Bueno, Wall Street se preocupa tanto por tomar decisiones rápidas que está colocando líneas dedicadas de alta velocidad para que los datos de las operaciones del programa puedan procesarse más rápido y las órdenes se ejecuten más rápidamente. Si Wall Street puede hacer todo esto en milisegundos, ¿no será una diferencia para usted obtener sus indicadores antes, en segundos en lugar de horas, a tiempo para que una respuesta rápida haga una diferencia?
La velocidad fue el tema del día de hoy, donde me uní a cientos de otros en Analítica predictiva mundo para hablar sobre cómo hacer las cosas más rápido, y qué lugar más perfecto para organizar este tema de discusión que en el corazón del centro de la ciudad de Manhattan. John Sall , SAS co-fundador y arquitecto jefe de JMP proporcionó una nota clave de 20 minutos sobre la velocidad, específicamente cómo es posible explorar sus datos, incluso los grandes datos, más rápidamente.
La pregunta que se hace la gente comúnmente: ¿Hay demasiados datos para usar gráficos interactivos? Cuantas más cosas pueda ver, más descubrimientos podrá hacer y obtener valor más rápidamente. Los gráficos ricos con más funciones y más dimensiones habilitan enormemente este proceso, y la animación también ayuda. La visualización rápida es clave. Esto es lo que aprendí de la exploración de datos visuales de John (en solo 18 minutos para ser exactos).
Al ver los registros de nacimiento de los CDC en los últimos 50 años usando Capacidades de Graph Builder en JMP :
Las mujeres mayores de 30 años tienen bebés más pesados.Los bebés varones tienden a pesar unos 100 gramos más que las hembras.No muchos bebés nacen los fines de semana. ¿Por qué? Los nacimientos programados rodean los horarios ocupados de los médicos.Algunos bebés han pesado hasta 22 toneladas. Oh, espera, no, solo faltaban valores en la tabla de datos.El tiempo necesario para descubrir estos pocos hechos a partir de 12.8 millones de nacimientos: 3 minutos .
Al ver los datos de ASA para comprender mejor los desafíos con el tráfico de las aerolíneas, agrupó los datos por mes y año, utilizando las capacidades de gráficos de mapas de calor para descubrir que:
Allí tenemos muchos retrasos en los Estados Unidos en diciembre de 1999 y 2000.No se implementó ningún mecanismo de seguimiento en 1987 para rastrear los retrasos.Es fácil crear un diagrama de dispersión de la demora por distancia y usar el agrupamiento para ver dónde están los datos más pesados.El tiempo que llevó hacer estas observaciones al examinar 123 millones de casos documentados: menos de 2 minutos .
Al ver los datos de las encuestas sociales y las estadísticas de la fuerza laboral utilizando 5,416 variables, John descubrió:
Lo que hace feliz a la gente (esto puede ser una publicación de blog por separado, pero puedo decir que la condición de salud y la estabilidad financiera estaban entre las variables mejor clasificadas).Si tiene 12 personas en su hogar, es poco probable que sea feliz. Sí, esto es realmente lo que mostraron los datos y provocó muchas risas de la audiencia de PAW.Tiempo total para descubrir lo que hace feliz a la gente: 2.5 minutos .
Para concluir, John indicó que además de toda la velocidad que JMP habilita en el escritorio, SAS ha hecho grandes avances en el análisis de alto rendimiento . Los clientes han podido abordar problemas que anteriormente eran difíciles de resolver. Algunas mejoras:
Reduciendo el tiempo de procesamiento analítico de 11 horas a 10 segundos, En otros casos 30 horas a 2 horas.Impulsando una mejora del 15 por ciento en las tasas de retención de clientes.Modelando 195 millones de registros de clientes en tiempo real.Nos hizo felices que John nos acompañara hoy para compartir estas ideas. Me di la vuelta para decírselo, pero él ya estaba saliendo por la puerta para tomar el tren de alta velocidad en la estación Penn para su próximo compromiso del día.
