Nous avons commencé à utiliser JMP il y a quatre ans. Nous en avions assez de la lourdeur d'Excel et nous adorions les fonctionnalités glisser-déposer de JMP et sa facilité d'apprentissage. Cependant, nous avons parcouru un long chemin depuis lors, et nous utilisons actuellement JMP pour les statistiques et, plus important encore, pour les automatisations et le contrôle qualité des produits.
Cette méta-analyse n’est qu’un exemple du temps et des efforts que nous avons économisés grâce à JMP. Nous recevons des données expérimentales des fermes clientes sur les impacts de nos produits sur la survie/mortalité des porcelets. Cette méta-analyse a commencé il y a cinq ans sous la forme d’un processus intensif de trois à cinq semaines sur Excel. Au fil du temps, elle s’est transformée en un processus JMP principalement automatisé qui prenait une semaine ou moins. Ce gain de temps signifie que nous avons plus de temps pour les étapes du processus « à valeur ajoutée », comme la présentation des données à nos clients et la rédaction de résumés pour les conférences. Cela signifie également que nous pouvons passer plus de temps à interroger les données pour obtenir des informations, ce qui nous permet de proposer « quelque chose de nouveau » à chaque fois que nous présentons. JMP nous a vraiment appris l’importance de suivre des schémas de processus et l’impact que les automatisations peuvent avoir sur la façon dont nous visualisons les données.
Bonjour à tous. Je m'appelle Stefan Buzoiano. Je suis chercheur principal chez Tonisity International. Et aujourd'hui, nous allons parler de notre parcours depuis Excel vers les automatisations JMP. Mon e-mail est ici sur l'écran, donc pour toute question ou suggestion, n'hésitez pas à m'envoyer un like.
Pour rappel, Tonisity PX est une boisson protéinée isotonique administrée aux porcelets nouveau-nés qui les hydrate et leur fournit des nutriments essentiels pour leurs cellules intestinales. Ainsi, les porcelets survivent mieux, grandissent plus vite et sont en bonne santé. Vous pouvez donc considérer Tonisity PX comme une banque d'énergie pour l'intestin, car elle fournit des nutriments essentiels pour soutenir le métabolisme cellulaire, pour améliorer les jonctions cellulaires, pour s'assurer que les porcelets n'ont pas d'intestin perméable, pour soutenir le système immunitaire et pour soutenir le microbiome. Comme effet principal, nous constatons une amélioration de la survie des porcelets ou une réduction de la mortalité avant la naissance. Et c'est ce dont nous allons parler dans les prochaines diapositives.
Nous avons appris au fil du temps que nos clients commencent à s'intéresser de plus en plus aux données, et qu'il n'y a pas grand-chose que l'on puisse accomplir en montrant un à cinq essais, car les gens vous poseront des questions sur la répétabilité, sur l'analyse statistique et sur les tendances.
Ainsi, en agrégeant les données, notre discours, notre diffusion, ce matériel est beaucoup plus puissant. Ainsi, en montrant les résultats de 10, 20, 50, 90, 100 essais, nos clients commencent à y prêter attention, et nous entamons des discussions plus significatives et apportons plus de valeur ajoutée à notre produit ou à notre accès au marché. Ainsi, plus il y a de données, mieux c'est. C'est le pouvoir des données agrégées.
Pour ce faire ou pour améliorer nos capacités en matière de données, nous effectuons ces méta-analyses de mortalité environ une fois par an. Nous avons donc effectué six itérations à ce jour. Nous avons commencé en 2018 avec environ 29 essais et 33 000 porcs. Ce mois-ci, nous avons 91 essais dans notre base de données avec 185 000 porcs. Nous avons donc effectué six itérations de cette analyse de données, auxquelles s'ajoute la précédente, pour arriver à notre point de départ actuel.
En examinant les efforts consacrés à l’allocation du temps et à ce qui a été consacré à cette analyse, nous constatons qu’en 2018, nous avons traité beaucoup de données ou préparé des données dans Excel. La couleur rouge indique la préparation des données Excel. L’orange indique l’analyse entre SAS et JMP, et le bleu indique la diffusion, qui est l’étape à valeur ajoutée. Nos dirigeants, notre conseil d’administration et nos clients s’intéressent davantage à l’aspect diffusion qu’aux manipulations de données, comme on pourrait le penser.
Nous avons commencé par un processus très intensif sur Excel. Il nous a fallu huit jours pour vraiment comprendre la base de données et travailler avec toutes ces formules et copier-coller. Il y a eu une bonne dose d'erreur humaine. En 2019, nous n'avons pas beaucoup ajouté à l'ensemble de données, mais nous n'avons toujours pas fait beaucoup de diffusion.
Nous avons acquis JMP en 2020. Nous avons procédé à une refonte de notre base de données et, à partir de 2021, nous avons commencé à diffuser beaucoup plus de données et la manipulation des données a considérablement diminué. Vous pouvez constater que nous nous concentrions déjà sur cette étape à valeur ajoutée du côté de la diffusion.
C'est une autre façon de voir les choses, en les répartissant par étape dans le processus. Par exemple, la préparation, l'analyse et la diffusion des données Excel. Nous pouvons constater une diminution du temps passé à travailler sur Excel. De 8 jours à 0,1 jour, c'est assez significatif et cela ajoute beaucoup de valeur à notre processus. Il y a donc moins de manipulations de données, moins d'erreurs et moins de jours passés à travailler sur ce sujet.
L'étape d'analyse Nous sommes restés les mêmes ici au milieu, mais nous sommes passés d'un processus intensif SAS à un processus intensif JMP, et cela a ses avantages car nous conservons beaucoup de choses au même endroit.
Mais l'essentiel ici est que nous sommes passés d'une demi-journée à environ quatre jours de diffusion. Et cela ajoute beaucoup de valeur au travail quotidien. Par exemple, nous avons soumis deux résumés cette année. Nous avons procédé à quelques automatisations au cours des deux dernières années et nous avons ajouté de nouvelles analyses. Donc, encore une fois, le temps que nous avons gagné en n'ayant plus à travailler sur le déplacement des données dans Excel a été bien utilisé pour soumettre des résumés, diffuser l'information, organiser des webinaires pour nos clients et discuter avec la communauté universitaire.
Il s'agit de notre processus d'analyse de données, il est donc aussi laid qu'un processus d'analyse de données puisse l'être. Beaucoup de tableaux, beaucoup d'interactions, beaucoup de synthèses, de fusions et tout ça. Le principal point ici est qu'une grande partie du travail, une grande partie du gros du travail est effectuée dans JMP. Il y a très peu d'Excel, un peu de SAS, mais c'est surtout JMP.
Voici à quoi ressemble le processus en arrière-plan. Nous récupérons l'ensemble de données ou l'emplacement de la base de données d'Excel dans JMP. Nous l'exécutons via SAS, nous le réintégrons dans JMP et nous obtenons ce tableau principal, qui est l'épine dorsale de chacune de nos analyses. C'est là que tout le reste est identifié et progresse. Nous avons donc une méta-analyse globale de la mortalité par cinq régions géographiques, par deux protocoles d'administration et par quatre gènes. Environ 13 composants de ce tableau de données ont été automatisés et sont fusionnés de manière transparente en arrière-plan par JMP.
Nous disposons alors de graphiques réguliers qui évoluent d'itération en itération. Le code est déjà écrit, JMP fait le gros du travail pour nous. Nous exécutons simplement les scripts. Et tout ce gain de temps nous permet de nous concentrer, comme je l'ai dit, sur l'interprétation des données et sur leur diffusion. Nous sommes désormais en mesure d'examiner les recoins des ensembles de données, de voir quand notre produit fonctionne très bien et quand des événements se sont produits et ont donné des résultats inattendus. Et cela nous permet de résoudre les problèmes avec nos clients pour nous assurer que nous leur apportons de la valeur lorsqu'ils travaillent avec notre produit.
Et c'est ce que nous faisons essentiellement en arrière-plan. Il y a donc un tas d'étapes ennuyeuses ici. Nous examinons Excel, nous l'introduisons dans JMP, nous faisons une analyse initiale, dont nous allons parler dans une seconde, et nous allons faire une démonstration. Nous l'envoyons à SAS, nous l'analysons, et il sort dans Excel, nous le ramenons dans JMP, et nous faisons beaucoup de fusions de moyennes de mortalité, ces valeurs P, d'autres résumés, et nous faisons des graphiques et quelques présentations PowerPoint.
Maintenant, comme je l'ai dit, parce que JMP fait le gros du travail pour nous avec les formules et les concaténations et tout ce qui se trouve en arrière-plan, nous sommes en mesure d'examiner les données pour faire de la diffusion, des résumés, des webinaires et des sessions de formation client, etc.
Nous passons à notre démo, et c'est le moment où chaque utilisateur JMP s'arrête pour une courte prière pour que le code fonctionne parfaitement. Regardons ça de plus près. Voici mon projet JMP. Rien de bien excitant, beaucoup de lignes de code. Ce que j'aime vraiment avec JMP, c'est qu'il m'a donné des options de pliage de code pour que je puisse réduire des sections entières de code. Je charge tout dans la mémoire, je les coordonne et j'exécute ces sections de code à partir de ce panneau sur le côté droit. Nous allons importer les tables et commencer à travailler avec elles.
Nous devons ensuite nous connecter à SAS. Il exécutera du code en arrière-plan. Nous exportons la table vers SAS pour qu'elle fasse son travail. SAS revient ensuite avec des tables assez moches. Il y a sept tables avec toutes les valeurs P et toutes sortes d'estimations et d'autres choses qui doivent vraiment être concaténées et transférées dans notre format de table principale. JMP peut le faire pour nous, sans problème. Voici notre table principale. C'est tout.
Ensuite, il nous reste un tas de tableaux ici sur le côté gauche dont nous n'avons aucune utilité. Bien sûr, nous les nettoyons, nous les fermons. Désolé, nous ne sommes pas bons. Ensuite, le problème est qu'il nous reste quelques tableaux ici, je devrai apporter le code pour les figures ou pour les graphiques d'une ancienne version de l'itération.
C'est exactement ce que nous faisons. Vous pouvez voir les codes ici, les scripts, et je peux jouer avec. Ce sont mes graphiques standard. Je peux jouer avec eux selon mes besoins. Il y en a un autre ici. Parfait. Encore une fois, ce n'est qu'un exemple d'un des graphiques. Nous avons la mortalité du témoin sur l'axe des X, la mortalité du traitement PX sur l'axe des Y, et ces petits drapeaux. Cela me permet de comprendre où se trouvent les essais européens, où chacun de ces points correspond à un essai dans notre base de données. Il y a un tas d'essais américains avec une mortalité très élevée. Ceux d'Asie ont généralement une faible mortalité ici en bas.
Cela me permet d'examiner les données et d'avoir cette flexibilité et de comprendre ce qui se passe dans les données plutôt que de jouer avec et d'importer des données via Excel à partir de SAS et de faire des graphiques dans Excel. Cela représente donc un gain de temps considérable pour nous.
Parfait. Juste quelques conclusions à ce sujet. JMP signifie donc que nous faisons moins de manipulations de données, donc la licence JMP est rentabilisée. Nous avons moins d'erreurs humaines. Le logiciel JMP fait le gros du travail avec toutes les formules, toutes les concaténations, toutes les jointures de tables, tout ce à quoi vous pouvez penser. Il fait tout cela en arrière-plan, donc il n'y a aucune erreur humaine. Tout a été pris en charge lorsque j'ai mis en place le code. Tout ce gain de temps nous permet de nous concentrer sur les étapes à valeur ajoutée. Donc, examiner les données, rédiger des résumés, donner des webinaires, discuter avec nos clients. Donc ajouter plus de valeur à notre temps.
Cela nous permet de faire beaucoup de dépannage et d'interpréter les données de différentes manières, et cela nous permet d'effectuer différentes analyses sur les données elles-mêmes. Maintenant, un autre point important ici est que nous avons fait tout cela et avons commencé en 2020, et nous n'avions aucune expérience préalable de script JMP. Si je peux le faire, vous pouvez le faire aussi. Merci beaucoup. Encore une fois, mon e-mail est affiché à l'écran. Si vous avez des questions ou des suggestions, je serai heureux de les entendre.
