Mandy Chambers-, testeur de développement JMP, mandy.chambers@jmp.com
Olivia Lippincott-, Ingénieur systèmes JMP, olivia.lippincott@jmp.com
À l'ère du Big Data, nous n'avons souvent pas d'accès interne, ni la capacité ni la capacité de travailler avec l'ensemble des données qui vous intéressent. Au lieu de cela, nous devons travailler avec un échantillon ou un instantané des données et appliquer ce que nous apprenons à l'ensemble du jeu de données. Dans le cas de la détection de fraude par un fournisseur d’assurance-maladie, il est important que l’échantillon inclue toutes les procédures répétées utilisées par un fournisseur pour capturer les anomalies de ce type de fournisseur, ce qui conduit à une approche d’échantillonnage en deux étapes. Nous explorons le flux de travail JMP pour la capture d'un échantillon, la recherche de toutes les procédures répétées pertinentes utilisées par les fournisseurs, ainsi que la restructuration et le nettoyage des données compliquées à des fins d'analyse. Nous allons également illustrer les différentes méthodes d'échantillonnage dans des ensembles de données plus volumineux, notamment l'échantillonnage de données externes à JMP à l'aide de Query Builder pour se connecter à une base de données ou à un serveur SAS, ainsi que l'utilisation de données dans JMP à l'aide de JMP Query Builder et Virtual Join. Avec chaque exemple, nous couvrons les avantages et les inconvénients et utilisons des recommandations.
