Mandy Chambers-, tester di sviluppo JMP, mandy.chambers@jmp.com
Olivia Lippincott-, Ingegnere di sistemi JMP, olivia.lippincott@jmp.com
Nell'era dei big data, spesso non abbiamo accesso interno, la capacità o la capacità di lavorare con l'intero set di dati di interesse. Invece, dobbiamo lavorare con un campione o un'istantanea dei dati e applicare ciò che apprendiamo all'intero set di dati. Nel caso del rilevamento delle frodi del fornitore Medicare, è importante che il campione includa tutte le procedure ripetute utilizzate da un fornitore per acquisire anomalie per quel tipo di fornitore, il che porta ad un approccio di campionamento in due fasi. Esploriamo il flusso di lavoro di JMP per acquisire un campione, trovare tutte le procedure ripetute pertinenti utilizzate dai provider e ristrutturare e pulire i dati disordinati per l'analisi. Illustreremo anche i vari modi per campionare da set di dati più grandi, incluso il campionamento da dati esterni a JMP utilizzando Query Builder per la connessione a un database o server SAS e lavorando con i dati all'interno di JMP utilizzando JMP Query Builder e Virtual Join. Con ogni esempio, copriamo i vantaggi e gli svantaggi e utilizziamo le raccomandazioni.
