IBM SPSS Forecasting. In Sekundenschnelle präzise Vorhersagen erstellen. Highlights. IBM Software IBM SPSS Statistics 19 Business Analytics

Transkript

1 IBM Software IBM SPSS Statistics 19 IBM SPSS Forecasting In Sekundenschnelle präzise Vorhersagen erstellen Highlights Entwickeln Sie schnell zuverlässige Vorhersagen Reduzieren Sie Vorhersagefehler Aktualisieren und verwalten Sie Vorhersagemodelle effizient Gestatten Sie mehr Personen, Vorhersagen zu erstellen Bieten Sie erfahrenen Vorhersageexperten bessere Steuerungs- und Auswahlmöglichkeiten Vorhersagen bilden eine solide Grundlage für die Planung Ihres Unternehmens. IBM SPSS Forecasting* bietet zahlreiche Funktionen, mit denen sowohl Anfänger als auch erfahrene Benutzer schnell zuverlässige Vorhersagen mithilfe von Zeitreihendaten entwickeln können. IBM SPSS Forecasting ist vollständig in IBM SPSS Statistics* integriert, sodass Ihnen alle Statistics-Funktionen sowie spezielle Features zur Erstellung von Vorhersagen zur Verfügung stehen. Vorhersagen haben erheblichen Einfluss auf den Unternehmensgewinn, da sie sich auf die Entwicklung und Verwaltung von Plänen auswirken, die zahlreiche Unternehmensbereiche betreffen. Mit ihnen kann Ihr Unternehmen Einnahmen besser antizipieren, Personal-, Bestands- und andere Kosten kontrollieren sowie andere Geschäftsprozesse präziser verwalten Verbesserungen, die einen profitableren Umsatz zur Folge haben. Allerdings kann die Arbeit mit den zur Entwicklung von Vorhersagen benötigten Zeitreihendaten eine Herausforderung darstellen. IBM SPSS Forecasting bietet die nötigen fortschrittlichen Techniken ohne die Nachteile herkömmlicher Methoden. Im Gegensatz zu Tabellenkalkulationsprogrammen können Sie mit IBM SPSS Forecasting beim Erstellen von Vorhersagen auf fortgeschrittene statistische Methoden setzen. Doch Sie benötigen dafür kein umfassendes statistisches Wissen. * IBM SPSS Forecasting und IBM SPSS Statistics hießen früher PASW Forecasting und PASW Statistics.

2 Dieser Screenshot des Zeitreihen-Modeler zeigt, wie Sie damit gleichzeitig Modelle für mehrere Zeitreihen erstellen können. Da Ergebnisse von dem Modul übersichtlich dargestellt werden, können Sie sich auf die Modelle konzentrieren, die eine nähere Überprüfung erfordern. Dieser Screenshot mit einer Vorhersage für Damenbekleidung zeigt, wie Sie automatisch bestimmen können, welches Modell am besten für Ihre Zeitreihen und unabhängigen Variablen geeignet ist. 2

3 Auch Anfänger in diesem Bereich können fundierte Vorhersagen erstellen, die mehrere Variablen berücksichtigen. Und erfahrene Vorhersagenexperten können Forecasting nutzen, um ihre Modelle zu validieren. So kommen Sie schneller an die nötigen Informationen, da Ihnen die Software Schritt für Schritt zur Seite steht. Modelle effizient erzeugen und aktualisieren Anstatt mühselig Vorhersagen durch mehrmaliges Einstellen von Parametern und mehrmaliges Schätzen von Modellen Variable für Variable zu erstellen, erledigen Sie diese Arbeit mit Forecasting schnell und effizient. Sie sparen Stunden oder sogar Tage wertvoller Zeit ohne Einbußen bei der Qualität oder der Zuverlässigkeit Ihrer Vorhersagen. IBM SPSS Forecasting bietet Ihnen folgende Vorteile: Schnelle Entwicklung zuverlässiger Vorhersagen, ungeachtet der Größe des Daten-Sets oder der Anzahl der beteiligten Variablen Reduzierung von Vorhersagefehlern durch automatisierte Auswahl der geeigneten Modelle und ihrer Parameter Effiziente Aktualisierung und Verwaltung von Vorhersagemodellen, wodurch Sie sich verstärkt der Frage widmen können, warum manche Modelle von der Norm abweichen Möglichkeit für mehr Mitarbeiter in Ihrem Unternehmen, Vorhersagen zu erstellen Möglichkeit für erfahrene Vorhersageexperten, Entscheidungen hinsichtlich Modellen, Parametern und Ausgaben zu treffen Verständliche und nützliche Informationen für Entscheidungsträger Ihres Unternehmens Sie verfügen beim Erstellen von Vorhersagen über enorme Flexibilität. Sie können beispielsweise mit Forecasting Transaktionsdaten einfach in Zeitreihendaten umwandeln und bestehende Zeitreihendaten wiederum in die Zeitintervalle konvertieren, die für die Planungsanforderungen Ihres Unternehmens am besten geeignet sind. Sie können Vorhersagen mit exakt der von Ihnen gewünschten Detailstufe erstellen, zum Beispiel für jede Produktlinie, für einzelne Produkte und über geografische Regionen und Funktionsbereiche hinweg. Anschließend haben Sie mit dem Expert Modeler von Forecasting folgende Möglichkeiten: Automatisches Bestimmen der geeignetsten ARIMA oder Modelle für exponentielles Glätten für Ihre Zeitreihendaten Modellierung hunderter verschiedener Zeitreihen gleichzeitig, anstelle von getrenntem Ausführen der Prozedur für jede einzelne Variable Sie haben außerdem folgende Möglichkeiten: Speichern von Modellen in eine XML-Datei, sodass Vorhersagen bei geänderten Daten aktualisiert werden können, ohne Parameter erneut einstellen oder Modell erneut schätzen zu müssen Schreiben von Skripts zum automatischen Ausführen von Aktualisierungen 3

4 Vorhersagen im Einzelhandel Greg ist eine Fachkraft für Lagerlogistik in einem großen Einzelhandelsunternehmen. Er ist für mehr als Produkte verantwortlich und verwendet IBM SPSS Forecasting, um Bestandsvorhersagen für jedes Produkt drei Monate im Voraus zu erstellen. Da IBM SPSS Forecasting die Modellierung von tausenden von Variablen automatisiert, nimmt das Erstellen erster Vorhersagen nur wenige Stunden anstatt mehrerer Tage in Anspruch. Außerdem können damit Modelle effizienter aktualisiert werden. Das Data-Warehouse seines Unternehmens wird monatlich mit tatsächlichen Verkaufszahlen aktualisiert und Greg führt so einmal im Monat Vorhersagen als Stapelverarbeitungsauftrag durch. Damit fügt er die neuen Daten ein und erweitert sein Vorhersagewissen um einen weiteren Monat in die Zukunft. Das Ganze gelingt ihm, ohne dass er seine Modelle erneut schätzen muss, was den Prozess beschleunigt. Um die Modellleistung zu prüfen, fügt Greg eine IBM SPSS Statistics-Befehlssyntax in den Stapelverarbeitungsauftrag ein und kann so jede Reihe mit Zeitpunkten aufspüren und mit beobachteten Verkaufszahlen außerhalb der durch das Originalmodell erstellten Konfidenzintervalle identifizieren. Für diese Reihe führt er einen weiteren Stapelverarbeitungsauftrag durch, um ein neues Modell zu identifizieren, das für die geänderten Daten besser geeignet ist. Hilfe für Vorhersagenneulinge Wenn Sie ein Neuling im Bereich der Modellierung von Zeitreihendaten sind oder nur gelegentlich Zeitreihenmodelle erstellen, können Sie die Funktion in Forecasting nutzen, um das geeignete Modell für Ihre Daten auszuwählen und sich durch den Modellerstellungsprozess führen lassen. Mit Forecasting haben Sie folgende Möglichkeiten: Erzeugen zuverlässiger Modelle, selbst wenn Sie sich nicht sicher sind, wie Sie Parameter für exponentielles Glätten oder ARIMA-Befehle auswählen sollen oder Stationarität erreichen können Automatisches Testen Ihrer Daten auf Saisonalität, Periodizität auf fehlende Werte und Auswahl geeigneter Modelle Erkennen von Ausreißern und Verhindern, dass sie Parameterschätzer beeinflussen Erzeugen von Grafiken Ihrer Daten mit Konfidenzintervallen und Anpassungsgüte des Modells Nachdem Ihre Modelle erstellt und validiert wurden, können Sie sie durch Einbindung in Microsoft Office-Anwendungen mit anderen austauschen. Oder Sie können mithilfe des Ausgabeverwaltungssystems (OMS) von IBM SPSS Statistics Ausgaben in HTML- oder XML- Formaten schreiben und anschließend im Intranet Ihres Unternehmens bereitstellen. Sie können außerdem Modelle als Statistics-Datendateien speichern. Dadurch haben Sie die Möglichkeit, die Dateien weiter auf Merkmale wie etwa die Anpassungsgüte jedes Modells zu überprüfen. Umfassende Kontrolle für Experten Wenn Sie ein erfahrener Vorhersageexperte sind, können Sie Forecasting nutzen, um Modelle aus Zeitreihendaten effizienter zu erstellen und gleichzeitig wichtige Teile des Prozesses im Auge zu behalten. Mithilfe von IBM SPSS Forecasting führt Greg effizient fundierte Vorhersagen durch und sorgt für eine verbesserte effektive Planung seines Unternehmens. 4

5 So können Sie beispielsweise mit dem Expert Modeler von Forecasting die Auswahl an Modellen nur auf ARIMA-Modelle oder nur auf Modelle für exponentielles Glätten beschränken. Sie können auch auf den Expert Modeler verzichten und jeden Parameter des Modells selbst auswählen. Alternativ haben Sie die Möglichkeit, die Empfehlungen von Expert Modeler als Ausgangspunkt für Ihre Auswahl oder zum Überprüfen Ihrer Arbeit zu verwenden. Sie können die Ausgabe beschränken, um nur jene Modelle mit der schlechtesten Anpassungsgüte anzuzeigen und zu sehen, welche näher unter die Lupe genommen werden müssen. So können Sie Probleme mit Ihren Daten oder Modellen schnell und effizient aufdecken. Unsere Statistiksoftware-Suite ist nun in drei Editionen erhältlich: IBM SPSS Statistics Standard, IBM SPSS Statistics Professional und IBM SPSS Statistics Premium. Diese Editionen enthalten alle wichtigen Funktionen und bieten Ihnen dadurch eine effiziente Möglichkeit, Ihrem gesamten Team oder Ihrer Abteilung die benötigten Features und Funktionen zur Verfügung zu stellen, um Analysen durchzuführen, die zum Unternehmenserfolg beitragen. IBM SPSS Forecasting ist als reine Client-Software verfügbar. Für eine höhere Leistung und Skalierbarkeit ist ebenfalls eine serverbasierte Version erhältlich. Wertzuwachs durch Zusammenarbeit Um Posten effizient gemeinsam zu nutzen und wiederzuverwenden, sie auf eine Art zu schützen, die internen und externen Compliance- Anforderungen gerecht wird, und die Ergebnisse zu veröffentlichen, sodass mehr Unternehmensanwender die Ergebnisse anzeigen und mit ihnen interagieren können, sollten Sie in Erwägung ziehen, Ihre IBM SPSS Statistics-Software mit IBM SPSS Collaboration and Deployment Service* zu erweitern. Weitere Informationen zu diesen wertvollen Funktionen erhalten Sie, wenn Sie unter software/deployment/cds die Broschüre Collaboration herunterladen. * IBM SPSS Collaboration and Deployment Services hieß früher PASW Collaboration and Deployment Services. 5

6 Funktionen TSMODEL Modellierung eines Sets von Zeitreihenvariablen mit Expert Modeler oder durch Angabe der Struktur von ARIMA-Prozessen (Autoregressive Integrated Moving Average) oder Modellen für exponentielles Glätten: Möglichkeit der Auswahl der geeignetsten Einflussvariablen und Modelle durch Expert Modeler Begrenzung des Suchbereichs auf ARIMA-Modelle oder Modelle für exponentielles Glätten Behandlung unabhängiger Variablen als Ereignisse Angabe benutzerdefinierter ARIMA- Modelle, die Maximum Likelihood-Schätzer für saisonale und nichtsaisonale univariate Modelle erzeugen Arbeiten mit allgemeinen Modellen oder Modellen mit Nebenbedingungen, die durch autoregressive oder Moving Average-Ordnung, Differenzierungsordnung, saisonale autoregressive oder Moving Average-Ordnung und saisonale Differenzierung festgelegt sind Verwendung von zwei Transformationen unabhängiger Variablen: Quadratwurzel und natürlicher Logarithmus Automatisches Erkennen oder Angeben von Ausreißern: additiv, Verschiebung im Niveau, innovativ, transient, saisonal additiv, lokaler Trend und additiver Bereich Angabe der Übertragungsfunktion- Ordnungen und Transformationen für saisonale und nichtsaisonale Zähler, Nenner und Differenzen für jede unabhängige Variable Angabe benutzerdefinierter Modelle für exponentielles Glätten Vier Typen nichtsaisonaler Modelle: einfach, Holt-Modell mit linearem Trend, Brown- Modell mit linearem Trend und gedämpfter Trend Drei Typen saisonaler Modelle: einfach saisonal, Winters additiv und Winters multiplikativ Zwei Transformationen abhängiger Variablen: Quadratwurzel und natürlicher Logarithmus Anzeige von Vorhersagen, Anpassungsmaßen, Ljung-Box- Statistiken, Parameterschätzern und Ausreißern nach Modell Erstellen von Tabellen und Diagrammen zum modellübergreifenden Vergleich von Statistiken Acht verfügbare Maße für die Anpassungsgüte: R2, R2 für stationären Teil, Wurzel der mittleren Fehler- Quadratsumme, mittlerer absoluter Fehler in Prozent, mittlerer absoluter Fehler, maximaler absoluter Fehler in Prozent, maximaler absoluter Fehler und normalisiertes Bayes- Informationskriterium (BIC) Erstellen von Tabellen und Diagrammen der Residuen- Autokorrelationsfunktion (ACF) und der partiellen Autokorrelationsfunktion (PACF) Diagrammerstellung für beobachtete Werte, Vorhersagen, Anpassungswerte und Konfidenzintervalle für Vorhersagen sowie Anpassungswerte für jede Reihe Ausgabefilterung für eine feste Anzahl oder einen Prozentsatz von Modellen mit bester oder schlechtester Anpassungsgüte Speicherung von vorhergesagten Werten, unteren Konfidenzgrenzen, oberen Konfidenzgrenzen und Residuum-Rauschen für jede Reihe bis hin zum Daten-Set 6

7 Angabe der Vorhersageperiode, der Behandlung benutzerdefiniert fehlender Werte und der Konfidenzintervalle Exportieren von Modellen in eine XML-Datei zur späteren Verwendung durch TSAPPLY TSAPPLY Anwenden gespeicherter Modelle auf neue oder aktualisierte Daten Gleichzeitiges Anwenden von Modellen aus mehreren mit TSMODEL erstellten XML-Dateien Erneutes Schätzen von Modellparametern und Maßen für die Anpassungsgüte aus den Daten oder Laden aus der gespeicherten Modelldatei Selektive Auswahl gespeicherter Modelle zur Anwendung Überschreiben der Periodizität (Saisonalität) des aktiven Daten-Sets Auswahl der gleichen Ausgaben, Anpassungsmaße, Statistiken und Optionen wie bei TSMODEL Exportieren erneut geschätzter Modelle in eine XML-Datei SEASON Schätzen multiplikativer oder additiver saisonaler Faktoren für periodische Zeitreihen Wahl zwischen einem multiplikativen oder additiven Modell Berechnung von gleitenden Durchschnitten, Verhältnissen, saisonalen Faktoren und Faktoren für die Saisonbereinigung, saisonbereinigten Zeitreihen, geglätteten Trend-Zyklus- Komponenten und unregelmäßigen Komponenten SPECTRA Zerlegen einer Zeitreihe in ihre harmonischen Komponenten, ein Set regulärer periodischer Funktionen mit unterschiedlichen Wellenlängen oder Perioden Erzeugen/Darstellen von univariaten oder bivariaten Periodogramm-Schätzungen und Schätzungen der Spektraldichte Erzeugen/Darstellen von bivariaten Spektralanalysen Glätten von Periodogrammwerten mit gewichteten gleitenden Durchschnitten Glätten mithilfe verfügbarer Spektraldatenfenster: Tukey-Hamming, Tukey, Parzen, Bartlett, gleiche Gewichtung, keine Glättung und benutzerdefinierte Gewichtungen Erzeugen von Diagrammen mit hoher Auflösung: Periodogramm, Schätzung der Spektral- und Kospektraldichte, quadrierte Kohärenz, Schätzung des Quadraturspektrums, Phasenspektrum, Kreuzamplitude und Gewinn Systemvoraussetzungen Anforderungen variieren je nach Plattform. Einzelheiten finden Sie unter Funktionen können sich abhängig von der endgültigen Produktversion noch ändern. 7

8 Informationen zu SPSS, an IBM Company SPSS, an IBM Company, ist ein führender Anbieter von Predictive Analytics-Software und -Lösungen. Das umfassende Produktportfolio des Unternehmens Datenerfassung, Statistiken, Modellierung und Bereitstellung erfasst die Einstellungen und Meinungen von Menschen, sagt die Ergebnisse zukünftiger Kundeninteraktionen voraus und ermöglicht es Ihnen, entsprechend diesen Erkenntnissen zu handeln, indem Sie analytische Ergebnisse in Ihre Geschäftsprozesse einbinden. IBM SPSS-Lösungen eignen sich für die Verfolgung von vernetzten geschäftlichen Zielen im gesamten Unternehmen, da sie den Fokus auf die Konvergenz von Analysen, IT-Architektur und Geschäftsprozess setzen. Kunden aus Wirtschaft, öffentlichem Dienst und dem Bildungsbereich weltweit nutzen IBM SPSS-Technologie als Wettbewerbsvorteil bei Kundengewinnung, Kundenbindung und Erhöhung der Kundenumsätze bei gleichzeitiger Eindämmung der Betrugsmöglichkeiten und Minderung von Risiken. SPSS wurde im Oktober 2009 von IBM übernommen. Weitere Informationen und Kontakt zu Vertriebsmitarbeitern erhalten Sie unter Copyright IBM Corporation 2010 SPSS Inc., an IBM Company Headquarters, 233 S. Wacker Drive, 11th floor Chicago, Illinois SPSS ist eine eingetragene Marke; die anderen genannten SPSS-Produkte sind Marken von SPSS Inc., einem Unternehmen von IBM SPSS Inc., an IBM Company. Alle Rechte vorbehalten. IBM und das IBM-Logo sind Marken der International Business Machines Corporation in den USA und/oder anderen Ländern. Eine vollständige Liste der IBM-Marken finden Sie unter Weitere Unternehmens-, Produkt- oder Servicenamen können Marken anderer Hersteller sein. Verweise in dieser Veröffentlichung auf IBM-Produkte oder -Services bedeuten nicht, dass IBM beabsichtigt, diese Produkte oder Services in allen Ländern verfügbar zu machen, in denen IBM tätig ist. Eventuelle Verweise in diesen Ausführungen auf Nicht-IBM-Websites dienen lediglich der Information. Die Nennung bedeutet nicht, dass IBM den Inhalt dieser Websites unterstützt. Das Material auf diesen Websites ist kein Bestandteil des Materials für dieses IBM-Produkt. Sie verwenden diese Websites auf eigenes Risiko Bereiten Sie bitte auf YTD03018USEN-00