Gerhard Svolbaはの同僚です。 SAS 経験豊富なアナリストであり、思いやりのある父親であるだけでなく、SAS Pressの執筆者でもあり、熱狂的な船乗りでもあります。彼はについての貴重な研究をしましたデータ品質の問題を検出するそして彼らのデータ分析への影響 。
レガッタの始まり（写真はGerhard Svolbaの好意による）
統計学者として、私はしっかりしたデータ品質評価の重要性と負担をよく知っています。私はウィンドサーフィンやスキューバダイビングに興味を持っているので、Gerhardと私は会ったときにいつも話すことがたくさんあります。最近、彼は彼が彼の最後の航海レガッタを記録し、私にログファイルを提供することを申し出たと私に言った。私は受け入れ、そして数日後に私は JMP 彼のGPXロガーからのデータを含むデータテーブル（非常にわかりやすい！）と、データで何を探すべきかについての推奨事項。
ロギングデータを含むデータテーブル
私には、GPXログほど退屈なデータファイルはありません。タイムスタンプ、座標、スピード、コンパスの見出しです。
そのようなファイルから何が期待できますか？さらに悪いことに、私の標準的な初期分析 - データをGraph Builderに取り込む - には奇妙な線がいくつかありました。
オーストリアとノイジードル湖
まあ、写真のズームアウト方法はレガッタが湖の中で起こったことを明らかにしました - オーストリアの最も東の地域。そしてそう、Gerhardはオーストリア人です、そしてあなたは彼が言わなければならないことに耳を傾けるだけでなく彼の素晴らしいアクセントを聞くべきです。
レガッタ自体に戻ります。セーリングでは、通過するブイがいくつかあるだけでブイ間に規定されたトラックがないので、レースがどのように進んだかを見るのは興味深いです。Local Data Filterを使用して、タイムスタンプを使用して帆船の動きを追跡することができます。
グラフビルダー、ローカルデータフィルター、グラフオプションのポイント
すべてのウェイポイントを示すグラフでは、最初にホットスポットから「ロックスケール」を設定しました。選択した領域にズームインするのではなく、コース全体のルートをたどることを望まないからです。
さまざまなスライダ位置に表示されたコースの一部
スライダーを使って、小さなタイムスライスを選択してスケール上に移動しました。私は彼らがどのように彼らのボートをその地域の西部に保ち、それから南東に向かって長い足を作ったか、そしてそれからいくつかのタッキング急に北に曲がる前に（おそらくブイの周りに）操縦する。彼らはまっすぐ北、北西に行き、そして次に異なるタック戦略で第2ラウンドを始めました。
記録なしの時間範囲
驚いたことに、2回目のラウンド後にすべてのポイントが消えてしまいました。そして何の活動もしないで妥当な期間を見つけました。同僚に間違いを見せることほど楽しいことはありません。それで私はGerhardに電話して私の発見について彼に言いました。
「まあ」と彼は言った。「私はあなたに言うのを忘れていました：データは3つのレースからのものです。
今、私はデータセット内の変数によって異なる人種を識別したいと思いました。JMPの対話式機能でそれ以上簡単なことはありません。私はちょうど左のスライダーハンドルをスケールの原点に動かしました。これで最初のレースの両方のラウンドが表示されました。コンテキストメニューから、私は「列の名前選択」を選び、列に名前を付け、値1を割り当てました。それから私はそれぞれ2と3の番号を持つ次の2つのレースに対して同じことをし、4番目の列ですべての合計を計算しました。これで、レースを1つのグラフに重ねることができました。
データ点のグラフィカルなサブセット化とラベリング
3つの識別された人種によるオーバーレイグラフ
これまでのところ、スライダーで遊んで電話をかけたところ、3つのレースのデータがあることがわかりました。主題に関する知識を追加すると、データがないことについても学ぶことができました。私はブイがどこに置かれたかを知っています、そして私は風が吹いていた方向についてかなり良い情報を持っています。
後ろから風で航行しているとき、セーリングボートは地上で最高速度を得ます。データには方位と速度がありますので、これらを調べました。
物流で選択された北北西西部のコース
風は北から北西の方向に吹いた。航行ボートがしっかりした地面を提供しないことを考慮して、私はコースの最も速い部分を見つけるために300から360度までの高度と20度以下のものを含む北コースのまわりのコンパス方位の範囲を選んだ。私の選択を再確認するために、位置グラフを見て、私が選択したものを少し修正して、移動せずに移動した距離全体を実際にカバーするようにしました。
サウスバウンドタックに関するノースコンパスの測定値？
選択したデータポイントの一部がに表示されることがわかったときの驚きを想像してください。南行きの足私は私が北部のコースだけを選んだと思ったので。今、私はGerhardに電話するもう一つの理由がありました、そして今度の答えはそれほど簡単ではありませんでした。GPXロガーは、データを未フォーマットのストリームとしてエクスポートします。通常、見出しは2桁の10進数で報告されます。しかし、記録された方向が完全に整数であった場合、そのロガーは単に小数点以下をスキップしました。データのインポートでは最初にその動作が無視され、常に最後の2桁が小数として解釈されました。たとえば、34815は348.15度として正しくインポートされましたが、348は3.48度として誤ってインポートされました。
この発見について興味深いのは、それがいくつかの論理（北部コースを選択する）とグラフ（ヨットの位置を示す）の組み合わせによってのみ明らかにされたということです。ロジックだけではこのエラーは見つかりませんでした。JMPの対話型グラフがなければ、この問題を発見することはできませんでした。そしてロジック部分に関しては、コードを書く必要はありませんでした。ヒストグラムのいくつかのバーをスライドさせるだけで済みました。
JMPを使用して、特定のデータセットの品質を評価するのは楽しいとは思いません。しかし、少なくとも、JMPはそれをとても簡単にします。それはあなたが他の戦略やツールを使って得ることができない洞察を提供します、そしてそれは速いです。そして私がこのデータを思い出したとき、問題を見つけることはしばしば原因を特定するより簡単です。
