Statistics Categories semplifica la visualizzazione e la consultazione delle relazioni dei dati e consente di prevedere i risultati in base alle informazioni acquisite. Utilizzando tecniche avanzate, quali analisi predittiva, comprensione statistica, mappa percettuale e scaling delle preferenze è possibile comprendere quali caratteristiche i clienti associano maggiormente al prodotto o al brand, in modo da scoprire le loro opinioni in relazione alla concorrenza.

Statistics Categories include tecniche di analitica avanzate per:

 

• Analizzare e interpretare in modo facile e completo i dati multivariati e le loro relazioni.

• Trasformare le variabili qualitative in quantitative eseguendo operazioni statistiche aggiuntive sui dati categorici.

• Visualizzare graficamente le relazioni base in qualsiasi tipo di categoria studiata, inclusi segmenti di mercato, diagnosi mediche, partiti politici o specie biologiche.

 

Analizzare e interpretare facilmente i dati multivariati

 

• Utilizzare procedure di regressione categorica per prevedere i valori di una variabile nominale, ordinale o numerica da una combinazione di variabili predittori

• Quantificare le variabili per massimizzare la tecnica Multiple R con tecniche di scaling ottimale.

• Visualizzare chiaramente le relazioni dei dati utilizzando tecniche di riduzione delle dimensioni, quali biplot e mappe percettuali.

• Ottenere informazioni dettagliate delle relazioni tra più di due variabili con grafici di riepilogo che visualizzano categorie o variabili simili.

 

Trasformare le variabili qualitative in quantitative

 

• Prevedere i valori di una variabile di risultati nominali, ordinali o numerici da una combinazione di variabili dei predittori categoriche.

• Analizzare le tabelle a due vie che contengono alcune misurazioni di corrispondenze tra righe e colonne, nonché righe e colonne di visualizzazione come punti di una mappa. Analizzare anche i dati categorici multivariati, consentendo l'uso di più di due variabili nelle analisi.

• Utilizzare tecniche di scaling ottimale per generalizzare la procedura di analisi dei componenti principali, che permette di gestire variabili di livelli di misurazione misti.

• Confrontare serie multiple di variabili nello stesso grafico, una volta rimossa la correlazione tra le serie, ed esaminare visualmente le relazioni tra due serie di oggetti, ad esempio tra consumatori e prodotti.

• Eseguire lo scaling multidimensionale che gestisce una o più matrici con similarità o dissimilarità (prossimità).

 

Visualizzazione grafica delle relazioni di base

 

• Collocare le relazioni tra le variabili in un riquadro di riferimento più grande con scaling ottico.

• Creare mappe percettuali che visualizzano graficamente le variabili o le categorie simili per fornire informazioni esclusive delle relazioni tra più di due variabili categoriche.

• Utilizzare biplot e triplot per visualizzare le relazioni tra casi, variabili e categorie; ad esempio, è possibile definire le relazioni tra prodotti, clienti e caratteristiche demografiche.

• Visualizzare ulteriori relazioni tra gli oggetti utilizzando lo scaling delle preferenze, che semplifica le analisi non metriche per i dati ordinali e consente di ottenere risultati più coerenti.

• Analizzare le similitudini tra oggetti e integrare le caratteristiche degli oggetti nella stessa analisi.