Julia O'Neill uses statistics to quickly demonstrate the evidence needed to manufacture new medicines.Julia O'Neill uses statistics to quickly demonstrate the evidence needed to manufacture new medicines.Julia O'Neill uses statistics to quickly demonstrate the evidence needed to manufacture new medicines.Julia O'Neill uses statistics to quickly demonstrate the evidence needed to manufacture new medicines.Julia O'Neill utilise des statistiques pour démontrer rapidement les preuves nécessaires à la fabrication de nouveaux médicaments. Julia O'Neill, fondatrice de Direxa Consulting, a plus de 30 ans d'expérience dans le domaine des statistiques et du génie chimique dans les vaccins, les produits biologiques, le développement et la fabrication de produits pharmaceutiques et chimiques. Ses domaines d'intervention comprennent le soutien statistique, la validation et la stratégie réglementaire pour une large gamme de nouveaux produits accélérés, y compris la désignation de plusieurs percées et les médicaments orphelins.
O'Neill a l'habitude qu'on lui dise qu'elle est une magicienne. Lorsqu'elle partage son écran tout en réalisant une analyse complexe dans JMP , les gens sont impressionnés. Elle dit que c'est flatteur, mais cela ne se produit pas automatiquement lorsque vous avez terminé le processus d'installation.
Voici les trois secrets pour devenir une magicienne JMP sur lesquels elle s'appuie le plus.
Des extraits de sa chronique dans le dernier numéro de Magazine JMP Avant-propos :
Dessiner un diagramme qui correspond à l'expérience, au processus ou à la collecte de données qui a produit les données que vous souhaitez analyser. Ce diagramme s'avérera incroyablement précieux. Je commence à dessiner avec des marqueurs de couleur sur papier, mais ensuite j'aime le nettoyer suffisamment pour le partager numériquement.
Ecrivez les objectifs pour l'analyse à l'aide de verbes d'action et de noms concrets. Utilisez des phrases spécifiques, telles que :
- "Pour comparer les résultats de deux méthodes de test différentes."
- "Identifier les facteurs les plus importants pour augmenter le rendement."
- "Pour adapter un modèle prédisant la puissance en fonction des conditions de traitement."
- "Pour trouver des conditions de fonctionnement qui sont robustes aux variations des matériaux d'entrée."
Se vautrer dans les données . C'est le point de transition auquel je ne voudrais pas travailler sans JMP. Représentez graphiquement vos données latéralement, à l'envers, en tranches, agrégées - de toutes les manières que vous pouvez imaginer. C'est un excellent moyen de trouver des problèmes tels que des répétitions involontaires, des erreurs de frappe, des modèles de données manquantes et trop d'autres pour les énumérer complètement.
Pour lire son explication complète de ces secrets et en savoir plus sur ses autres astuces préférées dans JMP (également connues sous le nom de choses qu'elle devait faire à la main à l'école doctorale), téléchargez ou commandez votre copie de Avant-propos du JMP .
