今日
だった
行く
に
なれ
話している
について
使用して
JMP、
私たちの
お気に入り
ソフトウェア
そして 適用する それ に a 本物- 世界 問題 で 私たちの 分析的な 科学 部門
で アミリス どれの は a シンビオ 会社。
前に 私たちは ジャンプ の中へ それ、 I 望んでいた に 導入 自分自身 として 良い として
スコット、 誰が 助けた 自分 平行 これ 旅。
私は ステファン、 私は 一つの 仲間 監督 の R& D データ 分析A ミリス。
I 持っている 12 年 の 業界 経験、
a 多く の 多様な 背景、 私は 働いた で 様々な ラボ
から 分析的な 化学 に 発酵 科学 そして で もっと 最近の 年
集中した もっと の上 その 品質 そして データ 科学 側 の もの。
スコット もっている 助けた 私を a 多く の その コンテンツ ここ
そして もっている された 働く と アミリス のために a 番号 の 年
そして 彼 は 1つ の その ジャンプ 長所 働く JMP用。
私は のように に 始める オフ による ただ 言って 感謝 あなた に スコット のために 助ける 私たち 外 ここ。
だった 行く に スプリット その 話す 今日 の中へ 三つ 部品。
私は 行く に 与える a 少し の 背景 そして コンテクスト 両方 の上 合成 生物学、
もし あなた まだ 聞いた の それ 前に、 そして 分析的な 化学。
その 主要 一部 の その 話す は 本当に 行く に なれ 集中した の上 それから 適用する ジャンプ
に a 特定の 質問 私たちは 持っていた そして それから ついに 良い 包む それ 上
簡単に 触れる の上 オートメーション そして それから その インパクト
の その 分析 そして これ 場合 勉強 良い 見て で 一緒に。
S オーム の あなた 5月 ない なれ おなじみ と 合成 生物学
または 分析的な 化学 そして I 本当に のように に 理解する
コンテクスト そして 背景 そして は 行く に なれ 比較的 重要
のために その 場合 勉強 私たちは 見て で、 良い 集中 の上 それ 今日 そして 始める そこには。
S 合成 生物学 本当に レバレッジ 微生物、
として 私たちは のように に 電話 彼ら、 として リビング 工場。
私たちは 使用 主に 酵母 で その 場合 の アミリス それ 私たちは 精度 エンジニア、
そして 私たちは 使用 その プロセス の 発酵、 どれの は ない a 新しい もの その 何か
人々 持っている された 使用して のために 数千 の 年、 主に に 作る アルコール
そして パン で a 多く の ケース。
で 私たちの 場合、 だった 使用して その 酵母 で 発酵、
給餌 それ 砂糖 そして 変換する それ 砂糖 の中へ a バラエティ の ターゲット
材料 そして 化学物質。
それらの 材料 そして 化学物質 私たちは できる それから 作る
より高い 純度 それで 彼らは 5月 なれ より高い パフォーマンス より低い コスト
そして で a もっと 持続可能な ファッション。
に 与える 一つの 例、 これ ない ただ a 妖精 物語。
これ は 現実、 その ない 一つの アイデア、 私たちは 持っている
18 分子 今日 それ 私たちは 製造 で 規模 そして 私は 表示中
a サブセット の それらの ここ。
そこには 一つの 例 の上 その トップ 左 あなた 持っている アルテミシニン。
それは 一つの 抗マラリア薬 薬、 それ だった 私たちの 初め 分子
そして それは どうやって 私たちの 会社 だった 設立されました。
で その トップ 真ん中、 私たちは 持っている バイオフェン どれの は 実は a 強力
建物 ブロック それ 私たちは それから 変換する の中へ 他の 化学物質 そして アプリケーション。
1つ 例 いる スクアレン どれの は a
とても 人気のある 軟化剤 使用済み で その 化粧品 業界
そして 伝統的に は ソース から サメ 肝臓
そして 1つ それ かもしれない なれ おなじみ で その 底 真ん中、 私たちは 持っている パチョリ。
いくつかの 人々 仲間 それ と その ヒッピー 匂い、 その a 香り、
しかし その 実は 本当に どこにでもある で その 香り 業界
として a ベース 注記、 それで それ 行く の中へ 数千 の 製品。
もの のように 潮 洗剤 持っている パチョリ で それ そして 私たちは できる 製造 これ、
どれの は 伝統的に 抽出された から 植物
と 私たちの 合成 生物学 プラットフォーム。
I 仕事 で その 研究開発 関数、 そして それで 私たちの ゴール は 本当に に 識別する
その 最高 E 菌株 それ 私たちは できる それから 使用 で 製造業 規模、
そして それ 必要 研究 で 規模。
私たちは 走る 非常に 自動化された a 多く の 高い- スループット ワークフロー
で アミリス で エメリービル、 そして それで から その 左 そこには 私たちは 始める スクリーニング
私たちの 酵母 菌株
で a 容量 の について 60万 菌株 あたり 月。
私たちは 取る それらの トップ 出演者 そして 私たちは 推進する 彼ら
に 何 私たちは 電話 私たちの ベンチ- 規模 バイオリアクター 発酵、
どれの あなた できる 見る 写真 の上 その 右 そこには。
全体を通して 全て の これ、 だった 作成 a 多く の 菌株、
どれの 手段 私たちは また 必要 に 理解する 何ですか ハプニング で それらの 菌株、
何 は 彼らは 生産、 どうやって 多くの、 そして それは 本当に どこ 分析 来る で。
それらの 分析 必要 に なれ 走る で a 規模 に マッチ それ それで 私たちは できる 本当に
得る その データ に 理解する 何ですか ハプニング。
と これ 規模 の 研究、 そこには a 多く の 機会、
そして a 多く の それらの 機会 来る から 見ている で 従来の
アプローチ そして 再考 どうやって に する それらの。
話します a 少し 少し について 分析的な 化学。
また、 それは ない 何でも それは 個性的 に 合成 生物学。
その 広範囲にわたる で a 多く の 産業、 石油 業界、
環境 科学、 製薬、 とても 一般 方法 ただ に 測定 もの。
病気 話す ここ 本当に について クロマトグラフィー、
そして として 一つの 例、 病気 取る 発酵 それ 私たちは する の上 その 生体反応性 規模。
から これ 発酵、 だった 行く に サンプル それ その間 その 実行中。
だった 行く に 得る a 汚い サンプル から それ どれの 私たちは それから できる さらに遠く
準備する そして 希薄。
私たちは 持っている これ 混合 の コンポーネント で これ ファイナル 形状。
良い それから 取る これ 混合 の コンポーネント、
良い 走る それ 横切って いくつかの 分離 テクニック。
それは a クロマトグラフ。
何 それは 行く に する は ベース の上 その 財産 の それらの コンポーネント、
かもしれない なれ サイズ、 それ かもしれない なれ 極性、 それは 許可する 私たち に 別 それらの 外。
私たちは それから 餌 それ の中へ いくつかの 検出 機構。
そこには a バラエティ それ あなた できる 使用 そして 何 それ 与える あなた は a 分離
の これら コンポーネント 以上 時間 そして それから いくつかの 強度 の 応答。
その 最後 ピース そして どこ だった 行く に 集中 今日
は 強度 ない 本当に a 役に立つ もの のために あなた または 自分 に 作る 決定 の上。
私たちは 必要 に 翻訳する それ の中へ 何か 役に立つ のように a 集中。
その 較正 曲線 許可する 私たち に 翻訳する
それ 強度 の中へ a 集中、
そして の コース、 あなた できる 想像する もし あなた 得る それ 翻訳 間違っている、
あなたの データ は 行く に なれ 間違っている そして その 行く に 誤解させる あなた。
較正 曲線 は どこ 良い 集中 今日、
そして それは その 心臓 の その 質問。
A 較正 曲線 は 作成された、 による ランニング 基準 と
変化する レベル の あなたの 知られている 成分。
その 例 私は 表示中 ここ、
私たちは 持っている a 低い 中期 高い、 それで a 三つ -レベル 較正。
私たちは 知る 何 その 集中 は で それらの なぜなら 私たちは 準備した 彼ら、
そして 私たちは 測定 その 応答 の上 これら 楽器。
から そこには、 私たちは できる フィット いくつかの 較正 曲線。
で これ 例、 私は 表示中 ただ a 単純 リニア フィット、
そして それから 私たちは できる 走る 未知 サンプル、
読む その 応答 オフ 私たちの 楽器 そして する 一つの 逆 予測。
だった 服用 私たちの 応答 から その Y そして 予測する 何 その 量は
で それ サンプル。
その a とても 一般 方法 に なれ できる に 定量化する もの で 未知 サンプル。
それは 私たちの 背景。
だった 行く に ジャンプ の中へ その 場合 勉強 見ている で これ 鍵 質問
私たちは 持っていた その周り 最適化 a 一部 の 私たちの プロセス で 私たちの 分析。
少し もっと 背景 ここ は それ いつ 私たちは する 較正 で 私たちの ラボ、
そこには a 料金 関連する メンテナンス の これら 校正
そして 較正 曲線 そして 較正 基準 は 高い、
両方 期限 に 人々の 時間、 しかし また 材料。
これら 材料 できる 頻繁 料金 数千、 平 10 の 数千
の ドル あたり グラム。
と その 規模 それ だった やっている 私たちの 研究 で、 それ 本当に 押す 私たち
また に 再考する それらの 従来の アプローチ。
だった ランニング 数百万 の サンプル あたり 年、 そして 私たちは 持っている a 本当に 多様な
セット の 分析的な 方法 それで 私たちは 持っている 現在
で 私たちの 研究室 で エメリービル、
以上 100 違う 分析的な 方法 測定 全て コンポーネント。
1つ 場所 私たちは 見た で は 従来通り。
私たちは 見る これ と ほとんど 人々 私たちは 雇う、 これ は どこ 人々 始める。
従来 較正 曲線 頻繁 持っている 五 に セブン レベル、
かどうか 彼らは リニア または ない。
私たちは 考える について 彼らは 言う、 わかった、 五 に セブン レベル、 リニア フィット。
で 理論、 その ほとんど あなた かもしれない 必要 は または その 最小 あなた かもしれない 必要 は 二
そして そこには a 料金 に それぞれ 追加 レベル、
両方 で 材料 そして 準備 コスト そして メンテナンス。
これ は どこ 私たちは 望んでいた に 見て そして 聞く その 質問、
見て、 できる 私たちは 実は 減らす これ 番号 のために 一つの 既存 方法
それなし 重要な インパクト の上 私たちの 実際の データ 品質？
その 方法 私たちは 定量化する 私たちの 未知 サンプル。
これ は どこ ジャンプ 来る で、 だった 行く に 使用 ジャンプ ここ に シミュレーション
いくつかの 代替 較正 計画、 で これ 場合、
削減 その 番号 の レベル の 校正
そして に 繰り返す 何 私たちは 歩いた を通して 私たちの 問題 最終的に は それ
較正 メンテナンス は 高価です。
それは 苛立った による その 規模 私たちは する それ で。
私たちの 一般的な アプローチ は 本当に 行く に なれ に 見て で どうやって できる 私たちは 最適化する これ。
さあ 見て で 削減 その レベル の それらの 校正、
そして それから 私たちの 特定の 解決 は JMPを使用する ここ
に 聞く その 質問、 見て、 もし 私たちは 行った 戻る で 時間
そしてもし 理論的には、 私たちは 持っていた 走る 二 校正器 または 三つ 校正器
その代わり の 六 または セブン、 どうやって だろう それ 持っている 影響を受けた 私たちの データ？
私たちの 場合 ここ、 だった 行く に 集中 の上 a シングル 方法 今日。
これ は a 本物 方法 私たちは された ランニング のために について 六 ヶ月。
私たちは 持っている 22 バッチ の サンプル 私たちは 走る の上 これ 方法、
それで その について 1000 サンプル。
私たちの 既存 較正 I 見せる ここ の上 その 右 は a リニア 較正。
それ もっている 六 レベル そして 私たちは 推定 もし 私たちは できる 減らす これ
に その 最小 の 二 レベル、 私たちは できた 保存 一つの 見積もり の 1万5000ドル a 年。
そこには a 本物 測定可能な モチベーション に 理解する もし 私たちは できる 追求する これ。
表示中 ここ その 一般的な ワークフロー それ 私たちは 来た 上 と。
私は 行く に 行く を通して これ 本当に 素早く 右 今 しかし いいえ 心配する。
だった 行く に 歩く を通して それ ステップ による ステップ 一緒に。
だった 本当に 行く に ただ 引く その 歴史的 データ。
だった 行く に 再作成する 私たちの 歴史的 較正 で ジャンプ に 検証する 何
だった やっている で ジャンプ マッチ 何 私たちは 終わり 歴史的に、
そして それから だった 行く に 言う、 わかった、 さあ なくす いくつかの の これら レベル、
再作成する その 較正 と それらの 減少 レベル、
そして それから 評価する 何 インパクト それ もっている の上 私たちの ターゲット。
今、 I 考える で これ 場合 その また 本当に 重要 に 強調する あなた 見る、
私たちは 持っている 二 合格- 失敗 フォーク で その 道。
頻繁 いつ だった やっている 分析
の上 データ で 手、 だった 見ている のために 統計的 意義
と 研究 のように これ、 その 本当に 重要 に 決定する 何 あなたの 実用的
要件 は。
で これ 場合、 何 する それ 平均？
だった 話している について インパクト の上 その 測定 の 未知 サンプル。
結局、 私たちは 欲しい に 作る もちろん それ 削減 その 較正 は ない 行く
に バイアス その 測定 で 1つ 方法 または その 他の。
私たちは 欲しい その 測定 に なれ その 同じ。
として 多くの 人々 意思 教えて あなた、 その 同じ は ない 本当に a 定量化可能な もの、
それ 依存する の上 あなたの サンプル サイズ、 その ノイズ で あなたの プロセス。
私たちは 必要 に 定義する 何 は いいえ 違う、 同じ または いいえ インパクト 平均。
ここ だった 行く に セット 私たちの 受け入れ 基準 先に の 時間
のために これ 初め ステップ として 正確さ 内で 半分 その パーセント、
そして のために その 2番 ステップ として 正確さ 内で 1％。
良い 見る これら 来る 戻る として 私たちは 歩く を通して これ。
私たちの 初め ステップ、 そして 毎 ページ ここ、 私は 行く に 見せる で その トップ 右
何 ステップ 私たちは は で その プロセス、
として 良い として ハイライト 何 ジャンプ プラットフォーム だった 使用しています。
のために 私たちの 初め ステップ、 だった 行く に なれ 引っ張る 私たちの 歴史的 データ
から a データベース、 で 私たちの 場合、 私たちは 持っている a データベース。
私たちは 持っている a リン システム それ すでに もっている その データ で a 構造化された 形式。
あなた できた また 輸入 これ から CSV、 しかし、 あなた できる アクセス その データ。
だった 引っ張る それ で 私たちの 場合 使用して 生 SQL そして 日本語
そして それ 引っ張る で a 構造化された 形式 表示中 a サブセット の その 列 私たちは 持っている、
しかし 何 あなたは 知らせ は で これ 場合 私たちは 持っている 私たちの 六 校正器
として 良い として a 番号 の 未知 サンプル。
だった 引っ張る で その 歴史的 データ として その コア データ セット だった 働く と。
その 初め ステップ は 再現する そして 検証する その 同じ 較正 曲線
それで それ 同じ 六- ポイント 較正 で ジャンプ。
今、 あなた かもしれない 聞く なぜ 私たちは 持っている に する これ。
がある 二 主要 理由。
1つ は 較正 曲線 できる 持っている a 多く の 注意事項。
彼らは できる 持っている 重み付け、 彼らは できる 持っている アンカー ポイント、
彼らは できた なれ 強制された を通して ゼロ、 彼らは できた なれ 非線形。
これ は a 良い 方法 に 検証する それ あなたは 使用して その 右
パラメータ そして ジャンプ に 再作成する これ。
その 他の 理由 は それ 私たちは しない 期待する これら 価値観 に なれ その通り その 同じ。
その 理由 いる それ a 多く の これら 分析的な ソフトウェア 用途 いくつかの 独自の
回帰 それ は ない その通り のように、 さあ 言う、 普通 少しでも 正方形 回帰。
に する これ、 だった 行く に 使用 a 専門化された モデリング フィット 曲線 パラメータ
そして 本当に ただ 再現する 私たちの 較正 曲線。
ただ のように I 示した 以前、
どこ 私たちは 持っている 私たちの 知られている 量 の 私たちの 六 基準 の上 その X
そして 私たちの 生 強度 または 信号 応答 の上 その そして。
で 私たちの 場合、 私たちは 持っている 22 バッチ、 私は ない 表示中 全て の 彼ら ここ、
しかし だった 再現 これ のために 22 違う シーケンス で 本質的に 1つ
クリック そして 何 I 電話 その 力 の その コントロール 鍵 もし あなた しない 知る これ トリック。
意思 保存 あなた a トン の 時間、 もし あなた 所有 下 その コントロール 鍵、
クリック の上 その 赤 ボタン、 何でも あなた する は 行く に 適用する に 毎
分析 で それ ウィンドウ。
最近 学んだ それは どうやら と呼ばれる 放送、
それで あなた できた 使用 それ として 良い。
だった 再現する a 較正 曲線 のために それぞれ の 私たちの バッチ
そして それから で その 同じ 専門化された モデリング プラットフォーム、 だった それから
節約 その 逆 予測 式。
なぜなら だった 予測する から Y に X、
もし あなた 覚えて 戻る に 私たちの 較正 イントロ、
に なれ できる に 保存 その 予測された 価値観 戻る に 私たちの データ テーブル。
これ それから 見た目 のように これ どこ の上 私たちの データ テーブル
私たちは 持っている 初め 私たちの 歴史的 量、 何 私たちは 引く から その データベース、
そして 今 私たちは 持っている 私たちの 生 量 それ 私たちは 生成された から
これら 新たに 作成された 較正 曲線 そして ジャンプ。
私たちは 持っている a 乗数 私たちは 持っている に 適用する、 する その サンプル 準備 私たちは する
それ 私たちは 引く から その データベース それで それは すでに そこには
そして その 行く に 滞在する 絶え間ない。
私たちは 単に 必要 に ただ 適用する a 計算された カラム ここ
に 持っている a 比較的 価値 に 私たちの 歴史的 データ。
もし あなた 見て で これ 初め 生、 私たちの 価値 は とても 近い に
しかし ない その通り その 同じ として 私たちの 歴史的 データ。
次 上、 だった 行く に 視覚的に する a 比較、 プロット 私たちの 歴史的
に対して その ジャンプ レクリエーション の それ 較正、
そして これ は a 良い チェック また、 に 見て を通して あなたの データ。
何 あなた だろう 期待する または 希望 のために は
a ライン それ 本質的に 見た目 のように Y 等しい X.
今 私たちは しない 欲しい に 停止 で a ビジュアル 分析。
私たちは の コース、 欲しい に 持ってくる いくつかの 統計 の中へ それ。
これ は どこ 私たちは 紹介された その 通過 バブロック 回帰。
その 実は 何か それ だった ただ 追加した の中へ その ベース ジャンプ 機能性。
I 考える と ジャンプ 17 使用済み に なれ 一つの 追加- の上 のために a 長さ 時間。
私は 嬉しい その そこには 今。
これ は a 専門化された 回帰 それは 非 パラメトリック そして 屈強 外れ値、
それは 本当に 設計された 具体的には のために 比較する 分析的な 方法。
のために 多くの の あなた、 おそらく 無関係 あなたは 一度もない 行く に 持っている に 使用 それ、
しかし 私たちは 必要 に 使用 それ で その 世界 だった 働く で。
何 これ 回帰 する、 それ 与える あなた 二 仮説 テスト
に テスト のために 絶え間ない バイアス として 良い として 比例 バイアス。
S タルティング と a 絶え間ない バイアス、 どこ だった 見る もし そこには バイアス。
想像する その ライン 動く 上 そして 下 その 同じ 横切って その 範囲。
だった 評価する もし その 自信 間隔 の 私たちの 傍受
する または する ない 含む ゼロ。
のために 比例 バイアス、 どこ その バイアス だろう 変化 ベース の上 その 応答。
だった 評価する もし その 自信 間隔 の 私たちの スロープ
する または する ない 含む 1つ。
今 で 私たちの 場合、 私たちは 拒否する その ヌル 仮説 で 両方 の これら ケース、
どれの 伝える 私たち それ 私たちは する 持っている 統計的に 重要な バイアス、
両方 絶え間ない そして 比例 で 私たちの データ セット。
から ここ あなた かもしれない 言う、 わかった、 だった 終わり そこには バイアス 私たちは できない 動く の上、
しかし 考え 戻る、 これ は なぜ その 本当に 重要 に 定義する
何 その 実用的 意義 は なぜなら
どれでも 統計学者 意思 教えて あなた で 私たちの データ セット 私たちは 持っている 1000 サンプル、
あなた 持っている 1,000 サンプル あなたは 行く に なれ 見ている で
とても きつい 自信 間隔。
あなたは 行く に なれ できる に 検出する とても 小さい 違い。
私たちは 持っている a 統計的に 重要な 違い しかし する それ 案件？
それ もたらす 私たち に 私たちの 最後 ステップ だった 行く に 計算する、
また 使用して その カラム 式、
その 相対的 違い 間 その 二 方法
そして 私は 表示中 a 分布 の それ 下に
そして それ 分布 それから 与える 私たち アクセス に これ テスト 等価。
これ 許可する あなた に テスト a 分布 の 価値観 に対して その 絶え間ない
それ あなた 定義する 内で いくつかの 自信。
ここ で これ ウィンドウ、 良い 入力 私たちの ターゲット 平均 は ゼロ
なぜなら 私たちは 仮説 それ 彼らは 行く に なれ その 同じ それで いいえ 違い。
今 私たちは 得る に 入力 私たちの 受け入れ 基準、 どれの だった 0.5％。
これ 与える 私たち これ とても ニース 出力 と 私たちの ファイナル 二 仮説
テスト どこ もし 私たちは 拒否する これら、 私たちは できる 決定する 本質的に それ その 平均
の これ データ セット は 同等 に ゼロ 内で プラス または -0.5%。
これ 1つ あなた かもしれない 言う、 おい ステファン、 これ は やっている a t- テスト、
あなたの 分布 は ない その通り 普通 そして I 考える あなたは なれ 右
そして もし I 行った 戻る I かもしれない 実は 使用 その テスト 平均 プラットフォーム
なぜなら それ 与える あなた アクセス に 非 パラメトリック 等価 テスト。
関係なく、 これ は a 本当に 役に立つ そして 直接 方法 に テスト
のために 実用的 意義。
私たちは 引っ張られた 私たちの 歴史的 データ から その データベース、
私たちは 再現された そして 評価された その 較正 曲線
そして 私たちは 設立 それ それ パス 私たちの 受け入れ 基準。
もし それ 持っていた 失敗した、 それ できた なれ 問題 と その データ セット。
あなた かもしれない ない なれ 使用して その 右 較正 パラメータ。
がある a 番号 の 理由、 私たちは 一般的に だろう
かわいい 多くの いつも 期待する これ に 合格。
それ いつもの ただ 必要 いくつかの 調査 に 何ですか 起こっている
で その 方法 あなた 再現された これ 較正。
私たちの 次 ステップ は 下- サンプリング または 削減 その 番号 の レベル
の 私たちの 較正。
今、 もし 私たちは 試す に する これ それなし JMP、 私たちは 持っている に 行く の中へ 毎 シングル
順序 で 私たちの 分析的な ソフトウェア 手動で
取り除く 校正器、 再計算する もの。
なれ 本当に 長さ そして 退屈な もの。
ジャンプ これ は として 簡単 として ただ 使用して その データ フィルター。
で 私たちの 場合 と これ 六- ポイント 較正 私たちは 持っている a リニア 1つ。
私たちは 知る それ その 最小 番号 の ポイント 私たちは 必要 のために リニア 修正は 二。
だった ピッキング その 最高 そして その 最低 校正器
そして ただ フィルタリング 下 に それらの。
から ここ 私は 行く に 行く かわいい 素早く、 しかし 本当に 全て だった 行く に する
は 再作成する これ 較正 と 二 ポイント で ジャンプ。
また、 だった 使用して その 専門化された モデリング プラットフォーム、 やっている a フィット ライン。
その のみ 違い 今 は 私たちは 持っている 二 ポイント その代わり の 六
そして だった 適用する それ 逆 予測 式 戻る に その データ テーブル、
どれの また は 行く に 与える 私たち 私たちの 逆 予測
そして それから 私たちは 適用する その 乗数
そして なぜなら I 知る 私は 行く に する その 実用的 意義、
私は ただ 行く に 先制的に 計算する a 相対的 違い 間
その 二- ポイント 較正 そして それから その 歴史的 違い。
また、 私たちは 行く を通して その 通過 バボック そして ない それで 驚いたことに、
また 考慮して その サイズ の 私たちの データ セット、
だった 行く に 拒否する その ヌル 仮説 ここ そして 確立する それ 私たちは 持っている
統計的に 重要な バイアス、 両方 比例 そして 絶え間ない。
私たちは 動く の上 に テスト 私たちの 受け入れ 基準。
覚えて 戻る 今 私たちの しきい値 は 1％ その代わり の 0.5%
そして それは 働く と その 利害関係者 の その データ
に 確立する 何 は 一つの 許容できる 同等性。
それは いつも 重要 事前 仕事 に する
そして だった 行く に テスト それ 同等性。
ここ 私たちは 探す それ これら 二 方法 は 同等 内で プラス または マイナス1％。
の上 その 未知 サンプル そして それは 本当に 重要。
だった 使用して それらの 歴史的 本物- 世界 サンプル
に 本当に 聞く その 質問 何 もし 私たちは 行った 戻る で 時間
そして 見る 全て これら 校正 と 二 ポイント
そして 報告された その データ の これら 未知 サンプル。
どうやって だろう それらの 価値観 変化？
の上 平均 私たちは 見る それ 彼らは 変化 とても 少し、
そして それで それ 与える a 多く の 信用 に 考慮して
誘発する それらの 較正 レベル。
私たちは 本質的に 実証された これ 今
そして それで これ 較正 の上 その 左 そして その 較正 の上 その 右
だった 言って は 同等 , ない 行く に 提供する 同等 定量
内で 1％ そして それで 私たちは 持っている 本質的に その 証拠 私たちは 必要 に 押す のために これ 変化。
私たちは 合格した 私たちの 初め チェック、 私たちは 見る その 評価 と その 二、
私たちは 合格した それ そして 今 だった で 私たちの ファイナル ステップ
の 実装 それらの 変更 で 私たちの プロセス。
今 その おそらく その ほとんど 重要 一部、
もし あなた する 一つの 分析、 私たちは ただ 離れる それ 座っている そこには、 しない する 多くの 良い。
これ できる 時々 なれ その 最も難しい 一部。
あなた 持っている に 行く 外、 あなた 持っている に 納得させる 人々、 特に で 症例 のように これ
そして あなた 持っている に 取る 考慮 の 多分 は そこには 追加
もの それ これ 分析 しなかった 考慮する。
私は幸せです に 話す に 誰でも について それ、
しかし だった ない 行く に 行く で 深さ の 何 その 他の 考慮事項 私たちは 持っている
に 考える について 前に パッティング これ の中へ アクション、
しかし と これ 例、 私たちは した
実は 終わり 上 削減 較正 レベル から 六 に 二
そして それ 減少 その 年間 料金 の ランニング それ 方法 による について 15,000ドル。
から そこには 私たちは かもしれない 言う、 わかった、 何 今？
は 私たちは 終わり？
の コース ない。
右 今 私たちは 必要 に 見て で 私たちは した それ のために 1つ 方法、
私たちは 持っている a スイート の 別の 100 プラス 方法 それ 5月 また 持っている これら
多くの レベル 校正 それ かもしれない なれ やり過ぎ のために 何 私たちは 必要。
私たちは 欲しい に 見て で 繰り返し その 分析 のために 他の 方法。
それは どこ I 考える オートメーション 来る で。
それ は a 本当に 素晴らしい 方法 に 規模 これ 1つ- オフ 分析する のために 私たち自身、
しかし また のために その他。
私の ルール の 親指 は もし I 探す 自分自身 やっている 一つの 分析
もっと よりも 二 または 三つ 回。
さあ 建てる それ 外 で その オートメーション、
言う 未来 自分 a 多く の 時間、 過ごす a 少し 時間 今。
病気 ただ 触る の上 これ とても 簡単に そして I 欲しい に 叫ぶ 外 スコット ここ
のために 助ける 自分 と a 多く の その ワークフロー ビルダー 仕事 そして その スクリプト
しかし これら ネイティブ オートメーション ツール で ジャンプ は 本当に 強力
そして 彼らは とても ユーザー- フレンドリー、 そこには a 多く の コード- 無料 オプション
そして それで そこには 本当に 違う 方法 あなた できる する これ。
あなた できる する それ の上 その 左 側、 右 で a クラシック 方法 やっている 全て その スクリプト
平 許可する あなた に 保存 これら グローバル 変数
それで それ できた 与える 私たち 場所 のために あなた に 持っている ユーザー 入力 彼らの
受け入れ 基準 どれの かもしれない 変化
そして または あなた できる てこの作用 その ワークフロー ビルダー どれの は a 少し の a 新しい 特徴
しかし 本当に しましょう あなた 建てる 外 これ オートメーション。
平 もし あなた ただ 欲しい に スクリプト それ 生、
あなた できる 建てる その フレームワーク それ あなた できる それから 肉 外。
その 二 もの I 意思 言う について これ は
どうやって 多くの あなた できる 自動化する または 多分 どうやって 多くの 努力 あなた 持っている に 置く の中へ それ
は 行く に なれ 限定 に いくつかの 範囲 による どうやって 硬い それ ワークフロー は。
もし ユーザー 必要 それ に なれ 本当に フレキシブル、 必要 に 交流する と それ、
それ できた なる とても 挑戦的 に 自動化、
そして の コース その データ 一貫性 は 鍵 として 良い。
これ は 本当に a 素晴らしい 道具 に ヘルプ その他 再現する その 分析、
しかし あなた 本当に する 持っている に また 電車 彼ら そして 書類 その 仕事、
作る もちろん 彼らは 知る 何 その 実は やっている。
として 私たちは 全て 知る、 毎 分析 もっている その 注意事項。
あなた 必要 人々 ない ただ に クリック そして 持っている a 報告、
しかし また 理解する a 少し 少し のように 何 は いくつかの
潜在的 もの それ できた 来る 上、 特に もし あなたは 試して
に 未来- 証明 仕事。
I のように に 持ってくる それ 戻る 一緒に そして 包む それ 上 そこには
そして 希望 今日 それ 私は 示した あなた それ ジャンプ
あなた しない 持っている に する のように クレイジー 複雑な または 洗練された もの で ジャンプ
あなた できた ピース 一緒に a 多く の 単純 機能性
に 作成する 本当に インパクトのある ワークフロー。
かどうか あなたは 働く で a 研究室 で あなたの 組織、 どこでも それ は、
見て に 識別する これら 改善 で 既存 ワークフロー。
I のように に 考える について もし あなた 全て は で その 経験
ほとんど の 私たち は で、 そこには もっと データ よりも 何 私たちは 知る 何 に する と。
見て で その データ それ いいえ 1つ は 見ている で
そして それから チャレンジ その 従来の 考え。
その 方法 だった 働く は いつも 変化、 聞く なぜ する 私たちは する それ これ 方法。
で 私たちの 場合、 のために a 長さ 時間、 これ は その 方法 私たちは する それ。
五、 六- ポイント 較正。
聞く なぜ、 何 もし 私たちは しなかった、 何 だろう その インパクト なれ。
の コース、 しない 持っている に 教えて 誰でも リスニング ここ。
使用 ジャンプ のために その スケーラブル 分析 そして それから 使用 オートメーション に 作る それ 簡単、
そして それ 本当に しない 持っている に なれ ファンシー。
それ ただ もっている に 仕事 のために 何 あなた 必要 それ に する。
ついに、 あなた できる 使用 それ に インパクト これら インパクトのある、 埋め込む インパクトのある 変化
そして 使用 データ に ドライブ それらの 決定。
その おそらく 1つ の その ほとんど 説得力のある ツール それ 私たちは 持っている 今日。
もし あなたは 話している に 管理、
する それ で ユニット の ドル なぜなら 彼らは 愛 それ。
病気 包む それ 上 そこには
I 考える 最後 もの 私は のように に 言う は ただ a 感謝 あなた に その
ジャンプ 発見 サミット 委員会、
全て その 人々 組織化 特別 感謝 あなた に スコット のために 全て その ヘルプ
彼 与えた 自分 で その 過去 と アミリス、 しかし また と これ 話す そして これ 分析、
そして それから a 番号 の 人々 Aで 無数の 誰が だった 関与する と これ
そして と それ、 I 意思 包む それ 上。
感謝 あなた。 さよなら。
