IBM SPSS Modelerの評判・口コミ 全18件

改善してほしいポイント

分析結果を入力データとしてシームレスに取り込めるようにして欲しい。例えばCARMAで出力したルールを一度csvに出力してそのcsvを読み込む、というのをやっているのだが、こういうところをもっと簡単にできるようにして欲しい。

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

自身のアイディアをちゃちゃっと試したいときに、コーディングする必要がないので、思ったアイディアをどんどん試せるのがメリットだと思います。

検討者へお勧めするポイント

ビジネスマンで、プログラミングができない／やりたくないという人の方が大多数だと思います。その人たちがデータサイエンティストになれます！

改善してほしいポイント

チューニングがたくさんできるが、初心者には理解し難い。良く言えば幅広いユーザーに対応している。悪く言えば初心者にはオーバースペックです。初心者向けにチューニングができないけど、ビジュアルに強い。などユーザーニーズに合った製品開発いただけるとありがたいです。

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

自社セールスの営業プロセスの分析に活用しています。また自身の統計学の知識レベルアップに活用しています。

改善してほしいポイント

マニュアルの見づらさ(説明が非常に機械的で理解するのが難しい)や独特な関数(CLEM式)の改善があるとなおよいと思う。
また、コレボレーション機能(CADS)については使用の難易度が高いように思う(使い方を理解するのに時間がかかるので社内一般ユーザーへの展開が難しい)

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

製造工場における歩留まり改善、不具合要因解明、品質の連続予測といった点で効果を上げている。長年アナログで解決が難しかった課題の解決に役立っている。

検討者へお勧めするポイント

社内のデータエンジニアリング強化をしたいが、社員一人一人にPythonなどのプログラミング学習をさせることが困難な場合にお勧めできると考えられる。

改善してほしいポイント

特になし。
使い方などは公式マニュアル以外にもQiitaなどのサイトに販売元社員による多くの投稿があり、フォローも充実している。
新しい機能などもタイムリーに盛り込まれてきている。

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

製造プロセスの諸元設定、不良品発生や製造装置トラブルの原因究明（事後解析）、製造装置トラブルの予兆検知などに貢献している。

検討者へお勧めするポイント

・解析過程の見える化
　前処理過程・モデリング過程などでどの解析パーツをどの順番で適用したかが容易に確認可能。これにより後から自分で振り返った際や他メンバーが確認した際に、簡単に解析過程や意図を振り返ることができる。

・多種解析手法を包含
　従来の統計解析手法から最新の機械学習手法まで幅広くツール内に包含されている。

・前処理～モデリング～結果確認までの充実した機能
　他の最新機械学習ツールではモデリング重視のものが多いが、本ツールは前処理や視覚化処理まで含めてバランスよく含まれている。

・LowCodeツールとしてのバランスの良さ
　初心者向けへの程良い使い勝手、ベテラン向けの程よい拡張可能性を兼ね備えている。

改善してほしいポイント

グラフ等のデータの可視化機能が少し弱い(見にくい)ように思う。
機械学習モデルの出力結果を、画像ではなくデータとしてExcel等に貼り付けられるようになると、より使いやすい

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

社内に散在するデータの統合、クレンジングから、それを用いた分析に至るまで幅広く使用することが出来た。
AI活用を求められる案件に対して、柔軟に対応することが出来た。

改善してほしいポイント

出力項目の編集する画面では、表示サイズを任意のサイズにできないなど、若干操作に慣れが必要かもしれません。

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

保険契約の不適切な取扱を検知するための説明変数を特定するために教師あり学習で使いました。教師データが少なかったため、スタッフはかなり苦労していました。

検討者へお勧めするポイント

機械学習の分析テーマが社内にあふれているという状況でなければ、他の従量課金の製品を選定することをお勧めします。

改善してほしいポイント

コラボレーションとデプロイメントが必要になった段階でのCADSが、高機能ではあるが複雑に過ぎ、この面での扱い易さや敷居が低くなれば良い。Tableauの様に、サーバサイドをクラウド側で賄うことを可能にするも検討いただきたい

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

データ利活用の取り組み開始時に、このツールに何度も助けていただいた。
このツールがあるだけで、データエンジニア・MLエンジニアが1人隣にいるような形になる

改善してほしいポイント

関数ごとにプッシュバック機能が使えるかを画面上からもわかるようにしてほしい。
※よさそうな関数が見つかった後にプッシュバックが効かないことがわかると別のアプローチを考えないといけないため

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

解決できた課題・具体的な効果
・大規模データの分析及び俗人化の解消
課題に貢献した機能・ポイント
・SQLプッシュバック
・GUIベースの画面

改善してほしいポイント

かなり改善されてきたという印象はありますが、まだまだ見える化、グラフ化の能力が弱いようには感じます。
また、分析結果の“語”を理解するには、ある程度の統計解析の知識は必須です。用語を理解するまで、何か紐づけされていると、初心者にとってさらに良くなると思います。

どのような課題解決に貢献しましたか？どのようなメリットが得られましたか？

アソシエーションモデルを作成して、受注実績データから個々仕様の相互の関連性を見えるようにしました。これからの活用次第で、実効果を上がっていくと思います。

検討者へお勧めするポイント

繰り返しになりますが、インターフェースの優れた秀逸は統計解析ツールであることは間違いありません！