756624_ko-KR

liliconcom

어두운 이야기: JMP®를 활용한 시각적 스토리텔링 (2021-EU-30MP-792)

Caleb King, JMP 연구 통계 테스터, SAS

이 강연에서는 JMP 16의 새로운 기능을 포함하여 JMP의 다양한 그래픽 기능을 활용하여 데이터의 스토리를 전달하는 방법을 소개합니다. 1991년부터 2019년까지 보고된 증오 범죄에 대한 FBI 데이터베이스를 활용하여 그래프릿과 인터랙티브 피처 수정과 같은 JMP의 그래픽 도구 상자의 핵심 도구들이 시청자에게 새로운 통찰력을 제공하는 방법을 보여드리겠습니다. 하지만 재미는 그래프에서 끝나지 않습니다. 시청자가 "자신만의 모험을 선택"할 수 있도록 테이블 스크립트를 생성하여 데이터를 더 작은 데이터 세트로 나누고, 각 데이터 세트에 고유한 그래프를 추가하여 전체적인 스토리에 대한 새로운 관점을 제시하는 방법도 보여드리겠습니다. 걱정하지 마세요. 모든 것이 겉보기처럼 어둡지는 않습니다...

자동 생성된 대본...

스피커	성적 증명서
케일럽 킹	안녕하세요, 저는 Caleb King입니다. JMP 소프트웨어의 개발자입니다. 실험 설계 그룹에 속해 있지만, 오늘은
	주제에서 조금 벗어나서 JMP의 그래픽과 다른 도구를 사용하여 데이터의 시각적 스토리텔링을 돕는 방법에 대해 이야기해보겠습니다.
	제가 선택한 데이터 세트는... 예를 들어 FBI가 수집한 증오 범죄 데이터입니다. 약간 논란의 여지가 있는 데이터 세트이지만, 실제로 무슨 일이 일어났는지와 매우 관련이 있습니다.
	그리고 제 목표는 이것을 더 설명적으로 만드는 것이므로 이전에 제가 만든 몇 가지 그래픽을 살펴보겠습니다.
	이 데이터 세트에 대해서요. 그래프를 어떻게 만들었는지 꼭 보여드릴 필요는 없지만, JMP를 어떻게 사용할 수 있는지 보여드리는 것이 목적입니다.
	내가 말했듯이 시각적 스토리텔링을 위해서는 사람들이 그래프를 보고 그래프와 상호 작용하도록 유도하는 데 도움이 되는 상호 작용성을 활용하세요.
	더 많은 질문을 하고, 진행하면서 질문 중 일부에 답할 수도 있습니다. 하지만 JMP에서 우리가 추구하는 바인 데이터 탐색을 장려하는 것이 중요합니다.
	그럼, 바로 들어가보겠습니다.
	먼저 데이터 세트 자체에 대한 간략한 개요를 알려드리겠습니다. 여기서는 스크롤만 하시면 됩니다.
	사건이 발생한 곳.
	계속해서, 그리고 그 사건이 발생한 날짜, 음, 언제였는지 말씀드리겠습니다. 가해자에 대한 정보는 조금 있습니다.
	그리고 어떤 범죄, 어떤 유형의 범죄가 저질러졌는지. 다시 한번 기본적인 정보, 사건에 어떤 종류의 편견이 드러났는지, 그리고 피해자들에 대한 정보도 있습니다.
	전반적인 차별 범주와 위도와 경도에 대한 추가 정보(가능한 경우)를 제공했고, 다른 그래픽을 사용할 인구 정보도 제공했습니다. 자, 이제 좀 더 명확하게 말씀드리자면,
	FBI(미국 연방수사국)는 증오범죄를 다음과 같이 정의합니다.
	특정 집단에 대한 편견으로 인해 발생하는 범죄입니다. 따라서 그 편견은 인종, 종교, 성별, 성 정체성 등에 대한 편견일 수 있습니다.
	따라서 범죄가 특정 편견에 의해 동기가 부여되는 한 증오 범죄로 간주되며 이 데이터는 지금까지 발생한 모든 사건으로 구성됩니다.
	FBI에서 수집한 자료는 1991년부터 최근 2019년까지 거슬러 올라가는데, 2020년 자료는 없지만, 2020년 자료는 흥미로울 것 같습니다.
	하지만 FBI는 보고서를 작성하기 전에 데이터를 철저히 정리하고 준비하는 데 시간을 들이는 것을 선호하기 때문입니다.
	그들이 얼마나 많은 시간과 노력을 들여 데이터를 확보했는지 생각하면, 이 데이터가 꽤 정확하다는 걸 확신할 수 있을 겁니다.
	좋아요, 이제 시작해 볼까요? 데이터의 기본적인 시각적 요약을 해 보겠습니다. 여기 작은 테이블 스크립트를 실행해 보겠습니다. 이 스크립트는 기본적으로
	날짜별로 계산해서 특정 편향에 따라 매일 몇 건의 사건이 발생했는지 보여주는 그래프입니다. 이를 바탕으로 기본적인 플롯을 만들겠습니다. 이 경우에는 간단한 선 그래프입니다.
	여기, 전체 기간 동안 매일 발생하는 사건 수를 보여줍니다. 1991년부터 2019년까지의 전체 데이터 범위를 볼 수 있습니다.
	그리고 얼마나 많은 사건이 발생했는지. 이것 자체만으로도 좋은 정적 이미지가 될 수 있을 겁니다. 왜냐하면 일종의 감각을 얻을 수 있기 때문입니다.
	사건 발생 건수가 어디에 있는지 알아보겠습니다. 사실 여기서 축 설정을 조금 바꿔 보겠습니다. 50초 단위로 증분했는데, 20초 단위로 늘려 볼까요? 자, 됐죠?
	그래서 여러분을 위한 약간의 상호 작용이 있습니다... 상호 작용. 우리는 그것을 좀 더 세련되게 만들고 더 나은 감각을 얻기 위해 규모를 변경했습니다.
	평균적으로 얼마나 많은 사고가 발생하나요? 제가 배포를 조금 해봤는데, 하루 평균 20건 정도의 사고가 발생했습니다.
	여기서 볼 수 있는 부분입니다. 물론, 데이터에서 보이는 두 가지 급격한 변동에 대해 제가 왜 아직 언급하지 않았는지 궁금하실 겁니다.
	네, 분명히 아주 큰 가시가 두 개 있습니다. 그래서 만약 이것이
	다른 유형의 소프트웨어라면 "알겠습니다. 한 번 살펴보겠습니다."라고 말할 수 있습니다. 그러면 시도한 데이터로 돌아가서
	아시죠, 그 날짜들이 어디인지 분리하고, 거기서 무슨 일이 일어나고 있는지 보여주기 위해 플롯을 제시하거나 분석을 시도해 보세요. 음, 이건 JMP이고, 우리는 할 수 있는 게 있습니다.
	도움이 필요하신가요? JMP 15에서 도입된 Graphlet이라는 기능인데, 이렇게 작동합니다. 마우스를 올리면 펑 소리가 나네요.
	그 시점에 무슨 일이 일어나고 있는지 더 자세히 요약하는 데 도움이 되는 작은 그래프가 나타났습니다. 그래서 이 경우에는 많은 정보가 담겨 있습니다.
	먼저 1992년 5월 1일이라는 날짜를 살펴보겠습니다. 미국 역사에 익숙하다면 여기서 무슨 일이 일어나고 있는지 알 수 있겠지만 그렇지 않다면,
	그래프를 클릭하면 추가 단서를 조금 더 얻을 수 있습니다. 이제 제가 보여드리는 것을 보실 수 있을 겁니다.
	사건의 특정 편향에 따른 사건입니다. 여기서 우리는 대부분의 사건이 백인을 상대로 발생했고, 그 다음 집단은 흑인이나 아프리카계 미국인이며, 이런 양상은 계속해서 나타납니다.
	여기서 그 답을 어느 정도 알려드리겠습니다. 캘리포니아에서 로드니 킹 폭동이 일어났던 그 무렵에 일어난 사건들에 대해서요. 로드니 킹은
	불행히도 경찰관에게 살해당한 아프리카계 미국인 개인이 많은 반발과 폭동을 일으켰습니다.
	이쯤 되었을 때입니다. 그래서 이 특정 데이터 포인트에서 우리가 보고 있는 것이 바로 그것인데, 만약 여러분이 그걸 몰랐다면 적어도 이 정보를 가지고 시작해서 온라인에서 무슨 일이 일어났는지 알아내려고 노력했을 겁니다.
	아주 큰 스파이크에도 같은 작업을 할 수 있습니다. 그리고 다시 한번, 호버 그래프릿을 사용하겠습니다. 마우스를 그 위에 올려놓으세요. 잠시 멈춰서 여러분이 볼 수 있도록 하겠습니다. 2001년 9월 12일이라는 날짜를 살펴보겠습니다. 그 자체로 매우 중요한 단서입니다.
	무슨 일이 일어났는지에 대해서는. 하지만 여기서 세부 내용을 살펴보면 대부분의 사건이 무슬림 신앙을 가진 개인을 상대로 발생했음을 알 수 있습니다.
	아랍 민족이나 그와 유사한 다른 유형의 민족 또는 조상. 이 경우, 우리는 분명히 볼 수 있습니다.
	9월 11일의 불행한 사건과 그 당시 발생한 테러 공격 이후 다음 날에는 이에 대한 많은 반발이 있었습니다.
	비슷한 민족, 비슷한 신앙을 가진 멤버들이 있었기 때문에 당시 불행하게도 반발이 일어났습니다.
	이미 이 하나의 줄거리와 일부 상호작용만으로도 우리는 많은 정보를 얻을 수 있었고, 더 자세히 알아보고 싶은 분야에 대한 많은 고급 정보를 얻을 수 있었습니다.
	하지만 계속 진행할 수 있습니다. JMP 16의 새로운 기능은 X축에 날짜가 표시되어 날짜를 더 큰 범주로 나눌 수 있다는 것입니다. 이 경우에는 월별로 묶어 보겠습니다.
	그리고 줄거리가 사라지는 걸 봤습니다. 그래서 제가 할 일은 이겁니다. 다시 돌려보고 어떻게 될지 보겠습니다.
	여기 있습니다.
	무슨 일이 일어날지 절대 알 수 없죠. 이 경우에는, 이게 일어날 법한 일이에요. 걱정하지 마세요.
	월별로 분류해 봤는데, 흥미로운 패턴을 발견했습니다. 일종의 계절적 추세가 나타나는 것 같은데, 호버 그래프를 사용해서 어떤 일이 일어나고 있는지 확인해 보겠습니다. 아래쪽 지점에 마우스를 올려놓겠습니다. 이렇게 하면,
	1월, 12월, 알겠습니다. 흥미롭네요. 다른 12월 위에 마우스를 올려볼까요?
	그리고 또 하나, 12월입니다. 아, 이 경우에는 실제로 계절적 추세가 있을지도 모르겠네요. 겨울철에 최저점을 찍는 것 같습니다.
	사실, 제 데이터 테이블을 다시 살펴보면, 전에도 그런 현상을 본 적이 있습니다. 그 기법을 탐구하면서 발견한 부분이고, 이미 그 문제를 해결하기 위한 플롯을 만들어 놓았습니다.
	그래서 이건 제가 만든 것인데, 여러 해에 걸쳐 이번 달에 발생한 사건 수의 변화가 어떤지 살펴보는 겁니다.
	여기서 우리는 평균 추세를 볼 수 있지만, 특히 9월에는 엄청난 급증이 있었기 때문에 많은 변화도 볼 수 있습니다.
	그러니까 좀 더 적절한 게 필요할 것 같네요. 제어판을 열고 중앙값을 선택해 볼게요. 그러면 더 안정적이겠죠. 사분위수 범위도 확인해 볼 수 있을 것 같아요. 그러면 좀 더 안정적이겠죠.
	실험할 수 있는 지표.
	그래서 다시 한번 우리는 계절적 추세를 봅니다. 즉, 겨울철에 확실히 큰 하락이 있는 것 같습니다.
	봄과 여름에 정점을 찍는 것과는 대조적으로요. 지금은
	누군가가 이에 대해 더 자세히 알아보고 왜 이런 일이 일어나는지 연구하고 싶어할 수도 있을 것입니다.
	여러분만의 설명이 있을 수도 있습니다. 제 개인적인 설명은 크리스마스 정신이 너무나 강력해서 12월에 사람들이 가질 수 있는 증오나 편견을 극복할 수 있다고 믿는다는 것입니다.
	다시 한번 말씀드리지만, 이건 제 개인적인 취향일 뿐이고, 여러분도 각자 취향이 있으실 겁니다. 하지만 다시 말씀드리지만, 단 하나의 줄거리만으로도 저는 이러한 경향을 발견할 수 있었고,
	더 깊이 탐구하기 위해 또 다른 줄거리를 만들면 어떨까요? 다시 한번 말씀드리지만, 이 줄거리 하나로 더 많은 연구를 하게 되었습니다. 그리고 계속 이어갈 수 있겠죠.
	그러면 연도별로 나누어 보면, 이런 전반적인 추세를 확실히 볼 수 있을 겁니다.
	그래서 우리는 2000년대 초반 90년대 후반에 정점을 찍은 후 선형적으로 떨어지기 시작하는 걸 봅니다.
	2010년대 중반쯤 중간 지점에 도달한 후 다시 상승하기 시작합니다. 따라서 다른 플롯에서도 비슷한 추세를 볼 수 있다는 점을 명심하세요. 하지만 다시 한 번, 한 걸음 물러서서 이 플롯에서 다른 양상이 나타났다는 점을 생각해 봅시다.
	데이터의 측면. 우리는 심지어
	몇 가지 질문에 답했지만, 몇 가지 더 질문할 수도 있을 것 같습니다. 계절별 트렌드는 어떻게 되나요?
	제가 말씀드린 그 이벤트들이 뭔지 모르셨다면, 아시겠죠? 그 특정 이벤트들이 뭐였죠? JMP 그래픽의 인터랙티브 기능은 사용자가 하나의 특정 매체 안에서 참여하고 탐색하며 이 모든 것을 장려할 수 있도록 해준다는 장점이 있습니다.
	괜찮은.
	계속해 볼까요. 제가 말했듯이, 이건 일종의 시각적 스토리텔링이에요. 그러니까 일종의 프롤로그, 전체적인 관점이라고 생각하시면 돼요. 뭐... 뭐...
	전반적인 상황은 어떻습니까? 이제 관련자들을 살펴보겠습니다.
	즉, 누가 이런 유형의 범죄를 저지르고 있습니까? 그들은 누구를 상대로 이런 범죄를 저지르고 있습니까? 이에 대해 어떤 정보를 얻을 수 있습니까? 그래서 저는 다음과 같이 했습니다.
	다시 한번, 그 질문에 대한 답을 찾기 위한 계획을 세웠습니다. 자, 이게 좋은 시작이 될지도 모르겠네요. 여기 히트맵을 만들어 봤습니다.
	그러면 이 경우에는 가해자의 인종과 그들의 특정 편견에 따라 카운트가 강조됩니다. 그래서 우리는 다음을 볼 수 있습니다.
	이 경우, 많은 일이 일어나고 있습니다. 열을 정렬해서 많은 일이 일어나고 있음을 확인할 수 있습니다. 대부분은 여기 위쪽에 있습니다.
	왼쪽 구석에 있고, 여기 아래쪽은 별로 일이 없어요. 좋은 소식인 것 같아요. 별로 일이 없는 곳에 편향이 많은데, 대부분은 이 구석에서 일어나고 있어요.
	자, 좋은 줄거리일지도 모르지만, 여전히 빈 공간이 많습니다. 그러니 무슨 일이 일어나고 있는지 강조하기 위해 여러 가지를 시도해 볼 수 있을 것 같습니다. 한 가지 방법은 여기 X축으로 가서 개수를 세는 것입니다.
	자, 보시다시피, 뭔가 숨겨진 게 있었어요. 바로 이 위에 레이블을 붙인 거예요. 백분율 레이블이죠.
	전에는 너무 많은 일이 벌어져서 제대로 볼 수도 없었는데, 이제는 그 정보 중 일부를 실제로 볼 수 있게 됐어요. 단순히 숫자를 세는 것보다는 요약하는 좋은 방법이죠.
	하지만 시각화만으로도 가장 큰 편견이 흑인이나 아프리카계 미국인에게 있고, 그다음이 유대인, 그 아래로 내려가다가 결국에는 거의 없어지는 것을 분명히 알 수 있습니다. 따라서 X축만 봐도 현재 상황에 대한 많은 정보를 얻을 수 있습니다.
	Y에도 같은 방법을 적용할 수 있습니다. 즉, 개수에 따라 크기를 조절할 수 있습니다.
	그리고 다시, 크기와 축을 조정한 방법 자체에도 많은 정보가 담겨 있습니다.
	그리고 이 사례에서는... 그 부분을 정말 강조해서 누가 최고 선수인지 명확하게 볼 수 있도록 했습니다. 이 사례에서는 대부분이
	범죄자는 아프리카계 미국인을 상대로 백인 또는 인종을 알 수 없는 사람이며, 다음은 유대인을 상대로 한 범죄입니다.
	흰색에 반대하다가 계속 떨어지네요. 무슨 일이 일어나고 있는지 간략하게 요약해 드리겠습니다. 자, 제가 마우스를 움직이면 작은 원이 보이는 걸 보셨을 겁니다. 이게 제 그래프릿 지표입니다. 다시 한번 말씀드리지만, 여기에 도구가 있습니다.
	우리는 약간 상호 작용했고 다시 말하지만 이것은 훌륭한 정적 이미지가 될 수 있지만 특히 그래프렛을 포함한 JMP의 힘을 사용해 보겠습니다.
	상호작용을 통해 추가 정보를 확인해 보겠습니다. 이 경우에는 여기에 마우스를 올려놓겠습니다.
	그리고 바로 여기, 그래프가 있습니다. 이 경우에는 그래프 전문가 Xan Gregg의 도움으로 꽉 찬 막대형 차트입니다. 이 경우에는, 여러분이 볼 수 있는 것은, 아시다시피,
	어떤 사람들이 누구를 상대로 범죄를 저지르고 있는지, 그리고 그 다음 질문은 아마 "어떤 유형의 범죄가 저질러지고 있는지"였을 겁니다. 음, 그래프렛을 사용해서 제가 그 질문에 대한 답을 드렸습니다.
	여기서 가장 큰 범죄 유형을 볼 수 있습니다. 압도적인 범죄 유형은 협박이고, 그 다음으로 단순 폭행과 중대한 폭행이 뒤따릅니다. 그 다음은 나머지 범죄입니다. 이것이 바로 꽉 찬 막대형 차트의 장점입니다.
	다른 모든 유형의 범죄도 볼 수 있습니다. 모두 쌓아 올려도 비교도 안 됩니다. 상위 3위 안에도 들지 못합니다.
	따라서 이는 이러한 유형의 범죄가 어떤 유형인지, 그리고 얼마나 만연한지에 대해 많은 것을 알려줍니다.
	이제 여러분이 가질 수 있는 또 다른 질문은, 우리는 배우들을 보았고 그들이 취하는 행동을 보았습니다.
	하지만 여기에는 시간적 요인이 있습니다. 분명히 시간이 지남에 따라 이런 현상이 일어나고 있는데, 일관된 현상이었나요? 추세에 변화가 있었나요? 음,
	걱정하지 마세요. Graphlet이 다시 한번 도움을 줍니다. 이 경우에는 실제로 그 추세를 보여드릴 수 있습니다. 여기서 우리는 어떻게 되었는지 볼 수 있습니다.
	협박 사건의 유형은 시간이 지남에 따라 변했습니까? 그리고 다시 한번, 우리는 그 패턴이 전반적인 추세를 따르는 것으로 보입니다.
	90년대 후반에 정점을 찍었고, 그 후 급격한 추세를 보였습니다. 2010년대 중반까지는 거의 선형적으로 하락하다가 최근에 다시 상승했습니다.
	그리고 다시 한번, 우리는 그 추세와 다른 추세들을 볼 수 있을 겁니다. 확대해서 보진 않겠지만, 여기 도표에서 단순 폭행의 추세를 보실 수 있습니다. 그리고 가중 폭행의 추세도, 저기 조금 보입니다.
	그리고 계속 탐험할 수 있습니다. 아프리카계 미국인에 대한 미지의 영역을 살펴보고 어떤 차이가 있는지 살펴보겠습니다. 이 경우, 우리는 분명히 볼 수 있습니다.
	실제로 지배적인 두 가지 유형의 범죄가 있는데, 이 경우 재산의 파괴 또는 손상입니다(생각해보면 이는 타당할 수 있습니다. 재산이 손상된 것을 본 경우 누가 범인인지 모를 가능성이 큽니다).
	그리고 위협이 가장 큰 영향을 미칩니다. 그리고 다시 말씀드리자면... 이 기능의 좋은 점은 호버 라벨이 계속 유지되기 때문에 어떤 트렌드가 일어나고 있는지 다시 한번 살펴볼 수 있다는 것입니다.
	이 경우, 피해의 경우 두 번의 정점이 있는데, 90년대 후반과 2000년대 초반에 정점을 찍었다가 다시 하락했습니다. 그리고 위협의 경우, 이전과 비슷한 추세를 보입니다.
	다시 말해, 단 하나의 그래픽 안에 많은 정보가 담겨 있고, 사용자는 이를 이용해 특정 핵심 영역을 강조할 수 있습니다. 그리고 사용자는 이를 시각화하고, 이를 보고 상호작용하면서 많은 정보를 얻을 수 있습니다.
	괜찮은.
	계속해서 살펴보겠습니다. 이제 보고 기관들 중에서, 대부분이 시/군 단위라는 것을 알 수 있을 겁니다.
	경찰서 같은 곳도 있고, 대학교도 몇 군데 있어요. 그래서 대학교에서 무슨 일이 벌어지는지 궁금해하는 사람이 있을지도 몰라요.
	그래서, 저는 이 질문에 답하기 위해 이 멋진 작은 테이블 스크립트를 만들었습니다. 자, 이번에는
	저는 테이블 스크립트를 실행해 왔고, 앞서 말했듯이, 너무 자세한 내용은 설명하지 않겠습니다. 이것이 더 설명적이기 때문입니다.
	여기서 잠깐 살펴보겠습니다. 그래픽의 강력함뿐만 아니라 테이블 스크립트의 강력함도 보여드리고 싶거든요. JMP에 익숙하시다면,
	알다시피, 테이블 스크립트는 내 분석을 저장할 수 있고 보고서를 저장할 수 있고 심지어 마지막 스크립트에서처럼 그래픽을 저장하는 데 사용할 수도 있기 때문에 좋습니다. 그래서 당신은 또한 저장할 수 있다는 것을 알아차리지 못했을 수도 있습니다.
	추가 테이블과 요약 테이블 등을 실행하는 데 도움이 되는 스크립트입니다. 자, 이제 이 스크립트의 작동 방식을 보여드리겠습니다. 실제로 스크립트를 실행했을 때 두 개의 데이터 테이블이 생성되었습니다.
	여러분은 하나만 보았는데, 이 경우 먼저 모든 대학을 선택한 데이터 테이블을 만든 다음 해당 데이터 테이블에서 요약을 만든 다음 이전 테이블을 닫습니다.
	그리고 거기에 그래픽도 좀 추가했어요. 그래서 이걸 어떻게 설정했는지는 여기서 자세히 설명하지 않겠습니다. 다음 작업으로 미루고 싶거든요. 힌트를 하나 드릴게요. JMP 16의 새로운 기능을 기반으로 한 건데, 정말 놀라실 거예요.
	좋습니다. 다시...실례합니다...대학 사건으로 돌아가겠습니다.
	그리고 여기에도 테이블 스크립트를 저장했습니다. 이 스크립트는 그래픽을 보여줄 것입니다.
	여기서 다시 한 번 꽉 찬 막대 그래프를 볼 수 있는데, 어느 대학에서 사건이 가장 많이 발생했는지 보여드리고자 합니다. 이것 자체로도 꽤 괜찮은 표준 그래프가 될 수 있을 것 같습니다.
	어느 대학에서 사건이 가장 많이 일어나는지 알 수 있고, 다시 한번 말씀드리지만, 특정 대학이 압도적으로 우세하지 않다는 점이 좋습니다. 다른 대학들도 충분히 수용할 수 있습니다.
	그 위에 있고, 아무도 어느 한쪽을 지배하지 않습니다. 그 자체로는 좋은 소식이지만, 다시 말하지만 여기에는 시간적 측면이 있습니다. 그래서
	이것들이 어쩌면... 미시간 대학교 앤아버 캠퍼스는 항상 어려움을 겪었던 걸까요? 항상 정상을 지켰을까요? 그냥 올해 성적이 안 좋았던 걸까요? 다시 한번, 그래프릿이 구원투수가 됐습니다.
	이 경우에는,
	흥미로운 줄거리를 보실 수 있을 거예요. "이게 뭐지?"라고 생각하실 수도 있겠네요. 아르데코 박물관에나 있을 법한 것 같은데... 뭐랄까...
	이건 무슨 줄거리지? 사실 전에도 봤던 이야기인데. JMP 16에 새로 나온 걸 활용해서 비하인드 스토리를 보여드리려고 한다.
	그리고 이 경우, 우리는 이것이 실제로 열지도라는 것을 볼 수 있습니다. 제가 한 모든 일은
	제가 종종 좋아하는 방법을 하나 소개합니다. 두 가지 다른 방식으로 사물을 강조하는 것입니다. 즉, 일반적으로 열 지도에서 하는 것처럼 색상별로 개수를 강조하는 것뿐만 아니라, JMP 16에서는 이제 크기를 기준으로 강조할 수도 있습니다.
	그래서 저는 이것이 다시 우리가 이전에 그 축의 크기를 정했던 곳으로 돌아가는 것이라고 생각합니다. 특정 영역을 강조하는 데 도움이 됩니다. 그래서 여기서 우리는 아프리카계 미국인을 대상으로 한 사건에 약간의 문제가 있다는 것을 알 수 있습니다.
	이런 일은 꾸준히 일어났고, 특히 2017년에는 지금까지 일어난 다른 사건들과는 달리 심각한 사건이 발생했습니다.
	여기에는 더 이상 추가 호버 라벨이 없습니다.
	제가 할 수 있는 건 데이터를 요약하는 것뿐이지만, 괜찮아요.
	이것 자체로도 많은 정보를 얻을 수 있는데, 이것은 JMP 16에서 나온 새로운 기능으로 이 강조점을 다시 잡는 데 도움이 될 수 있습니다.
	그리고 다시, 계속 이야기해 볼까요. 다른 대학들을 살펴볼까요. 여기, 이 대학들이 꽤 힘든 시기를 겪고 있는 것 같은 예가 있을 수 있겠네요.
	메릴랜드 대학교 칼리지 파크에 있었지만 그 다음에는 다음과 같은 지역이 있었습니다.
	상황이 정말 좋았기 때문에, 이 시기가 왜 그렇게 좋았는지 궁금하실 겁니다.
	대학 측에서 어떤 조치를 취해서 사고 발생 건수가 눈에 띄게 감소한 것 같나요? 조사해 볼 만한 가치가 있을 것 같습니다.
	계속해서 다시 살펴보면 이것이 체계적인 문제인지, 이 경우처럼 전반적으로 괜찮았지만 정말 나쁜 한 해가 지배적이었던 것처럼 보이는지 확인할 수 있습니다.
	꽤 잘하고 있었어요. 다시 한번 말씀드리지만, 이것도 또 다른 문제일 수 있습니다. 초반에는 정말 힘든 시기를 보냈지만, 최근에는 꽤 잘하고 있습니다.
	등등. 다시 한번, 그 상호 작용을 다시 한번 강조하자면,
	그리고 이 경우에는 JMP 16의 몇 가지 새로운 기능들을 사용할 수 있습니다. 자, 마지막 단계로 넘어가기 전에 고백할 게 있습니다. 저는 지도 덕후라서 지도와 지도와 관련된 모든 종류의 데이터 분석을 정말 좋아합니다.
	왜 그런지는 모르겠지만, 그냥 너무 좋아서 다음 작품을 보여드릴 수 있어서 정말 기뻐요. 이제 사건들의 지리적 배경을 살펴볼 텐데요.
	하지만 저는 이것이 테이블 스크립트와 JMP 그래픽, 특히 호버 그래프의 힘을 실제로 강조한다고 믿기 때문에 매우 기쁩니다.
	여러분도 기대하셨으면 좋겠네요. 그럼 실행해 볼까요? 이 테이블 스크립트에는 실제로 많은 작업이 포함되어 있어서 시간이 좀 걸릴 것 같습니다. 새 테이블을 만들고, 그 테이블에서 여러 함수를 실행합니다.
	그리고 많은 것들을 계산합니다. 그러니까 여기서는 단순히 정보를 가져오는 것뿐만 아니라, 끝부분에 있는 많은 열들이 백그라운드에서 계산된 것들입니다.
	이제 제가 사용할 특정 지표에 대해 잠깐 이야기해 보려고 합니다. 얼마 전 JMP 커뮤니티(community.jmp.com)에 "범죄율 난제(Crime Rate Conundrum)"라는 블로그 글을 올렸었는데,
	그래서 뻔뻔스럽게 광고를 했지만, 그 안에서 제가 말했던 건, 특히 범죄 사건을 보고할 때 일반적으로 어떻게 되는지에 대한 것이었어요.
	일반적으로 우리는 당신이 단순히 원시 개수만 보고하고 싶어하지 않는다는 것을 알고 있습니다.
	어떤 지역에서는 적발 건수나 사건 수가 많을 수 있는데, 그게 그냥 문제가 있는 걸까요?
	아니면 그냥 사람들이 많아서 그런 걸까요? 그래서 당연히 사람들이 많으니까 사고도 많이 날 거라고 예상하죠. 그래서 당연히 사람들이
	사고 발생률을 보고합니다. 이제 모두가 공평한 경쟁의 장에 서게 되었으니 괜찮지만, 그 부작용 중 하나는 사고 발생률이 높아지는 경향이 있다는 것입니다.
	인구가 적은 지역. 본질적으로, 분모가 작으면 그 자체로 비율이 더 커지는 경향이 있습니다.
	그래서 그것은 불행한 부작용이고, 그래서 저는 정말 인구가 적은 곳이 정말 부풀려지는 흥미로운 사례에 대해 이야기하겠습니다.
	그리고 어떤 사람들은 이 문제를 어떻게 처리할까요? 제가 이 문제를 해결하기 위해 시도했던 한 가지 방법은 가중 사고율을 사용하는 것이었습니다. 기본적으로 이 아이디어는 다음과 같습니다.
	저는 사고율을 측정한 다음, 그 비율을 고려하여 가중치를 부여합니다.
	실례합니다... 기본적으로 인원 수에 따라 가중치를 두는 거죠. 이 경우에는 특정 가중치를 두는데, 기본적으로 인구 순위를 매기는 거예요.
	따라서 가장 큰 장소는 가장 작은 장소의 순위를 갖게 됩니다. 하지만 이 경우에는 50개의 주가 있으므로 인구가 가장 많은 주는
	50등급과 가장 작은 주는 1등급입니다. 이 값을 최대 등급으로 나누면 사실상 여러분의 가중치가 됩니다.
	전체 인구에 해당하는 가중치와 여기서 아이디어는 사고율이 이 가중치 페널티를 극복할 수 있는 수준이라면,
	그렇다면 당신은 알아볼 만한 가치가 있는 사람일 수도 있다는 뜻입니다. 그래서 그것은 대응하려고 합니다.
	인구가 적다는 이유만으로 인플레이션이 발생합니다. 키가 비교적 작더라도 사고율이 높아서 체중을 근본적으로 극복할 수 있다면,
	당신을 조사해 보는 게 좋을 것 같습니다. 정보가 너무 많지 않았으면 좋겠지만, 제가 주로 사용할 지표는 바로 이 지표이므로 스크립트를 실행해 보겠습니다.
	그리고
	자, 시작해 볼까요. 먼저 모든 주의 시간 경과에 따른 가중 사고율을 보여주는 간단한 선형 그래프를 준비했습니다.
	이제 새로운 기능을 사용해 보겠습니다. 뉴저지가 우세한 것으로 보입니다. 상호작용 기능도 있으니, 클릭해서 강조할 수 있습니다.
	특히 JMP 16에서는 몇 가지 새로운 기능이 추가되었습니다. 여기를 마우스 오른쪽 버튼으로 클릭하고 레이블을 추가해 보겠습니다. 최대값과 최댓값을 지정해 보겠습니다.
	그냥 비교를 위해서요.
	여기서 우리는 이런 걸 볼 수 있습니다... 여기의 최고점은 90년대 초반에 1,000명당 약 11.4건의 사고였습니다(가중 사고율).
	그리고 우리는 감소 추세를 봅니다. 다시 말해서 전체 사고율이 다시 정점에 도달하기 전에 떨어졌던 것과 거의 같은 수준으로 떨어지는 것 같습니다.
	2019년입니다. 다시 한번 간략한 숫자로 설명드리자면, 그 자체로 흥미로운 플롯이 될 수 있겠지만, 보시다시피 제 작은 그래프 지표가 작동하고 있으니 더 많은 내용이 있습니다.
	여기서 지도 부분이 등장합니다. 특정 지점 위에 마우스를 올려놓겠습니다.
	이 경우에는 뿐만 아니라
	전반적인 비율을 좀 볼 수 있나요? 이 경우에는 카운티별로 나눠서 보여드릴 수 있어요. 여기에 색깔을 칠해 놨어요.
	해당 연도 내 총 사건 수를 기준으로 카운티를 표시합니다. 그리고 시간적 측면도 있는데, 특정 연도, 즉 2008년의 스냅샷을 보여줍니다.
	하지만 전체적인 추세에 관심이 있으시다면, 한 가지 방법은 "그래프릿이 있잖아."라고 하는 겁니다. 다시 돌아가서 다른 지점에 마우스를 올려놓고 그래프를 불러온 다음, 클릭하면 확대/축소됩니다.
	필요에 따라 반복하세요. 직접 하셔도 되고, 제가 이 프레젠테이션을 준비하면서 발견한 새로운 기법을 사용해도 됩니다.
	자, 이제 보이시죠... 여기 옆에 로컬 데이터 필터가 있는 걸 보세요. 이게 바로 이 그래프릿의 핵심입니다.
	여기 연도로 가서 모델링 유형을 연속형이 아닌 명목형으로 변경하겠습니다. 이제 이런 식으로 할 수 있으니까요. 실제로 살펴볼 수 있습니다.
	그리고 개별 연도를 선택하거나, 이건 JMP인데, 더 나은 결과를 낼 수 있습니다.
	여기로 가서 애니메이션을 만들어 보겠습니다. 좀 빠르게 만들어 볼게요. 재생 버튼을 누르면 이제 편하게 앉아서 JMP가 알아서 처리해 주는 걸 볼 수 있겠네요.
	여기서 순환 과정을 보면서 무슨 일이 일어나고 있는지 파악할 수 있습니다. 잠시 순환 과정을 살펴보겠습니다. 이미 흥미로운 일들이 일어나고 있는 것을 볼 수 있습니다.
	순환하면서 전체적인 그림을 그려보는 거예요. 우리가 원하는 건 전체적인 그림이지, 내가 자랑하려는 게 아니에요.
	좋아요, 순환하면서 뭔가를 발견했습니다. 자, 2004년이나 2005년쯤으로 가 볼까요? 여기 어딘가에서, 특히 이 한 주가 눈에 띄게 눈에 띄는 걸 발견했습니다.
	사실, 제 작은 그래프릿 표시기를 보셨죠? 다시 한번, 그 위에 마우스를 올려놓으면
	또 다른 지도네요. 이제 제가 왜 이렇게 신났는지 아시겠죠?
	이 경우에는 카운티 수준에서 보여드릴 수 있습니다. 즉, 개별 카운티 수준에서...
	실례합니다만, 잠깐... 좀 옮겨 볼까요? 자, 여기 있습니다. 몇 가지 사소한 조정을 더하면, 크기와 색상 두 가지로 사물을 강조하는 제 비법을 다시 보실 수 있을 겁니다.
	우리는 ??? 내에서 분산을 볼 수 있습니다. 이것은 개별 위치이고 시간적 측면이 다시 있기 때문입니다.
	알겠어요... 이제 더 잘 알게 되었으니, 굳이 돌아가서 클릭해서 여러 그래프를 가져올 필요가 없어요. 다시 로컬 데이터 필터 기법을 사용할 수 있으니까요. 그럼 돌아갈 수 있겠죠.
	연도도 그렇고, 이 경우에도 다시 클릭해서 볼 수 있습니다. 여기서는 키보드의 화살표 키를 사용해서 순환적으로 살펴보겠습니다.
	시간이 지남에 따라 상황이 어떻게 변하는지 느껴보세요. 이 경우, 특정 지역을 보면 아마 이미 보셨을 겁니다. 2006년이나 2007년쯤부터 시작해서요.
	이 한 지역이 있습니다...이곳이요.
	키언스버그가 강조된 것 같은데, 또 다른 그래프가 눈에 띄네요. 어디까지 갈 건가요?
	말하자면 그래프 인식이죠.
	우리는 할 수 있습니다
	점점 더 깊이 들어가세요. 이 경우에는... 편향이 무엇인지에 따라 분류하고, 원한다면 연도별로 순환하면서 살펴볼 수도 있습니다.
	다시 한번, 이 그래프에서 엄청난 힘을 느낄 수 있었습니다. 이 그래프 하나만으로도 카운티 단위, 그리고 그보다 더 낮은 단위의 지리적 변화를 살펴볼 수 있었고, 어쩌면
	데이터의 다양한 측면을 탐색하고 더 많은 질문을 던질 수 있게 해 줍니다. 이 무렵 키언스버그에서는 무슨 일이 벌어지고 있었던 걸까요?
	그건 당신이 알고 싶어할 만한 내용이에요.
	오늘은 여기까지입니다. 제가 여러분의 호기심을 자극하고 JMP 시각화가 데이터 탐색에 얼마나 강력한지 명확하게 보여드렸기를 바랍니다.
	더 자세히 알고 싶으시다면, 데이터 시각화에 대한 전체 강연이 있을 예정입니다. 꼭 한번 살펴보시길 권합니다. 다양한 시각화 방법과 JMP가 어떻게 도움을 줄 수 있는지 알아보는 데 도움이 될 것입니다.
	하지만 저는 한때 여러분께 이 놀라운 테이블 스크립트를 어떻게 만들었는지 보여드리겠다고 약속했고, 지금 당장 그것을 보여드리겠습니다.
	JMP 16에서는 향상된 로그라고 불립니다. JMP 16의 가장 멋진 새 기능 중 하나입니다. 향상된 로그는 사용자의 상호작용을 따라가며 추적합니다. 그래서 제가 데이터 테이블을 닫거나, 열거나, 실행할 때마다,
	새로운 열을 추가하거나, 새로운 그래프를 만들면 로그에 기록됩니다.
	존 살이 기조연설에서 이 부분에 대해 이야기할 예정입니다. 다시 한번 말씀드리지만, 이 기능 역시 여기에서 가장 새롭고 놀라운 기능 중 하나입니다.
	그리고 이것이 제가 이 테이블 스크립트를 만들 수 있었던 비결입니다. 솔직히 말해서, 이 기능이 없었다면 이렇게 멋진 테이블 스크립트를 만들 수 없었을 겁니다. 할 일이 너무 많았을 테니까요.
	다시 한번 말씀드리지만, 이 기능은 JMP 16에서 사용할 수 있는 정말 멋진 기능입니다. JMP가 데이터 탐색, 멋진 시각화, 인터랙티브 시각화 제작에 훌륭한 도구라는 것을 여러분께 확신시켜 드릴 수 있었기를 바랍니다. 더 이상 설명드릴 내용이 없습니다. 방문해 주셔서 감사합니다.

자동화 및 스크립팅기본 데이터 분석 및 모델링데이터 액세스데이터 블렌딩 및 정리데이터 탐색 및 시각화실험 설계대량 맞춤화품질 및 공정 엔지니어링신뢰성 분석