756624_zh-TW

liliconcom

黑暗故事：使用 JMP® 進行視覺敘事 (2021-EU-30MP-792)

Caleb King，JMP 研究統計測試員，SAS

在本次演講中，我們將示範如何使用 JMP 豐富的圖形功能（包括 JMP 16 中的新功能）來講述資料的故事。我們將使用 1991 年至 2019 年 FBI 仇恨犯罪報告資料庫，示範 JMP 圖形工具箱中的關鍵工具（例如圖元和互動式特徵修改）如何引導觀眾獲得新的見解。但樂趣不僅僅在於圖表。我們還將展示如何讓觀眾“選擇自己的冒險”，方法是創建表格腳本，將數據分成更小的數據集，每個數據集都有各自的圖表，為整體敘事提供新的視角。別擔心，事情並非表面看起來那麼黑暗…

自動產生的成績單...

揚聲器	抄本
迦勒金	大家好，我叫 Caleb King，是 JMP 軟體的開發人員。我具體負責實驗設計小組，但今天我要
	稍微偏離主題，討論如何使用 JMP 中的圖形和其他一些工具來幫助以視覺方式講述數據。
	現在我選擇的數據集是......為了說明這一點，這是聯邦調查局收集的仇恨犯罪數據，所以可能是一個有爭議的數據集，但也與正在發生的事情非常相關。
	我的目標是讓它更具說明性，所以我將展示一些我之前創建的圖形
	對於這個資料集。我不一定會向你們展示我是如何製作圖表的，但目的是向你們展示如何使用 JMP
	正如我所說，視覺敘事可以利用互動性來引導人們觀看圖表並與之互動
	也許你會問更多問題，也許你會在過程中回答他們的一些問題。但這是一種鼓勵資料探索的方式，這正是 JMP 的宗旨。
	既然如此，我們就立即開始吧。
	我先簡單介紹一下這個資料集本身，我先在這裡滾動一下。這裡有很多關於
	事件發生的地點。
	隨著我們繼續調查，以及事件發生的日期。你對罪犯有一些了解
	以及犯了什麼罪、犯了什麼類型的罪。再次提供一些基本信息，例如事件中存在哪些類型的偏見。還有一些關於受害者的資訊。
	整體歧視類別，以及我提供的關於經緯度（如果有的話）的一些附加信息，以及我將使用的其他圖表。現在，為了清楚起見，
	美國聯邦調查局（FBI）將仇恨犯罪定義為任何
	因針對特定群體的偏見而發生的犯罪行為。這種偏見可能是種族歧視、宗教歧視、性別歧視、性別認同歧視等等。
	因此，只要犯罪是由某種偏見引起的，就會被視為仇恨犯罪，而這些數據包括所有
	聯邦調查局收集的數據，最早可追溯到 1991 年，最近則追溯到 2019 年。我沒有 2020 年的數據，儘管那肯定很有趣，
	但這是因為FBI喜歡花時間確保資料在實際產生報告之前已經徹底清理和準備好。所以
	考慮到他們投入了大量的時間和精力來確保這些數據是相當準確的，你可以放心。
	好了，現在我們開始對資料進行一些基本的視覺化總結。我先運行一下這個表格腳本。它的作用基本上就是
	根據特定偏差，統計每天發生的事件數量。基於此，我將建立一個基本圖，在本例中是簡單的線圖。
	這裡顯示了整個時間段內每天發生的事件數量。所以你可以看到從 1991 年到 2019 年的整個資料範圍。
	以及發生了多少起事件。這本身可能是一個很好的靜態圖像，因為你可以感受到
	事件數量下降的位置。實際上，在這裡我要稍微更改一下座標軸的設定。讓我們來看看，我們得到的增量是 50 秒，那麼我們以 20 秒為增量。好了。
	所以這給你帶來了一些互動…互動。我們調整了尺度，讓它更完善，更能理解
	平均有多少起事件？我運行了一點分發，平均每天大約發生 20 起事件
	我們在這裡看到的。當然，現在你可能想知道為什麼我還沒有解決我們在數據中看到的兩個峰值。
	所以，是的，顯然有兩個很高的尖峰。所以，如果這是
	你可能會說，好吧，我想看看這個軟體。所以，你回到你嘗試的數據，你
	了解、隔離這些日期的位置，或許可以嘗試繪製一些圖表或進行一些分析來展示那裡發生的事情。嗯，這是 JMP，我們有一些可以
	對此有幫助，這就是我們在 JMP 15 中引入的功能，稱為圖元（graphlet），它的工作原理如下。我只需要懸停，然後「砰」的一聲。
	出現了一個小圖，有助於進一步總結當時的情況。所以在這種情況下，資訊量很大。
	我們首先要注意日期，1992 年 5 月 1 日。如果你熟悉美國歷史，你可能知道這裡發生了什麼，但如果你不熟悉，
	你可以透過點擊圖表來獲得一些額外的線索。現在你會看到我向你展示的是
	這些事件都帶有特定的偏見。因此，我們在這裡看到，大多數事件都是針對白人的，其次是黑人或非裔美國人，依此類推。
	我在這裡透露了答案，因為當時發生在加州的羅德尼金騷亂事件。羅德尼金，
	一名非裔美國人不幸被一名警察殺害，引發了強烈的反彈和騷亂
	大約在這個時候。這就是我們在這個特定數據點上看到的。如果你不知道這一點，你至少可以利用這些資訊嘗試去那裡查找…上網查一下，看看發生了什麼事。
	我們可以在這裡用一個很大的尖峰來做同樣的事情。同樣，我會使用懸停圖，所以把滑鼠懸停在它上面。我會暫停一下，讓你看。所以我們來看看日期，2001年9月12日。這本身就是一個非常重要的線索。
	關於發生了什麼事。但如果我們仔細分析一下，就會發現大多數事件都是針對穆斯林信徒的，
	阿拉伯民族或其他類似的民族或血統。在這種情況下，我們可以清楚地看到
	9·11 事件發生後，發生了一系列恐怖攻擊，第二天，出現了許多反對
	我們的成員都有著相似的種族、相似的信念等等，所以當時我們不幸遭遇了強烈反對。
	因此，僅通過這一個情節和一些互動性，我們已經能夠收集大量信息，大量您可能想要進一步了解的領域的高級信息。
	但我們可以繼續。 JMP 16 中的新功能是，由於 X 軸上有日期，我們實際上可以將日期劃分到更大的類別中，在本例中，我們按月份進行劃分。
	我們發現情節消失了。所以我要這麼做。我要重新播放一遍，看看效果。
	好了。
	你永遠不知道會發生什麼事。在這種情況下，這就是應該發生的事情；別擔心。
	我們按月對數據進行了分組，注意到一個有趣的模式。似乎存在某種季節性趨勢，我們可以使用懸停圖來識別可能出現的情況。我將滑鼠懸停在較低的點上。如果我這樣做，
	我們看到了，好的，一月，十二月，好的。有意思。讓我們把滑鼠懸停在另一個日期上，十二月。
	還有另一個，十二月。啊，這種情況可能真的存在某種季節性趨勢。我們似乎在冬季的幾個月裡會遇到低谷。
	事實上，如果我回到我的數據表，我之前確實見過這種情況。這是我在探索這項技術時發現的，我已經創建了一個圖表來解決這個問題。
	所以這是我基於此而創建的東西，看看這個月多年來事件數量的變化。
	在這裡我們可以看到它們的平均趨勢，但我們也看到了許多變化，尤其是在九月份，因為那裡出現了巨大的峰值。
	所以也許我們需要一些更適合的方法。我會打開控制面板，然後我們選擇中位數。這樣比較穩健，或許可以看看四分位距，這樣我們就能得到更穩健的
	可以使用的指標。
	因此，我們再次看到季節性趨勢，冬季月份肯定會大幅下降
	而不是像春夏季節那樣達到高峰。現在
	某些人可能想進一步研究並探討為什麼會發生這種情況。
	你可能有自己的解釋。我個人的解釋是，我相信聖誕精神非常強大，能夠克服人們在十二月可能產生的任何仇恨或偏見。
	這只是我的個人偏好，你可能有自己的偏好。但同樣，僅憑一個情節，我就發現了這個趨勢，並且
	再畫一個圖來進一步探索這個問題。所以，光用這張圖，我就鼓勵了更多研究。我們可以繼續下去。
	所以讓我們看看，按年份進行分類，如果我們這樣做，我們就可以清楚地看到這種總體趨勢。
	因此，我們看到 90 年代末到 21 世紀初出現了一個高峰，然後開始下降，幾乎呈現線性趨勢，
	直到2010年代中期達到中點，然後才開始再次上升。所以請記住，你可能會在我們展示的其他圖中看到類似的趨勢。但讓我們再次回顧一下，在這個圖中我們看到了不同的
	數據的各個面向。我們甚至
	回答了一些問題，但我們可能也提出了一些其他問題。季節性趨勢是怎麼回事？
	如果你不知道我告訴你的那些事件是什麼，你知道，那些具體事件是什麼嗎？這就是 JMP 圖形互動的魅力所在，它允許用戶參與和探索，並鼓勵用戶在特定的媒介中完成所有操作。
	好的。
	我們繼續吧。我之前提到過，這是一種視覺敘事，所以你可以把它看作是一個序言，一種整體視角。什麼……什麼
	整體情況怎麼樣？現在我們來看看參與者，
	也就是說，誰在犯下這類罪行？他們針對誰？我們能找到哪些相關資訊？所以我在這裡
	再次創建了一個圖表來幫助回答這個問題。這可能是個不錯的開始。這裡我創建了一個熱圖
	這就強調了本例中罪犯的種族特徵，而不是他們自己的偏見。所以我們看到
	很多事情正在發生，在這個例子中，我把列排序了，這樣我們就能看到很多事情正在發生。大部分都在這個上方
	左上角，這邊沒發生太多事，我想這是個好消息。很多偏見都發生在沒有太多事發生的地方，而大部分都發生在這個角落。
	現在，這可能是一個不錯的圖，但這裡還有很多空白。所以，我們可以嘗試一些方法來強調正在發生的事情。一種方法是，我先來到 X 軸，然後根據計數來調整大小。
	現在你會看到，我在幕後隱藏了一些東西。我實際上在上面貼了一個標籤，一個百分比標籤。
	之前發生的事太多了，你根本沒辦法看得見，但現在我們能真正看到其中的一些資訊了。所以，這是一種很好的總結方式，而不是計數。
	但即使只是透過視覺化，我們也能清楚地看到，偏見最嚴重的是黑人或非裔美國人，其次是猶太人，一直到這裡幾乎沒有了。所以，只要看看X軸，就能得到很多關於正在發生的事情的資訊。
	我們可以對 Y 執行相同的操作，因此再次按計數確定大小。
	再說一次，尺寸和我如何調整軸中包含了很多資訊。
	這次我們把…我們特別強調了那個角落，這樣我們就能清楚地看到誰是頂尖球員。在這種情況下，大部分是
	罪犯是白人或種族不明的人，針對非裔美國人，其次是針對猶太人，然後
	反白，然後它就一直往下掉。這樣我們就得到了一個很好的小總結，了解發生了什麼事。現在，你可能注意到了，當我懸停時，我們會看到一個小圓圈。這就是我的圖元指示器，所以我又在這裡用到了一個工具。
	我們已經進行了一些交互，這可能是一個很棒的靜態圖像，但讓我們利用 JMP 的強大功能，特別是那些圖表，
	進行互動，看看我們能找到什麼進一步的資訊。所以在這種情況下，我會把滑鼠懸停在這裡。
	這張圖，也就是我們圖表大師 Xan Gregg 提供的密集長條圖。這張圖，你不僅可以看到，
	哪些人犯了這些罪行，針對的又是誰？你的下一個問題可能是，這些罪行屬於哪些類型？好了，透過圖表，我已經為你解答了這個問題。
	我們可以在這裡看到最大的……最主要的犯罪類型是恐嚇，其次是簡單和嚴重攻擊，然後是其餘的，這就是密集條形圖的美妙之處。
	我們可以看到所有其他類型的違規行為。如果把它們加在一起，根本無法比較。它們甚至排不進前三名。
	所以這告訴你很多有關這些類型的犯罪的信息，以及它們有多主導。
	現在，你可能還有個問題，好的，我們已經看到了演員們，也看到了他們採取的行動，
	但這與時間有關。顯然，這種情況會隨著時間的推移而發生，所以這是否會持續存在？趨勢有沒有改變？嗯，
	別擔心。 Graphlet 再次來幫忙。在這種情況下，我可以向你展示這些趨勢。所以在這裡我們可以看到
	恐嚇事件的類型……數量隨時間改變了嗎？我們再次看到，這種模式似乎遵循了整體趨勢。
	大約在 90 年代末達到頂峰，然後呈現急劇上升趨勢......幾乎呈線性下降，直到 2010 年代中期，然後最近才再次出現上升趨勢。
	我們或許還能再次看到這種趨勢以及其他趨勢。我不會點擊放大，但您可以從這張圖中看到，簡單攻擊的趨勢，以及加重攻擊的趨勢，也略有不同。
	你可以繼續探索。讓我們看看非裔美國人的未知之處，看看可能有哪些差異。在這種情況下，我們可以清楚地看到
	在這種情況下，有兩種類型的犯罪真正占主導地位，即破壞或損壞財產（如果你仔細想想，這可能是有道理的；如果你發現你的財產被損壞，很有可能你不知道是誰幹的）
	和恐嚇是主要因素。而且，你可以…這個功能的好處是懸停標籤會持續顯示，所以你可以再次查看那裡正在發生的趨勢。
	所以在這種情況下，我們看到的損失實際上有兩個峰值，在90年代末到21世紀初達到峰值，然後再次下降。至於恐嚇，我們看到了與先前類似的趨勢。
	同樣，僅在一張圖形中，就包含了大量的信息，並且您作為用戶，可以與之交互以嘗試強調某些關鍵區域，然後，您作為用戶，只需進行可視化...只需查看它並與之交互，就可以玩轉並收集大量信息。
	好的。
	我們繼續。現在你會注意到，在報告機構中，大多數是市/縣級的
	警察局等等，但這裡也有一些大學。所以可能有人有興趣看看大學裡的情況。
	因此，我創建了這個簡潔的表格腳本來回答這個問題。這次，
	我一直在運行表格腳本，並且我提到過，我不會在幕後講太多，這更具說明性。
	這裡我先給大家看一下，因為我不僅想展示圖形的強大功能，還想展示表格腳本的強大功能。如果你熟悉 JMP，
	你可能知道，好的，表格腳本很棒，因為我可以保存我的分析，可以保存我的報告，甚至可以用它來保存圖形，就像我上次做的那樣，所以你可能沒有註意到你還可以保存
	腳本可以幫助運行附加表、匯總表等等。讓我來展示一下這背後發生的一切。事實上，當我運行腳本時，我實際上創建了兩個數據表。
	您只看到了一個，因此在這種情況下，我首先建立了選擇所有大學的資料表，然後從該資料表中建立了摘要，然後我關閉了舊的。
	然後我還添加了一些圖形。這裡我就不詳細講解設定方法了，因為我想留到下次再講。給你個提示，它是基於 JMP 16 中的一個新功能，一定會讓你驚喜不已。
	好吧，讓我們回到......對不起......大學事件。
	這裡我又儲存了表格腳本。這個腳本會顯示一個圖形。
	我們現在又可以看到這張密集的長條圖，我在這裡展示的是哪些大學發生的事件最多。這本身可能就是一個相當不錯的標準圖表。
	你可以看到，哪所大學發生的事件最多，而且很高興看到沒有一所大學真正占主導地位。你仍然可以擠滿其他大學。
	兩者之間，沒有人能夠主宰其中任何一個。這本身是個好消息，但同樣也與時間有關。所以
	這些可能是…密西根大學安娜堡分校，他們一直都遇到麻煩嗎？他們……他們一直能保持領先嗎？他們只是碰巧那一年表現不好嗎？再次，graphlet 來拯救他們了。
	在這種情況下，
	你會看到一個有趣的情節。你可能會說，這是什麼玩意兒？看起來像是應該放在裝飾藝術博物館裡。什麼…
	這是什麼劇情？其實我們之前見過。我只是用了 JMP 16 裡的新東西，所以我想帶大家看看幕後花絮。
	在這個例子中，我們可以看到，這實際上是一張熱圖。我所做的
	我經常喜歡用一種技巧，即用兩種不同的方式強調事物，因此不僅可以用顏色強調計數（這通常是在熱圖中所做的），白色是缺失的條目，現在我還可以在 JMP 16 中按大小強調。
	所以我認為這又回到了我們之前設定座標軸大小的問題。它強調……有助於強調某些領域。所以現在我們可以看到，針對非裔美國人的事件可能有一些問題，
	與已經發生的所有其他事件相比，這種情況一直相當一致，2017 年顯然是特別糟糕的一年。
	現在這裡沒有多餘的懸停標籤。
	我所做的只是總結數據，但沒關係。
	這本身就為您提供了大量信息，因此這是 JMP 16 中出現的新功能，可以再次幫助您強調這一點。
	我們可以繼續。我們可以看看其他大學，像是這所大學，它們似乎經歷了一段相當糟糕的時期。
	馬裡蘭大學帕克分校，但後來有一個地方
	一切都很好，所以你可能有興趣知道，到底發生了什麼，讓這段時期變得如此美好？
	大學是否採取了什麼措施，導致事故數量大幅下降？這或許值得研究。
	你可以繼續觀察，看看這是否是一個系統性問題，或者像這個例子一樣，似乎只是有一個非常糟糕的年份佔據了主導地位，但總體來說，他們做得還不錯。
	他們之前表現不錯。這次可能又會是一次。他們早期表現很糟糕，但最近表現不錯。
	等等。再次強調互動性，
	在這種情況下，JMP 16 中有一些新功能。現在，在我們進入最後一個話題之前，我要坦白一件事。我有點地圖迷，所以我非常喜歡地圖以及任何與地圖相關的數據分析。
	我不知道為什麼。我只是真的很喜歡它，所以我很興奮地向你們展示下一個，因為現在我們要看看事件發生的地理位置。
	但我也很興奮，因為我相信這確實凸顯了表格腳本和 JMP 圖形（尤其是懸停圖）的強大功能。
	希望這也讓你興奮不已，讓我們運行一下。這需要一點時間，因為這個表腳本實際上有很多操作。它會建立一個新表，也會在這個表中執行很多函數。
	併計算很多東西。所以，我們這裡不僅要提取訊息，還要在末尾添加很多列，這些列是經過後台計算的。
	現在我需要花點時間談談我將要使用的一個特定指標。不久前，我在 JMP 社群 (community.jmp.com) 上寫了一篇部落格文章，名為「犯罪率難題」。
	真是厚顏無恥，但我談到了，你知道，通常當你報道事件，特別是犯罪事件時，
	通常我們知道你不想只報告原始數據，因為
	某個地區的計數和事件數量可能很高，這僅僅是因為……那裡存在問題嗎？
	還是因為那裡人太多？所以我們當然會預料到會發生很多事故，因為那裡人太多了。所以當然
	報告事故率。現在這很好，因為每個人都在一個公平的競爭環境中，但這樣做的一個副作用是，它往往會提高
	人口較少的地方。本質上，如果分母較小，那麼比例往往會更大。
	這是一個不幸的副作用，所以我談到了一個有趣的案例，我們有一個人口非常少的地方，但人口卻膨脹得很厲害。
	以及有些人是如何應對這個問題的。我嘗試過的一個方法是使用加權事故率，本質上，這個想法是
	我會計算你的發生率，然後根據比例來衡量你...
	不好意思……基本上就是根據你那裡有多少人來加權。在這種情況下，我有一個特定的權重，基本上是對人口進行排序，
	因此，最大的州的排名應該在最小的州之前。但是，在這種情況下，有 50 個州，因此人口最多的州的排名應該在
	排名是50，最小的州排名是1。如果你用這個數字除以你知道的最大排名，這基本上就是你的權重，所以這是一種
	權重與你的總人口數相對應，這裡的想法是，如果你的發病率能夠克服這個權重懲罰，如果你願意，
	那麼這意味著你可能是一個值得研究的人。所以它試圖抵消
	通貨膨脹只是因為人口少。如果你仍然相對較小，但發病率足夠高，以至於你克服了體重，
	我們可能需要調查你的情況。希望這些資訊不會太多，但這是我主要使用的指標，所以我會運行腳本
	和
	好了。首先，我畫了一個簡單的線圖，用來展示各州隨時間變化的加權發生率。
	現在我將使用一個新功能。我們可以看到，新澤西州似乎佔據主導地位。同樣是互動功能，我們可以點擊來突出顯示它。
	我們做了一些新的事情，尤其是在 JMP 16 中。我要在這裡右鍵點擊，然後添加一些標籤。我們來計算最大值和最小值。
	僅供比較。
	所以我們可以看到...這裡的高峰大約是每 1,000 人發生 11.4 起事故（這是加權事故率），發生在 90 年代初。
	然後我們看到一個下降趨勢，它再次下降，似乎與整體事故率在開始再次達到高峰之前下降的幅度大致相同。
	2019。因此，再次僅使用一些簡短的數字，這本身就是一個有趣的情節，但正如你所看到的，我的小圖形指標正在進行，所以還有更多。
	這就是地圖部分的作用。所以我將滑鼠懸停在一個特定的點上。
	在這種情況下，不僅
	你能看看總體比例嗎？我可以幫你細分一下，這裡是按縣劃分的。我在這裡用顏色標示了
	各縣以當年事件總數排名。同樣，這裡也涉及時間因素，所以這顯示了某一特定年份的快照，在本例中是 2008 年。
	但也許你對整體趨勢感興趣，所以你可以這樣做：嘿，這些是圖塊。我可以返回，將滑鼠懸停在另一個點上，拉出該圖表，點擊它進行縮放。
	根據需要重複。你可以這樣做，或者你也可以使用我在準備簡報時發現的新技巧。
	讓我們取消隱藏…注意這邊，我們有一個本地資料過濾器。這才是這些圖元背後的關鍵。
	我要在這裡把年份的建模類型改為名目型，而不是連續型，因為現在我可以做這樣的事情了。我實際上可以透過
	並選擇個別年份，或者，現在這是 JMP，我們可以做得更好。
	讓我來這裡做一個動畫。我會把它調快一點。我要點擊“播放”，現在我可以坐下來放鬆一下，看著 JMP 幫我完成一切。
	所以我們在這裡可以看到它循環往復，並了解正在發生的事情。我會讓它循環一會兒。我們看到……已經開始看到一些有趣的事情發生了。
	咱們循環一下，看看全貌。我們想要完整的畫面，不是我炫耀什麼的。
	好的，我們循環瀏覽了一下，發現了一些狀況。我們先回顧一下，比如說 2004 年、2005 年。我們注意到，這裡的某個縣似乎被特別高亮了。
	事實上，你看到了我的小圖元指示器。所以我可以把滑鼠懸停在它上面，然後
	又一張地圖。現在你應該明白我為什麼這麼興奮了吧。
	再說一次，在這種情況下，我實際上可以向您展示縣級的情況，因此單一縣級…
	不好意思，讓我……把它移開一點。好了。做了一些小調整，你又能看出我運用了什麼技巧，用大小和顏色來強調兩種元素。
	我們可以看到???內的分散，這是個別位置，因為又有時間因素，
	我們知道…現在我們更清楚了，我們不用再回去點擊獲取多個圖表，我們可以再次使用本地資料過濾技巧。所以我可以回去了。我會
	年份，所以在這種情況下，我們可以再次點擊。在這裡，我將使用鍵盤上的箭頭鍵來循環瀏覽。
	這樣就能大致了解事物是如何隨時間而變化的。在這種情況下，你看到一個特定的區域，你可能已經看到它了，從 2006 年或 2007 年左右開始。
	有這麼一個區域...就是這裡。
	基恩斯堡（Keansburg）似乎被高亮顯示，你會注意到另一個圖元。你想走多遠？
	如果你願意的話，可以稱之為 Graphception。
	我們可以
	繼續進一步深入。在這種情況下，我得到...我根據偏見將其分解，如果我願意，我可以再次使用這個技巧，按年份循環瀏覽。
	所以，這些圖表再次展現了巨大的力量。透過這個圖表，我能夠探索縣級甚至更低級別的地理差異，因此
	讓你能夠探索數據的不同方面，從而引發更多問題。當時在基恩斯堡發生了什麼，讓它如此引人注目？
	這可能是你想知道的事。
	這就是我今天要告訴你們的全部內容，希望我能激起你們的興趣，並能清楚地向你們說明 JMP 視覺化在探索數據方面有多麼強大。
	如果您想了解更多信息，我們將舉辦一場關於數據可視化的全體會議。我非常鼓勵您深入探討這個問題，這有助於您了解不同的視覺化方式以及 JMP 如何助您一臂之力。
	但我確實向你承諾過，讓你看看我是如何創建這些非常神奇的表格腳本的，我現在就這樣做。
	在 JMP 16 中，它被稱為增強日誌。這是 JMP 16 中最酷的新功能之一。增強日誌會隨著您的互動而持續追蹤。因此，每當我關閉（在本例中是關閉資料表、開啟資料表、執行資料表）時，
	如果我新增了一個新列，如果我建立了一個新圖表，它會被記錄在日誌中。
	約翰·薩爾將在全體會議上討論這一點。這又是這裡最令人驚喜的新功能之一。
	這就是我能夠創建這些表格腳本的關鍵。說實話，如果沒有這個工具，我可能根本無法建立這些很酷的表格腳本，因為工作量太大了。
	再次強調，JMP 16 中這項功能非常酷。我希望我已經讓大家相信，JMP 是一款優秀的數據探索工具，能夠創造出出色的視覺化效果，尤其是互動式視覺化效果。以上就是我的全部內容。感謝大家的觀看。

自動化和腳本基礎資料分析與建模資料存取資料混合與清理數據探索與視覺化實驗設計大規模客製化品質與工藝工程可靠度分析