Previsão
Preveja tendências e desenvolva previsões rápida e facilmente com técnicas estatísticas avançadas para trabalhar com dados de séries temporais. Independente do seu nível de experiência, você pode analisar dados históricos e prever tendências mais rapidamente e entregar informações de maneira que o responsável por tomar decisões na sua empresa possa entender e usar. As principais funcionalidades permitem:

> Salvar modelos (Ex: XML) em um arquivo central, assim essa previsão pode ser atualizada quando os dados
mudarem, sem ter que reconfigurar parâmetros ou re-estimar o modelo
> Escrever sintaxes, assim modelos podem ser atualizadoscom novos dados automaticamente

Esteja pronto para grandes desafios analíticos com o IBM SPSS Statistics Professional. Consiga as ferramentas que precisar para acelerar todo o ciclo de vida analítico e alcance resultados confiáveis que possa compartilhar com outros.

Capacidade de Simulação
Esta técnica da IBM SPSS Staistics ajuda analistas a modelar automaticamente vários resultados possíveis quando entradas são incertas, melhorando análise de risco e tomadas de decisão, utilizando tais procedimentos:

> Técnicas de Monte Carlo fornecem capacidade de simular dados de acordo com os parâmetros que você especificar, e então usar os dados simulados como entrada para prever um resultado.
> Os parâmetros utilizados podem ser modificados para simular os dados e comparar resultados.
> Especificações para uma simulação podem ser salvos em um arquivo de plano de simulação.
> Simulações podem ser executadas por meio de especificações de um arquivo de simulação de plano carregado. Os usuários também podem fornecer especificações de interface do usuário e executar a simulação da interface.

O IBM SPSS Statistics Professional ajuda tanto analistas profissionais quanto usuários de negócio a realizarem tarefas facilmente em todas as fases do processo analítico e permite passar facilmente de uma tarefa para a próxima.

Preparação de dados
O IBM SPSS Statistics Professional ajuda a agilizar o estágio de preparação de dados de um processo analítico - economizando tempo e garantindo maior precisão. Execute verificações de dados baseadas no nível de medida de cada variável, encontre rapidamente outliers multivariados procurando por casos atípicos baseados em desvios a partir de casos semelhantes e pré-processe os dados antes de construir um modelo através de um procedimento de criação de faixas ótimo.

Validação de dados e valores ausentes
Essa edição inclui ferramentas cruciais para lidar com a validação de dados e valores ausentes:

> Descubra padrões de dados ausentes examinando os dados por diferentes ângulos, usando um dos seis testes de diagnóstico, e gere rapidamente um relatório destacando problemas sérios de ausência de dados.
> Consiga conclusões mais válidas substituindo valores ausentes por estimativas - aumentando a chance de receber resultados estatisticamente significantes.
> Use o procedimento de imputação múltipla de dados para identificar padrões de "ausência de dados" na sua base de dados e substituir valores ausentes com estimativas plausíveis

Análise de dados categóricos e numéricos
Obtenha insights claros em dados complexos categóricos e numéricos assim como dados com muitas dimensões. Essa edição inclui procedimentos para interpretar conjuntos de dados visualmente e ver como linhas e colunas se relacionam em grandes cruzamentos. A edição ainda inclui uma variedade de operações estatísticas avançadas em dados categóricos para transformar variáveis qualitativas em quantitativas. Você também pode usar mapas perceptuais e biplots para apresentar graficamente relações implícitas usando técnicas de redução de dimensão para esclarecer relações complexas nos seus dados a fim de tomar melhores decisões.

Árvores de decisão
Crie árvores de decisão e classificação para ajudar a identificar grupos, descobrir relações entre grupos e prever futuros eventos de forma melhorada. As árvores de decisão apresentam resultados categóricos de maneira intuitiva, permitindo explorar os resultados e determinar visualmente como os modelos fluem e então explicar de forma clara os resultados categóricos para um público sem conhecimento técnico. Você ainda pode encontrar subgrupos e relações específicos que você poderia não descobrir usando estatísticas mais tradicionais.