IBM SPSS Modeler

SPSS Modeler propose tout un choix de techniques de modélisation, ce qui inclut tous les algorithmes suivants :

• algorithmes de classification. Établissez des prédictions ou des prévisions basées sur les données historiques en utilisant des techniques telles que les arbres de décision, les réseaux neuronaux, la régression logistique, les machines à vecteurs de support, la régression de Cox ou les modèles linéaires mixtes généralisés. Exploitez la modélisation de classification automatique pour les résultats aussi bien binaires que numériques afin de rationaliser la création de modèles, ou bien la modélisation de réponse en autoapprentissage pour créer un modèle que vous pouvez mettre à jour ou réévaluer en permanence sans devoir recréer ce modèle ;
• algorithmes de segmentation. Regroupez des personnes ou détectez des schémas inhabituels avec des techniques de groupement, de détection des anomalies et de mise en réseau neuronal automatiques. Utilisez la classification automatique pour appliquer plusieurs algorithmes en une seule étape et ne vous souciez plus du choix de la technique appropriée ;
• algorithmes d'association. Découvrez des associations, des liens ou des séquences avec les associations de types Apriori, CARMA et séquentiel ;
• séries chronologiques et prévisions. Générez des prévisions pour une ou plusieurs séries chronologiques avec les techniques de modélisation statistique. La modélisation causale temporelle vous permet de découvrir des relations de cause à effet parmi un grand nombre de séries ;
• extensibilité avec le langage de programmation R. Appliquez des transformations, utilisez des scripts pour analyser, récapituler ou générer des sorties texte ou graphiques avec le langage R. Le générateur de boîtes de dialogue personnalisées vous permet de partager et de réutiliser R avec les personnes qui ne souhaitent pas utiliser la programmation pour les analyses ;
• simulation de Monte-Carlo. Tenez compte de la part d'incertitude dans les modèles prédictifs. Modélisez les entrées incertaines du modèle sur la base des données historiques ou avec des distributions de probabilité afin de générer des valeurs simulées puis de les utiliser dans le modèle prédictif pour générer un résultat. Le processus peut être répété des milliers de fois - voire des dizaines de milliers. Vous obtenez ainsi une distribution des résultats qui peut apporter des réponses aux questions à partir de données générées de façon réaliste.

Dans le processus d'analyse, la préparation des données est une étape importante, mais consommatrice en temps. SPSS Modeler automatise cette préparation afin de faciliter le processus et de conférer à vos données le format le plus approprié pour l'analyse. Les tâches automatisées incluent l'analyse des données et l'identification des correctifs, le filtrage des champs, la dérivation de nouveaux attributs (si applicable) et l'amélioration de la performance via des techniques de filtrage intelligent.

SPSS Modeler prévoit différents modes de manipulation des données pour analyse au niveau de l'enregistrement ou du champ (ou de la variable). Voici deux des méthodes que vous pouvez utiliser pour vous assurer que vos données se présentent dans le format le mieux adapté au type spécifique d'analyse que vous envisagez :

• opérations sur les enregistrements. Les nœuds Select, Sample et Distinct vous permettent de sélectionner des lignes de données spécifiques. Vous pouvez fusionner et ajouter des nœuds pour la jonction de données en ajoutant des colonnes et des lignes à un jeu de données. Les nœuds Aggregate et Recency, Frequency, Monetary (RFM) Aggregate récapitulent les enregistrements sur une seule ligne. Le nœud Balance ajuste les proportions des enregistrements dans les données non équilibrées, et le nœud Sort réorganise les enregistrements sur la base de la valeur. Le nœud Space Time Box crée des données géospatiales et basées sur le temps pour les enregistrements ;
• opérations sur les champs. Le nœud Type spécifie les métadonnées et les propriétés d'un jeu de données, et le nœud Filter supprime des enregistrements. Le nœud Derive crée de nouveaux enregistrements, et le nœud Filler permet de remplacer des valeurs de champ existantes. Les données peuvent être restructurées avec les nœuds Set to Flag, Restructure ou Transpose, et elles peuvent être regroupées avec les nœuds Reclassify ou Binning. Pour aider à la modélisation, le nœud Partition permet de fractionner les données, tandis que le nœud History et les nœuds Time Intervals permettent de créer des enregistrements supplémentaires. Le nœud Field Reorder définit l'ordre d'affichage afin de faciliter la visualisation de certains champs.

Avec les fonctions de modélisation automatisées de SPSS Modeler, les non-analystes peuvent produire des modèles précis rapidement et sans qu'aucune compétence spécialisée ne leur soit nécessaire. Par ailleurs, les capacités de modélisation prédictive avancées permettent aux analystes professionnels de créer les flux les plus sophistiqués.

La modélisation automatisée vous permet de comparer différentes approches pour la modélisation. En définissant des options spécifiques pour chaque type de modèle (ou en utilisant les options par défaut), vous pouvez explorer une multitude de combinaisons et d'options de modèles. Les modèles générés sont ensuite classés en fonction de la mesure spécifiée, et le meilleur d'entre eux est sauvegardé en vue d'un scoring ou d'une analyse plus approfondie.

Avec SPSS Modeler, vous pouvez explorer les relations entre les éléments de données pouvant être liés à un emplacement particulier, et effectuer une analyse géospatiale de vos données afin de mettre en évidence des informations qui ne ressortiraient pas dans des graphiques ou des tableaux. Avec l'exploration spatiale, vous pouvez facilement explorer des données géospatiales en utilisant des fichiers de formes ESRI. En analysant à la fois des données spatiales et non spatiales, vous améliorez la précision globale du modèle et vous pouvez ainsi accéder à des informations plus approfondies sur les personnes et sur les événements.

Ajoutez une nouvelle dimension à votre analyse en découvrant des règles d'association parmi les attributs spatiaux et non spatiaux. Avec la prédiction spatiotemporelle, vous pouvez adapter des modèles linéaires pour analyser des mesures prises en différents points de l'espace 2D, ce qui vous permet de prédire facilement les zones « sensibles » et de déterminer comment ces zones vont évoluer au fil du temps. Vous pouvez appliquer cette technologie pour explorer des données géospatiales dans des domaines tels que l'analyse des profils de criminalité, la surveillance épidémiologique, la gestion des bâtiments ou l'analyse de la performance des filiales.

L'environnement visuel interactif de SPSS Modeler fait appel à des technologies linguistiques avancées et au traitement automatique du langage naturel pour traiter rapidement les données texte non structurées. À partir de ces données texte, le produit extrait et organise les concepts clés. Les packs d'analyse de texte, propres au secteur d'activité et personnalisables, vous permettent d'analyser les termes et expressions pertinents parallèlement aux acronymes, aux émoticônes et à l'argot, ceci dans le contexte approprié. Les graphiques interactifs vous aident à explorer et à afficher les données texte et les schémas pour une analyse instantanée. Vous pouvez créer des structures de catégorisation hiérarchique et les inclure en tant qu'entrées dans un modèle prédictif pour générer des décisions et des résultats de meilleure qualité et plus ciblés. Des catégories prédéfinies telles que hiérarchies, annotations ou descripteurs de mot clé peuvent être importées pour catégoriser les données non structurées initiales de sorte que vous puissiez organiser les concepts de façon plus logique et à un plus haut niveau de détail.

Les organisations combinent bien souvent plusieurs sources de données. Mais que se passe-t-il lorsqu'il n'y a pas de correspondances claires entre les différents enregistrements ? Et comment déterminez-vous les relations entre entités ? L'analyse des entités vous permet d'identifier les relations de degré n et d'améliorer la cohérence des données en cours en résolvant les conflits d'identité au sein des enregistrements eux-mêmes. L'analyse des entités est critique pour la sécurité frontalière, la détection des fraudes et l'identification précise des auteurs présumés d'infractions. Mais elle présente également un formidable intérêt si votre entreprise veut éviter de proposer différentes offres à une même personne au cours d'une campagne marketing, ou si elle souhaite s'assurer de la création de modèles précis.

Grâce aux capacités d'analyse des entités de SPSS Modeler, vous pouvez associer des données d'identité, de comportement et d'action à leurs entités respectives - en temps réel ou par lots - avec une facilité et une rapidité extraordinaires. Vous pouvez également consolider les enregistrements si vous le jugez utile, ou les maintenir séparés. Le résultat ? Votre organisation dispose de données d'entreprise en contexte qui peuvent l'aider à améliorer la qualité des modèles. Cette amélioration peut se traduire par de meilleures décisions et par un taux accru de réussite, que vous visiez à atténuer les risques ou à identifier les opportunités.

Découvrez les relations entre entités sociales et les implications de ces relations sur le comportement d'un individu. SPSS Modeler inclut des capacités d'analyse des réseaux sociaux qui convertissent les informations sur les relations en indicateurs clés de performance propres à mettre en évidence le comportement social des individus et des groupes. Vous pouvez utiliser ces indicateurs pour identifier les leaders sociaux qui influencent le comportement des autres intervenants sur le réseau. En combinant ces résultats avec d'autres mesures, vous pouvez créer des profils d'individus complets sur lesquels vos modèles prédictifs peuvent se baser. Les capacités d'analyse des réseaux sociaux de SPSS Modeler sont particulièrement utiles pour les entreprises du secteur des télécommunications et autres qui sont préoccupées par les problèmes de roulement de la clientèle. Vous pouvez identifier des groupes ou leaders de groupes et déterminer, sur la base de leur influence, si d'autres personnes sont susceptibles de se tourner vers un autre opérateur ou une autre entreprise.

La gestion des décisions étend les capacités prédictives de SPSS Modeler aux processus métier de tous les jours afin de donner les pleins pouvoirs aux employés et systèmes situés aux points de service. Elle intègre à vos systèmes des modèles prédictifs des règles simples et des fonctions de scoring qui vous permettent d'automatiser, de gérer et d'optimiser de grandes quantités de décisions. L'application recommande alors des actions aux points et aux moments où elles sont nécessaires. Il s'agira par exemple de procéder à des ventes croisées par téléphone avec des clients, de décider du meilleur circuit pour une réclamation, de recourir à un service public pour l'allocation de bande passante, ou de présenter des offres dans un kiosque en libre-service. Des milliers de décisions peuvent être prises au niveau opérationnel, en parfaite cohérence par rapport aux objectifs et stratégies de votre organisation.

Avec les capacités de gestion des décisions de SPSS Modeler :

• les modèles prédictifs peuvent anticiper les résultats les plus probables et identifier la propension d'un client à répondre à une offre donnée ou le risque pour qu'une réclamation donnée soit frauduleuse ;
• les règles métier automatisent les paramètres qui sont déterminés par des éléments tels que les stratégies métier ou le respect des lois et réglementations. La prise en charge des règles de base est directement assurée au niveau de SPSS Modeler. Pour des règles plus robustes et adaptables aux exigences propres à l'entreprise dans sa globalité, une intégration à IBM Operational Decision Management est également possible ;
• le scoring intégré dirige des recommandations instantanées vers les personnes et systèmes appropriés, ce qui permet de prendre des décisions stratégiquement alignées et tenant compte des ressources, quel que soit le secteur d'activité.

Même l'organisation la plus impliquée n'a pas les moyens de prioriser tous les clients, de même qu'un assureur ne peut pas enquêter sur toutes les demandes de remboursement. Les entreprises réelles opèrent dans le cadre de contraintes du monde réel, avec des limites touchant au personnel et aux équipements disponibles ainsi qu'aux investissements. L'optimisation permet aux organisations de tirer le meilleur parti de ressources limitées en identifiant la solution qui répond le mieux à un objectif spécifique. Il s'agira par exemple de maximiser les recettes résultant d'une campagne marketing, ou bien de minimiser le risque de fraude ou d'attrition. Les fonctions d'optimisation pourront être exécutées soit sur demande, par exemple pour déterminer la meilleure offre pour un individu donné, soit par lots pour soumettre des offres à tous les clients éligibles.

SPSS Modeler inclut des capacités conçues pour exploiter l'automatisation de façon à accroître la cohérence de vos résultats. Une cohérence accrue renforce la confiance des individus vis-à-vis des analyses dans la mesure où l'encadrement peut assurer une gouvernance efficiente des environnements métier dans lesquels les processus analytiques s'exécutent. Cette gouvernance permet de s'assurer que toutes les exigences procédurales internes et externes sont satisfaites.

Avec SPSS Modeler, vos analystes peuvent créer des processus analytiques à la fois souples et reproductibles qui peuvent être « opérationnalisés », c'est-à-dire initialisés au bon moment et intégrés à d'autres processus de l'entreprise. Par ailleurs, les processus de gestion de modèles prédéfinis aident à maintenir la pertinence et la précision des modèles.

SPSS Modeler prévoit un certain nombre de fonctionnalités permettant de minimiser les transferts de données et de diriger les analyses vers la base de données - et notamment :

• conversion SQL (SQL « pushback »). Avec SPSS Modeler Server, le transfert des données depuis les bases de grande envergure n'est pas nécessaire, même dans les environnements IBM z System et IBM PureSystems, ceci du fait que les processus d'analyse et d'exploration peuvent s'exécuter au sein même de la base de données. La conversion SQL permet la transformation et la préparation des données à l'intérieur de la base de données, sans qu'il soit nécessaire d'écrire la moindre ligne de SQL ou d'effectuer une quelconque programmation, d'où une très nette amélioration de la performance analytique ;
• scoring en base de données. Des adaptateurs de scoring spécifiques à la base de données sont disponibles pour les solutions IBM SPSS Modeler with Scoring Adapter for zEnterprise, IBM DB2, IBM PureData System for Analytics (technologie Netezza) et Teradata. Ces adaptateurs multiplient le nombre d'algorithmes SPSS Modeler pouvant être évalués au sein de la base de données, ce qui réduit encore la nécessité d'extraire les données avant le scoring ;
• fonctions de base de données. SPSS Modeler peut utiliser la quasi-totalité des fonctions définies par l'utilisateur, des fonctions d'agrégation de base de données et des fonctions d'agrégation en mode fenêtré qui sont mises à disposition par une base de données. Le plan de travail de SPSS Modeler affiche ces fonctions qui peuvent ainsi être sélectionnées pour étendre les fonctionnalités natives disponibles et pour assurer la conversion SQL ;
• exploration en base de données. SPSS Modeler Server permet d'intégrer les capacités de data mining, les outils de modélisation et les algorithmes natifs de base de données qui sont disponibles avec IBM DB2 sur Z « Hytap » (Hybrid Transactional and Analytic Processing), PureDataSystem for Analytics, IBM InfoSphere Warehouse, Oracle Data Miner, Microsoft Analysis Services et autres. Vous pouvez créer, évaluer et stocker des modèles au sein même de la base de données - le tout à partir du plan de travail de SPSS.

SPSS Modeler inclut des capacités d'exportation de données vers les logiciels IBM Cognos Business Intelligence et Cognos TM1. Les résultats des analyses peuvent être distribués aux décisionnaires clés qui n'ont besoin de rien d'autre que ces résultats pour leurs activités de reporting, de surveillance et de planification. Quand une analyse plus approfondie est nécessaire, SPSS Modeler peut également accéder aux résultats en tant que source de données et le processus peut donc se poursuivre, les résultats étant alors redirigés vers tout point de questionnement initial.

Via une section dédiée sur les nœuds, IBM SPSS Statistics permet d'approfondir l'analyse statistique et la gestion des données en appui de la solution SPSS Modeler et de ses capacités de data mining.

SPSS Modeler prévoit une prise en charge de PureData System for Analytics pour un accès à des modèles spécifiques depuis l'interface de SPSS Modeler, tirant ainsi parti de la vitesse et de la performance du matériel.

Pour les analyses portant sur le big data, l'ajout du serveur SPSS Analytic Server à SPSS Modeler permet le traitement de ces analyses dans une distribution Hadoop.

Les flux SPSS Modeler peuvent également être déployés avec InfoSphere Streams pour les applications avec flux de données haute vitesse en continu lorsque ces applications doivent faire l'objet d'évaluations prédictives.