運用程式語言拓展SPSS的統計分析能力
Python語言、VB.Net語言、R語言
熟悉SPSS內建之程式語言的使用者都知道，若能善用Syntax、Macros與Script，便能解決許多分析上客製化的需求，甚至是從資料讀取、資料整理、資料分析到資料輸出、部署的統計分析步驟流程化、自動化…等等。潮流所致，過去所使用的程式語言除了存有僅能運作在SPSS內部環境而無法與外部語言溝通連結的瓶頸外，其較老舊且不親切的語言(Sax Basic)對使用者來說也是不便之處。因此，SPSS自14.0版後對程式語言的能力便做了更進一步的演進，不再侷限於SPSS的視窗執行環境下，將其程式語言能力由內建延伸至外掛，支援Python、VB.Net以及R語言等三項廣為外界所熟知且符合時代所需的程式語言。每種語言都有其強大功能與獨特功用，讓您可以很容易的跨越鴻溝，直接上手使用。
而其中，最較以往不同的是：所支援的外掛語言可選擇在各自的語言環境或SPSS的視窗下執行，挾著自身語言的特性能更多元化地與SPSS所有的統計分析能力相結合。更甚者，您可以利用Python或R寫出自己在SPSS內，新增或客製的統計分析功能，並透過自己所定義的Syntax來呼叫使用之，如SPSS 16.0版中的PLS分析模型便是如此。此外，SPSS還提供軟體開發工具(Software Development Kit, SDK)，可讓第三方開發者(Third Party)能直接寫出適合企業/組織的相關統計分析應用，可將SPSS的統計分析功能融入在企業其他資訊應用系統內，擴大其應用範圍，藉以提昇其對SPSS之使用意願。至於為什麼要使用Python、VB.Net以及R來做為SPSS新一代外部程式的溝通橋樑呢？除了考量個別之普遍性、語法簡潔、易學易用外，其背後豐富的技術資源更為主要原因（Python與R皆為免費之開放資源，其中R語言更是在多年來早已建置好許多統計分析模組，如時間數列中的Garch模型、生醫領域的Microarray…等等）。現茲將程式語法所能延伸SPSS的統計分析功能與效益說明如下：
撰寫或載入新增統計分析功能、無限延伸SPSS統計分析能力：
- 客製統計分析功能：運用SPSS現有功能，藉由程式語言達成客製化的個人分析需求，如比較重複輸入、繪製特殊格式的表格…等等。
- 新增統計分析模型：撰寫程式語言建置或直接載入現有程式語言以成為SPSS中可直接提供的統計分析演算法，並可與SPSS既有的統計分析功能相互搭配，形成無隙(seamless)分析。
將現有的統計分析工作予以程序化、自動化，一氣呵成地執行完畢：
- 將SPSS的統計分析功能予以程序化，使其能自動執行程序化統計分析，整合性運用SPSS的各模組功能，達到一氣呵成的執行效果。例如若企業要產出客戶風險評估報告，在輸入風險相關參數後，便能自動從資料庫匯出所需資料、整理並驗證資料，再透過數種統計分析模型進行評分，挑出較穩健的客戶，最後將結果輸出成名單，並把分析結果再回存至資料庫。
與企業／組織現行的資訊系統做最佳整合，擴大SPSS統計分析效益：
- 運用Python能與多種系統開發程式語言(如C++、C#、Java、VB、VB.NET、Delphi）結合的特性，可建置具SPSS為統計分析核心的資訊系統，以提供系統即時自動化的預測分析運算能力，進而建構出具預測分析能力的資訊系統，例如：即時的客戶商品推薦預測、商品銷售業績預測…等等。 SPSS Taiwan－宏德國際，為讓您瞭解SPSS與外部程式語法的整合效益，特舉辦『SPSS程式語言進階探討：運用程式語言－Python、VB.NET、R－拓展SPSS的統計分析能力』研討會。會中將為您述明SPSS與外部程式語言如何整合及其功能特色與範例展示。歡迎有興趣者報名參加！
台北市南京東路四段126號11樓
