Sviluppare sofisticate previsioni da serie temporali, indipendentemente dal proprio livello di competenza

IBM SPSS Forecasting consente agli analisti di prevedere gli andamenti e sviluppare previsioni in modo rapido e semplice, senza essere esperti di statistica. Gli utenti meno esperti di forecasting possono creare previsioni avanzate che considerano diverse variabili mentre gli utenti più esperti possono utilizzare SPSS Forecasting per convalidare i loro modelli. Un esempio di previsione temporale potrebbe essere quello di prevedere il numero di persone necessario ogni giorno per un servizio di call center oppure quello di prevedere una richiesta specifica di un prodotto o servizio particolare. SPSS Forecasting ti guida in ogni fase del processo, così potrai ricevere le informazioni richieste più velocemente.

SPSS Forecasting offre:

Grafico forecast

Grafico in cui vengono visualizzati i risultati del forecast che consente di determinare automaticamente quale modello si adatta meglio alle variabili temporali e indipendenti.

Tabella forecast

Mean Absolute Percentage Error (MAPE)

Questo istogramma visualizza la percentuale MAPE (Mean Absolute Percentage Error) di tutti i modelli, con una percentuale di dubbio di circa l'1% per tutti i modelli.

Mean Absolute Percentage Error (MAPE)

Confronto tra valori osservati e previsti

I valori previsti rispettano quasi interamente i valori osservati, indicando che il modello offre una funzionalità predittiva soddisfacente.

Confronto tra valori osservati e previsti

Tabella forecast

I valori di forecast e gli intervalli di confidenza per ogni periodo di forecast vengono visualizzati in una tabella di facile lettura.

Tabella forecast

TCM (Temporal causal model)

Questa immagine mostra i collegamenti causali associati ai 10 modelli migliori (che si adattano meglio) in un sistema TCM (Temporal causal model). Un'azienda che monitora i KPI (key performance indicators) e inoltre tiene traccia dei dati sulle metriche controllabili a cui si fa riferimento come lever, desiderano determinare i collegamenti causali tra i lever e i KPI, in modo da capire quale lever influenza un determinato KPI. L'azienda inoltre desidera comprendere se esistono collegamenti causali tra i KPI stessi.

Tabella forecast

Analisi guidata che offre supporto a utenti meno esperti

Più opzioni di scelta e di personalizzazione per analisti esperti

Funzionalità semplificate

Procedure di modellazione temporali avanzate

Opzioni di output flessibili

Non in Italia?

Un modo facile per ottenere risposte.

Siamo qui per aiutarti

Un modo facile per ottenere risposte.