Conheça abaixo as principais novidades da versão 18.1 do IBM SPSS Modeler:

VISÃO GERAL

Ampliação continua da abrangência de recursos Open Source

Nos últimos anos, o IBM SPSS Modeler ampliou e abraçou recursos Open Source - primeiro com R e no ano passado com Python e Spark. Nesta versão, o software continua com o compromisso de oferecer flexibilidade Open Source a um ambiente para não programadores. Introduzimos três nós do Modeler que executam algoritmos de Python - SVM de classe única, SMOTE e XGBoost. Estes algoritmos agora são encontrados diretamente na interface gráfica do Modeler, o que facilita aos usuários que não programam a aproveitar as facilidades dos algoritmos Python. O Modeler 18.1 será enviado com o Python 2.7 para que os usuários não precisem instalá-lo separadamente. Outras melhorias importantes foram aprimoradas nesta versão, como a capacidade de executar o código Python sem criar uma extensão e executar qualquer versão do R. Spark 2.0 também foi incorporado nessa versão.

Análise de texto para big data e MAC

No Modeler 18.1, o mecanismo de processamento da Análise de Texto foi incorporado ao System T, que é um mecanismo multi-processamento mais escalonável. Isso permite escalonar conjuntos de dados muito maiores. Também foi adicionado um novo nó para detectar o idioma do texto - e análise de texto está agora disponível para usuários de Mac.

Gravação automática e melhorias em usabilidade

Nessa nova versão, certas mudanças chave de usabilidade aconteceram para garantir que o tempo seja ainda mais produtivo. Um bom exemplo é a gravação automática/recuperação automática. Nas versões anteriores, se um usuário falha ao salvar um fluxo antes que seu computador reinicie (por exemplo, devido a uma instalação de patch ou travamento do computador), todas as alterações eram perdidas. Com o Modeler 18.1, os fluxos são salvos automaticamente em segundo plano. Se o Modeler não for fechado corretamente, o usuário será solicitado a reabrir ou não os fluxos. Outras melhorias de usabilidade incluem transposição parcial, uma nova capacidade de gerenciar paletas e aprimoramentos ao usar o Analytic Server.

Capacidade de ler dados Hadoop

Na última versão havia suporte para leitura de dados da BigInsights via BigSQL. Agora a versão 18.1 do Modeler também suportará o acesso direto aos dados no Hortonworks HDP via BigSQL, Hive e Cloudera Impala sem a necessidade do SPSS Analytic Server. Enquanto você lê os conjuntos de dados Hadoop com o Modeler, o SPSS Analytic Server torna seu trabalho mais fácil com a capacidade de conduzir modelagem preditiva no cluster Hadoop sem codificação e sem transferência de dados.

Integração com dados meteorológicos do The Weather Company e otimização de decisões

A otimização de decisão permite aos usuários transformar as previsões/escoragens produzidas pelo Modeler em decisões reais. Por exemplo, o Modeler pode produzir um escore se um cliente irá responder a uma campanha de marketing. No entanto, se houver dez campanhas propostas, nem sempre é uma questão simples atribuir cada cliente a uma campanha. Alguns fatores precisam ser considerados para atribuir aos clientes à oferta certa, como o orçamento geral de marketing, o custo de uma determinada oferta, quantas vezes um cliente pode ser contatado, etc. A Otimização de Decisões permite melhorar seus resultados ao executar vários cenários. No Modeler 18.1, é possível executar OPL (linguagem usada pelo IBM CPLEX Optimization Studio) diretamente no Modeler, e gerenciar através do IBM SPSS Collaboration and Deployment Services.

Outra importante integração implantada é com a Weather Company, que possibilita obter os dados meteorológicos históricos para previsões. Em mutos casos, informações do tempo podem dar sustentação a modelos preditivos - como manutenção preditiva, previsão de sinistros de seguros, descobrir período ideal para plantio, previsão de atividade de vendas e outros. Sua utilização requer licenciamento e pagamento específico.

FUNCIONALIDADES E BENEFÍCIOS

> Nós Python: A nova aba Python fornece nós para usar algoritmos nativos do Python. Estão disponíveis o nó SMOTE, Árvore XGBoost , XGBoost Linear e SVM de classe única. Esses novos nós são suportados no Windows 64, Linux64 e Mac.

> Distribuição de Python: Se você planeja executar scripts Python / Spark no SPSS Modeler Server (ou no servidor local incluído no SPSS Modeler Client, que requer o Windows 64, Linux64 ou Mac), você não precisa mais instalar o Python e editar options.cfg como nas versões anteriores. O IBM SPSS Modeler agora inclui uma distribuição em Python. E se você precisar de um determinado módulo que não está incluído na distribuição padrão Python do IBM SPSS Modeler, você pode ir instalar pacotes adicionais.

> Nó de idioma: O novo nó de idioma para o IBM SPSS Modeler Text Analytics é um nó de processamento que examina o texto de origem para determinar em que idioma ele está escrito e, em seguida, marca isso em um novo campo. Projetado para ser usado com grandes quantidades de dados, este nó é particularmente útil quando você possui mais de um idioma em suas fontes de dados e quer processar apenas um idioma.

> Nova opção de construção para o nó Árvores Aleatórias: Para o nó Árvores Aleatórias, uma nova opção avançada está disponível, chamada número de regras interessantes a serem reportadas. Anteriormente, um máximo de 5 regras eram relatadas. Esta nova opção permite que você especifique o número de regras a reportar (mínimo de 1, máximo de 1000, com um padrão de 50).

> Importar visualizações privadas do IBM Cognos TM1 Server: Com o nó Importação TM1, agora você pode importar exibições privadas em vez de apenas públicas.

> Importar e exportar dados usando R: Usando o construtor de diálogo de nó customizado, agora você pode criar nós personalizados e escrever scripts em R para ler dados de qualquer fonte e gravar dados em qualquer formato suportado por R.

> Modo de servidor analítico: Agora você pode usar a guia MODO para alternar entre o modo tradicional ou o modo Servidor Analítico para filtrar os nós e as expressões que aparecem na interface do usuário.

> Suporte para múltiplos servidores analíticos: Se você tiver vários servidores analíticos disponíveis, você pode usar a caixa de diálogo conexão do servidor analítico para definir mais de um servidor para uso no IBM SPSS Modeler. Seu administrador talvez já tenha configurado um servidor analítico padrão , mas você também pode usar outros servidores disponíveis depois de defini-los. Por exemplo, ao usar os nós de Origem e Exportação do Servidor Analítico, você pode querer usar diferentes conexões do Servidor Analítico em diferentes ramos de um fluxo para que, quando cada ramo funcione, ele usa seu próprio Servidor Analítico e nenhum dado será puxado para o IBM SPSS Modeler Server.

> Novos modos para o nó Transpose: No nó Transpor, uma nova opção foi adicionada para escolher um método de transposição: Campos e registros, Registos para campos ou Campos para registros.

> Gravação automática de fluxo: Não perca mais nenhum trabalho, agora seus fluxos são salvos automaticamente e você pode especificar a frequência para salvar os fluxos.

> Nós de extensão. Para complementar o IBM SPSS Modeler e suas habilidades de mineração de dados, os novos nós de extensão permitem que os usuários experientes insiram seus próprios scripts R ou scripts Python para Spark para realizar processamento de dados, modelagem de construção e escoragem de modelo. Esses nós de extensão substituem os nós R disponíveis anteriormente.

> Gerenciamento de paleta: Com o Gerenciador de paleta, agora você pode editar as seleções de nós padrão para qualquer guia - não apenas na guia Favoritos como nas versões anteriores.

> Melhor suporte para o Microsoft Office: Agora você pode copiar gráficos como Microsoft Graphic Objects, que permite que você manipule gráficos no Microsoft Office. Os gráficos que suportam este formato podem ser copiados para aplicativos do Microsoft Office e editados nesses aplicativos como gráficos nativos. Devido às diferenças entre os gráficos do IBM SPSS Modeler e os gráficos do Microsoft Office, alguns recursos dos gráficos do IBM SPSS Modeler não são mantidos na versão copiada.

> Otimização de CPLEX: O novo nó de Otimização de CPLEX oferece a capacidade de usar a otimização baseada em matemática complexa (CPLEX) através de um modelo de linguagem de programação de otimização (OPL). Agora você também pode usar o nó CPLEX no SPSS Modeler sem requerer o IBM Analytical Decision Management.

> Nó Importação de TWC: O novo nó Importação de TWC importa dados meteorológicos da The Weather Company. Você pode usá-lo para obter dados meteorológicos históricos ou de previsão para um local. Isso pode ajudá-lo a desenvolver soluções de negócios orientadas para o clima para uma melhor tomada de decisão usando os dados meteorológicos mais exatos e precisos disponíveis. Sua utilização requer licenciamento e pagamento específico.

> Ajuda online: Em versões anteriores, o sistema de ajuda online foi instalado junto com o IBM SPSS Modeler. O sistema de ajuda online está agora incluído no IBM Knowledge Center. As chamadas de ajuda do F1 no IBM SPSS Modeler agora resultam em tópicos de ajuda associados a serem abertos em uma instância de navegador web separada que liga a versão mais recente da documentação no IBM Knowledge Center.