Hola a todos,
He estado recopilando ideas, preguntas y respuestas, algunos casos de uso y preguntas abiertas también en FDE. El hilo actual sobre más antecedentes de FDE ( https://community.jmp.com/t5/JMP-SE-Discussions/FDE-maths-behind-fitting-options/mp/662515#M6331 ) también indica interés en el tema.
Después de vender JMP Pro por FDE una vez, encontré algunas dificultades a lo largo del año. Una es definitivamente que la FDE (FDA en general) parece ser ampliamente desconocida (principalmente puedo hablar por los clientes de productos químicos). Es muy fácil despertar el interés de los prospectos, pero en realidad venderlo sigue siendo un desafío (al menos para mí;)). Creo que sería muy útil tener una mejor comprensión de lo que puede ofrecer, cómo funciona, etc. para promocionarlo mejor y más a menudo con los clientes.
Mi propuesta es un lugar donde recopilamos casos de uso, preguntas y respuestas, historias del día en la vida antes y después, y contenido adicional como antecedentes teóricos o materiales de capacitación (para educación SE) @Di_Michelson 
.
Para empezar: un caso de uso fue 'ajuste de picos semiautomático usando Python'.
Situación antes:
|
Los científicos están recolectando muchas muestras durante largos períodos de tiempo. Las mediciones dieron como resultado una curva similar a un espectro, que se veía muy diferente en forma y número de picos, dependiendo de las características de la muestra.
El científico estaba evaluando visualmente las diferentes formas e intentó ajustar manualmente las características de las formas de las curvas. Los problemas eran diferentes números de picos, que debían identificarse primero. Una vez analizado, el resultado no era realmente comprensible. Un científico de datos podría analizar los datos en Python, pero esto no era escalable, ya que era a costa de su propio progreso laboral.
|
Situación después de:
|
El análisis de los datos en FDE mostró resultados instantáneos (realmente en 2 minutos), porque los picos y las formas se analizaron automáticamente y se vincularon a las características de la muestra. Con solo usar Profiler, podían ver lo que buscaban de inmediato.
Sin necesidad de capacitación, el científico podría relacionar inmediatamente los conocimientos con las características del producto respectivo.
|
Victorias personales:
|
- Mejores conocimientos más rápido, mejores resultados de desarrollo
- Más fácil de interpretar y comunicar los resultados.
- No es necesario cambiar entre paquetes de software
- No es necesario esperar a un experto/científico de datos
|
Triunfos comerciales:
|
- Mejores conocimientos más rápido
- No es necesario consultar con un científico de datos
- Solución más escalable
- Salida estandarizada
- Un software para muchas tareas
|
¡Tengo curiosidad por saber qué piensas de esta idea y qué pensamientos adicionales tienes!
Saludos cordiales desde Heidelberg, Alemania
florián
Gracias por iniciar esta discusión, Florian. Creo que sería genial desarrollar una biblioteca de historias junto con preguntas y respuestas frecuentes. Como dice, no muchos de nuestros usuarios están familiarizados con FDE y, a menudo, necesitan más garantías y detalles sobre el método de los que podemos proporcionar actualmente.
