Re: Liste à puces de tous les concurrentsMerci pour le résumé et les efforts déployés pour maintenir cette liste!
Re : Liste à puces de tous les concurrents@danielvalente @saradoudt Toute information sur OriginPro https://www.originlab.com/ ? Les clients nous demandent comment JMP se compare
Re : Liste à puces de tous les concurrentsSalut!
Quelqu'un a-t-il des infos sur Stata ?
https://www.stata.com/features/
Re : Liste à puces de tous les concurrentsJ'ai été surpris de voir que Minitab fait également référence à son outil de visualisation de graphiques/données sous le nom de « Graph Builder »
c'est sur leur page d'accueil :

Re : Liste à puces de tous les concurrentsIntéressante Wendy. On dirait qu'il vient de sortir (au moins le communiqué de presse) hier ! https://www.globenewswire.com/news-release/2021/06/24/2252644/0/en/Minitab-Launches-Interactive-Graph-Builder-for-Minitab-Statistical-Software.html
Re : Liste à puces de tous les concurrentsBonjour à tous,
nous sommes actuellement face à amazon sagemaker ( Amazon SageMaker – Apprentissage automatique – Amazon Web Services ). Y a-t-il des informations disponibles concernant les points forts pour affronter ce "concurrent" @saradoudt @Daniel_Valente ?
Tout conseil est utile, cordialement DACHT1 @Manuela_Mek @Florian_Vogt
Objet : Liste à puces de tous les concurrentsLa modélisation:
KNIME
Liste à puces de tous les concurrentsCette liste à puces (alphabétique par concurrent) est destinée à servir d'aperçu des arguments de vente rapides par rapport à chaque concurrent pour tous les produits JMP (JMP, JMP Clinical, JMP Genomics, JMP Live). Chaque concurrent disposera également d'informations plus détaillées liées, telles que les SWOTS complets et les actifs associés. Cette page a été mise à jour pour la dernière fois à l'automne 2020 et sera mise à jour lorsque des informations supplémentaires sur les concurrents seront disponibles.
BioPython (JMP Génomique)
- BioPython est sujet aux erreurs, les programmeurs créent du code unique.
- BioPython n'a pas de support technique.
- Problème potentiel : les dernières méthodes d'apprentissage automatique sont disponibles plus tôt que JMP Genomics.
- En savoir plus sur JMP Genomics
Exensio
- Commun dans industrie des semi-conducteurs
- JMP est nettement moins cher par licence - peut être de 10 à 50 fois moins cher selon la position du compte sur la courbe des coûts de licence
- JMP est bien mieux adapté à l'EDA et à l'analyse ad hoc
- Va être plus flexible et peut gérer une plus grande variété de problèmes d'analyse (plus grand menu d'outils)
- JMP dispose de fonctionnalités uniques telles que DOE, Fit Model et l'analyse de fiabilité
- Les rapports JMP sont dynamiques et interactifs
Golden Helix (JMP génomique)
- Golden Helix a moins d'analyses.
- Golden Helix a moins de visualisations statistiques.
- Problème potentiel : Golden Helix a une branche de services pour faire le travail pour le client.
- En savoir plus sur JMP Genomics
Graph Pad Prism (à venir)
Matlab
- Courbe d'apprentissage plus rapide avec JMP.
- Tarification : le coût de la licence JMP peut être inférieur à celui de l'ajout de la boîte à outils de statistiques pour MATLAB lorsqu'il existe > 2 licences de JMP ; un bon sujet de discussion si le client ne dispose que d'une installation MATLAB de base.
- JMP est intégré à Matlab, R, SAS, Excel.
- SWOT Matlab
- Infokit JMP et Matlab
- Matlab en ligne
Minitab
- Minitab n'est pas interactif comme JMP.
- Minitab n'a pas la capacité d'effectuer des analyses à l'échelle et à la vitesse de JMP.
- Minitab est très limité dans le DOE et la modélisation prédictive par rapport à JMP ; Minitab n'a pas d'algorithmes d'exploration de données et ne dispose pas de fonctionnalités plus avancées que JMP.
- Minitab est uniquement compatible avec Windows, à l'exception de Minitab Express, qui est une version limitée destinée à l'enseignement.
- L'assistance et les ressources mises à disposition par JMP dépassent largement celles de Minitab.
- Analyse SWOT de Minitab
- Passer de Minitab à JMP - Guide de transition
- Formation Minitab
- Site Minitab
Optimale +
- On le voit couramment dans industrie des semi-conducteurs
- JMP est nettement moins cher par licence.
- JMP est bien meilleur pour l'EDA et l'analyse ad hoc.
- JMP peut également faire des choses qu'Optimal+ ne peut pas faire actuellement, comme le DOE, l'ajustement du modèle et l'analyse de fiabilité.
- Les rapports JMP sont dynamiques et les rapports Optimal+ sont statiques.
- Formation et informations sur les semi-conducteurs
Partek (JMP Génomique)
- Partek a moins d'analyses, n'autorise que les modèles jusqu'à 2 facteurs. Ex : vous pouvez comparer les différences d'expression entre les hommes et les femmes, et entre le contrôle, le traitement 1 et le traitement 2. JMPG permet de nombreux facteurs. Ex : en plus de la comparaison des sexes et de la comparaison des traitements, nous pouvons également inclure des groupes d'âge, des groupes de régime, etc. Autant de facteurs que vous avez besoin.
- Partek a moins de visualisations statistiques
- Problème potentiel : Partek dispose d'un pipeline complet qui permet à Partek d'effectuer un alignement de séquences, ce que JMP Genomics ne peut pas faire.
- En savoir plus sur JMP Genomics
Perkin-Elmer (JMP clinique)
Portrait
- Portrait est destiné aux spécialistes du marketing ; JMP est un outil statistique plus diversifié et plus riche qui peut être utilisé dans toute l'organisation.
- Portrait est Windows uniquement.
- Bien que connu pour ses capacités de modélisation d'uplift, JMP offre cela et bien plus encore.
Python
- JMP dispose d'une visualisation interactive dynamique et ne nécessite pas que vous écriviez du code pour explorer vos données.
- JMP dispose d'une interface « pointer-cliquer » conviviale.
- JMP a un DOE supérieur.
- JMP est prêt pour l'analyse des données après l'installation, il n'est pas nécessaire d'installer des « modules » supplémentaires.
- JMP et Python peuvent être complémentaires :
- Bien que plus lent que certains autres langages comme C ou C++, la capacité de traitement des données de Python est considérée comme excellente.
- JMP s'interface avec Python (et Excel, Matlab, R et SAS) pour permettre aux utilisateurs d'étendre leur ensemble d'outils et de tirer parti des synergies entre leurs outils.
- Utiliser JMP et JMP Pro avec Python et R .
- Formation R et Python
R Bioconducteur (JMP Genomics)
- R Bioconductor est sujet aux erreurs, les programmeurs créent un code unique.
- R Bioconductor n'a pas de support technique.
- Problème : les dernières méthodes d'apprentissage automatique sont disponibles plus tôt que JMP Genomics.
R Studio (Connect, Shiny, Serveur Pro)
Reliasoft
- JMP offre une meilleure valeur.
- Reliasoft se concentre uniquement sur la fiabilité, alors que JMP peut répondre à la fiabilité ainsi qu'à d'autres besoins de l'organisation.
- JMP est plus interactif et visuel, offrant à l'utilisateur une expérience plus riche ainsi qu'un meilleur moyen de partager les résultats.
- Reliasoft SWOT
Simca
- JMP offre une meilleure valeur.
- JMP a un bien meilleur DOE.
- JMP est plus graphique et interactif.
- Simca SWOT
SPSS
Spotfire
Statistiques
- Statistica n'a pas de DOE.
- JMP est plus simple à vendre : Statistica a de nombreux modules et JMP a la plupart de ce dont vous avez besoin.
- JMP est plus visuel et interactif et est plus étroitement intégré à SAS.
Tableau
- JMP est beaucoup plus performant en matière d'analyse et de préparation/nettoyage des données.
- Tableau n'a pas d'intégration SAS ou Microsoft Office.
- Tableau n'a pas de script et obtient de faibles notes pour les rapports interactifs et la possibilité de créer des applications analytiques.
- Tableau SWOT
- JMP vs Tableau sur les cartes de contrôle
- Formation Tableaux
Umetrics MODDE
- Logiciel DOE par Satorius Stedim Biotech
- Concurrent commun dans l'industrie chimique
- Umetrics MODDE SWOT
Informations sur les concurrents (SWOTS)Objet : Liste à puces de tous les concurrentsCelui-ci est venu dans un appel:
SEEQ
Objet : Liste à puces de tous les concurrentsJe ne vois pas encore Dataiku sur la liste
Objet : Liste à puces de tous les concurrentsJMPPro
Général
Stata MP17
Méd. Rés.
MedCalc
Méta-analyse complète
Taille de l'échantillon/Conception expérimentale
NCSS / PASSE
Nquery
Mod. & Simulateur
AnyLogic
Wolfram SystemModeler
gPROMS
DEM rocheux
Dynochem
Saut
STELLA
MEB
ADANCO
SmartPLS
IBM SPSS AMOS
LISREL
Visibilité des données /L'analyse exploratoire des données
Vue panoramique ( visualisation scientifique interactive multiplateforme open source)
Modeleur IBM SPSS
Évaluation des risques QbD
LeanQbD
Qualitatif / Non structuré / Texte
ATLAS.ti
MAXQDA
NVIVO
WordStat
ProSuite
SimSTAT
Or latent
Analyse des médias sociaux
UCINet
DOE/MVDA
Spécialiste en conception
Umétrique Simca
Aspen Redresseur
Aspen Redresseur HSI
Ajustement de la courbe /Analyse des données spectrales
OriginePro
Mestrelab Mnova
Certara Winnonlin (Pharmacocinétique NCA, Dissolution)
DDSolver (Dissolution - Freeware)
PKSolver (Pharmacocinétique NCA - Logiciel gratuit)
ASAP Prime (test de stabilité pharmaceutique)
Générateur de graphiques
Graphiste doré
ETL/Constructeur de processus/IA/ML
Concepteur Alteryx
Informatique
Statistiques TIBCO
Sisens
Dom
BO SAP
SAS Via
Regard
Planche
Dom
Dataiku
Analyse Zoho
JMP en direct
QlikViewName
TIBCO Data Science/Statistiques
IBM Cognos Analytics
AppOptics
Microsoft Power BI
Planche
Génomique JMP
Biodécouverte NxClincal
Atelier de génomique CLC
GSL Biotech Snapgène
DNASTAR Lasergène
QBase+
Prime généreuse
SoftGenetics - NEXTGENe, enquêteur de mutations, marqueur de gènes
Qlucore - Explorateur Omics, Diagnostics cliniques, Insights, Diagnostics
Clinique JMP
TIBCO Spotfire
Workflow de pharmacovigilance
Oracle Argus Sécurité
Oracle AERS
PvNET
ARISg
Objet : Liste à puces de tous les concurrentsje vais faire écho @dara_hammond . J'ai récemment participé au Hack-a-Thon de NXP et tout était Dataiku. Certes, ils étaient l'organisateur. Même ainsi, les gens ont eu la possibilité d'utiliser JMP, mais ont choisi de ne pas le faire. Ce que j'ai entendu de manière anecdotique, c'est que JMP était bon pour les petits problèmes, mais qu'il était relativement difficile à produire. En particulier, l'intégrer dans un cadre opérationnel de concert avec d'autres applications analytiques était difficile à manier en raison de la nécessité de développer et de maintenir du code JSL (d'après ce que j'ai vu, Dataiku s'appuyait principalement sur la création de diagrammes de flux par glisser-déposer). J'avais également entendu dire que Dataiku ne s'adapte pas bien aux gros problèmes de données. Quoi qu'il en soit, il serait bon d'obtenir une évaluation plus approfondie.
Objet : Liste à puces de tous les concurrentsJe ferai écho à Dataiku et YieldHub