I diversi Paesi utilizzano simboli diversi per separare la parte intera da quella frazionaria di un numero. Ad esempio, alcuni Paesi usano una virgola (4,5) invece di un punto (4.5). Inoltre, a volte i Paesi utilizzano simboli diversi per separare i campi dei dati. Ad esempio, si possono usare i due punti o le tabulazioni invece delle virgole per separare i campi. È possibile specificare quali di questi simboli utilizzare. Fare doppio clic sul nodo per aprirne le proprietà e specificare i formati dati.

Nomi variabili. Selezionare un metodo di gestione dei nomi e delle etichette di variabile dopo l'importazione da un file .sav di IBM SPSS Statistics. I metadati che si sceglie di includere qui persistono per tutto il lavoro inSPSS Modeler e possono essere esportati di nuovo per l'utilizzo in IBM SPSS Statistics.

• Leggi nomi ed etichette. Selezionare per leggere sia i nomi che le etichette di variabile in SPSS Modeler. Questa opzione è abilitata per impostazione predefinita e i nomi delle variabili vengono visualizzati nel nodo Tipo. Le etichette vengono visualizzate in grafici, browser di modelli e altri tipi di output. La visualizzazione delle etichette nell'output è disabilitata per impostazione predefinita.
• Leggi etichette come nomi. Selezionare per leggere le etichette di variabile descrittive dal file SPSS Statistics .sav piuttosto che i nomi di campo brevi e utilizzare tali etichette come nomi di variabile in SPSS Modeler.

Valori. Selezionare un metodo di gestione di valori ed etichette dopo l'importazione da un file .sav di IBM SPSS Statistics. I metadati che si sceglie di includere qui persistono per tutto il lavoro in SPSS Modeler e possono essere esportati di nuovo per l'utilizzo in SPSS Statistics.

• Leggi dati ed etichette. Selezionare questa opzione per leggere sia i valori effettivi che le etichette valore in SPSS Modeler. Questa opzione è abilitata per impostazione predefinita e i valori stessi vengono visualizzati nel nodo Tipo. Le etichette valore vengono visualizzate nel Builder di espressioni, nei grafici, nei browser dei modelli e in altri tipi di output.
• Leggi etichette come dati. Selezionare se si desidera utilizzare le etichette valore dal file .sav piuttosto che i codici numerici o simbolici utilizzati per rappresentare i valori. Ad esempio, selezionando questa opzione per i dati con un campo sesso i cui valori di 1 e 2 rappresentano maschio e femmina, il campo viene convertito in una stringa e viene importato male e female come valori effettivi.

  È importante considerare i valori mancanti nei dati di SPSS Statistics prima di selezionare questa opzione. Ad esempio, se un campo numerico utilizza le etichette solo per i valori mancanti (0 = Nessuna risposta, –99 = Sconosciuto), selezionando l'opzione Leggi etichette come dati si importano solo le etichette valore Nessuna risposta e Sconosciuto e si converte il campo in una stringa. In questi casi, è consigliabile importare i valori stessi e impostare i valori mancanti in un nodo Tipo.

Nelle proprietà del nodo di importazione Asset dati, in Modalità, è possibile selezionare Query SQL se si desidera utilizzare SQL personalizzato per importare i dati da un database. Utilizzare un'istruzione SQL SELECT per estrarre righe o colonne di dati da un database. Il campo Percorso di origine non si applica se si utilizza la modalità SQL Query .

Il seguente esempio inserisce alcune righe di dati da una tabella di database:

select * from GOSALES.ORDER_DETAILS
where  UNIT_COST > 40,000 LIMIT 4

E questo esempio inserisce alcune colonne di dati da una tabella di database:

select QUANTITY, UNIT_COST, UNIT_PRICE from GOSALES.ORDER_DETAILS

La sintassi SQL utilizzata può variare in base alla piattaforma del database. Ad esempio, se si estraggono i dati da un database Informix , Informix richiede che i nomi dei campi siano racchiusi tra virgolette. Ad esempio:

select "Age", "Sex" from testuser.canvas_drug

Questa funzione SQL personalizzata attualmente è supportata dai seguenti database:

• Amazon Redshift
• Apache Hive
• Apache Impala
• Compose for PostgreSQL
• Db2 on Cloud
• Db2 Warehouse
• Google BigQuery
• Informix
• Microsoft SQL Server
• MySQL
• Netezza
• Oracle
• Pivotal Greenplum
• Salesforce.com
• Snowflake
• SAP ASE
• SAP IQ
• Teradata