Real Stats. Real Easy. Real Senior. (hiv1)

A matematikai statisztikai módszerek, így az SPSS keletkezésének és használatának indoka hagyományosan a már megtörtént jelenségek megértése az adatokban rejlő összefüggések feltárásával. Később egyre fontosabbá vált a statisztika prediktív szemléletű alkalmazása, a lehetséges következmények bejóslása és döntések megalapozása statisztikai modellek alapján. Manapság pedig fokozottan érvényesül a statisztikai műveletek automatizálására való törekvés az összetettebb folyamatok részeként.

Kevés program vagy szoftvercég éri el az arany életkort, amit az SPSS ünnepel 2018-ban. Méltó pillanat, ugyanakkor érdekes és tanulságos röviden áttekinteni az SPSS keletkezésének történetét. De nem csak az évforduló miatt, hanem mert meglepő módon           az SPSS tárgya manapság kurrens közéleti téma is. Szinte közhelyszerű mesterséges intelligenciát (MI ~ AI, Artificial Intelligence) vélni a különféle eszközök, folyamatok működésének hátterében. A matematikai statisztikai algoritmusok jelenléte nyilvánvaló a mesterséges intelligenciának is nevezett fejlesztésekben.

Napjainkban egyre inkább érzékelhető az AI-narratívák bulvárszintet is tematizáló hatása. Ez hasonló jelenség most a XXI. század elején, mint a relativitáselmélet vagy a freudizmus kávéházi, illetve irodalmi szerepe a XX. század elején. Sajnos elég szerencsétlen szóalkotás a mesterséges intelligencia kifejezés. Többek közt félrevezető sugallata van, mivel az intelligencia szót sokszor a tudat, öntudat, gondolkodás szavak szinonimájaként használják, esetleg úgy is vélekednek róla. Néha az ember, hajlamos intelligenciaként „érzékelni” egyszerű alapértelmezéseket (default) kezelő mechanizmusokat is. Az ilyen attribúció egyrészt értelmezhető az úgynevezett „AI effect” (hiv2) kontrasztjaként, és így nevezhető akár AI komplexusnak is, másrészt magyarázható a Piaget-féle mágikus gyermeki világkép elméletének érvénysülésével (hiv3). Mindemellett nyilvánvaló, hogy például egy akármilyen magas szinten sakkozó gépnek sincs több köze a tudathoz, mint egy kilincsnek. Viccesnek tűnhet, de még az AI-val komolyabban foglalkozó szakmai blogokon is fellelhető olyan típusú elmélkedés, hogy „A lineáris regresszió tényleg gépi tanulás?” (hiv4), avagy mikortól tekinthetők bizonyos statisztikai algoritmusok az AI valamely szintjének. Vigasztalásként ugyanazon a portálon található a következő címmel is egy bejegyzés: „A természetes stupiditás veszélyesebb, mint a mesterséges intelligencia”. (hiv5)

Óvatosabb, tapintatosabb megfogalmazást olvashatunk a jelenségről Walter Isaacson: Innovátorok című (hiv6) könyve bevezetőjében: „… a mesterséges intelligencia (...)  hajszolása rendre sokkal kevésbé gyümölcsözőnek bizonyult, mint az ember és gép közti partnerség vagy szimbiózis lehetőségének megteremtését szolgáló próbálkozások”.

Ekkoriban a számítógépek még lyukszalaggal és/vagy lyukkártyával működnek, nagy termet töltenek be, egy bit ábrázolása relével valósul meg, egy bit akkora, mint egy villanykörte...

Az SPSS születése

• 1950 - Megjelenik Turing cikke a mesterséges intelligencia teszteléséről (Turing-teszt)
• 1952 -  Mrs(!) Grace Hopper: első compiler; Neumann: első modern számítógép (UNIVAC) 
• 1954 -  A Texas instruments bemutatja a szilícium tranzisztort
• 1958 -  Jack Kilby bemutatja az első integrált áramkört (microchip)
• 1960 -  Paul Baran kidolgozza a csomagkapcsolás elvét
• 1963 -  Licklider: felveti egy intergalaktikus számítógép hálózat tervét; Engelbart és Bill English megalkotja az egeret
• 1965 -  Moore: a mikrochipek teljesítménye évente duplázódik; Ted Nelson: első hipertext témájú cikk

A történet 1964-ig nyúlik vissza, amikor a chicagói Stanford University Politikatudományok Tanszékén Norman H. Nie és Dale Bent végzős hallgatók feladata volt saját dolgozataikon kívül a statisztikai adatfeldolgozás támogatása az egyetem oktatói és kutatói felé. Állandó frusztráltságot okozott számukra az akkori számítógépeken fellelhető sokféle adatfeldolgozó program használata, mivel azok eljárásonként más és más egyedi elv, programnyelv vagy szintaktika alkalmazását igényelték, saját program kiegészítésekkel, elégtelen dokumentációk alapján, hatalmas időráfordítással. Ha volt is valami szegényes dokumentáció, nyelvezete inadekvát volt a társadalomtudományok művelőinek.

Frusztrációjukat feloldandó és tapasztalataikat hasznosítandó Bent és Nie elkezdtek megtervezni egy egységes integrált programrendszert, amely megkönnyíti a rutinszerűen előforduló művelek elvégzését az adatelőkészítéstől a statisztikai elemzéseken át a társadalomkutatók számára is értelmezhető eredmények megjelenítéséig. Egy-két éven keresztül maguk fejlesztették a már akkor is létező programok (pl. BMD) alapján saját programcsomagjukat, amely végül előfutára lett a jelenlegi SPSS-nek. 1967-ben csatlakozott a projekthez egy igazi számítógépes szakember Hadlai (Tex) Hull, aki végre korszerűen működő rendszerré fejlesztette a folyamatot az akkor már széles körben használt Fortran programnyelven. Ennek köszönhetően más Fortran fordítóval rendelkező számítógépre is közvetlen áthelyezető csomag született. Bár az SPSS rendszernek sok hiányossága volt, megfelelően kielégítette a társadalomtudományok akkori adatelemző igényeit. Az SPSS alkalmazásának hatalmas hatása lett a társadalomkutatásokra. 

Norman Hugh Nie (1943-2015)), nem csak az IBM számára 1,2 milliárd dollárt érő SPSS atyjaként ismert. Nagy hatású tudós, szociológusként az amerikai szavazók viselkedését kutatta, amelyről több könyvet is írt, (pl.: The Changing American voter), és tucatnyi cikke jelent meg a politikatudományok területén. Munkásságáért számos díjban részesült, 2009-ben az Amerikai Tudományos Akadémia tagja lett.)

Az SPSS innovátorok a számítástechnikában akkoriban szokásos önzetlenséggel nyílt rendszerben gondolkodtak. Abban reménykedtek, hogy más szakemberek folyamatosan tökéletesítik, javítják, módosítják és bővítik a rendszert. Akkoriban az észak-amerikai egyetemek rendelkeztek úgynevezett harmadik, később negyedik generációs számítógépekkel. (IBM7090, IBM 360 és CDC verzió). A programot nem párbeszédes formára tervezték, eleinte kötegelt üzemmódban (batch) futott lyukkártya vezérléssel. Később viszont óriási siker volt a Stanfordon, amikor bevezették a szövegszerkesztővel terminálról már majdnem párbeszédnek is tekinthető táv-kötegelt üzemmódot. 

Nemsokára megvalósult az interaktív párbeszédek lehetősége, amihez az SPSS is igazodott. Az egész világon egyre többen próbálkoztak – Magyarországon is – saját, hasonló célú rendszerek fejlesztésével. Az SPSS alkotói elkezdhettek aggódni saját rendszerük esetleges elavulása miatt, de ez persze másképp történt.

IBM 360 - A korai SPSS verziók futottak ilyen gépeken.

Az SPSS termékké lesz

• 1968 - Noyce és Moore megalapítják az Intelt, és felveszik Andy Grove-ot.
• 1971 - Bemutatják az Intel 4004 processzort; Ray Tomlinson feltalálja az e-mailt
• 1973 - Bob Metcalfe/Xerox: Ethernet; Vint Cerf és Bob Kahn: TCP/IP protokoll
• 1974 - Piacra kerül az Intel 8080

1968-ban jelentik be hivatalosan is – „Statistical Package for the Social Sciences” néven – az SPSS programcsomag születését. Nie és Hull a Chicagói egyetem, illetve az egyetem könyvtárának támogatásával kezdik terjeszteni az SPSS-t, azaz megszervezték, hogy minden egyetem használhassa a programot – ingyenesen. Eredetileg egyáltalán nem gondolták, hogy erre céget alapozzanak. Mindenki folytatta saját karrierjét, Hull az Egyetemi Számítóközpont vezetője lett, Nie eleinte csatlakozott az amerikai Nemzeti Közvélemény Kutató Központhoz, de végül visszatért a Stanfordra és a Politikatudományok Tanszék vezetője lett. Bent visszament szülőhazájába, Kanadába, az Alberta Egyetem ajánlatát elfogadva.

Közben az SPSS járta a saját útját, fokozatosan egyre népszerűbb lett és bármiféle reklámtevékenység nélkül 1974-re elérte az évi 200 ezer dollár bevételt. A bevétel persze csak az 1970-ben a McGraw-Hill kiadásában megjelent első SPSS felhasználói kézikönyv eladásaiból származott, amely hamar elkelt 700 ezer példányban. Nie úgy fogalmazott: „Ez olyan, mintha a Gillette borotva eladások profitja a pengék árából származna”.(Hiv1) Bár penge helyett inkább borotvahabot is mondhatott volna. Megjegyzendő, hogy a korai SPSS felhasználói kézikönyvek sem szimpla menü leírások voltak, hanem a társadalomkutatók számára is érthető, valódi kutatásokból származó érdekes példákkal magyarázott statisztikai praktikumok.

Az SPSS főleg a felhasználói kézikönyv minőségének, praktikusságának és nem utolsó sorban elérhetőségének köszönhetően olyan sikeres és jövedelmező lett, hogy 1971-ben az amerikai adóhatóság megállapította, az SPSS nem csak szoftvertermék, hanem szoftvercégnek tekintendő, ez pedig veszélyezteti az egyetem adómentességét.

Norman H. Nie, Dale H. Bent and C Hadlai Hull. SPSS User Guide 1970. McGraw-Hill, az első kiadás hamar elkelt 700 ezer példányban, ebből csak 3 darab Európában.

Az SPSS céggé válik

• 1975 - Az MITS bemutatja az Altair első személyi számítógépet
• 1975 - Paul Allen és Bill Gates megírják a BASIC-et, majd megalapítják a Microsoftot
• 1975 - Steve Jobs és Steve Wozniak megalkotja az Apple 1-et
• 1977 - Apple II

1975-ben hivatalosan is céggé nyilvánítják az SPSS-t. Vállalatként is az egyetemi, akadémikus területre alapoznak, ellentétben a versenytársakkal (pl.: SAS). Nie és Hull még néhány évig továbbra is csak részidős kedvtelésként tekintettek az SPSS menedzselésére. Ehhez képest az SPSS rohamosan terjedt üzleti és kormányzati területen is. Például a NASA is használta az űrsiklóknál a meghibásodások közötti átlagos üzemidőt becslő számításokra, vagy az amerikai Nemzeti Erdészeti Hivatal a Nemzeti Parkokban előforduló balesetek és medvetámadások riportolására. Az SPSS egyre kedveltebb eszköz lett a fogyasztói piackutatás területén is (pl.: Procter & Gamble).

Egyre többen köszönhették, és köszönhetik ma is megélhetésüket az SPSS-el való munkának, oktatásnak. Az SPSS-hez való hozzáértés gyakorlatilag külön szakmává vált, sőt több szakmává, akár statisztikai képzettség nélkül is. Bizonyos cégeknél például DP-snek nevezik azokat, akik SPSS-el „csupán” adatelőkészítést és/vagy táblázást (Data Processing) végeznek, többnyire persze profi programozó képességekkel, hiszen általában igény a gyorsaság, illetve az esetlegesen „ipari” mennyiségben szükséges műveletek automatizálása. (A táblázási munkába itt beleértendő a táblacellák – százalékok, átlagok – közti különbségekhez a szignifikancia jelzések esetleges megjelenítése is.)

Az SPSS PC/DOS korszaka

• 1980 - Az IBM megbízza a Microsoftot egy PC operációs rendszer kifejlesztésére
• 1983 - A Microsoft bejelenti a Windows-t
• 1984 - Az Apple bejelenti a Machintosh-t

1984-ben megjelent az SPSS PC/DOS változata, ezzel az SPSS az első cég lett a saját kategóriájában, akinek nem csak nagyszámítógépen futhatott az applikációja. Kezdett kibontakozni az SPSS vezető szerepe a saját iparági szegmensében. Fontos fejlemény volt a Microsofttal való partnerség, főleg az SPSS grafikai megjelenésének vonatkozásában. Ebben az időben kezdtek létrejönni a nemzetközi SPSS képviseletek. Hollandiában már 1981-től, de 1990-re az SPSS 90 országban van jelen, köztük a Szovjetúnióban és Magyarországon is. Az SPSS /PC+ 4.0 még DOS-os (akkor már volt MAC-es is) változata annyira jól bevált, hogy sokan ma is használják. Különösen a Data Entry modulja nagyon népszerű ma is, főleg az adatrögzítésre szakosodott cégeknél, mert bár DOS-os felületen és korlátozott változószámmal működik, de egyszerűen megtervezhető kontrollált adatbevitelt biztosít SPSS típusú adatfájlt eredményezve.

Az SPSS Windows korszaka

• 1991 - Linus Torvalds bemutatja a Linux kernel (rendszermag) első változatát
• 1991 - Tim Berners-Lee bejelenti a World Wide Webet; Marc Andersen pedig a Mosaic böngészőt
• 1994 - Justin Hall elindítja az első blogot

Jack Noonan jelentős iparági tapasztalattal csatlakozik az SPSS-hez, mint új vezérigazgató. Norman Nie az igazgatótanács elnöke lesz. 1992-ben debütál az SPSS első Windows-os változata az SPSS 5. Noonan megnyitó ténykedése egy sales csapat felállítása. Az SPSS megcélozza az üzleti világot nem csak tartalmilag, árazásban is. Az SPSS szorgalmazza a nem csak hivatásos statisztikusok számára az adatbányász funkciók kihasználását. 1993-ban az SPSS-t jegyzik a Nasdaq-on, a nettó éves bevétel több mint 50 millió dollár és gyorsan emelkedik. 1995-ben bejelentik a www.spss.com honlapot.

Az SPSS növekedési pályára áll

• 1997 - Az IBM Deep Blue sakkszámítógépe legyőzi Garri Kaszparovot
• 1998 - Larry Page és Sergey Brin elindítja a Google-t

1996-ra a bevétel eléri az évi 84 millió dollárt, és egyben az SPSS fokozottabb növekedési stratégiába kezd, felvásárol több statisztikai szoftvercéget, köztük az akkor magyarországi akadémikus körökben is népszerű BMDP-t, és a piackutatás világban bajnok táblázó programot (Quantum) fejlesztő Quantime-világot.

1998-ban az SPSS felvásárolja az ISL-t (Integral Solutions Limited), ezzel megszerzi a Clementine adatbányász programot, amit kifejezetten gépi tanuláshoz kifejlesztett programnyelvek alapján hoztak létre. A Clementine, későbbi nevén Modeler hamar a cég húzó termékévé vált. Megoldották, hogy a Clementine-on belül a hagyományos SPSS is kezelhető legyen.

Az SPSS az üzleti világot célzó újításokkal bővítve termékkínálatát, a legnagyobb szereplővé kívánt válni – és az is lett – az üzleti intelligencia szoftver piacán. Jack Noonan új cégküldetést hírdetett, „a megnövekedett adatmennyiség hatékony kezelésével támogatni az adatvezérelt döntéshozást”.

Új értelmezést kapott az SPSS rövidítés is: „Statistical Product and Service Solutions”. A sors szójátéka, hogy aki ezt bejelentette, David Nicols akkori poziciója: Senior Principal Support Statistician – szintén SPSS-el rövidíthető. Ezután az SPSS szó csak logóként él tovább, az ezt követő szavak jelzik, melyik SPSS termékről van szó, például a Statistics vagy a Modeler utal az eredetileg SPSS vagy Clementine nevű szoftverre.

Az SPSS új piaci résekre fókuszál: szöveg, audio, video anyagok adatbányászata

•  2001 - Jimmy Wales Larry Sangerrel elindítja a Wikipédiát

2001-ben a bevétel évi 176 millió dollár. Az SPSS többféle „Az első xxx legjobb” listán szerepel, például a Forbes legjobb 200 vagy a Dolgozó Anyák legjobb 100 kisvállalat listáján. Az SPSS az idők folyamán számtalan számítástechnikai és egyéb díjazásban részesült, viszont ő maga is díjazóvá vált az SPSS innovatív alkalmazói felé.

Néhány a számtalan díjból, amit az SPSS elnyert.

Az új évezred elején az SPSS negyed milliónyi ügyfelet szolgál ki, több mint 100 országban, mindenféle területen: akadémikus, bank, kiskereskedelem, pénzügy, kormányzat, egészségügy, biztosítás, telekommunikáció, piackutatás. A leggyakoribb üzleti alkalmazási célok felismerni és megakadályozni a lemorzsolódást, csalást, növelni a bevételt, csökkenteni a költségeket, hatékonyabban működni. Az SPSS megkerülhetetlen a közvélemény kutatás, piackutatás, CRM és bármiféle kérdőíves alapú projektek esetén.

A 15. verzióra az SPSS-t teljesen átírják Java programnyelvre, felhő-üzemmód képessé válik, megvalósul több külső nyelv integrációja, azaz független vagy parancs szintaktika részeként is alkalmazhatók R, Python, .Net és Java szkriptek.

Erősödik a prediktív statisztikai szemlélet. Ennek egyik következménye, hogy a 40. évfordulót nagy izgalomban ünnepelő SPSS büszkén, de a felhasználók legnagyobb megdöbbenésére hirtelen átnevezte a céget és a programot is PASW-re (Predictive Analitics Softwares). Ezt a szokatlan, bár egészen találó nevet másfél év múlva az IBM változtatta „vissza” IBM SPSS-re.

Az SPSS IBM korszaka

• 2011 - Az IBM Watson megnyeri a „Jeopardy!” című vetélkedőt

A közelmúltat már csak néhány utalással jellemezzük. Miután az IBM 2009-ben 1,2 milliárd dollárért felvásárolta az SPSS-t, felhasználói szemmel úgy tűnt, mintha az IBM az SPSS Statistics-ot és a Modelert esetleg összeolvasztva egy már korábban felvásárolt üzleti elemző program (Cognos) alá kívánná rendelni, de szerencsére nem így történt. Viszont mindkét programban folyamatosan fejlesztenek olyan funkciókat, amelyek közelítik a modellezési lehetőségek technikáját, és a felhasználói élményt egymáshoz.

Már korábban is lehetett az SPSS-ben külső/belső programnyelveken fejlesztett saját vagy szerzett szkripteket használni, de az okos telefonok mintájára „okos SPSS”-nek nevezhető verzió, illetve az okostelefonoknál már megszokott módon SPSS-es internetes applikációkat letöltő oldal csak az utóbbi pár évben jelent meg. Különös, hogy az SPSS, de később az IBM is az applikációkat szemérmesen csak kiterjesztéseknek nevezi.

Az SPSS állandó újjászületése – folyamatos megtartva megújulás

Az idők folyamán óriási szakirodalma keletkezett az SPSS-nek. Legnépszerűbbek az SPSS saját korai ’User guide’-ai, és számtalan SPSS inspirálta könyv próbálja vonzóvá tenni a statisztikát a nem matematikusok számára is. Az SPSS az egész világon tantárgy a felsőoktatási intézményekben.

„Isten hozott a statisztika poklában”– ezzel a címmel próbálta a pszichológus hallgatókat is az SPSS közelébe csalni egy sussexi egyetemi honlap (hiv9), sikeresen, a honlap tartalma bestsellerré vált könyvként is megjelent. Több nyelven, magyarul is írtak túlélőkészletnek titulált könyvet az SPSS-hez (hiv10), teljesen más tartalmakkal.  Felemelő, hogy ilyen témájú könyvek is lehetnek bestsellerek (hiv11), de vajon mi a titka, hogy az SPSS maga is túlélő?
Időleges hiányosságaihoz képest az SPSS évről évre sorozatos újításokkal jelentkezett, melyek valamennyire orvosolhattak bizonyos elégtelenségeket vagy aktuális kihívásokat. Tekintsük például a hipotézis teszteléseket, ami kezdettől fogva az SPSS legfőbb ügye. Az első SPSS változatokban elérhető klasszikus szignifikancia alapú hipotézis tesztek néhány verziónként kiegészültek (hiv12), előbb a kismintákra is érvényes ún. egzakt próbákkal, majd automatizált tanuló-teszt minta összehasonlításokkal, később a bootstrap eljárással és a szimulációs technikákkal. Csak a legutóbbi verzióba kerültek a Bayes-féle statisztikák, amelyek felhasználják az MCMC (Markov-Chain – Monte Carlo) mintageneráló algoritmusokat is. (Megjegyzendő, hogy az SPSS AMOS modulban már 15 éve vannak MCMC-t használó eljárások.) Az SPSS Modeler pedig szingifikancia számítás helyett inkább fontosság mutatót (importance coeffitient) használ, ami a modell erejét, illetve a modellt alkotó elemek hozzájárulásának mértékét fejezi ki a magyarázható információ százalékában.

2015-ben megdöbbentő bejelentés sokkolta a szignifikáns statisztikák hajszolóit. Egy vezető amerikai alkalmazott szociálpszichológiai lap (hiv13) megtagadta a szignifikancia számításokon alapuló cikkek megjelenítését. Hoppá! Ismert, hogy a Sir Ronald Aymler Fisher angol tudós által magalkotott szignifikancia-szint fogalom már megszületése (1935.) után nem sokkal indulatokat váltott ki. Amikor Neyman és Pearson bevezette az első és másodfajú hiba fogalmát, Fisher a másodfajú hibát a mentális zavar valamiféle indikátorának csúfolta, és persze a méltó válasz sem maradt el (hiv14). Ma pedig egy tudományos lap érvénytelennek nyilvánítja a klasszikus szignifikancia alapú hipotézistesztelést. Itt nem részletezzük, hogy mi vezetett ehhez a nem előzmények nélküli fejleményhez, egy KSH folyóirat (hiv15) 10 féle szignifikancia tesztekkel kapcsolatos problémát elemez. Két okot mégis említünk, egyik a szignifikáns és szubsztanciális különbség összekeverése, a másik a statisztika erőltetett alkalmazása a természettudományokkal szembeni kisebbrendűségi érzet kompenzálása gyanánt. Néha már-már statisztokráciáról vagy statisztika-mérgezésről lehetne beszélni, (a technokrácia, pszichokrácia vagy a pszichológia-mérgezés szóalkotásokat utánozva). Ehhez – cseppet sem elítélhető módon – az SPSS puszta létezésével nagymértékben hozzájárult, a statisztikai módszerek felelőtlen alkalmazói által. Ám – Ciceróval szólva – dícsérni jöttem az SPSS-t, nem temetni.

Az SPSS sztori 50 év után is tovább folytatódik

Lehet reménykedni vagy találgatni, hova képes még fejlődni az SPSS. Egy lehetséges irány például, amit a lengyel SPSS képviselet utódcége (hiv16) már meg is valósított PS IMAGO néven. Ez az SPSS Statistics-nek egy dashboard-szerű környezetbe ágyazott működtetése, amelyben automatizálható a teljes adatfeldolgozási és modellezési folyamat vagy annak bármely része az adateléréstől az eredmények publikálásáig, akár a dashboard-on meghatározható esemény vagy időpontfüggő időzítéssekkel.

Az IBM az 50. évforduló kapcsán látványos újdonságokat harangozott be. Az SPSS az aktív felhasználók közreműködésével alakul tovább, egy teljesen újratervezett felhasználói felület által biztosított folyamatos felhasználói visszajelzések szerint. 

Előzetesen még egy kis spoiler: Lehetséges lesz az output ablakból ismételt végrehajtást indítani akár az eredeti output felülírásával – módosított paraméter, szintaktika vagy adat alapján. Ez emlékeztet az Excel adatcella kapcsolatok miatti automatikus változások élményére. Az analízis menü kiegészül az elemzés folyamatát „intelligensen” támogató művelet választó felülettel.

Prediktív szemlélettel, ha az IBM is úgy akarja, lehet még 100 éves SPSS évforduló is.