聯合管理計劃是一個強大的分析和可視化工具，但為了使用它，您需要數據。 JMP 中的許多最佳功能都與導入數據相關 - 查詢生成器、XML 處理、多文件導入以及通過 HTTP 請求引入數據都是新功能，旨在輕鬆從其他來源引入數據，以便您可以進行分析並使用JMP 可視化數據。重新編碼等功能可以幫助您將雜亂的數據轉換為乾淨的數據集，數據表提供虛擬聯接等功能來有效地組合數據源。JMP 非常擅長處理您的數據......假設您有權訪問它。
在我們的職業中，我們經常使用客戶提供的數據源和公司內部的數據源，分析數據以增加利潤、改進流程並做出決策。 作為數據科學家，我們中的一些人喜歡查看自己的個人數據，這篇博文是在我開始撰寫一篇關於我的跑步數據的即將發表的論文時開始的。 我的故事不像我的一些同事所講述的那樣是一個個人故事量化自我和他們的自己的個人數據;我更感興趣的是通過分析我在比賽前的訓練來創建可視化並找到比賽成功的預測因素。 然而，創建這樣的分析論文確實帶來了我個人故事的各個方面，我想分享我在嘗試收集跑步數據時的經驗。
我開始在北卡羅來納州立大學跑步，因為我的學位課程要求我參加入門體育課程。 考慮到這些選擇，我選擇了“跑步訓練”，最終以 5 公里比賽結束。 我迷上了跑步和賽車，併購買了一台Garmin 先行者 301它與一個小型 Windows 應用程序同步，該應用程序非常擅長查看數據，但不提供可視化效果，也無法共享您的信息。 當時，我對此並不真正感興趣，儘管我確實喜歡統計我的總里程數和每周里程數以獲取動力。
Many runs and races are stored in various data sources over the years.Many runs and races are stored in various data sources over the years.Many runs and races are stored in various data sources over the years.Many runs and races are stored in various data sources over the years.多年來，許多跑步和比賽都存儲在各種數據源中。另外，我當時帶著iPod來聽音樂，後來又買了一部能夠充當自己的GPS的iPhone。 當時競爭並不激烈，耐克開發了Nike+，它有一種方法可以在沒有GPS信號的情況下在跑步機上跑步。 我不想戴上手錶並帶著我的 iPhone，因為我已經這樣做了來聽音樂，所以我轉而使用 Nike，並退役了 Forerunner。
Garmin 有一種方法可以出口到他們的TCX 文件格式，耐克當時允許導入該格式，所以我整合了我的數據。 耐克的網站提供了漂亮的可視化效果和谷歌支持的地圖，我可以從任何有互聯網的地方訪問這些地圖、公共API、導入和導出數據的能力，甚至如果我願意，還可以輕鬆地將跑步分享到社交媒體。
這篇文章不是關於人們放入雲、社交媒體和第三方軟件中的驚人數據量或這些決策所產生的安全影響。 我確實發現這些主題重要且有趣，但經常被忽視，但 10 年後我發現自己想要收集所有數據來撰寫這篇論文，但我做不到。
Nike+ 網站不再顯示以前顯示的任何可視化和統計數據 - 你必須使用他們的應用程序的最新版本，名為耐克跑步俱樂部。 該應用程序很好，工作方式與以前的網站非常相似，但無法導出數據。 如果您在網絡上搜索，您會發現一個現已刪除的 REST API 文檔的損壞鏈接的墓地，以及專門為獲取漲跌的 Nike 數據而創建的無數網站和應用程序。 大約一年前，我能夠使用以下方法提取 2016 年馬拉松跑步數據n+出口商該網站後來因 Nike 對其 API 所做的更改而被破壞。
經過大量搜索後，我偶然發現了一個名為運行間隙，它是一種管理多個數據源的方式——您提供登錄信息，它可以從 20 多個流行來源導入您的數據，目前包括 Nike。
我下載並嘗試了一下，終於能夠提取我的數據，儘管格式非常不方便，大約有 700 個單獨的 GPX 文件。 我可能只需支付一筆費用即可解鎖 Run Gap 中將數據直接從一個源傳輸到另一個源的能力。 在與我的同事 Julian Parris 討論這個問題後（ @朱利安），我已開始在 Strava 中記錄我當前的跑步情況。 API 支持和導入/導出功能更加用戶友好（目前）。
我的觀點是這樣的：如果您依賴第三方來存儲您的數據，您可能隨時會丟失它。 細則中已詳細說明。 這耐克服務條款明確指出：
耐克可隨時終止或修改任何耐克平台、會員計劃、產品或服務，恕不另行通知。
根據適用法律，耐克可以隨時出於任何原因終止或暫停您的帳戶、刪除您的個人資料或任何用戶內容，並限制您使用平台的全部或任何部分，而無需對耐克承擔任何責任。
這意味著耐克可以以任何理由刪除我的數據或將我鎖定在我的帳戶之外。 這並非聞所未聞。 例如，2015 年， LinkedIn 決定取消批量導出聯繫人的功能，此舉引起了強烈反對。 幸運的是，LinkedIn 聽取了用戶的意見並改變了方向。 然而，數據對於發現的重要性是至關重要的——與數據相關的挑戰是人工智能的最大障礙之一。 當數據來自其他來源時，收集數據可能會很困難，但至少您可以擁有自己的數據。 所以，趁還可以的時候去獲取你的數據。
