Livello: intermedio
Funzione lavorativa: Analista / Scienziato / Ingegnere
Scott Wise, JMP Global Enablement and Training Manager, SAS
Con la quantità crescente di dati sulla garanzia / prestazioni disponibili, abbiamo un'opportunità d'oro per imparare molto di più sui nostri progetti / prodotti e trovare modelli di affidabilità / manutenibilità migliori. Tuttavia, queste informazioni aggiuntive spesso arrivano sotto forma di testo non strutturato da tecnici, ricercatori e clienti. L'incapacità di trovare raggruppamenti e tendenze in questi dati può nascondere i problemi reali che incidono sull'affidabilità, che non possono essere scoperti dalla nostra tradizionale analisi dei dati sui dati di test censurati e dai timestamp dei guasti della garanzia. Questa sessione mostrerà come il moderno software analitico può fornire un modo per esplorare rapidamente e facilmente questi dati di testo non strutturati per ottenere una migliore comprensione dell'affidabilità. Tratteremo le basi di come visualizzare, raggruppare, analizzare, modellare e infine trovare le tendenze utilizzando dati di testo non strutturati di garanzia / prestazioni. Esempi di settore mostreranno dati reali di garanzia / prestazioni in cui l'esplorazione del testo è stata utile per scoprire tendenze reali di affidabilità.
