritte laufen automatisiert ab und erlauben es auch Nutzern ohne Fachwissen, schnell und einfach präzise Vorhersagemodelle zu erstellen. Auf der anderen Seite bietet die offene Architektur Daten-Spezialisten vielfältige Möglichkeiten für Ausbau und Anpassungen.

IBM SPSS Modeler unterstützt das CRISP-DM (Cross Industry Standard Process for Data Mining) Projektmodell. Mit Hilfe dieses Standard-Modells für Data Mining-Prozesse kann der Anwender für jedes Projekt auf ein bewährtes, wiederholbares Verfahren zurückgreifen. Innerhalb des Modells erhält der User eine Dokumentation des Analytics-Projektes, in der die Ergebnis-Dokumente der einzelnen Projekt-Phasen zentral abgelegt und abgerufen werden können.

Das Lizenzmodell des Modelers unterstützt den agilen und schrittweisen Aufbau einer integrierten Predictive Analytics Umgebung in Ihrem Unternehmen.

Gern beraten wir Sie hier entsprechend Ihrer individuellen Analytics Anforderungen.

Features von IBM SPSS im Überblick:

  • Ganzheitliche Unterstützung des gesamten Reporting- und Analytics-Prozesses
  • Analyse auch unstrukturierter Daten (wie PDF, PPT, Word) mittels Data-Mining und Text-Mining
  • Leistungsfähige Features für die Modellierung, Evaluierung und Automatisierung der Analysen
  • Geführte und automatisierte Maschine Learning Anwendungen für qualitative und valide Prognosen
  • Intuitive Bedienbarkeit – vom Anfänger bis zum Data Scientist
  • Flexible Anpassung und Erweiterung dank offener Architektur und Unterstützung gängiger Programmiersprachen wie R, Python, Spark, Hadoop usw.
  • Leichte Implementierung und Anbindung an die Analytics Infrastruktur von IBM und an andere Datenbanken dank offener Schnittstellen
  • Kostenlose Erweiterungen aus der IBM Predictive Analytics Community
  • Variable Verfügbarkeit On-Premise, in der Cloud oder als Hybridlösung

Häufige Use Cases:

  • Absatzprognosen
  • Vorhersagen zum Kundenkaufverhalten
  • Kundenfeedback-Prognosen
  • Vorhersage von Maschinenausfällen
  • Bestimmung der Kanalaffinität im Marketing
  • Identifikation ungenutzter Kunden-Potentiale
  • Aufdecken von Zahlungs-Betrug
  • Identifikation von Planungs-Treibern

IBM SPSS Modeler bietet zahlreiche intelligente Algorithmen und Verfahren – zu diesen zählen unter anderem:

+ Zeitreihenanalysen: Trends frühzeitig erkennen mit Predictive Forecasting

Predictive Forecasting ist als Planungsunterstützung ein neuer und vielversprechender Ansatz. Mittels Zeitreihenanalysen, deren Algorithmen im SPSS Modeler flexibel (auf Basis von Vorschlagswerten) gewählt oder selbst erstellt werden, können Trends, Saisons, Zyklen und irreguläre Fluktuationen schnell und einfach identifiziert und so auf zukünftige Entwicklungen geschlossen werden. Durch die automatisierte, datengetriebene Analyse erhalten Planer in kürzester Zeit valide Aussagen.

SPSS Modeler: Visualisierung einer Zeitreihenanalyse mit Saisoneffekten

+ Kategorisierung: Planungsunterstützung durch Klassifikations-Prognosen

Bei der Klassifikation werden ein oder mehrere Eingabewerte verwendet, um einen oder mehrere Zielwerte vorherzusagen. Hierfür bietet der SPSS Modeler Entscheidungsbäume, Regressionsalgorithmen, neuronale Netzwerke, Vektor-Maschinen und Bayessche Netzwerke an.

Die Klassifikation unterstützt Unternehmen bei der Vorhersage von Ereignissen mit einer entsprechenden Eintrittswahrscheinlichkeit, wie zum Beispiel die Abwanderung von Kunden oder Aussagen darüber, ob eine Schadensmeldung ein Routinefall ist oder möglicher Weise ein Betrugsversuch. Neben der Berechnung entsprechender Modelle, liefert der SPSS Modeler auch aussagekräftige Visualisierungen, die die Ergebnisse auswertbar und analysierbar machen.

SPSS: Visualisierung eines Entscheidungsbaums

+ Clustering: Ähnlichkeiten erkennen – Ausreißer identifizieren

Im IBM SPSS Modeler können Cluster-Algorithmen angewendet und die automatische Clustererzeugung nachvollziehbar visualisiert werden. Die geführte Analyse zeigt dem Nutzer, wie gut das Clustering durchgeführt werden konnte und welche Elemente aufgrund ihrer spezifischen Eigenschaften in welches Cluster fallen.

Auf diese Weise können bspw. Produkte in Bezug auf ihre Umsatzkategorien oder Kunden mit einem ähnlichen Kaufverhalten besser beplant bzw. gezielter angesprochen werden. Es geht hierbei nicht um eine Prognose, sondern um die Gewinnung neuer, verdichteter Informationen.

Clustering
Visualisierung der ermittelten Cluster mit dem SPSS Modeller

+ Text Mining: Unstrukturierte Daten für Erkenntnisse nutzen

SPSS beinhaltet leistungsstarke Funktionen für die Analyse unterschiedlich langer Texte diverser Formate (doc, .ppt, .txt, .pdf, Social Media etc.) in natürlicher Sprache. Hierzu werden spezielle Technologien (Natural Language Processing, NLP) benutzt, die eine schnelle Verarbeitung unstrukturierter Text-Daten ermöglichen. Auf diese Weise können Schlüsselinformationen gewonnen und diese in einem zweiten Schritt in Kategorien geordnet werden. Sogar Aussagen zu Stimmungslagen sind auf diese Weise möglich.

Arbeitsoberfläche für die Definition und Extraktion von Textmining Konzepten und Mustern
Identifikation von Stimmungsbildern (Sentimentanalyse) in Texten

Auszug unserer Projekte mit IBM SPSS:

  • Cashflow-Prognose in der Logistikbranche
  • Lagerhaltungsoptimierung und Absatzprognosen in der Handelsbranche
  • Forecastoptimierung und -automatisierung in der Pharmaziebranche
  • Prognose von Buchungs- und Passagieraufkommen im Luftfahrtsegment
  • Predictive Solutions Applications unterstützt durch qualitative Wetterdienste
  • Coachings und Vorlesungen in Universitäten und Unternehmen

Unser Angebot

  • Definition des Sollzustandes: Workshops mit dem Ziel eines Aktionsplans und der Definition eines Soll-Bild-Zustandes
  • Installation und Konfiguration von SPSS Modeler Software Komponenten
  • Schulung im Umgang mit SPSS Modeler (Text und Data Mining)
  • Durchführung von (Pilot)-Projekten mit SPSS


Sie möchten gerne mehr erfahren? Dann fragen Sie unsere Experten:

Anfrage senden