I asked myself: What do I wish someone had told me when I first got JMP?我问自己：当我第一次接触 JMP 时，我希望有人能告诉我些什么？
让我带你回到几年前，回到我开始使用JMP软件的时候。我指的不是JMP公司，而是JMP这款软件。（在你开始质疑我为什么要在JMP博客上怀旧之前，请相信我，我这么做是有原因的！我保证！）
我刚拿到博士学位，开始了我的第一份正式工作。我从一些在研究生院做过工业实习的实验室同学那里了解到，JMP是半导体行业的通用软件，所以当我的经理建议我学习这款软件时，我并不感到惊讶。
我加入公司的时候，公司还比较年轻，培训体系也还没完善，所以JMP方面的培训并不多。因此，我最终只能自学JMP——通过反复试验、不断纠错，以及不断骚扰JMP技术支持（说真的，你应该看看我当时的工单记录……我最近翻出来看了，简直史诗级）。
好吧，为什么突然涌起这股怀旧之情呢？几周前，我和一些人讨论过这个问题，这让我开始思考，如果当初有人告诉我一些关于JMP软件的事情，我会作何感想。假设当时没有新用户入门指南，也没有JMP用户社区。假设我不知道我的JMP系统工程师是谁，也不知道如何联系技术支持，更不知道关于软件的任何信息。假设我当时已经弄明白了如何打开JMP并加载数据集，仅此而已。年轻的我正盯着一个类似电子表格的窗口，以及一个叫做JMP Home的界面。我会坐下来告诉他什么呢？回想过去，也反思了我后来培训过的那些JMP用户，我总结出了五点。所以，如果年轻的我还能从某个地方看到这些，以下就是我希望在我第一次接触JMP那天有人告诉我的五件事。
我们是视觉动物
第一点更偏概念性，但对某些人——尤其是程序员——来说，需要转变思维方式。我们是视觉动物——想想我们脸上有多少区域（眼睛）用于收集视觉信息。无论是偶然还是有意为之，我们都天生能够极其快速地处理视觉信息——几乎到了过分的程度。我们需要将数据可视化才能理解它。
可视化步骤对于数据分析至关重要，因为人们真的不擅长阅读数字表格。很遗憾，事实就是如此。如果表格超过几行，你几乎就无法发现任何趋势或数据质量问题。我最近在读一本关于Python数据科学的书——你猜他们从哪里开始讲起？没错，就是表格！整整四章都在讲表格、建模和汇总统计，之后才讲到如何绘制数据集图表，而这部分内容只用了一章（非常简短）就讲完了。
这个问题并非Python独有。我在其他学习过的分析语言（甚至包括LaTeX！）中也遇到过同样的情况。“表格优先”的理念从数据分析人员入行第一天起就被灌输，而且是错误的。有人告诉我这是因为图形编程比较困难，但这不仅仅是方便的问题——这是一个错误。让我来举例说明。
下表显示了一系列数据集的线性模型 (y = mx + b) 的统计信息。这些数据提供了几乎完全相同（且同样糟糕的）线性模型、相同的拟合统计量和相同的描述性统计量。如果您查看原始数据表，您可能看不出任何异常——但这与事实相去甚远。
下方是基于表格基础数据绘制的图表。它是交互式的，您可以随意使用左侧的筛选器。您找到彩蛋（或者更确切地说是恐龙蛋）了吗？该数据集是安斯库姆四重奏的变体，旨在帮助展示在建模或分析之前进行可视化的重要性。（此处显示的报告可在JMP 公共中查看，原始数据来自此处。）
JMP旨在帮助您避免“先分析后可视化”这种错误。图形生成器让您在进行大多数人认为的分析之前，就能轻松地将数据可视化。软件中的大多数报告都以图表开头。JMP是一款利用图形和视觉提示来辅助统计分析的工具，旨在引导用户找到潜在的宝贵信息。
这款软件更进一步，使图形具有交互性——用户可以通过链接到数据表的多个图表来探索复杂的关联关系。简而言之，JMP 的设计理念是引导用户先构建图表，然后再提出问题，这正是您应该做的。巧合的是，这引出了我希望有人早点告诉我的第二件事——这也是我们下次要讨论的内容。
什么？！说真的，抱歉留下了悬念。我原本打算只写一篇博文。毕竟，这五件我希望有人早点告诉我的事，最初是在一个小时的研讨会上分享的。但是，写完之后，我发现它篇幅太长，一口气读完有点吃力。JMP博客的编辑们非常慷慨地允许我把它分成系列文章。所以，我们现在就把它分成一个个小章节，方便大家阅读。不用谢。
如此真实！
而且，对于那些没有技术背景的人来说更是如此。 像我这样的。
在大学里，我学的是历史。 但一个非常很久以前，我记得在初中时讨厌代数，但喜欢几何。
所以当我偶然发现 JMP 时，版本1 ，我被迷住了。 仍然是。
@安德森姆j2 - 有趣的是，这些东西的周期性是多么的大。
这让我笑了，迈克——有几个原因。 首先，它显示了我们“第一次 JMP 体验”多年来的差异，以及因此而产生的观点差异。
当我第一次使用 JMP 时，它是一款仅适用于 Mac 的小型产品，仍处于其第一个版本 - 我使用的“竞争对手”包括 VAX 上的 SAS 和 RS/1。 对于“奇特”的图形，我们通常会将数据导出到 Kaleidagraph - 然后 JMP 就出现了。 我们能够如此快速、轻松地创建和重新创建图表的想法简直令人难以置信 - 即使当时的东西有点简陋，但这并不重要，因为它远远领先于其他一切。
当时我们立即接受了“先绘制图表，然后提出问题”的口号……这仍然是我在近 30 年后对新用户的第一条建议！
所以，我尝试了一下，什么也没发现，并意识到可视化数据的目的是（解释迈克）发现将线性模型拟合到数据是完全不合适的，但是如果我跳过可视化并开始使用统计表，我不会看到。
