Wayne Levin, el presidente de Predictum en Toronto, ofrece gratis podcasts sobre métodos estadísticos y su aplicación utilizando JMP. Los podcasts se ejecutan de 15 a 25 minutos, y cada uno se descarga miles de veces.
Su compañía trabaja con usuarios de JMP y SAS para mejorar su productividad a través de la educación y el desarrollo de aplicaciones personalizadas en JMP Scripting Language (JSL) y SAS. En casa de Predictum página de podcast , puede configurar una suscripción en iTunes u obtener instrucciones para otro software de captura de pod. Le pedí a Levin, cuya compañía es un socio de JMP, que nos contara más sobre los podcasts.
Yo: ¿Qué hay en estos podcasts y quién es su público objetivo?
Wayne: Hasta la fecha, los podcasts han sido en su mayoría instrucciones de JMP, revelando características de JMP quizás menos conocidas o menos entendidas. La audiencia está compuesta tanto por usuarios de JMP que buscan aumentar sus habilidades, como por los recién llegados y por aquellos que están considerando introducir JMP en sus organizaciones y desean saber más sobre esto.
Recuerde que soy un usuario, no un desarrollador, aunque a lo largo de los años, he tenido el privilegio de interactuar con casi todos los miembros del equipo de desarrollo de JMP. Por lo tanto, esta es mi opinión sobre JMP.
Lo único que une a todas las audiencias es la necesidad de comprender el diseño de JMP. Las aplicaciones analíticas no tienen un diseño común como, por ejemplo, aplicaciones de procesamiento de textos. Esto presenta tanto un desafío como una oportunidad. Si estuviéramos hablando de una aplicación de procesamiento de textos o de una hoja de cálculo, ya existe un diseño bien establecido en varios productos. Por lo tanto, si está acostumbrado a usar una aplicación de procesamiento de palabras, probablemente pueda cambiar a otra sin demasiada dificultad. Esto puede ser una ventaja, pero también es una desventaja, ya que limita la innovación ya que el producto está anclado en una extensión u otra en el diseño actual.
JMP no está anclado de esta manera. He estado usando JMP desde la versión 3, e incluso entonces estaba claro que había un diseño deliberado que no es como los demás. Cuando JMP 4.0 salió en 2000, la distinción de diseño se hizo mucho más evidente. Los desarrolladores han hecho un gran trabajo no solo para aliviar la carga de cálculo, sino también para facilitar el proceso analítico total.
Yo: ¿Puedes darnos un ejemplo específico?
Wayne: Por supuesto. Nuestro primer episodio fue sobre Estados de Fila, y exploramos cómo es una "mejor práctica" mantener todos los subconjuntos de variante de sus datos en una tabla de datos, en lugar de tener subconjuntos de variante de los datos en varios archivos (u hojas de cálculo) . Piénsalo. ¿Qué tan fácil es para cualquiera recoger un conjunto de datos de un proyecto en el que trabajaron hace meses y ejecutarlo? Al mantener todas las variantes en un solo lugar (incluidas las notas a través de la propiedad Nota de la columna y los análisis almacenados como tablas de comandos de tabla), es mucho más fácil reorientarse. Mantener los subconjuntos de variantes en una tabla se logra fácilmente con las columnas de estado de fila. Recibimos bastante correo electrónico de usuarios nuevos sobre cuán útil es esa característica y de usuarios experimentados que se sorprendieron de que después de todo su tiempo utilizando JMP, nunca habían explorado los estados de fila.
Yo: ¿Entonces el foco de los podcasts es tuercas y tornillos?
Wayne: Hasta ahora, pero eso está cambiando. El lema de Predictum es "Productividad analítica". Eso significa que los usuarios pasan su tiempo obteniendo información de sus análisis, todos ellos. Una de las otras cosas fantásticas sobre JMP es cómo hace que el análisis sea tan visual sin descalificar el importante papel de las estadísticas en bruto. Hace poco leí un libro de John Medina llamado Reglas del cerebro . La regla 10 es que la visión triunfa sobre todos los otros sentidos. JMP tiene algunos enfoques gráficos realmente innovadores para el análisis. Mi favorito es el gráfico de apalancamiento, y ese es el tema de los dos episodios más recientes.
Yo: ¿Cuál ha sido tu podcast más popular?
Wayne: Eso es difícil de responder. Todos obtienen miles de descargas, pero recibimos comentarios más apreciativos en unos que en otros. El episodio de Row State fue ciertamente popular, pero también lo fue el de la variedad de formas de guardar informes.
Yo: ¿Qué temas han planeado para los próximos podcasts?
Wayne: Power y Oneway ANOVA, que aprovechará una de nuestras ilustraciones basadas en JSL.
Yo: ¿Qué otras golosinas tienes en tu sitio web?
Wayne: Utilizamos JSL para desarrollar lo que llamamos Analytical Workflows ™, aplicaciones que se requieren ampliamente. Acabamos de terminar uno para el análisis de la respuesta a la dosis, ahora incluido en nuestra página de inicio - así como uno que llamamos respuesta múltiple, que facilita la regresión completa y por pasos en varias respuestas (docenas, cientos, incluso miles). Permite a los usuarios determinar rápidamente qué es estadísticamente significativo y prácticamente significativo mediante la incorporación de límites de especificación en el análisis.
Yo: ¿Cuál es tu música favorita para escuchar mientras trabajas en JMP?
Wayne: Casi cualquier cosa. Me encanta la música de George Harrison, siempre lo he hecho. Desde el rock clásico hasta el barroco y la ópera, todos ellos impulsan el proceso creativo. Últimamente, he estado aprendiendo algo de música tibetana e india.
