Bei der Entwicklung von Analysetools in JMP müssen wir unweigerlich Entscheidungen darüber treffen, wie Prioritäten gesetzt werden sollen:
Sollten wir das Produkt stärker machen, indem wir mehr Muskeln hinzufügen? Sollen wir es sexy und aufregender machen? Sollten wir uns auf die Schmerzlinderung konzentrieren, um sie weniger frustrierend und weniger belastend zu machen? Sollten wir uns in der Sprache der langen A-Wörter für Anabolika, Aphrodisiakum oder Analgetikum entscheiden?
John Sall hält die Antwort für analgetisch. Schmerzlinderung sollte die zentrale Motivationskraft für die Entwicklung sein. Natürlich schließen sich die drei nicht gegenseitig aus. Das Hinzufügen eines aufregenden Kraftfeatures könnte auch Schmerzen lindern. Schmerzlinderung ist jedoch von zentraler Bedeutung, da Schmerz der Zustand ist, der uns wirklich einfrieren, demotivieren und uns dazu bringen kann, bei einer weniger als vollständigen Perspektive anzuhalten, was unsere Daten uns sagen können.
Automatisch generiertes Transkript ...
Lautsprecher
Transkript
Jeff Perkinson Bei der Entwicklung von JMP-Funktionen hat John Sall, unser nächster Redner, eine interessante Denkweise darüber, wie wir Prioritäten setzen. Wir müssen priorisieren, welche Funktionen wir ... In welche Funktionen möchten wir investieren? Wie denken wir über das Wichtigste? Sind Funktionen, die unser Produkt leistungsfähiger machen, woran wir arbeiten sollten? Wie wäre es mit Funktionen, die es attraktiver oder sexier machen, oder Funktionen, die sich auf die Schmerzlinderung konzentrieren und die Analyse erleichtern? Nun, John ist der Meinung, dass Schmerzlinderung der Hauptmotivator für unser Forschungs- und Entwicklungsteam sein sollte. John ist der Mitbegründer von SAS. Er ist der leitende Architekt von JMP, das er vor mehr als 30 Jahren gegründet hat. Für Wissenschaftler und Ingenieure, die über Daten verfügen und eine Möglichkeit benötigen, diese zu untersuchen, ist eine Möglichkeit erforderlich, sie auf dem Desktop einfach visuell zu untersuchen. Er wird über die treibenden Kräfte hinter der JMP-Entwicklung und die Art und Weise sprechen, wie wir auf Funktionen stoßen, an denen wir arbeiten möchten. Damit möchte ich Sie willkommen heißen, John. Vielen Dank. John Sall Danke, Jeff. Und hier leben wir vom neuen digitalen Konferenzzentrum in Cary North Carolina, wo wir viel mehr Menschen unterbringen können. Also lasst uns das Licht ein wenig dimmen. Nun, ich bin nicht wirklich hier im digitalen Konferenzzentrum. Ich bin wirklich zu hause Also habe ich ein Home Office bekommen. Hoppla. Das nicht. Wie wir alle. Ich bin zu Hause und halte diese Konferenz ab. Wechseln wir jedoch zu einem Unternehmenshintergrund und legen los. Worüber soll ich also sprechen? Nun, wenn wir JMP-Veröffentlichungen haben, über die Jahre, in denen die Konferenzallianz entlang der JMP-Veröffentlichungen veröffentlicht wurde, sprechen wir darüber, aber in den alternativen Jahren wähle ich immer nur ein Thema aus. Also habe ich vor einem Jahr große Statistiken oder Geisterdaten im nächsten Jahr oder geheime Funktionen ausgewählt. Heute sind mein Thema große Wörter, die mit dem Buchstaben A beginnen. Nun, dies sind Wörter, die als Themen für die Entwicklung von JMP charakterisiert sind. Lassen Sie mich also meinen Bildschirm teilen. Und hier minimieren. Teilen. Welches Thema ist also am wichtigsten? Und hier beginnen die drei Wörter mit ... den großen Wörtern, die mit dem Buchstaben A beginnen. Wie Jeff gerade erwähnte, ist zuerst anabol. Bei Anabolika geht es darum, Muskeln aufzubauen und JMP stärker zu machen. Anabole Prozesse bauen Organe und Gewebe auf und diese Prozesse erzeugen Wachstum und Differenzierung von Zellen, um die Körpergröße zu erhöhen. Die Leistung von JMP zu steigern wäre also die Gelegenheit und das ist natürlich sehr wichtig, aber das nächste Aphrodisiakum, das JMP sexy, aufregender und spannender macht. Wir wollen also, dass das auch ein Attribut ist. Wir kümmern uns aber auch um Ihre Fortschritte während des Arbeitsablaufs. Analgetikum ist also das dritte Wort, und das bedeutet Schmerzlinderung. Schmerzlinderung. Ich möchte, dass die Leute Dinge wie die folgenden imaginären Zitate ausdrücken: \! "Version 15 hat mir gerade gedient ... hat mir Stunden oder sogar Tage Arbeit erspart, über die ich früher arbeiten musste. \!" Das ist viel Schmerzlinderung. Oder \! "Früher musste ich jeden einzeln machen und jetzt ist alles auf einen Schlag. \!" Viel Schmerzlinderung dort. Oder \! "Früher musste ich mehrere andere Tools verwenden, um alles zu erledigen, aber jetzt kann ich alles in JMP erledigen. \!" Oder \! "Ich habe meinen Kollegen gezeigt, wie ich es so einfach gemacht habe. Und sie waren erstaunt. \! " Oder \! "Früher musste ich das alles manuell programmieren, und jetzt sind es nur noch ein paar Mausklicks und fertig. \!" Oder \! "JMP hält mich im Fluss und konzentriert sich weiterhin auf die Analyse der Daten, anstatt sie zu sehr auf betriebliche Details umzuleiten. \!" Dies sind die Ausdrücke der Schmerzlinderung, die wir hören wollen. Warum sind nun Schmerz und Frustration echte Demotivatoren? Flow ist wichtig. Sie sind nicht abgelenkt, wenn Sie im Fluss sind. Wenn Sie im Fluss sind, lernen Sie eher etwas aus den Daten und machen Entdeckungen. Jetzt ist auch Empower wichtig, aber neue Funktionen werden in der Regel nur von wenigen und alte Funktionen von vielen verwendet. Deshalb möchten wir, dass die alten Funktionen besser funktionieren, um die Schmerzen bei der Verwendung zu verringern. Und natürlich hängt die Produktivität stark davon ab, wie effektiv unsere Tools im Hinblick auf den Zeitaufwand sind. Wenn wir es also einfacher und schneller machen können, zu den Ergebnissen zu gelangen, ist das ein großer Gewinn. Lassen Sie uns also viele Beispiele durchgehen. Zunächst die Skripte, die mit den Datentabellen geliefert werden. Hier sehen Sie nebeneinander ein Beispiel aus einer früheren Version von JMP. Ich denke, es ist JMP 14 oder 13, wo Sie früher die Maustaste auf dieser Schaltfläche gedrückt halten mussten und dann einen Menüpunkt aufgerufen haben und dann eine Schaltfläche zum Ausführen dieses Skripts gefunden haben. Aber der neue Weg hat nur eine Wiedergabetaste direkt neben dem Skript. Klicken Sie einfach auf diese Wiedergabetaste und Sie können ein Menü nicht mehr öffnen. Nun, das ist kein großer Gewinn, Sie denken, dass nur der Unterschied zwischen dem Klicken auf eine Schaltfläche und dem Herunterziehen eines Menüs nicht sehr groß ist. Es ist aber auch ein großer Gewinn für neue Benutzer, da neue Benutzer nicht mehr verstehen müssen, dass ein Hot Button darunter ausgeführt wird. Aber genau dort mit dem Skript befindet sich die Wiedergabetaste. Und so gibt es ein besseres Verständnis dafür, dass es sich um Skripte handelt. Und die Möglichkeit, Skripte mit Ihren Daten zu speichern, ist eine große Sache in JMP. Wir möchten, dass die Leute das sofort lernen und nicht um zwei herumfischen oder sich einen Tipp ansehen müssen, um zu erfahren, dass dies so ist. Es ist sehr praktisch, alle Ihre Skripte in der Datentabelle selbst speichern zu können und keine anderen Speicherorte zu finden. Also für neue Benutzer die Wiedergabetaste. Das ist also eine Schmerzlinderung nur in dieser einfachen Änderung. Und dies ist eine Änderung, die wir leider nicht viel früher in JMP vorgenommen haben. Lassen Sie uns über die Vorbereitung von Daten sprechen. Und eines der großen Dinge, die Sie tun müssen, wenn Sie Daten vorbereiten, ist das Verbinden von Daten aus mehreren Quellen. Jetzt musste JMP bereits ab Version 1 dem Dienstprogramm beitreten. Dies beinhaltet jedoch immer noch einen komplexen Dialog und das Arbeiten mit mehreren Datentabellen. Hier ist das klassische Beispiel, in dem ich Filme ausleihe und wir unsere Transaktionstabelle für Filmverleih haben, die den Kunden, die Artikelnummer, das Bestelldatum, das Bestelljahr und dann unseren Bestand an Leihfilmen sowie Details zu jedem Film enthält Film. Und dann haben wir die Kunden ... Informationen über die Kunden und so weiter. Und wir möchten Fragen stellen, alle drei Tabellen einbeziehen, z. B. welche Geschlechter in welchen Filmgenres vorherrschen. Nun, dazu müssen Sie alle drei Tabellen durchgehen, und natürlich ist der Befehl join der richtige Weg, dies zu tun. Ich nehme die Transaktionsdaten und füge sie mit Kunden zusammen. Und natürlich ist die Kunden-ID die übereinstimmende Spalte, und ich möchte die Nicht-Übereinstimmungen von der Transaktionsseite einbeziehen. Wenn ich also keine Kundendaten habe, verliere ich meine Transaktionsdaten trotzdem nicht. Und das nennt man den linken äußeren Join, und so entsteht die neue Datentabelle. Und jetzt zu dieser Datentabelle möchte ich das mit den Inventardaten verbinden. Also verbinde ich das mit der Artikelnummer, mit der ich dann übereinstimme, und dass ich auch einen linken äußeren Join möchte und jetzt habe ich eine andere Tabelle. Anstatt drei Tabellen zu haben, habe ich jetzt fünf Tabellen, die Ergebnisse dieser Verknüpfung, aber jetzt kann ich die Frage nach Geschlecht nach Genre beantworten, welches Geschlecht dazu neigt, mehr von welcher Art von Film zu leihen. Dazu gehörte auch die Erstellung all dieser neuen Zwischendatentabellen. Es stellt sich heraus, dass es einen viel einfacheren Weg gibt und der Schmerz nur dieser zusätzlichen Schritte und zusätzlichen Tische erheblich reduziert werden kann. Lassen Sie mich diese Tabelle auf dieser Tabelle rückgängig machen. Und ich möchte darauf hinweisen, dass es unter dem Befehl tables einen Befehl namens JMP query builder gibt, der die Folgefunktion zum Verknüpfen von Tabellen aufruft. Dies ist viel einfacher als bei all diesen Verknüpfungsdialogen, erstellt jedoch immer noch neue Datentabellen. Aber vor ein paar Veröffentlichungen haben wir etwas noch Besseres herausgebracht, das die Schmerzen noch weiter lindert, und das ist eine virtuelle Verbindung. Wenn ich mir diese Transaktionstabelle ansehe, habe ich festgestellt, dass sie bereits verbunden ist. Was also passiert ist, ist, dass bei der Erstellung der Filminventartabelle diese eindeutig anhand der Artikelnummer identifiziert wird. Und so gebe ich der Artikelnummer eine Link-ID, die besagt, dass sie dadurch eindeutig identifiziert wird, und auf diese Weise kann ich diese Tabelle indizieren. Ebenso habe ich eine Artikel-ID zur Identifizierung der Kundendaten. Und wenn ich meine Transaktionsdaten vorbereite, haben diese beiden in gewisser Weise Fremdschlüssel, eine Linkreferenz und sie verweisen auf verschiedene Datentabellen durch die ... die identifizierende ID über sie hinweg. Und so verknüpft es es automatisch und ich habe bereits alles, was ich brauche, um diese Frage zu beantworten. Damit ich für jedes Geschlecht etwas tun kann, kann ich das Genre des Films finden, den ich machen möchte. Und so kann ich hier mit Actionfilmen sehen, dass die Männer mehr und Familienfilme von den Frauen und rom com mehr von den Frauen und so weiter gemocht werden. Daher habe ich meine Frage mit drei Tabellen beantwortet, ohne dass alle Verknüpfungen durchlaufen werden müssen, da sie virtuell verbunden werden, indem diese ID-Spalten über die Tabellen hinweg abgeglichen werden. Ich habe viel Schmerzlinderung daraus gemacht. Schließen wir das also tatsächlich. Das Zusammenfügen von Datentabellen hat meiner Meinung nach eine Menge Schmerzlinderung in Bezug auf die Veröffentlichungen mit sich gebracht. Rekodieren, das ist eines der wichtigsten anderen Dinge, die wir tun, wenn wir Datensätze vorbereiten. Wir haben vor vielen Releases mit einer sehr einfachen Neukodierung begonnen, bei der wir nur ein Feld für den alten und den neuen Wert hatten und der neue Wert mit dem gleichen Wert wie der alte Wert gestartet wurde. Dann kann ich diese Werte ausschneiden und einfügen oder bearbeiten um in eine neue Spalte oder die vorhandene Spalte umzukodieren. Und jede Version neu zu codieren hat dramatische Verbesserungen erfahren und wir sind sehr gespannt auf den aktuellen Stand. Schauen wir uns also diesen Datensatz von Krankenhäusern und Bezirkskrankenhäusern an. Und jetzt ist die Neukodierung direkt auf der rechten Schaltfläche oder im Kontextmenü in der Spaltenüberschrift. Und ich kann durchgehen und einfach ein paar Dinge auswählen und sie zu einem neuen Wert gruppieren, wie zum Beispiel eine Klinik. Aber ich denke, es gibt auch viele Abkürzungen. Und eine meiner Lieblingsverknüpfungen ist das Gruppieren ähnlicher Werte. Und so kann ich einen Schwellenwert für die Anzahl der Zeichenunterschiede usw. angeben, und all diese Dinge werden automatisch gruppiert. So werden alle Bezirkskrankenhäuser mit leicht unterschiedlichen Schreibweisen in einer zusammengefasst. Und ich kann immer noch ... sieht aus wie es einen verpasst hat. Aber es ist okay, ich kann jetzt eins mit den anderen gruppieren und alle ländlichen Krankenhäuser wurden automatisch nach den passenden gruppiert und es sieht so aus, als könnte ich hier ein zusätzliches zusammenbringen. Und jetzt habe ich plötzlich etwas. Ich habe viel Mühe gespart, um all diese Neukodierungen durchzuführen. Und natürlich haben wir in JMP 15 neue Funktionen hinzugefügt, die ich hier nicht zeigen werde, aber ich möchte darauf hinweisen. Wenn Sie einen anderen Datensatz mit allen ... nachgewiesenen ... besten Kategorienamen für diese Kategorien haben, kann ich einen Übereinstimmungsprozess durchlaufen und ihn die engste Übereinstimmung auswählen lassen, wenn er eine Übereinstimmung mit all diesen Dingen findet. Die Rekodierung hat sich im Laufe der Veröffentlichungen stark weiterentwickelt, um die Schmerzen bei dieser Operation zu verringern. Und natürlich darüber nachdenken. Wie viel Zeit verbringen wir mit der Vorbereitung der Daten im Vergleich zur Analyse? Oft werden 70 bis 90% unserer Zeit für die Vorbereitung der Daten aufgewendet. Und so werden die Verringerung des Schmerzes und die Verkürzung der Zeit davon zu großen Gewinnen. Also Schmerzlinderung beim Rekodieren. Werte anklicken. Hier ist der Stadtdatensatz. Und nehmen wir an, wenn ich mir die Details für einige dieser Dinge anschaue, die vielleicht ein Ausreißer für etwas sind, möchte ich sie genauer betrachten. Und so kann ich daraus einen Link machen. Lassen Sie es uns also in eine Wikiki-Seite verwandeln. Ich werde diesen Text dort kopieren und zu Spalteninformationen gehen und ihn dann in einen Link verwandeln, der der Ausdruckshandler ist. Und jetzt kann ich diese Tabelle nehmen und in eine Webadresse konvertieren. Also gehe ich zu wikipedia.org und nehme dann den Namen dieser Stadt und ändere ihn in Groß- und Kleinschreibung. Ich kann ihn in dieser Zeile testen und Albany aufrufen. Und jetzt sage ich ... Oh ok. Und jetzt kann ich auf eine beliebige Stadt klicken und dann den Wikipedia-Artikel über diese Stadt erhalten. Oder es kann geändert werden, um Koordinaten abzubilden. Also kann ich ... lass uns diesen Text kopieren und zu den Spalteninformationen gehen und stattdessen werde ich stattdessen einen Titelfall machen. Mal sehen, ob das in Ordnung ist. Und jetzt kann ich auf Denver klicken und es werden Denver und Google Maps abgefragt. Okay, also habe ich Dinge zu Links gemacht ... Ich kann suchen, Kartenanfragen stellen und so weiter. Ich kann diese Rede sogar einfügen und darauf klicken und den Namen der Stadt sprechen lassen. Ich denke, dies gibt mir die Möglichkeit, Links in unseren Datentabellen zu speichern, die auf Webseiten verweisen oder andere Dinge tun. Alles, was Sie mit ACL ausdrücken können, können Sie mit diesen Ereignishandlern tun. Das kann also viel Schmerz lindern. Eine meiner bevorzugten Techniken zur Schmerzreduzierung ist das Senden. Hier halten Sie die Befehlstaste oder die Steuertaste gedrückt, um Vielfache auszuführen, und Sie haben viele ähnliche Analysen. Okay, dies funktioniert nicht nur für Menübefehle, sondern für viele Schaltflächen und zum Ändern der Größe von Diagrammrahmen und zum Ausführen anderer Aufgaben, Einfügen von Elementen in Diagramme usw. Lassen Sie uns ein Beispiel dafür machen. Und klicken wir auf ... oder verteilen Sie einfach alle diese Spalten. Nehmen wir an, ich wollte diesen Boxplot loswerden. Und wenn ich nur diesen Menüpunkt gedrückt halten würde, würde ich das Box-Diagramm für diesen Punkt entfernen. Ich möchte jedoch das Box-Diagramm für alle Elemente entfernen. Also werde ich die Befehlstaste gedrückt halten und das Kontrollkästchen deaktivieren. Jetzt ist es für all diese Dinge deaktiviert. Ich kann jetzt die Quantile deaktivieren und es wird für alles deaktiviert, da es diesen Befehl übernommen und an alle aktiven Objekte in diesem Fenster gesendet hat, und für diejenigen aktiven Objekte, die diesen Befehl verstehen, wird der Quantil-Befehl dann gehorchen dass dieser Befehl. Das funktioniert jetzt sogar für einige Dinge, die mit dem Auffordern von Dialogen zu tun haben. Schauen wir uns also die zusammenfassenden Statistiken an. Lassen Sie mich die Befehlstaste gedrückt halten und die Zusammenfassungsstatistik anpassen. Nehmen wir an, ich möchte nicht die Konfidenzgrenzen, aber die Anzahl der fehlenden Werte. Und ich werde sagen, okay, und das wird auf alle angewendet ... all die Dinge. Dazu musste es die Ergebnisse dieses Dialogs nehmen, daraus ein Skript erstellen und dieses Skript dann an alle anderen Stellen in diesem Fenster senden. Das passiert nicht immer. Wenn Sie eine Eingabeaufforderung erhalten, erhalten Sie manchmal eine Eingabeaufforderung für jede Analyse. Für jede Veröffentlichung versuchen wir, ein paar weitere Details zu implementieren, bei denen der Dialog vor der Übertragung erfolgt, damit an jedem verfügbaren Ort derselbe Dialog gesendet wird. Und natürlich kann alles andere, was ich senden kann, eine Änderung senden, und es wird sich ändern, wissen Sie, die Größe all dieser Elemente, oder ich kann eine Änderung der Hintergrundfarbe senden, und ich kann alle Hintergrundfarben in allen Darstellungen in Orange ändern das scheint für diese Frame-Box relevant zu sein. So wird diese Sendung zu einem sehr mächtigen Werkzeug. Das hat den meisten von uns viel Schmerz erspart, aber es gibt immer noch Fälle, in denen Sie möglicherweise 40.000 nach Gruppen haben, wie zu Beginn dieses Jahres, und er möchte eine inverse Vorhersage für alle 40.000 machen, und Sie werden 40.000 Mal dazu aufgefordert . Das wird für Version 16 behoben. Das ist eine Menge Schmerzlinderung für diesen einen Benutzer. Formelspalten speichern. Ich liebe Formelspalten. Wenn Sie ein Modell anpassen, können Sie eine Spalte mit Vorhersagen speichern. In dieser Vorhersage gibt es jedoch eine Live-Formel, mit der Sie diese Formel untersuchen, ändern und auf neue eingehende Daten anwenden können. Sie können es der Speicherformel zuordnen. Wenn Sie über JMP Pro verfügen, können Sie zum Formeldepot gehen und viele andere Dinge tun. Sie können daraus Code generieren und so weiter. Die Fähigkeit, Formeln zu speichern, ist also eine wichtige Sache, aber manchmal, wenn Sie beispielsweise nach Gruppen arbeiten, hat das Speichern von Formeln eine Menge zusätzlicher Subtilität. Lassen Sie uns zum Beispiel passen, dies sind die Diabetesdaten, bei denen wir die Antwort gegen all diese Prädiktoren anpassen und dies für jedes Geschlecht separat tun möchten. Also lass uns das machen. Und so haben wir zwei nach Gruppen für Geschlecht eins und Geschlecht zwei. Nehmen wir nun an, wir möchten den vorhergesagten Wert für beide tatsächlich speichern. In den alten Tagen, bevor wir dies vielen Schmerzlinderungsmethoden unterzogen haben, wurde das, was passieren würde, wenn Sie es speichern, in eine lokale Datentabelle verschoben. Wenn Sie im Fenster Datentabelle unter Wiederherstellen nachsehen, wird die Tabelle nach Gruppe angezeigt. Für Geschlecht = 1 gibt es hier also 235 in dieser virtuellen Datentabelle, die Sie für Geschlecht = 1 anzeigen können. Hier gibt es eine Tabellenvariable, die die By-Gruppe dafür anzeigt. Und es würde es in dieser temporären Tabelle speichern, anstatt in der realen Tabelle, die Sie haben und die wirklich gespeichert ist. Aber vor einiger Zeit, als Sie die Vorhersageformel gespeichert haben, speichern wir sie in der realen Datentabelle. Und wenn ich mir das ansehe, habe ich es nur für gender = 1 gespeichert, und wenn ich mir die Formel dafür ansehe, zeigt es, dass wenn gender = 1, das war die by group-Klausel, es diese lineare Kombination hat, die a bildet Vorhersage für diese Variable. Und wenn ich dann gender = 2 mache oder wenn ich die Befehlstaste gedrückt habe, um die Vorhersageformel zu senden, sind jetzt beide vorhanden, und ich habe beide Klauseln für Geschlecht 1 und Geschlecht 2 zur Verfügung. Es wird also jedes Mal eine Klausel zu dieser Ausgabe nach Gruppe hinzugefügt. Übrigens passiert dasselbe, wenn Sie andere Dinge speichern, wenn ich eine Spalte mit Residuen speichere und diesmal die Befehlstaste gedrückt halten. Wenn ich eine Spalte mit Residuen speichere, wird sie für jede nach Gruppe gespeichert, und es wird der für diese Gruppe geeignete Residuum gespeichert. Es ist, als hätten Sie die vorhergesagte Formel von der ursprünglichen Antwort abgezogen, diesmal jedoch ohne Formelspalte. An fast allen Stellen in JMP haben wir es nicht überall getan, aber wir haben es an den meisten Stellen getan. Wir haben es in einer By-Gruppe oder in einigen Fällen über eine where-Klausel gespeichert und es dann in der ursprünglichen Datentabelle mit gespeichert die Bedingung in der if-Anweisung. Okay, das hat viel Mühe gespart. Wenn dies nicht verfügbar gewesen wäre, wurde tt in einer temporären Tabelle gespeichert, und dann müssten Sie diese Formel ausschneiden und einfügen und if-Tabellen in die ursprüngliche Tabelle einfügen. Also haben wir diese Probleme gelöst. Nehmen wir nun an, ich habe es erneut gespeichert, den gesamten Vorgang erneut ausgeführt und eine andere Sache ausgeführt, z. B. mit verschiedenen Variablen, von denen einige entfernt wurden, und jetzt erneut gespeichert. Also speichere ich die Vorhersageformel, diesmal halte ich die Broadcast-Taste gedrückt, mache tatsächlich eine neue, anstatt in der alten zu speichern, und füge danach eine 2 hinzu. Nun, woher weiß es, dass es nicht in dem alten gespeichert werden soll? Nun, jede Passform hat eine ID. Und wenn ich mir die Eigenschaften nach ID ansehe, hat sie die Nummer, eine eindeutige Nummer, die für jede Anpassung neu generiert wird. Solange sie eine andere ID hat, haben die verschiedenen Gruppen dieselbe ID mit einer nach Partition. Aber solange es die gleiche ID hat, wird es in der gleichen Sache gespeichert. Andernfalls wird ein neuer Ort zum Speichern erstellt. Wenn wir Vorhersagewerte, insbesondere Vorhersageformeln, sagen, werden auch ein Attribut, der Ersteller und in einigen Fällen andere Informationen erstellt. In diesem Fall hat es die Zielvariable y, das wird vorhergesagt und der Ersteller passt die kleinsten Quadrate an. Und wenn Sie dann andere Plattformen ausführen, z. B. wenn Sie einen JMP Pro-Modellvergleich haben, wird dieser Modellvergleich verstehen, welche vorhergesagten Werte sich auf welchen Ersteller in welchem Ziel beziehen. Auf diese Weise können alle diese Informationen für diese Mehrwertplattformen nachverfolgt werden. Formelspalten arbeiten also, indem neue Klauseln hinzugefügt werden und andere Eigenschaften verwendet werden, einschließlich der nach ID. Und die Vorhersageklauseln speichern, wenn Sie sie in kategorialen Variablen speichern, eine ganze Reihe von Variablen, um die Wahrscheinlichkeiten für jede Antwortstufe und alles, was in allen Metadaten und Anforderungen enthalten ist, zu haben. Und das sollte viel Schmerz sparen. Entfernen von Effekten aus Modellen. Schauen wir uns ein Beispiel für die Anpassung von Größe und Gewicht an. Hier ist ein Beispiel für ein hochgradiges Polynom. Dies ist ein Polynom siebter Ordnung, das besser passt als Polynome sechster Ordnung und so weiter. Aber würden Sie dieser Passform vertrauen? Es stellt sich heraus, dass wenn Sie dem Modell viel Flexibilität geben, indem Sie hohe Polynomterme einführen oder einfach mehr Variablen einführen, es viel mehr Anpassungsmöglichkeiten bietet. In diesem Fall ist es flexibel, einen tiefen Sprung zwischen den vorherigen Daten und dem letzten Datenpunkt zu machen, um besser zu diesem letzten Datenpunkt zu passen. Und so ist es überpassend. Es ist so ... es verwendet diesen Parameter, um Rauschen anzupassen, anstatt die Daten selbst anzupassen. Überanpassung ist daher immer dann ein Problem, wenn Sie große Modelle haben. Sie möchten also das Signal anpassen, nicht das Rauschen. Okay, große Modelle neigen dazu, mehr Variationen in die Vorhersage einzuführen, da die Vorhersage schließlich eine Funktion der von ihnen verwendeten y-Variablen ist, aber auch, dass die y-Variable ein systematischer Teil dieser Variablen plus des Fehlerteils ist Wenn dieser variable Teil dieser Variablen zufällig ist, beinhaltet Ihre Vorhersage diese Zufälligkeit. Und wenn Sie zu viel Flexibilität zulassen, wird es zu einem Überanpassungsproblem kommen, das Sie durch die Einbeziehung aller Variablen in dieses Modell viel schlimmer vorhersagen werden. Die Lösung dafür besteht darin, das Modell zu verkleinern, die Größe des Modells zu verringern oder die Größe der Koeffizienten im Modell zu verringern, so dass weniger von dieser Abweichung vom zufälligen Term des Modells in den vorhergesagten Wert übertragen wird. Bei kleinen DOE-Problemen ist dies kein Problem, da die Daten klein und ausgewogen sind, um genau zu dem Modell zu passen, für das Sie sich entscheiden. Für Beobachtungsdaten in großen Modellen ist eine Überanpassung jedoch ein echtes Problem. Daher haben Benutzer dies oft nicht gewürdigt, bis wir die Kreuzvalidierung in JMP Pro eingeführt haben. Wenn Sie also über JMP Pro verfügen, können Sie eine Validierungsspalte einrichten, die einige Daten zurückhält, um den Fehler in diesem Rückhaltedatensatz abzuschätzen. Und hier ist ein Beispiel, wo ich ... Ich versuche, die Betoneigenschaften in Abhängigkeit von all diesen Bestandteilen im Beton vorherzusagen, und ich habe ein riesiges Modell dafür. Und wenn ich nur dieses Modell ausführe, aber einige der Daten zurückhalte und das R-Quadrat darauf betrachte, habe ich für SLUMP eine großartige Passform. Ich habe ein R-Quadrat 79, aber auf dem Validierungssatz, den ich passe, habe ich ein R-Quadrat, das negativ ist. Jedes negative R-Quadrat bedeutet, dass es schlechter passt als nur den Mittelwert. Wenn ich also zum Mittelwert passen würde, hätte ich ein R-Quadrat von Null. Wenn ich zu diesem ganzen Modell passe, habe ich ein R-Quadrat, das viel schlimmer ist. Bei großen Modellen kann es also schlimmer kommen, als nur den Mittelwert zu erreichen, es ist schlimmer als es ist irgendwie anti-informativ, weil das Modell so groß ist und wir keine Mühe hatten, das Modell zu verkleinern. Das Modell wurde vom Rauschen und nicht vom Signal dominiert. Dies ist also ein Problem, auf das Sie achten sollten. Daher ist es wichtig, die Größe des Modells reduzieren zu können. Und jetzt haben wir einen Modelldialogbefehl eingeführt, um dies zu tun. Lassen Sie uns mit Modell in den Diabetes gehen. Ich kann dieses Modell ausführen und wenn, sagen wir, ich möchte viele dieser Dinge herausnehmen, sind sie nicht sehr wichtig. Sie wissen, das Alter hat einen völlig unwesentlichen Beitrag zum Modell, und deshalb möchte ich das Alter eliminieren. Na dann würde ich, ich könnte zurück zum Modell gehen und es zurückrufen oder dann das Alter eliminieren. Oder es gibt, ich kann einfach direkt hier zum Modelldialog zurückkehren und das Alter anpassen und es entfernen, aber ich habe hier möglicherweise eine lange Liste von Modellen, und hin und her zu gehen, um diese Dinge zu tun, ist eine Menge Arbeit. Und so anstatt das zu tun ... Mal sehen, was mache ich hier? Vor einigen Releases haben wir einen neuen Bericht namens Effektzusammenfassung eingeführt. Mit der Zusammenfassung der Auswirkungen ist es trivial einfach, das Modell in Teilmengen zu unterteilen, um eine bessere Vorhersage zu erzielen und weniger Flexibilität zu gewährleisten. Also kann ich sagen, Alter, ich kann das entfernen. Oder es gibt viele Variablen. Lassen Sie uns drei weitere entfernen. LDL, na ja, das sieht wichtiger aus. Und so kann ich dieses Modell speichern. Speichern wir es einfach in der Datentabelle. Und ich komme später zurück und sage: Nun, lassen Sie mich an das Modell erinnern, das dies hat. Ich kann die vorherige Sache tatsächlich rückgängig machen. Und so kann ich das rückgängig machen und es bringt drei der Variablen zurück und ich kann das rückgängig machen und es bringt das Alter zurück. Wenn ich also die Effektzusammenfassung zum Bearbeiten des Modells verwende, wird tatsächlich eine Erinnerung an all diese Dinge gespeichert. Und wenn ich mir dieses Drehbuch ansehe, kann ich diese Geschichte sehen. Jedes Mal, wenn ich ein Modell erstellt habe, wurde eine Klausel der Geschichte gespeichert. Und wenn ich das Rückgängigmachen mache, wird es auf diese Geschichte zurückgeführt. Das Entfernen ist also einfach. Ich kann auch Dinge hinzufügen. Wenn ich diese beiden Dinge subtrahieren würde, könnte ich sie wieder hinzufügen. Ich könnte sagen, Alter. Keine gute Sache, aber ich kann es schaffen. Ich kann das Modell auch bearbeiten, indem ich eine kleine Version des Modells und des Modelldialogs zurückbringe und zusammengesetzte Effekte usw. hinzufüge. Nun eine andere Sache, die mit großen Modellen passiert und (lassen Sie mich dies rückgängig machen). Bei großen Modellen führen Sie viele Hypothesentests durch. Wenn Sie also eine große Anzahl von Hypothesentests haben, sollten Sie einige Anpassungen berücksichtigen, von denen eine als Falschentdeckungsrate bezeichnet wird. Anstatt alle diese p-Werte so zu behandeln, als wären sie unabhängige Tests, möchte ich eine Anpassung anwenden, damit diese p-Werte für die Mehrfachtest-Abweichung und für die Auswahlverzerrung, die bei der Teilmenge des Modells auftritt, angepasst werden. Und so kann ich eine falsche Entdeckungsratenkorrektur anwenden. Anstelle des regulären p-Werts habe ich den falschen Entdeckungs-p-Wert dafür angepasst. Und jetzt bin ich realistischer. Das wird mir also bei dem Problem der Überanpassung und der Hypothese helfen ... dem Problem der Auswahlverzerrung bei der Durchführung vieler mehrfacher Tests. Also, jetzt machen wir das nächste Thema und das verändert sich. Angenommen, Sie möchten ein Modell erstellen, aber anstelle von y möchten Sie das Protokoll von y anpassen. Bevor Sie eine neue Spalte im Datensatz Log y erstellen, geben Sie für Log y ... mach eine Formel. Und ich kann ein Protokoll davon machen. Und jetzt kann ich zu meiner Modellspezifikation zurückkehren und diese Protokollierung durchführen, und dann habe ich meine Passform bekommen. Oh, es fehlt, was habe ich getan? Ich habe vergessen, das Ziel, das Argument, einzugeben. Und jetzt kann ich das Protokoll von Y anpassen. Und jetzt habe ich es getan. Aber machen wir den Profiler. Mein Profiler ist in Bezug auf das Protokoll von Y. Lassen Sie mich den vorhergesagten Wert speichern. Meine Vorhersageformel bezieht sich auf das Protokoll von y, und jetzt muss ich das von Hand bearbeiten ... diese Formel und nehmen Sie das Exponential davon, um es wieder auf die ursprüngliche Skala zu bringen. Das ist also eine Menge Schmerz, der sich auf diese Weise verändert. Nun, vor einigen Releases haben wir Transformationen eingeführt. Ich kann diese Transformation also in das Protokoll umwandeln und sie jetzt direkt dort als Transformation verwenden, und sie ist nicht Teil der Datentabelle. Es ist eine virtuelle Variable mit einer Formel, die jedoch nicht zur Datentabelle hinzugefügt wird. Und jetzt kann ich mein Modell an das Log y anpassen. Lassen Sie uns das Alter entfernen, damit es etwas besser passt. Hoppla. Hatte das auch ausgewählt. Und jetzt habe ich die Antwort Log y angepasst. Was bekomme ich, wenn ich das profiliere? Faktorprofilerstellung, Profiler. Anstatt das Protokoll von y zu profilieren, wird y profiliert. Der Profiler betrachtet das als Transformation und sagt, nun, ich kann diese Transformation invertieren und zur ursprünglichen Skala zurückkehren. Und genau das macht es. Es transformiert sich nicht, wandelt sich durch das Protokoll von y zurück, um die Vorhersage zu nehmen und sie auf die ursprüngliche Skala zu bringen. Und das wird es für die meisten Transformationen tun, die sich entspannen können. Wenn eine Transformation mehrere Variablen usw. umfasst, kann sie dies nicht tun und führt nur die Transformationen durch. Also das Original Das Gleiche, wenn ich eine Spalte speichere. Wenn ich die Vorhersageformel speichere, speichert sie eine Vorhersageformel auf der Skala von yrather als das Protokoll von y. Und so sind diese Dinge unglaublich zeitsparend und sparen viel Aufwand bei der Verwendung von Transformationen. Also gibt es ... Lassen Sie mich noch einmal zu Diabetes gehen und eine andere machen ... überlegen Sie sich eine andere Transformation. Wenn Sie eine Variable ausführen, können Sie eine Box-Cox-Transformation erhalten. Unter den Faktorenprofilen zeigt Ihnen die Box-Cox-Option an, was Sie am besten tun könnten, wenn Sie eine ganze Reihe von Leistungsfunktionen transformiert hätten. Sollte es nur untransformiert sein? Das wäre ein Box-Cox-Lambda-Wert von eins. Wenn Sie Null gemacht haben, entspricht dies einem Protokoll. Wenn Sie -1 tun würden, wäre das gleichbedeutend damit, den Kehrwert davon zu nehmen. Die Kraft zum -1. Wenn Sie ungefähr 0,5 machen würden, wäre das gleichbedeutend damit, die Quadratwurzel davon zu ziehen. Und es sagt Ihnen, dass dieses Modell besser auf eine für diese Transformation angepasste Transformationsskala passen würde, wenn es mehr entlang der Quadratwurzel-Transformation wäre, wo Lambda .453 war. Das ist der optimale Wert für die Box-Cox-Transformation. Und Sie können dies mit einer Lupe vergrößern, um es genauer zu erhalten. Also, jetzt kann ich transformieren und vor einigen Releases kann ich ... Ich habe mehrere Spalten hinzugefügt. Eine davon ist die Umrüstung mit Transformation, wodurch ein neues Fenster mit der Transformationsantwort erstellt wird. Und ein anderer ersetzt die Transformation und das werde ich tun. Und anstatt .453 werde ich nur die Quadratwurzel-Transformation (.5) durchführen und jetzt das Modell mit dieser Transformation anpassen. Und jetzt ist Lambda am besten bei 1, wo es sein sollte, weil es bereits sofort durch Box-Cox-Transformation transformiert wurde. Und jetzt kann ich den vorhergesagten Wert davon speichern und profilieren und so weiter. Und ich kann es sogar rückgängig machen. Wenn mir diese Transformation nicht gefällt und ich zum Original zurückkehren möchte, kann ich zum Original zurückkehren und es umrüsten. Wir haben also viel Schmerz gespart, um Antworten zu transformieren. Jetzt gibt es einen besonderen Schmerz, einen besonderen Ort des Schmerzes, wenn Sie viele Daten haben. Und wir haben uns sehr bemüht, große Probleme mit weniger Schmerzen zu lösen. Ob Sie viele Zeilen, viele Spalten, viele Gruppen und viele Modelle ausprobieren möchten, in der heutigen Welt leben wir in einer Welt voller Big Data mit großen Problemen. Wenn wir also Analysen haben, die ursprünglich für kleine Probleme entwickelt wurden, ist dies möglicherweise nicht für große Probleme geeignet, und das zentrale Problem bei großen Problemen besteht darin, dass einfach zu viel Ausgabe zum Sortieren vorhanden ist. Wenn ich das gleiche Modell an 1.000 Variablen anpasse, muss ich 1.000 Berichte sortieren. Wenn ich nach Ausreißern unter 1.000 Spalten suche, gibt es nur Ausreißer, wissen Sie, separate Berichte für jede Spalte und so weiter. Ich möchte in der Lage sein, viele große Datenmengen effizienter zu verarbeiten. Deshalb haben wir das Screening-Menü entwickelt, mit dem diese großen Probleme gelöst werden sollen. Außerdem gibt es in JMP viele Orte, die auch große Probleme besser lösen. Zum Beispiel Zeitreihen. Die neue Plattform zur Vorhersage von Zeitreihen prognostiziert viele Zeitreihen anstelle von nur einer. Die Elemente auf der Screening-Plattform untersuchen also Ausreißer, untersuchen fehlende Werte und untersuchen Muster. Diese dienen dazu, Daten zu überprüfen und dann nach Assoziationen zu suchen, Antworten zu überprüfen, Prozesse zu überprüfen und Prädiktoren zu überprüfen. Und natürlich ist die Zeitreihenprognose neu. Es befindet sich nicht im Screening-Menü, ist jedoch für die Behandlung großer Probleme organisiert. Und all diese Dinge nutzen nicht nur kompaktere Möglichkeiten zur Darstellung der Ergebnisse, sodass Sie nicht auf Tausende von Berichten zurückgreifen müssen, sondern sie sind auch rechnerisch effizient. Sie verwenden Multithreading, sodass Sie die mehreren Kerne in Ihrer CPU nutzen können, um es sehr schnell zu machen. Nehmen wir also an, Sie haben viele Prozessdaten. Sie haben 568 Variablen. Welche dieser Variablen sieht also gesund aus? Das Prozess-Screening soll darauf reagieren. Und so kann es nach der Stabilität oder nach der Fähigkeit (Ppk) sortieren oder welche schlecht dran sind oder nach Kontrolldiagrammmaßen, außer Kontrolle geratenen Konten und so weiter sortieren. Aber was ist noch ... Ich mag es sogar besser, sind einige der Werkzeuge, die alle Prozesse in einem Diagramm zeigen. Und es gibt zwei von ihnen, die ich liebe. Eines ist das Zieldiagramm, das zeigt, wie sich jeder Prozess in Bezug auf die Spezifikationsgrenzen verhält, und wenn es sich um einen fähigen Prozess handelt, befindet er sich hier in dieser grünen Zone. Wenn es marginal ist, ist es in der gelben Zone. Wenn dies nicht der Fall ist, befindet es sich in der roten Zone, und wenn es hoch oben liegt, weist es zu viele Abweichungen auf. Wenn es auf der einen Seite der anderen ist, dann gibt es ein Problem. Mit... Es ist außermittig, es ist außermittig. Wenn es sich jedoch in der grünen Zone befindet, ist dies ein guter Prozess. Mit Version 15 führen wir die Graphlets und die Hover-Hilfe ein, damit Sie jeden Prozess sehen können, wenn Sie mit der Maus darüber fahren. Und dann ist die andere Handlung, die ich liebe, wenn ich all diese Dinge zusammenfasse und den Schmerz beim Durchsehen all dieser Berichte reduziere, dieses Prozessleistungsdiagramm. Auf der vertikalen Achse erfahren Sie also, ob Sie sich durch die Fähigkeit Ppk innerhalb der Spezifikationsgrenzen befinden. Wenn Sie also mit 1,33 über dieser Linie liegen, sehen Sie in Bezug auf die Verteilung der Werte in Bezug auf die Spezifikationsgrenzen gut aus. Sie befinden sich innerhalb der Spezifikationsgrenzen. Wenn ... dann liegt der Stabilitätsindex auf der x-Achse. Also, wenn es ein ziemlich instabiler Prozess ist, auch wenn er fähig, aber instabil sein könnte. Wenn Sie sich diesen Prozess ansehen, könnte er eine Stabilitätssache haben, die um einige herumwandert. Und wenn Sie sich in der gelben Zone befinden, sind Sie fähig, aber instabil und so weiter. Die rote Zone ist die schlechte Zone, in der Sie sowohl unfähig als auch instabil sind. Das Durchschauen von Hunderten oder Tausenden von Prozessen ist jetzt einfach, wo es früher sehr schmerzhaft war. Die Frage ist, was hat sich am meisten verändert? Hier sind einige Umfragedaten, bei denen Sie über viele Jahre hinweg eine Frage zu ihren Aktivitäten gestellt haben. Bist du zelten gegangen? Oder in einem Casino spielen? Oder hattest du eine Erkältung? Sie wissen, all diese Aktivitäten und Sie möchten wissen, welche unter all diesen Aktivitäten (und ich denke, es gibt 95 verschiedene Aktivitäten) welche den größten Unterschied gemacht haben. Und so suchen Sie, wissen Sie ... eine Sache, die Sie tun können, ist, eine nach der anderen durchzugehen und diese Aktivität nach Jahr der Umfrage anzupassen. Anstatt einzeln zu schauen. Ich kann mir das Antwort-Screening und nur ein Diagramm ansehen, um zu sehen, was sich am meisten geändert hat. Und so zeigt dies eine Tabelle für alle 95 dieser Dinge. Erstens die Signifikanz in Bezug auf das negative Protokoll des P-Werts, den wir als Protokollwert bezeichnen, der für die Rate falscher Entdeckungen angepasst wird. Und so wird ein Teil dieser Auswahlverzerrung behoben, da Sie alle diese p-Werte sortieren. und Auswahl der hinteren ... die niedrigen P-Werte. Und ich finde, dass das Ausleihen eines Videobandes die Videokassette am meisten verändert hat, und natürlich sind sie veraltet. Das hat sich natürlich geändert. Eine andere Videokassette hat sich sehr verändert, gesammelte Dinge zum Recycling haben sich sehr verändert, die unterhaltenen Leute in meinem Haus haben sich sehr verändert. Und hier ist die weniger bedeutende, aber große Effektgröße. Verwenden Sie das Internet? Und natürlich wurde diese Umfrage gestartet, bevor es ein Internet gab. Und so hat es sich sehr verändert. Die Frage, was sich am meisten verändert hat, war jetzt einfach, wo es früher schwierig war. Eine weitere Frage, die Sie zu Big Data gestellt haben: Wo fehlen die Werte? Hier sind also 280 Variablen. Wo sind die fehlenden Werte? Muss ich mir Sorgen machen? Und ich kann mir den Bericht über das Erforschen fehlender Werte ansehen und feststellen, dass es nur fünf dieser Variablen mit fehlenden Werten gibt. Und einige von ihnen haben nur eine Variable, einen fehlenden Wert, aber einige haben viel. Wenn ich also eine Analyse durchführe, eine multivariate Analyse, möchte ich wahrscheinlich nicht 376 von 452 Variablen einbeziehen. Oder wenn ich J einschließen möchte, kann ich diese fehlenden Werte auf diese Weise unterstellen, okay. Also, nächste Frage, haben die Daten Ausreißer? Nun, ich habe 387 Messungen, die ich in diesem Prozess mache. Und ich möchte herausfinden, ob es dort Ausreißer gibt. Jetzt haben wir eine Möglichkeit, dies im Screening-Menü zu tun. Ich kann das mehr oder weniger empfindlich machen. Machen wir es empfindlicher, damit es weniger Ausreißer gibt und erneut gescannt wird. Ich kann mir die Neunen ansehen. So oft wird eine Folge von Neunen verwendet, um einen fehlenden Wert darzustellen, und diese Neunen können echte Neunen sein, aber sie können nur ein Indikator für einen fehlenden Wert sein. Und so kann ich für diese sagen, dass ich diese Neunen gut zu fehlenden Wertcodes hinzufügen kann, und jetzt hat sich der Speicher geändert. Und jetzt kann ich wieder nach oben gehen (hier gibt es viele Variablen) und erneut scannen, und es gibt weniger fehlende Werte, über die ich mir Sorgen machen muss. Das Erforschen von Ausreißern war früher ein Schmerz. Es kann immer noch eine große Aufgabe sein, aber es ist viel einfacher als früher. In Version 15 haben wir jetzt eine weitere Screening-Plattform hinzugefügt. Haben die Daten verdächtige Muster? Hier sind einige Labordaten aus klinischen Studien. Dies sind Nicardipin-Labormusterdaten. Es gibt 27 Laborergebnisse, die ich mir ansehen möchte. Und so rufe ich die neue Plattform auf und erkunde fehlende Werte. Und das wird mir zeigen, habe ich eine Reihe von Werten? Ich habe also den Wert .03536, aber es gibt sieben in einer Reihe, beginnend in einer Reihe. 2065. Ich kann diese Zellen einfärben und mir diese Werte ansehen, und vielleicht ist es der letzte übertragene Wert, der möglicherweise nicht verdächtig ist. In diesem Fall ist es die ... Es ist die gleiche Person. Vielleicht ist der letzte übertragene Wert eine vernünftige Sache, aber es ist ein seltenes, seltenes Ereignis, wenn Sie diese Dinge verteilt haben ... wenn, wenn Sie eine zufällige Verteilung für diese Dinge annehmen. Auch längste duplizierte Sequenz. Für diese Variable und wir beginnen in Zeile 2816 und beginnen ebenfalls in Zeile 3034, gibt es vier in einer Zeile, die dieselben Werte hatten. Wenn ich diese Dinge einfärbe, gibt es dort vier in einer Reihe. Und wenn ich zur nächsten Sequenz gehe, gibt es vier in einer Reihe, die die gleichen Werte haben. Dies könnte ein Symptom für das Ausschneiden und Einfügen derselben Werte von einem Ort zum anderen sein. Das Erforschen von Mustern sucht also nach diesen Dingen. Und es gibt noch viele andere Dinge, bei denen Sie die Details zu jeder dieser 27 Variablen überprüfen und nach Symptomen verdächtiger Dinge oder nach negativen Auswirkungen der Art und Weise suchen können, wie Sie die Daten verarbeitet haben, und so weiter. Erforschen Sie also Muster, die Teil der Lösung großer Probleme sind. Also Schmerzlinderung. Ein Großteil unserer Entwicklung konzentriert sich darauf, den Analysefluss reibungsloser, weniger belastend, weniger zeitaufwändig und weniger schmerzhaft zu gestalten. Analgetika. Jetzt wissen wir nicht immer, was schmerzhaft ist. Wir sind also auf Feedback angewiesen, um uns darauf zu konzentrieren. Wenn wir diese E-Mails erhalten, auf die ich hunderte Male antworten musste, haben wir uns das angehört und fühlen den Schmerz und haben ihn behoben, sodass Sie jetzt in eine Gruppe mit Tausenden von Dingen senden und die Ergebnisse von einem senden können Dialog statt viele Dialoge. Das Einsenden hat es also für alle anderen besser gemacht, weil wir es nicht beim ersten Mal gesehen haben. Bitte geben Sie uns Ihr Feedback. Bei all den Verbesserungen, die wir bereits vorgenommen haben, denken wir, dass der Prozess der Datenaufbereitung und -analyse bereits viel reibungsloser, viel weniger unterbrochen und mehr im Fluss ist. Anstatt Ihre Zeit damit zu verbringen, Hindernisse zu überwinden, verbringen Sie Ihre Zeit damit, aus Ihren Daten zu lernen und Ihre Daten zu verstehen. Analytik. Man würde sich fragen, ob sie aus derselben Wurzel stammen, natürlich möchten wir diese beiden Wörter nicht abkürzen. Die Analytik stammt aus dem Griechischen, und ich weiß nicht, wie ich das aussprechen soll. Aber auf Griechisch bedeutet es, sich zu trennen, freizulassen oder freizulassen. Und es braucht etwas Kompliziertes und zerlegt es in Stücke, damit wir es verstehen können. Und genau das machen wir natürlich mit der Analyse von Daten, der Datenwissenschaft. Und Analgetika kommen aus einer anderen Kombination von Wörtern \! "An- \!" Bedeutung ohne und \! "Algesis, \!" Welches ist das Gefühl von Schmerz. Also gleiches Präfix, anders ... ein bisschen andere Wurzeln. Und kürzen Sie diese nicht ab. anabol und aphrodisierend. Wir kümmern uns um Macht. Wir bieten Ihnen viel leistungsfähigere Tools zur Analyse von Daten, sowohl in JMP Pro als auch in JMP. Und wir hoffen, dass Daten es spannend machen, wissen Sie, den Nervenkitzel der Entdeckung. Der Nervenkitzel, zu lernen, wie man Power-Funktionen in JMP verwendet, und wir finden es aufregend. Weißt du, es ist ein Aphrodisiakum. Kraft und Aufregung sind uns also auch wichtig. Es ist nicht nur Schmerzlinderung. Was machen wir nächstes Jahr? Nun, große Wörter, die mit dem Buchstaben B beginnen. Beginnen Sie mit A, als nächstes ist B, richtig? Nun, nächstes Jahr kommt JMP 16. Und darüber werden wir sprechen. Wer weiß, worüber wir im nächsten Jahr sprechen werden? Also vielen Dank. Wir hoffen, dass Sie bei der Analyse Ihrer Daten kaum Schmerzen haben. Jeff Perkinson Vielen Dank, John. Wir wissen das zu schätzen. Es war ein fantastisches Gespräch, und nachdem ich im Laufe der Jahre viele Schmerzen miterlebt habe, ist alles, was Sie sagen, absolut wahr. Schmerzlinderung ist eine wichtige Sache für uns. Wir hatten eine Frage, die tatsächlich eine Reihe von Fragen enthielt; Wir haben einige von ihnen in den Fragen und Antworten beantwortet, aber was wollte ich Ihnen sowohl als Schmerzlinderung als auch als Anziehungskraft und als leistungsstärkeres JMP vorstellen? John Sall Nun, ich denke, jedermanns große Freude ist Graph Builder. Es fühlt sich unglaublich mächtig an, diese Variablen einfach zu ziehen und ein paar andere Klicks zu machen, und Sie haben das gewünschte Diagramm, und Sie können es so einfach ändern. Es ist also ein Nervenkitzel. Es ist eine leistungsstarke Funktion und Schmerzlinderung. Früher war es schwieriger. Ich denke, das ist jedermanns Lieblingssache. Aber natürlich gibt es ... JMP ist ein reichhaltiges Produkt und wir sind stolz auf alles darin. Versuchsplanung, all die große Kraft, die damit verbunden ist, und wir haben versucht, diesen Prozess ebenfalls zu vereinfachen. Und so viele Dinge kommen mir in den Sinn. Jeff Perkinson Sehr gut. Vielen Dank, John, ich weiß das zu schätzen. Wenn Ihnen dieses Gespräch gefallen hat, habe ich zwei Vorschläge für Sie. Erstens werden wir dies veröffentlichen