756658_de-DE

liliconcom

Maximieren Sie den Data Science-Erfolg mit Informationsqualität (InfoQ) und JMP® (2021-EU-45MP-750)

Ron Kenett, Vorsitzender, KPA Group und Samuel Neaman Institute, Technion
Christopher Gotwalt, JMP-Direktor, Statistische Forschung und Entwicklung, SAS

Datenanalysen – von geplanten Experimenten über verallgemeinerte Regression bis hin zu maschinellem Lernen – werden immer häufiger eingesetzt. Gleichzeitig deuten Bedenken hinsichtlich der Reproduzierbarkeit von Ergebnissen und einer fehlerhaften p-Wert-Interpretation darauf hin, dass gut gemeinte statistische Analysen zu falschen Schlussfolgerungen und Fehlentscheidungen führen können. Damit ein Datenanalyseprojekt seine Ziele erreichen kann, müssen Umfang und Aussagekraft der aus den verfügbaren Daten und Tools abgeleiteten Schlussfolgerungen bewertet werden. Dieser Fokus auf die statistische Strategie erfordert ein Framework, das die Projektkomponenten isoliert: Ziele, Datenerhebungsverfahren, Dateneigenschaften, bereitgestellte Analyse usw. Das InfoQ-Framework bietet strukturierte Verfahren für diese Bewertung. Darüber hinaus lässt sich InfoQ in JMP einfach operationalisieren. In dieser Präsentation geben wir einen Überblick über InfoQ sowie Anwendungsfallstudien aus der Verbraucherforschung und der Arzneimittelherstellung, um zu veranschaulichen, wie JMP für eine InfoQ-Bewertung eingesetzt werden kann, und heben Situationen mit hohem und niedrigem InfoQ hervor. Wir geben außerdem Tipps, wie JMP die Informationsqualität durch ein verbessertes Studiendesign verbessern kann, ohne zwangsläufig mehr Daten zu erfassen. Dieser Vortrag richtet sich an Statistiker, Experten für maschinelles Lernen und Datenwissenschaftler, deren Aufgabe es ist, Zahlen in Informationen umzuwandeln.

Automatisch generiertes Transkript ...

Lautsprecher	Transkript
	Hallo.
	Mein Name ist Ron Kenett. Dies
	ist ein gemeinsames Gespräch mit Chris
	Gotwalt und wir
	habe zwei Nachrichten
	das sollte aus dem
	reden. Eine davon ist, dass wir
	wirklich besorgt sein über
	Informationen und Informationen
	Qualität. Die Leute neigen dazu, zu reden
	über Daten und Datenqualität, aber
	Daten sind wirklich nicht das Problem.
	Wir sind Statistiker. Wir sind
	Datenwissenschaftler. Wir verwandeln Zahlen,
	Daten in Informationen um, so dass
	Unser Ziel sollte es sein, sicherzustellen, dass
	dass wir hohe Qualität erzeugen
	Informationen. Die andere Nachricht
	ist, dass JMP Ihnen helfen kann
	erreichen, und das ist
	tatsächlich in
	überraschende Weise. Durch die Kombination
	die Expertise von Chris und ein
	Einführung in die Informationen
	Qualität, wir hoffen, dass diese beiden
	Nachrichten werden ankommen
	klar. Also, wenn ich müsste
	zusammenfassen, was wir
	möchte ich doch darüber reden,
	Es geht um Informationen
	Qualität. Ich hielt einen Vortrag bei
	auf dem Gipfel in Prag vier Jahre
	vor und dieses Gespräch war allgemein gehalten.
	Es ging um die Verlegung der
	Reise von Qualität durch Design.
	Meine Reise durch die Informationsbeschaffung
	Qualität. In diesem Vortrag konzentrieren wir uns
	wie dies erreicht werden kann mit
	JMP. Dies ist eine detailliertere
	und technische Gespräche als die
	allgemeiner Vortrag, den ich in Prag gehalten habe.
	Sie können sich diesen Vortrag ansehen.
	Hier ist ein Link aufgeführt. Sie können
	Finden Sie es in der JMP-Community.
	Wir werden also darüber sprechen
	Informationsqualität, die
	das Potenzial des Datensatzes, ein
	spezifischen Datensatz, um eine
	ein bestimmtes Ziel, ein spezifisches Ziel,
	mit der gegebenen empirischen Methode.
	In dieser Definition haben wir also
	drei Komponenten, die
	aufgeführt. Eine davon ist eine bestimmte Daten
	eingestellt. Hier sind die Daten. Die
	das zweite ist das Ziel,
	das Ziel der Analyse, was
	das ist es, was wir erreichen wollen.
	Und die dritte Frage ist, wie wir
	das tun, was ist, mit was
	Methoden, die wir generieren werden
	Informationen und dieses Potenzial
	wird beurteilt mit dem
	Nutzenfunktion. Und ich werde
	Beginnen Sie mit einer Einführung in
	Informationsqualität, und dann
	Chris wird übernehmen,
	Besprechen Sie die Fallstudie und
	zeigen Ihnen, wie Sie eine
	Bewertung der Informationsqualität.
	Dies sollte schließlich
	Beantworten Sie die Frage, wie JMP
	unterstützt InfoQ, das
	wären die Aufzählungspunkte
	dass Sie ... die Take-Away-Punkte
	aus dem Vortrag. Das Setup für
	das ist, dass wir wir ermutigen
	was ich eine Lebenszyklusansicht genannt habe
	der Statistik. Mit anderen Worten,
	nicht nur Datenanalyse.
	Wir sollten es wissen ... wir sollten ein Teil davon sein
	der Problemermittlung
	Phase. Auch das Ziel
	Formulierungsphase, die verdient
	eine Diskussion. Wir sollten
	offensichtlich beteiligt sein an der
	Datenerfassungsschema, wenn es
	durch Experimente oder durch
	Umfragen oder durch Beobachtungen
	Daten. Dann sollten wir auch
	Zeit für die Formulierung der
	Erkenntnisse und nicht einfach herausziehen
	gedruckte Berichte über
	Regressionskoeffizienten
	Schätzungen und und ihre
	Bedeutung, aber wir sollten
	diskutieren Sie auch, was die
	Ergebnisse? Operationalisierung von
	Bedeutung der Ergebnisse, OK, was können wir
	mit diesen Erkenntnissen zu tun? Was sind
	die Auswirkungen der
	Ergebnisse? Das sollte sollte ...
	muss mitgeteilt werden an die
	die richtigen Leute auf die richtige Art und Weise,
	und schließlich sollten wir eine
	Folgenabschätzung, um herauszufinden,
	OK, wir haben das alles gemacht; was hat
	war der Mehrwert unserer
	Arbeit? Ich sprach über das Leben
	Zyklus Ihrer Statistiken einige Jahre
	Dies ist die Voraussetzung,
	die Perspektive auf das, was
	Ich werde darüber sprechen. Also, wie ich
	erwähnt, die Informationen
	Qualität ist das Potenzial einer
	bestimmten Datensatz, um eine
	bestimmtes Ziel mit gegebenen
	empirische Analysemethoden. Diese
	wird durch vier
Komponenten	das Ziel, die Daten,
	die Analysemethode und die
	Nutzenmaß. Also in einem in einem
	mathematischen Ausdruck, der
	Nutzen der Anwendung von f auf x,
	Bedingung für das Ziel ist, wie wir
	identifizieren InfoQ, Informationen
	Qualität. Dies wurde veröffentlicht in
	die Royal Statistical Society
	Serie A im Jahr 2013 mit acht
	Diskussionsteilnehmer, so dass es reichlich
	diskutiert. Einige Leute dachten
	das war fantastisch und einige
	Die Leute hatten viel Kritik an
	diese Idee, also ist dies eine breitere
	Umfang der Betrachtung, was
	Statistik ist über. Wir auch
	schrieb im Jahr 2006, wir treffen mich
	und Galit Shmueli, ein Buch mit dem Titel
	Informationsqualität. Und in
	der Kontext der Informationen
	Qualität haben wir das gemacht, was man
	Dekonstruktion. David Hand hat
	ein Papier mit dem Titel Dekonstruktion
	der Statistik. Dies ist die
	Dekonstruktion von Informationen
	Qualität in acht Dimensionen. Ich
	wird diese acht Dimensionen abdecken.
	Das ist mein Teil des Gesprächs und
	dann wird Chris zeigen, wie das
	wird in einer spezifischen
	Fallstudie.
	Ein weiterer Aspekt, der sich auf
	Dies ist ein weiteres Buch, das ich habe.
	Das ist neulich, vor einem Jahr
	mit dem Titel „Die wahre Arbeit mit Daten“
	Wissenschaft und wir sprechen darüber, was
	ist die Rolle der Daten
	Wissenschaftler in Organisationen und
	In diesem Zusammenhang betonten wir
	die Notwendigkeit des Datenwissenschaftlers
	an der Generation beteiligt sein
	von Informationen als ... Informationen
	Qualität als Erfüllung der Ziele von
	die Organisation. Also lass mich
	decken die acht Dimensionen ab. Das ist
	das ist das ist meine Einleitung. Die
	Die erste ist die Datenauflösung. Wir
	ein Ziel haben. OK, wir würden
	möchte den Grippegrad wissen
	weil im Land oder in der
	Gegend, in der wir leben, denn das
	wird unsere Entscheidung beeinflussen über
	ob man in den Park gehen soll, wo
	wir könnten Leute treffen oder gehen
	a...zu einem Jazzkonzert. Und das
	Das Konzert ist morgen.
	Wenn wir die CDC-Daten auf
	das Ausmaß der Grippe, diese Daten sind
	wöchentlich aktualisiert, so dass wir
	die rote Linie im Diagramm
	vor Ihnen haben, also wir
	könnte Daten von ein paar Tagen erhalten
	vor, vielleicht gut, vielleicht nicht gut
	genug für unser Gold. Google Grippe,
	die auf Suchanfragen basiert
	im Zusammenhang mit Grippe, wird aktualisiert
	momentan, also wird es aktualisiert
	online, wird es wahrscheinlich geben
	uns bessere Informationen. Also für
	unser Ziel, die blaue Linie, die
	Google-Trend ... die Google-Grippe
	Trends Indikator, ist wahrscheinlich
	angemessener. Die zweite
	Dimension ist Datenstruktur.
	Um unser Ziel zu erreichen, werden wir
	Daten ansehen. Wir sollten... wir
	sollte die Datenquellen identifizieren
	und die Struktur dieser Daten
	Quellen. Einige Daten könnten
	Text, einige könnten Videos sein, einige
	könnte zum Beispiel sein,
	Netzwerk von Empfehlungen. Dieses
	ist ein Amazon-Bild, wie wenn
	Sie sehen sich das Buch an, Sie sind
	werde einige bekommen
	andere Bücher empfohlen. Und wenn
	Sie gehen zu diesen anderen Büchern,
	Sie werden mehr Daten haben
	empfohlen. Die Daten
	Struktur kann in allen Arten kommen
	von Formen und Gestalten und dies kann
	Text sein. Dies kann funktional sein
	Daten. Dies können Bilder sein. Wir sind
	nicht mehr auf das beschränkt, was wir früher
	um Daten abzurufen, was Sie
	in einer Excel-Tabelle finden.
	Die Daten könnten beschädigt sein,
	könnte fehlende Werte haben, könnte
	haben ungewöhnliche Muster, die
	das wäre
	etwas, das man sich ansehen sollte. Einige
	Muster, wo die Dinge sind
	wiederholt. Vielleicht einige der Daten
	es ist einfach kopieren und einfügen und wir
	möchte gewarnt werden vor
	solche Optionen. Die dritte
	Dimension ist die Datenintegration.
	Wenn wir die Daten aus
	Diese verschiedenen Quellen, wir sind
	werden wir sie integrieren, damit wir
	kann einige Analyseverknüpfungen durchführen
	über eine ID. Wir
	würde das tun, aber dabei
	Wir könnten einige Probleme verursachen, zum
	beispielsweise bei der Offenlegung von Daten
	das sollte normalerweise
	anonymisiert. Daten
	Integration, ja, das wird
	ermöglichen es uns, fantastische Dinge zu tun,
	aber wenn die Daten wahrgenommen werden
	haben einige Privatsphäre
	Probleme, dann vielleicht die Qualität
	der Informationen aus dem
	Analyse, die wir durchführen werden
	wird wird
	betroffen. Die Datenintegration
	sollte sehr, sehr genau geprüft werden
	sorgfältig. Das ist, was die Leute
	wird wahrscheinlich zum Aufrufen von ETL verwendet
	extrahieren, transformieren und laden. Wir
	verfügen wir heute über wesentlich bessere Methoden zur
	das tun. Die Join-Option für
	Beispiel in JMP bietet
	Optionen dafür.
	Zeitliche Relevanz. OK, das ist
	ziemlich klar. Wir haben Daten. Es ist
	irgendwie gestempelt. Wenn wir gehen
	um die Analyse später durchzuführen, später
	nach der Datenerhebung und
	wenn die Bereitstellung, die wir
	berücksichtigen ist, ist noch später, dann die
	Daten sind möglicherweise nicht zeitlich
	relevant. In einer gemeinsamen
	Situation, wenn wir vergleichen wollen
	was jetzt los ist, würden wir
	gerne in der Lage sein, dies zu machen
	Vergleich mit aktuellen Daten oder
	Daten vor der Pandemie
	begonnen, aber nicht 10 Jahre
	früher. Die offiziellen Statistiken
	auf Gesundheitsakten waren früher zwei
	oder drei Jahre im Rückstand
	des Timings, was es sehr
	schwierig, die Verwendung von offiziellen
	Statistiken bei der Bewertung
	was ist los mit dem
	Pandemie. Chronologie der Daten und
	Ziel ist mit der Entscheidung verbunden
	die wir als Ergebnis unserer
	Ziel. Wenn also zum Beispiel unsere
	Ziel ist die Vorhersage der Luftqualität,
	wir werden einige verwenden
	Vorhersagemodelle für die Luft
	Qualitätsindex berichtet über eine
	täglich. Dies gibt uns eine
	auf einer sechsstufigen Skala von gefährlich bis
	gut. Es gibt einige Werte
	die Ebenen darstellen von
	Gesundheitsbedenken. Null-50 ist gut;
	300-500 ist gefährlich und die
	Chronologie der Daten und Ziel
	bedeutet, dass wir in der Lage sein sollten,
	täglich eine Prognose erstellen
	Grundlage. Die Methoden, die wir verwenden
	sollte täglich aktualisiert werden
	Basis. Wenn andererseits
	Unser Ziel ist es, herauszufinden, wie
	Dieser AQI-Index berechnet, dann wir
	sind nicht wirklich an die gebunden
	die Aktualität der Analyse.
	Wissen Sie, wir könnten unsere
	Zeit. Es besteht keine Dringlichkeit in
	die Durchführung der Analyse auf einem
	täglich. Generalisierbarkeit,
	die sechste Dimension, ist etwa
	unsere Erkenntnisse zu berücksichtigen und
	wenn man bedenkt, wo dies
	allgemeiner gelten,
	andere Bevölkerungsgruppen, alle
	Situationen. Dies kann getan werden
	intuitiv. Marketingmanager, die
	habe eine Studie gesehen über die auf der
	Markt, nennen wir ihn A, könnte
	bereits verstehen, was die
	Auswirkungen auf Markt B
	ohne Daten. Menschen, die
	Physiker werden in der Lage sein,
	Vorhersagen treffen basierend auf
	Mechanik auf den ersten Prinzipien
	ohne ohne Daten.
	Ein Teil der Generalisierbarkeit
	wird mit Daten gemacht. Dies ist die
	Grundlage statistischer
	Verallgemeinerung, wo wir hingehen
	der Stichprobe zur Grundgesamtheit.
	Bei statistischen Schlussfolgerungen geht es um
	Verallgemeinerung. Wir verallgemeinern
	von der Probe bis zum
	Bevölkerung. Und einige können
	domänenbasiert, mit anderen Worten,
	unter Verwendung von Expertenwissen, Domänen
	Fachwissen, nicht unbedingt mit
	Daten. Wir müssen erkennen, dass
	Generalisierbarkeit ist nicht nur
	mit Statistiken fertig.
	Die siebte Dimension ist
	Konstruktoperationalisierung,
	das ist wirklich das, was es ist
	die wir messen. Wir wollen
	Verhalten, Emotionen beurteilen, was
	es ist, dass wir messen können, dass
	wird uns Daten liefern, die widerspiegeln
	Verhalten oder Emotionen.
	Das Beispiel, das ich hier gebe
	typischerweise ist Schmerz.
	Wir wissen, was Schmerz ist. Wie
	wir messen das? Wenn Sie zu einem
	Krankenhaus und Sie fragen die Krankenschwester,
	wie beurteilen Sie Schmerzen, sie
	werde es Ihnen sagen, wir haben eine Skala,
	1 bis 10. Es ist sehr
	qualitativ, nicht sehr
	wissenschaftlich, würde ich sagen. Wenn wir
	wollen den Grad der
	Alkohol bei Autofahrern auf der...auf
	der Straße wird es schwierig sein,
	messen. So könnten wir messen
	Geschwindigkeit als Ersatzmaß.
	Ein weiterer Teil von
	Operationalisierung ist die andere
	Ende der Geschichte. In anderen
	Worte, der erste Teil, der
	Konstrukt ist, was wir messen,
	was unser Ziel widerspiegelt. Die die
	Ende ... das Endergebnis hier ist, dass
	Wir haben Erkenntnisse und wir wollen
	etwas mit ihnen zu tun. Wir wollen
	um unsere Erkenntnisse zu operationalisieren.
	Dies ist, was die Aktion
	Operationalisierung geht es um.
	Es geht darum, was Sie mit dem
	Erkenntnisse und dann
	hier auf einem Podium präsentiert. Wir
	stellte früher drei Fragen.
	Diese sind sehr wichtig
	Fragen zu stellen. Sobald Sie
	einige Analysen durchgeführt haben,
	jemand vor Ihnen, der
	sagt: „Oh, vielen Dank“,
	Sie sind fertig ... Sie, der Statistiker
	oder der Datenwissenschaftler. Also das
	Dies erfordert einen zusätzlichen Schritt,
	Sie dazu zu bringen, Ihren Kunden zu fragen
diese einfachen Fragen	Was tun
	Sie erreichen möchten? Wie werden
	Sie tun das und wie werden Sie
	wissen, ob Sie erreicht haben
	das? Wir können helfen, zu beantworten, oder
	zumindest unterstützen, einige dieser
	Fragen, die wir beantwortet haben.
	Die achte Dimension ist
	Kommunikation. Ich gebe Ihnen eine
	Beispiel aus einem sehr berühmten alten
	Karte aus dem 19. Jahrhundert, die
	zeigt den Marsch der
	Napoleonische Armee von Frankreich nach
	Moskau nach Russland. Sie sehen die
	Zahlen sind die Breite von
	der Pfad gibt die Größe an
	der Armee, und dann weiter in
	schwarz, du siehst, was passiert ist
	sie auf ihrem Rückweg.
	Im Grunde war dies also ein
	katastrophalen Marsch. Wir wir wir wir
	kann diese alte Karte in Verbindung bringen mit
	vorhandenen Karten, und es gibt eine
	JMP-Add-In, das Sie
	Finden Sie in der JMP-Community, um
	zeigen Sie mit Blasendiagrammen,
	dynamische Blasendiagramme, was das
	sieht aus wie. Also habe ich abgedeckt
	sehr schnell die acht Informationen
	Qualitätsdimensionen. Mein letztes
	Folie ist das, was ich gesprochen habe
	etwa aus einer historischen
	Perspektive, wirklich einige
	Proportionen zu dem, was ich sage.
	Ich glaube, wir befinden uns wirklich in einer Ära
	der Informationsqualität. Wir nutzten
	sich mit dem Produkt befassen
	Qualität im 18. Jahrhundert, die
	17. Jahrhundert. Wir zogen dann nach
	Prozessqualität und Service
	Qualität. Dies ist ein kurzes Memo
	zum Vorschlag einer Kontrollkarte,
	1924, glaube ich.
	Dann gehen wir zum Management über
	Qualität. Das ist der Juran
	Trilogie aus Design, Verbesserung
	und Kontrolle. Six Sigma (definieren,
	messen, analysieren, verbessern)
	Kontrollprozess ist die
	Verbesserungsprozess von Juran,
	und Juran war der Großvater
	von Six Sigma in diesem Sinne.
	Dann, in den 80er Jahren, kam Taguchi
	in. Er spricht über robuste
	Design. Wie können wir damit umgehen
	Variabilität der Inputs durch geeignete
	Designentscheidungen? Und jetzt sind wir
	im Informationszeitalter
	Qualität. Wir haben Sensoren. Wir
	verfügen über flexible Systeme. Wir sind
	abhängig von KI und Maschine
	Lernen und Data Mining und wir
	versammeln sich groß groß groß
	Zahlen, die wir aber groß nennen
	Daten. Das Interesse an Informationen
	Qualität sollte oberste Priorität haben
	Interesse. Ich werde versuchen und
	überzeugen Sie sich mit Hilfe
	von Chris, das.
	Wir sind hier und JMP kann
	helfen Sie uns, dies in einem
	wirklich ungewöhnliche Art und Weise.
	Was Sie am Ende sehen werden
	die Fallstudie, die Chris
	zeigen, wie es geht, ein
	Bewertung der Informationsqualität und
	auf eine bestimmte Studie, im Grunde
	eine Informationsqualität generieren
	Punktzahl. Wenn wir also von oben nach unten gehen,
	kann Ihnen diese Studie sagen, diese
	Arbeit, diese Analyse ist vielleicht 80% oder
	vielleicht 30 % oder vielleicht 95 %.
	Und durch das Beispiel werden Sie
	sehen Sie, wie das geht. Es gibt eine
	JMP-Add-In, um dies bereitzustellen
	Bewertung. Es ist es ist eigentlich
	ganz einfach. Es gibt
	nichts wirklich Anspruchsvolles
	darüber. Also bin ich fertig und
	Chris, nach dir. Danke, Ron. Also
	jetzt gehe ich durch die
	Analyse eines Datensatzes in einer Weise
	das ausdrücklich die
	verschiedene Aspekte der Information
	Qualität und zeigen, wie JMP
	wird verwendet, um eine Verbesserung zu bewerten
	für InfoQ. Also zunächst einmal bin ich
	werde den InfoQ durchgehen
	Komponenten. Der erste InfoQ
	Komponente ist das Ziel, also in
	diesem Fall die Problemstellung
	war das ein Chemieunternehmen
	wollte eine Formulierung, die
	maximierte Produktausbeute bei gleichzeitig
	Minimierung einer störenden Verunreinigung
	das Ergebnis der Reaktion.
	Das war also das übergeordnete Ziel.
	Statistisch gesehen wollten wir
	ein Modell zu finden, das genau
	eine Antwort auf eine Daten
	so eingestellt, dass wir eine
	Kombination von Zutaten und
	Verarbeitungsschritte, die dazu führen würden
	zu einem besseren Produkt.
	Die Daten sind in 100
	experimentelle Formulierungen mit
	einen Hauptbestandteil, X1, und
	10 Zusatzstoffe. Es gibt auch eine
	Verarbeitungsfaktor in 13
	Antworten. Die Daten sind
	völlig erfunden, aber waren
	simuliert, um dasselbe zu veranschaulichen
	Stärken und Schwächen der
	Originaldaten. Die Daten
	Formulierung wurde auch
	aufgezeichnet. Wir werden uns ansehen
	diese Daten genau, deshalb möchte ich
	weiter ausarbeiten, als nur darauf hinzuweisen
	dass sie in einem
	Ad-hoc-Weise, ein oder zwei ändern
	Zusatzstoffe auf einmal statt
	als geplante oder randomisierte
	Experiment. Es gibt viele
	Möglichkeiten zur Analyse dieser Daten, die
	am typischsten ist am wenigsten
	Quadrate Modellierung mit Vorwärts
	Auswahl auf Basis ausgewählter Antworten.
	Das war meine ursprüngliche Absicht
	für diesen Vortrag, aber als ich zeigte
	die Daten an Ron, er sofort
	erkannte die Antwortspalten
	als Zeitreihen aus analytischen
	Chemie. Obwohl die Daten
	simuliert wurden, konnte er sehen,
	Struktur. Er konnte Dinge sehen
	in den Daten, die ich nicht gesehen habe
	und hineingelesen war es nicht. Ich fand
	dies ist auffallend
	beeindruckend. Es ist jenseits der
	Rahmen dieses Vortrags, aber es gibt
	ein noch besserer Ansatz basierend auf
	Ensemble-Modellierung mit
	fraktional gewichtet
	Bootstrapping. Phil Ramsey,
	Wayne Levin und ich haben noch einen
	Sprechen Sie über diese Methodik bei
	die europäische Entdeckung
	Konferenz in diesem Jahr. Die
	Ansatz ist vielversprechend, weil er
	kann Modelle an Daten anpassen mit
	mehr aktive Interaktionen als
	es gibt Läufe. Der vierte und letzte
	Komponente der Informationsqualität
	ist Nutzen, also wie gut wir
	sind in der Lage, unsere Ziele einzuschätzen. Oder
	Wie messen wir, wie gut wir
	unsere Ziele bewertet? Es gibt eine
	Domänenaspekt, der in diesem
	Falls wir eine
	Formulierung, die zu
	maximierte Erträge und minimierte die
	Abfall in der Nachbearbeitung der
	Material. Die statistische
	Analysedienstprogramm bezieht sich auf die
	Modell, das wir passen. Was wir sind
	gehen für gibt es am wenigsten
	Quadrate Genauigkeit unseres Modells in
	in Bezug darauf, wie gut wir in der Lage sind,
	vorhersagen, was die ... was würde
	Ergebnis vom Kandidaten
	Kombinationen von Formulierungen...von
	Mischungsfaktoren. Jetzt gehe ich
	eine Reihe von Fragen durchgehen
	die einen detaillierten InfoQ bilden
	Bewertung, organisiert in
	acht Dimensionen der Information
	Qualität. Ich möchte darauf hinweisen
	dass nicht alle Fragen
	gleichermaßen relevant für verschiedene
	Datenwissenschaft und Statistik
	Projekte, und dass dies nicht
	als starres Dogma gedacht, aber
	eher eine Reihe von Dingen, die
	eine gute Idee, sich das zu fragen.
	Diese Fragen stellen eine Art
	der datenanalytischen Weisheit, die
	sieht umfassender aus als nur die
	Anwendung eines bestimmten
	statistische Technologie. Eine Kopie
	einer Kalkulationstabelle mit diesen
	Fragen und Hinweise zu
	Die wichtigsten JMP-Funktionen
	nützlich für die Beantwortung einer
	bestimmte wird hochgeladen
	zur JMP-Community zusammen
	mit diesem Vortrag für Sie zu verwenden. Als
	Ich gehe die Fragen durch,
	Ich werde eine Analyse von
	die Daten in JMP. Also Frage 1
Ist	ist die verwendete Datenskala
	mit dem erklärten Ziel im Einklang? Also
	Die Xs, die wir haben, bestehen aus
	eine einzelne kategoriale Variable
	Verarbeitung und die 11 kontinuierlichen
	Eingänge. Diese werden gemessen
	als Prozentsätze und sind auch
	auf ein halbes Prozent verzeichnet. Wir
	nicht über die Gesamtbeträge von
	die Zutaten, nur die
	Prozentsätze. Die Summen sind
	Informationen, die entweder verloren gegangen sind
	oder nie aufgezeichnet. Es gibt
	andere potenziell wichtige
	Informationen, die
	fehlt hier. Die Zeit zwischen
	Formulierung der Chargen und
	das Messen ist weg
	und es hätte andere geben können
	Informationen auf Kovariatenebene, die
	fehlt hier, das hätte
	beschrieben die Bedingungen unter
	in dem die Reaktion stattfand.
	Ohne mehr Informationen als ich
	habe, kann ich nicht sagen, wie wichtig
	diese Art von Kovariateninformationen
	gewesen wäre. Wir haben
	Informationen zum Tag der
	Batch, so dass es verwendet werden könnte als
	ein Ersatz möglicherweise. Insgesamt wir
	haben, was hoffentlich die meisten
	wichtige Inputs sowie
	Messungen der Reaktionen, die wir
	optimieren möchten. Wir hätten
	hatte mehr Informationen, aber das
	sieht vielversprechend genug aus, um es zu versuchen
	und Analyse mit. Die zweite
	Frage zu Daten
	Auflösung ist, wie zuverlässig und
	Präzise sind die Messgeräte
	und Datenquellen. Und die Tatsache
	ist, wir haben nicht viel
	spezifische Informationen hier. Die
	Statistiker intern die
	Unternehmen hätte mehr gehabt
	Informationen. In diesem Fall
	keine andere Wahl, als darauf zu vertrauen, dass
	Die Chemiker formulierten und
	die Mischungen gut aufgenommen. Die
	dritte Frage zu Daten
Auflösung ist	sind die Daten
	Analyse geeignet für die Daten
	Aggregationsebene? Und die
	Die Antwort hier ist ja, vorausgesetzt
	dass ihr Messsystem
	korrekt sind und dass die Daten
	sauber genug. Was wir tun
	am Ende tatsächlich zu tun ist
	wir werden die
	Functional Data Explorer zu
	Funktionsprinzip extrahieren
	Komponenten, die eine Daten
	abgeleitete Art von Daten
	Aggregation. Und dann sind wir
	werde diese modellieren
	funktionale Hauptkomponenten
	unter Verwendung der Eingabevariablen. Also
	nun geht es weiter mit den Daten
	Strukturdimension und die
	Die erste Frage, die wir stellen, ist:
	Die verwendeten Daten entsprechen den
	erklärtes Ziel? Und ich denke, die
	Die Antwort ist hier ein klares Ja. Wir sind
	versuchen zu maximieren
	Ertrag. Wir haben Messungen für
	das, und die Eingänge sind
	als Xs aufgezeichnet. Die zweiten Daten
	Strukturfrage ist, wo
	die Dinge beginnen wirklich
	interessant für mich. Das ist also
	sind die Integritätsdetails
	(Ausreißer, fehlende Werte, Daten
	Korruption) Probleme beschrieben und
	angemessen behandelt? Also von
	Hier können wir JMP verwenden, um
	um zu verstehen, wo die Ausreißer
	sind, Strategien zu entwickeln für
	was bei fehlenden Werten zu tun ist,
	beobachten ihre Muster und so
	auf. Also das ist das ist wo
	die Dinge werden ein wenig
	etwas interessanter. Die erste
	Wir werden Folgendes tun:
	werden wir feststellen, ob es
	alle Ausreißer in den Daten, die wir
	müssen uns Sorgen machen. Also
	Um das zu tun, werden wir
	in die Ausreißer erkunden
	Plattform abseits der Vorführung
	Menü. Wir laden die
	Antwortvariablen, und weil
	Dies ist eine multivariate Einstellung,
	Wir werden eine neue Funktion verwenden
	in JMP Pro 16 genannt Robust
	PCA-Ausreißer. So sehen wir, wo
	die großen Residuen sind in denen
	eine Art Pareto-Diagramm.
	Es gibt einen Schnappschuss, der zeigt, wo
	es gibt einige potenziell
	ungewöhnlich große Beobachtungen. Ich
	Ich glaube nicht, dass das wirklich so aussieht
	zu ungewöhnlich oder besorgniserregend für mich.
	Wir können die großen Ausreißer retten
	zu einer Datentabelle und schauen Sie sich dann
	sie in der Verteilung
	Plattform und was wir sehen, ist
	sieht aus wie eine Normalverteilung
	mit der Mitte herausgenommen. Also ich
	Ich denke, das sind Daten, die
	kommt aus der gleichen
	Bevölkerung und es gibt nichts
	hier wirklich Anlass zur Sorge,
	Ausreißer. Sobald wir also
	den Ausreißer beachtet
	Situation, in die wir eintreten und die wir erkunden
	fehlende Werte. Was wir also
	Als erstes werden wir
	um die Ys als ... in die zu laden
	Plattform, und dann gehen wir
	den fehlenden Wert zu verwenden
	Schnappschuss, um zu sehen, welche Muster
	sie gehören zu unseren Vermissten
	Werte. Es sieht aus wie die
	Fehlende Werte treten häufig auf in
	horizontale Cluster, und es gibt
	auch die gleichen fehlenden Werte
	über Zeilen hinweg. Sie können also sehen, dass
	mit den schwarzen Flecken hier.
	Und dann wenden wir eine
	automatisierte Datenimputation,
	das geht weiter und spart
	Formelspalten, die imputieren
	fehlende Werte in der neuen
	Spalten mit einem Regressionstyp
	Algorithmus, der entwickelt wurde von
	ein Doktorand von mir namens Milo
	Seite an der NC State. So können wir spielen
	ein wenig herum und holen Sie sich ein
	Gefühl, wie die ADI
	Algorithmus funktioniert. Es ist also
	diese Formelspalten erstellt
	die Elemente ablösen von
	die Spalte ADI-Imputation, die
	eine Vektorformelspalte und die
	Scoring-Imputationsfunktion
	berechnet die erwartete
	Wert der fehlenden Zellen angegeben
	die nicht fehlenden Zellen, wann immer
	Es fehlt ein Wert. Und es ist
	nur durch die Durchführung einer nicht
	fehlender Wert. So können Sie 207 sehen
	in YO...Y6 dort. Es ist zunächst
	207, aber dann ändere ich es in
	fehlt und wird nun
	auf 234 geschätzt.
	Also werde ich das ein paar Mal machen, also
	Sie können irgendwie sehen, wie es ist
	funktioniert. Also hier werde ich ein großes
	Wert für Y7 und das ist jetzt.
	ersetzt worden. Und wenn wir untergehen
	und wir fügen eine Zeile hinzu,
	dann sind alle fehlenden Werte da
	zunächst und die Spalte bedeutet
	werden ersetzt für die
	Zuschreibungen. Wenn ich gehen würde
	weiter und fügen Sie Werte für einige von
	diese fehlenden Zellen, es würde
	beginnen Sie mit der Ausführung des Konditionals
	Erwartung der noch fehlenden
	Zellen unter Verwendung der Informationen
	das ist in dem fehlenden .... das
	nicht fehlende. Also unsere nächste
	Frage zur Datenstruktur ist
	sind die Analysemethoden
	passend zur Datenstruktur?
	Wir haben also 11 Mischungseingänge
	und eine Verarbeitungsvariable, die
	kategorisch. Das sind
	als Input für eine
	Quadrate Typ Modell. Wir haben
	13 kontinuierliche Antworten und
	wir können sie modellieren, indem wir ... verwenden.
	individuell mit minimalem
	Quadrate. Oder wir können modellieren
	Funktionsprinzip
	Komponenten. Die...jetzt gibt es
	Probleme. Die Xs sind...die
	Eingangsvariablen wurden nicht
	überhaupt randomisiert. Es ist sehr
	klar, dass sie Mist
	herum mit einem oder mehreren von
	die Verbindungen und bewegen Sie sich dann
	weiter zu einem anderen. Also die
	Reihenfolge, in der die
	die Eingangsvariablen wurden variiert
	war irgendwie planlos. Es ist ein
	klarer Mangel an Randomisierung und
	das wird sich negativ auswirken
	Auswirkungen auf unsere ... die Generalisierbarkeit
	und Stärke unserer Schlussfolgerungen.
	Die Datenintegration ist die dritte
	InfoQ-Dimension. Diese Daten
	sind manuell eingegebene Labornotizen
	besteht überwiegend aus Mischungen
	Prozentsätze und Ausrüstung
	Anzeigen. Wir können nur annehmen
	dass die Daten eingegeben wurden
	korrekt ist und dass die X-Zeichen
	richtig mit den Antworten ausgerichtet.
	Wenn das nicht der Fall ist, dann
	Modell wird eine ernsthafte Verzerrung aufweisen
	Probleme und haben
	Probleme mit der Generalisierbarkeit.
	Integration ist eher ein Thema
	mit Beobachtungsdaten
	Wissenschaftliche Probleme in der Maschine
	Lernübungen, als Labor
	Experimente wie dieses. Obwohl
	es trifft hier nicht zu, ich werde
	weisen darauf hin, dass die Privatsphäre und
	Vertraulichkeitsbedenken können
	identifiziert durch Modellierung der
	sensiblen Teil der Daten mit
	die zu veröffentlichende Komponente
	auf die Daten. Wenn die resultierende
	Modell vorhergesagt wird, dann ein
	sollte besorgt sein, dass die Privatsphäre
	Bedenken werden nicht berücksichtigt. Zeitliche
	Relevanz bezieht sich auf die
	operative zeitliche Abfolge von
	Datenerfassung, Analyse und
	Bereitstellung und ob Lücken
	zwischen diesen Phasen führt zu einer
	Verringerung der Nützlichkeit von
	die Informationen in der Studie.
	In diesem Fall können wir nur einfach
	hoffen, dass die materiellen Lieferungen
	sind einigermaßen konsistent und
	dass die Prüfeinrichtung
	einigermaßen genau, was eine
	nicht überprüfbare Annahme zu diesem
	Punkt. Die Zeitauflösung, die wir
	haben, wenn die Datenerfassung
	auf Tagesebene, das heißt
	dass es kaum eine Möglichkeit gibt,
	Wir können überprüfen, ob Zeit ist
	Variation innerhalb jedes Tages.
	Chronologie der Daten und Ziel ist
	über die Verfügbarkeit von
	relevanten Variablen sowohl in Bezug auf
	davon, ob die Variable
	überhaupt in den Daten vorhanden sind oder
	ob die richtigen Informationen
	wird verfügbar sein, wenn das Modell
	wird eingesetzt. Für prädiktive
	Modelle, dies bezieht sich auf Modelle
	Anpassung an Daten ähnlich wie
	was zu der Zeit vorhanden sein wird
	Das Modell wird evaluiert auf
	neue Daten. Auf diese Weise werden unsere Daten
	Set ist sicherlich in Ordnung. Für
	Kausalität festzustellen, jedoch
	wir sind nicht annähernd so gut
	Form, weil der Mangel an
	Randomisierung bedeutet, dass die Zeit
	Effekte und Faktoreffekte können
	verwirrt werden, was zu Voreingenommenheit führt
	in unseren Schätzungen. Endogenität,
	oder umgekehrte Kausalität, könnte
	hier eindeutig ein Problem sein, da
	Variablen wie Temperatur und
	Die Reaktionszeit könnte deutlich
	Auswirkungen auf die Antworten, aber haben
	wurden nicht erfasst. Insgesamt
	es gibt vieles, was wir nicht wissen
	über diese Dimension in einem
	Sinn für Informationsqualität.
	Der Rest des InfoQ
	Bewertung wird
	abhängig von der Art der
	Analyse, die wir durchführen. Also an diesem
	Punkt, ich werde weitermachen und
	eine Analyse dieser Daten durchführen
	Verwendung der Funktionsdaten
	Explorer-Plattform in JMP Pro
	das mir erlaubt, über
	alle Spalten gleichzeitig
	auf eine Weise, die basiert auf
	funktionale Hauptkomponenten,
	die den Höchstbetrag enthalten
	von Informationen über alle diese
	Spalten wie dargestellt in der
	das effizienteste Format, das möglich ist.
	Ich werde daran arbeiten,
	imputierte Versionen der Spalten
	die ich vorher berechnet habe in der
	Präsentation. Und ich werde
	weisen Sie darauf hin, dass ich
	arbeiten daran, Kombinationen von
	die Mischungsfaktoren, die erreichen
	so nah wie möglich an einem
	kleinsten Quadraten Sinn, ein Ideal
	Kurve, die erstellt wurde durch die
	Praktiker, der maximiert die
	Menge des potenziellen Produkts, das
	könnte in einem Stapel sein, während
	Minimierung der Menge der
	Verunreinigungen, die sie
	realistisch betrachtet eine Charge
	enthalten könnte. Also beginne ich die
	Analyse, indem Sie zur Analyse gehen
	Menü, rufen Sie die Funktional
	Daten-Explorer. Dieser hat Zeilen als
	Funktionen. Ich werde meine
	imputierte Zeilen, und dann gehe ich
	in meine Formulierung einfügen
	Komponenten und meine Verarbeitung
	Spalte als Ergänzung
	Variable. Wir haben eine ID
	Funktion, das ist Batch-ID. Hier habe ich
	einsteigen. Ich kann die Funktionen sehen,
	sowohl die Überlagerung insgesamt als auch
	Ich kann die einzelnen Funktionen sehen.
	Dann kann ich das Ziel laden
	Funktion, die das Ideal ist.
	Und das wird die
	Analyse, die sich ergibt, wenn ich
	Beginnen Sie mit der Modellierung
	Schritte. Das sind also ziemlich
	einfache Funktionen, also bin ich nur
	werde sie modellieren mit
	B-Splines.
	Und dann gehe ich in meine
	funktionale DOE-Analyse.
	Das passt zum Modell
	das die Eingänge verbindet in
	das Funktionsprinzip
	Komponenten und verbinden Sie dann alle
	den Weg durch die
	Eigenfunktionen, um es so zu machen
	wir sind in der Lage, die
	Gesamtfunktionen, wie sie
	geändert, da wir die
	Mischungsfaktoren. Die
	funktionale Hauptkomponente
	Die Analyse hat ergeben, dass
	Es gibt vier Dimensionen von
	Variation in diesen Antworten
	Funktionen. Um zu verstehen, was
	Sie meinen, lasst uns weitermachen und
	Erkunden Sie es mit dem FPC-Profiler.
	Beobachten Sie also diesen Bereich hier,
	Ich passe FPC 1 an und wir können sehen
	dass dieses FPC verbunden ist mit
	Spitzenhöhe. FPC2, es sieht
	als wäre es eine Art Gipfel
	Enge. Es ist fast wie ein
	Auflösungsprinzip
	Komponente. Die dritte ist
	im Zusammenhang mit einer Art Knie auf
	links vom dominanten Gipfel.
	Und Peak 4 sieht aus, als wäre es
	hauptsächlich im Zusammenhang mit der
	Verunreinigung, also das ist, was die
	Die zugrunde liegende Bedeutung ist von
	diese vier funktionalen
	Hauptkomponenten.
	So haben wir unser Ziel charakterisiert
	als Maximierung des Produkts und
	Minimierung der Verunreinigung und
	Wir haben das in die
	Analyse durch dieses Ideal oder
	goldene Kurve, die wir geliefert haben bei
	der Beginn der FDE
	Übung, die wir machen. Um so
	so nahe wie möglich an dieses Ideal
	Kurve, wir schalten die Erwünschtheit ein
	Funktionen. Und dann können wir gehen
	heraus und maximieren Sie die Attraktivität.
	Und wir finden, dass die optimale
	Kombination von Eingaben ist etwa
	4,5 % von
	Zutat vier, 2% von
	Zutat 6. 2,2 % von
	Zutat 8 und 1,24 %
	Zutat 9 mit Verarbeitung
	Methode zwei. Lassen Sie uns überprüfen, wie
	wir sind hier angekommen. Wir zuerst
	die fehlende Antwort berechnet
	Spalten. Dann fanden wir B-Spline
	Modelle, die diesen Funktionen entsprechen
	gut in der FDE-Plattform. Ein
	funktionale Hauptkomponenten
	Analyse ergab, dass es
	were four eigenfunctions
	Charakterisierung der Variation in
	diese Daten. Diese vier
	eigenfunctions were determined
	über den FPC-Profiler zu jedem
	ein vernünftiges Thema haben
	Materie Bedeutung. Die funktionale
	Die DOE-Analyse bestand aus
	Anwendung nach vorne beschnitten
	Auswahl zu jedem der
	individuelle FPC-Ergebnisse mit dem
	DOE-Faktoren als Eingabevariablen.
	Und wir sehen hier, dass diese
	gefundene Kombinationen von
	Wechselwirkungen und Haupteffekte
	die am besten vorhersagbar waren für
	jeder der funktionalen Haupt
	Komponentenwerte einzeln.
	Der funktionale DOE-Profiler
	hat elegant alle
	Aspekte in einer Darstellung
	das uns erlaubt, die
	Formulierungsverarbeitungsschritt, der
	wird voraussichtlich wünschenswert sein
	Eigenschaften, gemessen an hohen
	Ausbeute und geringe Verunreinigung.
	Jetzt können wir eine Infofrage stellen
	Beurteilung der
	Generalisierbarkeit der Daten in
	die Analyse. In diesem Fall
	wir sind mehr daran interessiert
	wissenschaftliche Generalisierbarkeit, wie
	Der Experimentator ist ein zutiefst
	sachkundiger Chemiker arbeitet
	mit dieser Verbindung. Wir sind also
	wird sich mehr auf
	ihre Fachkompetenz
	dann auf statistischen Prinzipien
	und Tools wie Hypothesentests
	und so weiter. Das Ziel ist
	primär prädiktiv, aber die
	Generalisierbarkeit ist eine Art
	problematisch, weil die
	Experiment war nicht geplant. Unser
	Fähigkeit, Wechselwirkungen einzuschätzen
	wird für Techniken wie geschwächt
	Vorwärtsauswahl und unmöglich
	mittels Kleinstquadratanalyse von
	das vollständige Modell. Da die
	Die Studie war nicht randomisiert, es
	könnte nicht erfasste Zeit in
	Auftragseffekte. Wir haben nicht
	potenziell wichtige Kovariate
	Informationen wie Temperatur und
	Reaktionszeit. Dies schafft
	noch ein großes Fragezeichen
	hinsichtlich der Generalisierbarkeit.
	Wiederholbarkeit und
	Reproduzierbarkeit der Studie ist
	auch hier eine Unbekannte, da wir
	keine Informationen über die
	Variabilität aufgrund der
	Messsystem. Glücklicherweise
	wir haben Tools wie JMP's
	Bewerten Sie das Design, um es zu verstehen
	das bestehende Design sowie
	erweitern Design, das erheblich
	die Generalisierung verbessern
	Durchführung der Analyse.
	Augment kann Informationen verbessern
	über Haupteffekte und
	Interaktionen und eine zweite Runde
	des Experimentierens könnte
	randomisiert, um auch zu verbessern
	Generalisierbarkeit. Jetzt bin ich
	werde ein paar durchgehen
	einfache Schritte, die zeigen, wie man
	die Generalisierung verbessern
	Durchführung unserer Studie mit
	Design-Tools in JMP. Bevor ich
	tun, möchte ich darauf hinweisen
	dass ich die Daten nehmen musste und
	konvertieren Sie es so, dass es
	Proportionen statt in
	Prozent. Andernfalls ist das Design
	Werkzeuge stimmten nicht wirklich überein
	mit den Daten sehr gut. So wir
	Gehen Sie in den Bewertungsdesigner
	und dann laden wir unsere Ys und
	unsere Xs. Ich habe die Möglichkeit angefordert,
	Interaktionen zweiter Ordnung handhaben.
	Dann...ja, ich habe diese Warnung bekommen
	sagen: „Hey, das kann ich nicht tun“
	weil wir nicht in der Lage sind,
	Schätzen Sie alle Interaktionen
	jeweils einen Faktor berücksichtigen
	Daten, die wir haben. Also habe ich unterstützt
	nach oben. Wir gehen zum Augment
	Designer, lade alles hoch,
	Set Augment. Wir wählen und ich-
	optimales Design, weil wir
	wirklich besorgt über
	hier prognostizierte Leistung.
	Und ich
	Stellen Sie die Anzahl der Läufe auf 148 ein.
	Der benutzerdefinierte Designer hat angefordert
	141 als Minimum, aber ich ging zu
	148 nur um sicherzugehen
	dass wir alle Möglichkeiten haben,
	schätzen alle unsere Interaktionen
	ziemlich gut. Danach
	dauert etwa 20 Sekunden
	konstruieren Sie das Design. So jetzt
	dass wir das Design haben, ich bin
	zeigen wir die beiden
	wichtige Diagnoseinstrumente in
	der Augment-Designer für
	Bewertung eines Designs. Auf der
	links haben wir den Bruchteil von
	Entwurfsraumdiagramm. Dies ist
	zeigt, dass 50 % des Volumens
	des Designs hat
	eine Vorhersagevarianz, die
	kleiner als 1. Also wäre 1
	entspricht dem Rest
	Fehler. So können wir
	besser als Messfehler
	Qualitätsvorhersagen über die
	Großteil des Designs. Auf der
	rechts haben wir die Farbkarte auf
	Korrelationen. Dies zeigt
	dass wir abschätzen können
	alles ziemlich gut. Es gibt
	einige...wegen der Mischung
	Einschränkung, wir bekommen einige
	starke Korrelationen zwischen
	Wechselwirkungen und Haupteffekte.
	Insgesamt sind die Auswirkungen ziemlich
	sauber. Und die Interaktionen sind
	ziemlich gut getrennt von einem
	ein anderer, und die Haupteffekte
	sind ziemlich gut getrennt von
	auch einander. Nach
	Blick auf das Design
	Diagnostik können wir die
	Tabelle. Hier habe ich gezeigt,
	die ersten 13 der erweiterten Läufe
	und wir sehen, dass wir... wir
	haben mehr Randomisierung. Wir
	denselben Haupteffekt nutzen
	immer wieder Schlieren.
	Das ist ein Beweis für bessere
	Randomisierung und insgesamt die
	Design wird in der Lage sein,
	viel besser einschätzen, die wichtigsten
	Wirkungen und Wechselwirkungen mit
	erhielt eine bessere, höhere Qualität
	Informationen in dieser zweiten Phase
	des Experimentierens. Der Input
	Variablen, die Xs, sind genau
	Darstellungen der Mischung
	Anteil, das ist also ein klares
	objektives Interesse. Die
	Antworten sind nahe Surrogat
	für die Menge des Produkts
	und Menge der Verunreinigung, die in
	die Chargen. Wir sind ziemlich gut darin
	7.1. dort. Die Begründungen
	sind klar. Nach der Studie haben wir
	können natürlich gehen, um eine
	Charge, die die Formulierung ist
	das wurde vom FDOE empfohlen
	Profiler. Probieren Sie es aus und sehen Sie, ob
	wir bekommen die Art von
	Leistung, die wir gesucht haben
	für. Es ist ganz klar, dass
	wäre der Weg, wie wir
	beurteilen, wie gut wir erreicht haben
	unsere Studienziele. So jetzt unter der
	letzte InfoQ-Dimension
	Kommunikation. Durch die Beschreibung der
	Idealkurve als Ziel
	Funktion, das funktionale DOE
	Profiler macht das Ziel und die
	Ergebnisse der Kristallanalyse
	klar. Aber das kann ausgedrückt werden
	auf einem Niveau, das leicht
	von den Chemikern interpretiert und
	Manager der F&E-Einrichtung.
	Und wie wir unsere detaillierten
	Bewertung der Informationsqualität,
	wir waren offen über die
	Stärken und Schwächen der
	Studiendesign und Daten
	Sammlung. Wenn die Ergebnisse
	nicht verallgemeinern, wir sicherlich
	wissen, wo man suchen muss, wo die
	Probleme waren. Sobald Sie werden
	mit den Konzepten vertraut,
	Es gibt ein nettes Add-In geschrieben
	von Ian Cox, mit dem Sie
	Führen Sie eine schnelle quantitative Infofrage durch
	Bewertung. Das Add-In hat
	Schieberegler für die obere und untere
	Grenzen jeder InfoQ-Dimension.
	Diese Dimensionen werden kombiniert
	mithilfe einer Erwünschtheitsfunktion
	Ansatz für ein Gesamtintervall
	für die Infofrage links.
	Hier ist eine Einschätzung für die
	Daten und Analysen, die ich behandelt habe in
	diese Präsentation. Das Add-In ist
	auch ein nützliches Denkwerkzeug, das
	wird Sie dazu bringen, jeden einzelnen
	die InfoQ-Dimensionen. Es ist auch ein
	praktische Art zu kommunizieren
	InfoQ-Bewertungen für Ihre
	Kunden oder Ihrem Management, als
	Es bietet einen umfassenden Überblick über
	Informationsqualität ohne
	mit viel technischem
	Konzepte und Fachjargon. Das Add-In
	ist auch nützlich als Grundlage für
	ein InfoQ-Vergleich. Mein
	ursprüngliche Hoffnung für diese
	Präsentation sollte ein wenig
	etwas ehrgeiziger. Ich hatte gehofft
	um die Analyse abzudecken, die ich hatte
	gerade durchgemacht, sowie
	ein weiteres einfacheres, eines, bei dem ich überspringe
	Eingabe der Antworten und Ausführen
	eine einfache multivariable lineare
	Regressionsmodell der Antwort
	Spalten. Heute kann ich nur
	eine abschließende Bewertung abgeben
	Ansatz. Wie Sie sehen können,
	mehrere der InfoQ
	Abmessungen leiden erheblich
	ohne die anspruchsvolleren
	Analyse. Es ist sehr klar, dass
	Die einfache Analyse führt zu
	viel niedrigerer InfoQ-Score.
	Die Obergrenze der einfachen
	Analyse ist nicht viel höher
	als die untere Grenze der mehr
	anspruchsvolles. Mit
	Erfahrung, Sie werden gewinnen
	Intuition darüber, was ein guter InfoQ
	Score ist für die Datenwissenschaft
	Projekte in Ihrer Branche und
	Nehmen Sie bessere Gewohnheiten an, während Sie
	wird nicht länger blind sein für die
	Informationsengpässe in Ihrem
	Datenerfassung, Analyse und
	Modellbereitstellung. Informationen
	Qualität mit einer einfachen Bedienung
	Schnittstelle. Das war mein erstes
	formale Informationsqualität
	Einschätzung. Ich spreche für mich selbst,
	die Informationsqualität
	Rahmen hat Worte gegeben und
	Struktur für viele Dinge, die ich
	wusste es bereits instinktiv. Es
	ist schon verändert wie ich
	Ansatz für neue Datenanalyse
	Projekte. Ich ermutige Sie,
	durch diesen Prozess selbst auf
	Ihre eigenen Daten, auch wenn diese Daten
	und die Analyse ist bereits sehr
	Ihnen bekannt. Ich garantiere
	dass du ein weiserer und
	effizienterer Datenwissenschaftler
	deswegen. Danke.

Erweiterte statistische ModellierungGrundlegende Datenanalyse und -modellierungKonsumenten- und MarktforschungInhaltsorganisationVersuchsplanungPrädiktive Modellierung und maschinelles LernenQualitäts- und ProzesstechnikZuverlässigkeitsanalyse