Release von Minitab V21.1: Minitab LLC. veröffentlicht neue Version seiner Statistiksoftware

Weltweit anerkannt setzt Minitab dabei branchenunabhängig Maßstäbe in der Qualitätsanalyse für Produktion, Handel, Verwaltung, Finanz- und Versicherungswesen sowie in der Medizintechnik und Pharmabranche. Speziell für Datenanalysen im Qualitätsmanagement entwickelt, wird die statistische Software Minitab immer stärker auch für Business Analytics, Business Intelligence und Datenmodellierung eingesetzt. Hierbei spielt Statistik im Qualitätswesen, Six Sigma, Visualisierung und Datamining natürlich weiterhin eine große und wichtige Rolle.

Die 64-Bit-Software Minitab mit optimierter Benutzeroberfläche und verbesserten Visualisierungen überzeugt mit Version 21.1 mit weiteren Neuerungen.

So enthält die neueste Version das interaktive Modul „Grafikerstellung“, das besonders hilfreich bei der Visualisierung von Daten ist. In einer übersichtlichen Galerie wird eine Vorschau der verfügbaren Diagrammalternativen angezeigt, zwischen derer nahtlos gewechselt werden kann. Somit können Anwender*innen die verschiedenen Grafiken auf Basis ein und derselben Daten ansehen und ausprobieren, ohne die Analyse erneut durchführen zu müssen. Mithilfe dieses Features kann der Nutzer sich voll und ganz darauf konzentrieren, den am besten zu den eigenen Daten und Ergebnissen passenden Diagrammtyp auszuwählen. Die gewählte Grafik kann im Anschluss nach eigenen Wünschen weiter angepasst werden.

Die CART-Technologien werden mit dem Predictive Analystics-Modul um TreeNet® und Random Forest® erweitert. Diese beiden proprietären baumbasierten Algorithmen für maschinelles Lernen verwenden eine Reihe von Wenn-Dann-Regeln, um Prognosen aus einem oder mehreren Entscheidungsbäumen zu erstellen. Im Vergleich zu linearen Modellen wie der Regression können baumbasierte Methoden nichtlineare Beziehungen sehr gut abbilden und mit der Unschärfe in Daten umgehen, die andere Methoden einfach nicht bewältigen können. Neben einer schnellen Antwort, die Zeit spart, bieten baumbasierte Methoden auch eine hohe Genauigkeit und sind einfach zu interpretieren. Das automatisierte maschinelle Lernen (AutoML) unterstützt Anwender*innen auf Wunsch bei der Auswahl des am besten geeigneten Modells aus den verfügbaren Methoden CART-Klassifikkations- und Regressionsbäume, TreeNet und Random Forest. Nutzer*innen haben die Möglichkeit, die verschiedenen Modelle miteinander zu vergleichen und gegebenenfalls ein anderes Modell auszuwählen.

Zudem wurde die Lebensdauer- und Zuverlässigkeitsanalyse um die statistische Methode Cox-Regression erweitert. Diese ist eine Methode zum Untersuchen der Wirkung mehrerer Variablen auf die Zeitdauer bis zum Eintreten eines bestimmten Ereignisses.

Neu ist ebenfalls das Healthcare-Modul, das extra zur Qualitätsverbesserung für das Gesundheitswesen entwickelt wurde. Mit gebräuchlichen Begriffen aus dem Gesundheitsbereich ist es speziell für medizinische Fachkräfte geeignet. Diese werden durch die geführte Datenanalyse des Healthcare-Moduls bei der Verbesserung der wichtigsten Leistungsindikatoren (KPIs) wie Patientensicherheit und -zufriedenheit, Wartezeit, Auslastung sowie der Kosten unterstützt, wobei keine Aneignung von Statistikkenntnissen zusätzlich nötig ist.