官方电话:4008873886
导航菜单

软件简介

Software introduction

SPSS Modeler数据挖掘软件

SPSS Modeler原名Clementine,是一个业界领先的数据挖掘平台。SPSS Modeler强大的数据挖掘功能将复杂的统计方法和机器学习技术应用到数据当中,帮助客户揭示了隐藏在交易系统或企业资源计划(ERP)、结构数据库和普通文件中的模式和趋势,让客户始终站在行业发展的前端,显著的投资回报率使得SPSS Modeler在业界久负盛誉。

SPSS Modeler数据挖掘软件

功能介绍

function Introduction

  同那些仅仅着重于模型的外在表现而忽略了数据挖掘在整个业务流程中的应用价值的其它数据挖掘工具相比,SPSS Modeler其功能强大的数据挖掘算法,使数据挖掘贯穿业务流程的始终,在缩短投资回报周期的同时极大提高了投资回报率。

  SPSS Modeler 使您的企业在多方面受益。例如,您可以:

  改善客户获得和保持;

  提高客户的生命周期价值;

  识别并最小化风险和欺诈;

  给不同的客户提供个性化服务;

  SPSS Modeler拥有直观的操作界面、自动化的数据准备和成熟的预测分析模型,结合商业技术可以快速建立预测性模型,进而应用到商业活动中,帮助人们改进决策过程。应用SPSS Modeler获得的预测洞察力,引导客户与企业实时交互,并实现企业内共享这些洞察力。

  SPSS Modeler以其卓越的分析能力、可视化的操作方式、高度可扩展性受到全世界数据挖掘人员和企业用户的青睐。使用SPSS Modeler,您可以:

  轻松获取、准备以及整合结构化数据和文本、网页、调查数据;

  快速建立和评估模型,使用SPSS Modeler提供的最高级的统计分析和机器学习技术;

  按照计划或者实时,把洞察力和预测模型有效地部署到系统中或者发送给决策者;

  SPSS Modeler具有许多独特的性能,这使得它成为当今企业预测分析的理想选择。

 


软件功能
 •强大的数据读取功能

   •丰富的数据处理方法

 •图形化的数据探索方式

 •核心的数据挖掘算法

 •简洁直观的模型评估

 •多格式的数据导出

 •灵活的产品部署

 •性能卓越的三层体系架构


 

系统特点

 

SPSS Modeler 特性
 在样本节点中增强支持SQL 生成
支持IBM Netezza Analytics 数据库内挖掘

基于更方便、更高效设计理念,SPSS公司推出了最新版本SPSS Modeler18.2。该版本继承了原有产品的特点

之外还增加了许多显著的新特性。

SPSS Modeler 18.2 版本新增以下功能。

在使用简单抽样时,对样本节点中的SQL 生成的支持已有所增强,包括在 Windows 和 UNIX 中运行的

DB2数据库,以及 IBM Netezza 和 Teradata 数据库。


此版本开始支持IBM Netezza Analytics 数据库内挖掘技术。

具体以两个新的数据库建模节点的形式提供支持:Netezza 决策树和 Netezza K-Means。

对IBM Netezza 数据库实行第 1 层支持
 支持Cognos 10
增强对IBM System z 的服务器端支持

现已在第1 层上支持 IBM Netezza 数据库,这意味着所有可能的 SQL 回送现在都可用,

并具有数据库特定的 SQL 优化。

除版本8.4 外,IBM Cognos BI 源节点和导出节点现在还支持 Cognos BI 版本 10.1。

SPSS Modeler 增加了对运行 Red Hat Enterprise Linux、Red Hat Enterprise Linux Advanced Platform

或SuSE LinuxEnterprise Server 的IBM System z 系统的服务器端支持。

赠送课程

function introduction

SPSS Modeler数据挖掘

1.数据挖掘基础内容讲解1-12 3:54:51
2.数据挖掘基础内容讲解13-24 4:06:13
3.SPSS MODELER数据挖掘1-6 1:57:56
4.SPSS MODELER数据挖掘7-26 6:42:48
5.SPSS MODELER数据挖掘27 5:09

数据挖掘之SPSS Modeler

1-1 数据挖掘课程介绍 10:24
1-2 数据挖掘流程与原理 16:04
2-1 读取数据源 24:24
2-2 链接数据库数据 16:25
2-3 合并数据集 12:39
2-4 类型节点 27:43
2-5 Modeler计算字段 12:02
2-6 样本管理 20:22
2-7 数据质量(数据审查) 20:12
3-1 简单统计分析(图形) 15:31
3-2 统计分析(方法) 12:06
3-3 高级统计分析 06:38
3-4 神经网络 20:35
3-5 关联分析 22:33
3-6 时序关联 04:53
3-7 决策树模型评估 28:49
3-8 客户价值分析(RFM) 25:22
3-9 聚类分析(用户细分) 27:17
MORE

典型用户

Typical customers

北京工商大学/南开大学复旦大学/中国科学院大学北京大学/清华大学山西大学/江西财经大学河北大学/湖南大学
河南中医药大学/吉林大学河南科技大学/河南师范大学上海交通大学/内蒙古财经大学广东工业大学/武汉理工大学燕山大学学/长春工业大学
查看更多

产品动态

Product dynamic