758475_ko-KR

liliconcom

데이터 큐레이션 워크플로 자동화(2020-US-45MP-620)

Jordan Hiller, JMP 수석 시스템 엔지니어, JMP
Mia Stephens, JMP 수석 제품 관리자, JMP

대부분의 데이터 분석 작업은 데이터를 가져오고 분석 준비를 하는 데 많은 시간이 소요됩니다. 정기적으로 업데이트되는 데이터 세트를 다루는 경우가 많기 때문에 스크립트화된 반복 가능한 워크플로를 사용하여 작업을 자동화하면 시간을 크게 절약할 수 있습니다. 자동화 스크립트는 데이터 가져오기, 데이터 큐레이션, 분석/보고의 세 가지 섹션으로 구성됩니다. 첫 번째와 세 번째 섹션의 작업은 원하는 결과를 얻고 결과 스크립트를 캡처하기 위해 마우스를 가리키고 클릭하는 비교적 간단한 반면, 스크립팅을 처음 시작하는 사람들에게는 데이터 큐레이션이 더 어려울 수 있습니다. 이 강연에서는 일반적인 데이터 준비 작업을 살펴보고, 프로세스 자동화에 필요한 JSL 코드를 논의하며, 마우스를 가리키고 클릭하는 방식으로 데이터 큐레이션을 위한 JSL 코드를 생성하는 방법에 대한 조언을 제공합니다.

이 강연에서 논의된 데이터 정리 스크립트 어시스턴트 추가 기능은 JMP 파일 교환 에서 찾을 수 있습니다.

자동 생성된 대본...

스피커	성적 증명서
마이스텝	JMP Discovery 서밋에 오신 것을 환영합니다.
	저는 JMP 제품 관리자 미아 스티븐스입니다. 그리고 JMP 시스템 엔지니어 조던 힐러와 함께하게 되었습니다. 오늘은 데이터 큐레이션 워크플로 자동화에 대해 이야기해 보겠습니다.
	발표는 두 부분으로 나뉩니다. 먼저 분석 워크플로와 데이터 큐레이션이 이 워크플로에서 어떤 역할을 하는지에 대해 이야기하며 발표를 시작하겠습니다.
	이제 본론으로 들어가 이 강연의 핵심, 핵심을 조던에게 말씀드리겠습니다. 재현 가능한 데이터 큐레이션의 필요성에 대해 이야기해 보겠습니다.
	JMP 15에서 이를 수행하는 방법을 살펴보겠습니다. 그리고 데이터 큐레이션 단계를 기록하고 분석을 위해 데이터를 준비하는 작업을 수행하는 JMP 16의 새로운 기능을 잠깐 살펴보겠습니다.
	분석 워크플로에 대해 생각해 보겠습니다. 널리 사용되는 워크플로 중 하나를 소개합니다. 물론, 이 모든 것은 비즈니스 문제가 무엇인지 정의하고, 해결하려는 문제를 이해하는 것에서 시작됩니다.
	그런 다음 데이터를 수집해야 합니다. 물론, 다양한 소스에서 데이터를 수집하여 JMP로 가져올 수도 있습니다. 마지막으로, 결과를 공유하고 다른 사람들과 소통할 수 있어야 합니다.
	아마도 이 과정에서 가장 시간이 많이 걸리는 부분은 분석을 위해 데이터를 준비하거나 데이터를 큐레이션하는 일일 것입니다.
	그렇다면 데이터 큐레이션이란 정확히 무엇일까요? 데이터 큐레이션은 분석 결과를 도출하는 데 데이터가 유용하게 활용될 수 있도록 하는 것입니다. 근본적으로 우리는 주어진 하루를 활용하여 문제를 해결할 수 있기를 원합니다.
	이는 주로 데이터 구성, 데이터 구조, 데이터 품질 문제 해결에 관한 것입니다.
	데이터와 관련된 문제나 일반적인 문제에 대해 생각해 보면, 일반적으로 네 가지 범주로 나뉩니다. 잘못된 형식, 불완전한 데이터, 누락된 데이터, 또는 지저분하거나 복잡한 데이터가 있을 수 있습니다.
	그리고 이러한 유형의 문제에 대해 이야기하고 데이터 내에서 이러한 문제를 식별하는 방법을 설명하기 위해 STIPS 과정에서 차용할 것입니다.
	STIPS에 익숙하지 않은 경우 STIPS는 산업 문제 해결을 위한 통계적 사고라는 무료 온라인 과정이며 7단계로 구성됩니다.
	개별 모듈입니다. 모듈 2는 탐색적 데이터 분석에 관한 것입니다.
	탐색적 데이터 분석과 데이터 큐레이션은 상호작용적이고 반복적인 특성을 지니므로, 이 모듈의 마지막 강의는 분석을 위한 데이터 준비입니다. 데이터 내 품질 문제를 파악하고 데이터 큐레이션을 위해 취할 수 있는 단계들을 소개합니다.
	그럼 일반적인 문제에 대해 좀 더 자세히 알아보겠습니다. 잘못된 서식. 그렇다면 잘못된 서식이란 무엇을 의미할까요?
	이는 데이터 형식이 잘못되었거나 분석에 적합하지 않은 경우입니다. 이는 데이터 테이블 전체에 적용될 수 있습니다. 예를 들어, 데이터가 여러 열에 분산되어 있지만 분석을 위해서는 데이터를 한 열에 모아야 할 수 있습니다.
	이는 개별 변수에 적용될 수 있습니다. 모델링 유형이나 데이터 유형이 잘못되었거나, JMP에서 형식이 지정되지 않은 날짜 데이터, 즉 날짜 또는 시간 데이터가 있을 수 있습니다.
	미관상으로도 좋을 수 있습니다. 데이터 표의 시작 부분에서 반응 변수를 제거하고, 변수 이름을 바꾸고, 요인들을 그룹화하여 데이터 표에서 쉽게 찾을 수 있도록 할 수 있습니다.
	불완전한 데이터는 데이터가 부족하다는 것을 의미합니다. 이는 중요한 변수에 대한 데이터일 수 있으므로, 궁극적으로 문제 해결에 도움이 될 수 있는 변수에 대한 데이터를 확보하지 못할 수 있습니다.
	또는 변수의 조합에 따라 발생할 수 있습니다. 아니면 단순히 관측치가 충분하지 않거나 데이터 테이블에 데이터가 충분하지 않다는 것을 의미할 수도 있습니다.
	결측치란 변수의 값을 사용할 수 없는 경우를 말하며, 이는 다양한 형태로 나타날 수 있습니다.
	마지막으로, 더럽거나 지저분한 데이터는 관찰이나 변수에 문제가 있는 경우입니다.
	데이터가 부정확할 수 있습니다. 값이 틀릴 수도 있고, 사람들이 데이터를 기록하거나 시스템에 데이터를 입력하는 방식에 일관성이 없을 수도 있습니다.
	귀하의 데이터가 부정확할 수도 있고, 측정 시스템이 부족할 수도 있고, 오류나 오타가 있을 수도 있습니다.
	데이터가 오래되었을 수 있습니다. 즉, 더 이상 사용되지 않는 시설이나 기계에서 정보를 수집했을 수 있습니다.
	오래된 정보일 수도 있습니다. 즉, 데이터를 수집한 이후 프로세스가 너무 많이 변경되어 더 이상 유용하지 않을 수 있습니다.
	데이터가 삭제되었거나 잘렸을 수 있습니다. 서로 중복되는 열이 있을 수 있습니다. 기본 정보가 동일하거나 행이 중복되는 경우도 있습니다. 따라서 지저분하고 복잡한 데이터는 매우 다양한 형태를 띨 수 있습니다.
	그렇다면 잠재적인 문제는 어떻게 파악할 수 있을까요? 데이터를 살펴보면서 문제를 파악하기 시작합니다. 사실, 이 과정은 반복적이며, 데이터를 그래픽이나 수치적으로 탐색하기 시작하면 수정해야 할 문제가 될 수 있는 부분들을 발견하게 됩니다.
	또는 해결하세요. 따라서 좋은 시작점은 데이터 테이블을 스캔하는 것부터 시작하는 것입니다. 데이터 테이블을 스캔하면 종종 몇 가지 명백한 문제를 발견할 수 있습니다.
	이 예시에서는 STIPS 과정의 Components라는 데이터를 사용할 것입니다. 시나리오는 어떤 회사가 소형 부품을 제조하고 수율을 개선하려고 한다는 것입니다.
	그리고 그들은 15개 열로 구성된 369개 배치의 부품에 대한 데이터를 수집했습니다. 그래서 데이터를 살펴보면, 몇 가지 명백한 문제점을 바로 발견할 수 있습니다.
	데이터 표의 상단을 보면, 이 작고 예쁜 그래프들을 볼 수 있는데, 분포의 모양과 값을 볼 수 있습니다.
	예를 들어, 배치 번호는 히스토그램으로 표시됩니다. 배치 번호는 연속적인 것이 아니라 식별자로 생각될 수 있습니다. 따라서 이는 데이터가 잘못 코딩되었음을 나타낼 수 있습니다.
	폐기된 숫자를 보면 분포의 모양을 알 수 있습니다. 또한 음수 값이 있는 것도 볼 수 있는데, 이는 불가능할 수도 있습니다.
	두 개의 값을 갖는 프로세스에 대한 히스토그램을 볼 수 있으며, 이를 통해 프로세스의 모델링 유형을 연속형에서 명목형으로 변경해야 한다는 것을 알 수 있습니다.
	열 패널을 살펴보면 더 많은 정보를 볼 수 있습니다. 예를 들어, 배치 번호와 부품 번호는 모두 연속형으로 코딩되어 있습니다. 이는 아마도 명목형일 것입니다.
	데이터 자체를 살펴보면 다른 문제들을 발견할 수 있습니다. 예를 들어 습도는 연속형이라고 생각하지만, N/A 값을 갖는 관측치가 몇 개 있습니다.
	JMP에서는 텍스트를 인식하기 때문에 열이 명목형으로 코딩되므로 이 부분을 수정하는 것이 좋습니다.
	공급업체 관련 문제가 몇 가지 보입니다. 누락된 값 몇 개와 오타가 있습니다. 그리고 온도 항목에 점이 여러 개 있는데, 이는 이 행의 온도 값이 누락되었음을 나타냅니다. 따라서 이 문제는 추가 조사가 필요할 수 있습니다.
	따라서 데이터 테이블을 스캔하는 것만으로도 많은 문제를 파악할 수 있으며, 한 번에 한 변수씩 데이터를 시각화하면 잠재적인 문제를 더 많이 파악할 수 있습니다.
	정말 좋은 시작점이자 제가 정말 좋아하는 도구는 바로 열 뷰어입니다. 열 뷰어는 선택한 모든 변수에 대한 숫자 요약을 제공합니다.
	예를 들어, 여기 몇 가지 값이 누락되어 있습니다. 온도의 경우 369개 값 중 265개가 누락되어 있는 것을 볼 수 있습니다. 따라서 온도가 중요한 요소라고 생각하면 잠재적으로 문제가 될 수 있습니다.
	데이터 테이블에 기록된 값에도 잠재적인 문제가 있음을 알 수 있습니다. 예를 들어, 폐기율과 폐기 건수는 모두 음수 값을 갖습니다.
	그리고 만약 이것이 물리적으로 가능하지 않다면, 우리가 데이터를 수집한 시스템에서 다시 조사해보고 싶을 수도 있습니다.
	계산된 통계를 살펴보면 다른 문제들도 발견할 수 있습니다. 예를 들어, 배치 번호와 부품 번호는 범주형이어야 합니다.
	평균 배치 번호나 평균 부품 번호를 갖는 것은 의미가 없습니다. 따라서 데이터 테이블로 돌아가 모델링 유형을 변경해야 할 수도 있습니다.
	분포는 데이터와 잠재적인 문제에 대해 많은 것을 알려줍니다. 분포의 모양, 중심화, 산포를 확인할 수 있으며, 오타도 확인할 수 있습니다.
	여기 고객 번호에서 특히 문제는 주요 고객이 네다섯 명 정도이고, 소규모 고객도 몇 명 있다는 것입니다. 고객 번호와 분석을 활용하려면, 재코딩을 통해 소규모 고객 중 일부를 다른 범주로 그룹화하는 것이 좋습니다.
	습도에 대한 막대 그래프가 있는데, 이는 열에 N/A 값이 있기 때문입니다. 데이터 표를 살펴볼 때는 잘 보이지 않았을 수도 있지만, 분포를 보면 꽤 명확하게 알 수 있습니다.
	공급업체의 오타를 확실히 볼 수 있습니다.
	그리고 연속형 변수를 살펴보면, 다시 한번 모양, 중심화, 확산을 살펴볼 수 있지만, 이러한 변수 내에서도 몇 가지 특이한 관찰 결과를 볼 수 있습니다.
	따라서 한 번에 한 변수씩 데이터를 살펴본 후, 자연스럽게 두 개 이상의 변수에 대해서도 데이터를 탐색하게 됩니다.
	예를 들어 그래프 빌더에서 폐기율과 폐기 수를 비교해 보겠습니다.
	패턴에 대한 관심이 보입니다. 그래서 이런 밴드들이 보이는데, 데이터 표에 이 패턴이 나타나는 이유를 설명하는 데 도움이 되는 무언가가 있을 수도 있습니다.
	사실, 배치 크기에 따라 색상을 지정하면 이해가 됩니다. 즉, 배치당 부품 수가 5,000개일 경우, 200개만 있는 배치보다 폐기 부품이 발생할 가능성이 더 큽니다.
	아래쪽에 이상한 관측치가 몇 개 있는 것을 볼 수 있습니다. 사실, 이 관측치들은 스크랩 수에 대해 음수 값을 갖는 관측치들이고, 이 그래프에서 이 관측치들이 두드러지게 나타납니다.
	열 전환기나 데이터 필터를 추가하면 그래프에 차원을 더할 수 있습니다. 즉, 압력을 살펴볼 수 있고,
	예를 들어, ... 대신에
	음, 압력을 보거나 dwell로 전환할 수 있습니다. 제가 여기서 찾고 있는 것은 이러한 변수와 반응 사이의 일반적인 관계에 대한 감을 얻는 것입니다.
	압력이 스크랩율과 양의 상관관계를 갖는 것 같습니다. 그리고 Dwell 모드로 전환하면 두 값 사이에 큰 상관관계가 없을 것 같습니다.
	체류율 및 폐기율이나 온도. 따라서 이러한 변수는 문제 해결에 그다지 도움이 되지 않을 수 있습니다.
	하지만 속도를 보세요. 속도는 음의 상관관계를 가지고 있습니다. 그리고 위쪽에 제가 조사해 보고 싶은 특이한 관찰 결과가 몇 가지 있습니다.
	그러니 데이터를 살펴보는 것만으로도 많은 것을 배울 수 있습니다.
	물론, 이 논의의 범위를 벗어나는 이상치와 누락된 값을 탐색하기 위한 더욱 고급 도구도 있습니다.
	그리고 분석 단계에 들어가면서 데이터를 분석하거나 모델을 구축하기 시작하면 처리해야 할 잠재적인 문제에 대해 훨씬 더 많이 알게 될 것입니다.
	중요한 점은 데이터를 살펴보고 이러한 문제를 식별할 때 해당 문제를 기록해 두는 것입니다.
	일부 문제는 진행하면서 해결할 수 있습니다. 따라서 프로세스를 진행하면서 데이터를 재구성하고 정리할 수 있습니다.
	하지만 나중에 분석을 반복해야 하거나 새로운 데이터나 다른 데이터에 대한 분석을 반복하고 싶을 때 단계를 반복할 수 있도록 수행하는 단계를 반드시 기록해야 합니다.
	이제 재생산 가능한 데이터 큐레이션과 이것이 무엇인지에 대해 조던에게 이야기해 드리겠습니다.
조던 힐러	네, 고마워요, 미아. 정말 좋았어요. 그리고 JMP에서 포인트 앤 클릭 방식으로 데이터 큐레이션을 수행하는 방법을 배웠습니다. 이제 이를 재현 가능하게 만드는 방법에 대해 이야기해 볼까요?
	재현성에 대해 걱정하는 이유는 데이터 세트가 새로운 데이터로 정기적으로 업데이트되기 때문입니다. 만약 이것이 일회성 활동이라면 포인트 앤 클릭에 대해 크게 신경 쓰지 않았을 것입니다. 하지만 데이터가 계속해서 업데이트되면,
	매번 포인트 앤 클릭으로 데이터 큐레이션을 반복하는 것은 너무 많은 노동력이 필요합니다.
	따라서 모든 데이터 큐레이션 단계를 수행하는 스크립트를 생성하는 것이 더 효율적이며, 버튼을 한 번 클릭하면 해당 스크립트를 실행할 수 있습니다.
	그리고 모든 것을 한 번에 처리합니다. 효율성 외에도
	프로세스를 문서화하는 것입니다. 무엇을 했는지 기록하는 역할을 하죠. 나중에 스스로 참고해서 무엇을 했는지 되새길 수 있고, 나중에 이 프로세스를 담당하게 될 사람들에게도 기록이 됩니다.
	이 프레젠테이션의 나머지 부분에서는 포인트 앤 클릭만으로 데이터 큐레이션 스크립트를 생성하는 방법을 보여드리는 것이 목표입니다.
	이 작업을 위해 별도의 프로그래밍 작업이 필요하지 않기를 바랍니다. 해당 프로그램 코드는 추출되어 저장될 예정이며, 그 과정에 대해 간략하게 설명드리겠습니다.
	두 가지 섹션이 있습니다. JMP 15에서 데이터 큐레이션 스크립트를 얻는 방법과, 내년 JMP 16이 출시되면 수행할 방법이 있습니다.
	JMP 15에는 재사용 가능한 JSL 스크립팅 코드를 생성하는 몇 가지 데이터 큐레이션 작업이 있습니다.
	그냥 포인트 앤 클릭을 실행하면 코드를 가져오는 기술이 있습니다. 제가 보여드리겠습니다. 리코드 같은 도구는
	계산을 사용하여 새 수식 열 생성, 데이터 테이블 재구성 등의 도구는 테이블 메뉴에 있습니다. 스택, 분할, 조인, 연결, 업데이트 등이 있습니다. 이러한 모든 도구는
	JMP 15에서는 포인트 앤 클릭으로 실행한 후 자체 스크립트를 생성합니다.
	자체 JSL 스크립트를 생성하지 않는 다른 일반적인 작업이 있으며 이러한 작업을 보다 쉽게 ​​수행하고 재현할 수 있도록 하기 위해
	그리고 이는 주로 열 관련 작업, 열의 데이터 유형 변경, 모델링 유형, 표시 형식 변경 등에 도움이 됩니다.
	데이터 테이블에서 열의 이름을 바꾸고, 순서를 바꾸고, 삭제하고, 사양 제한이나 값 레이블과 같은 열 속성을 설정합니다.
	따라서 JMP 15에서 해당 작업을 지원하는 데는 데이터 정리 스크립트 도우미가 사용됩니다.
	JMP 16을 잠깐 소개해 드리겠습니다. JMP 16의 로그에 새로운 기능이 추가되어 매우 기쁩니다. 아마도 향상된 로그 모드라고 불릴 것 같습니다.
	JMP 16의 기본 아이디어는 평소처럼 데이터 큐레이션 단계를 가리키고 클릭하기만 하면 된다는 것입니다.
	필요한 JSL 코드가 자동으로 생성되고 로깅됩니다. 그냥 받아서 저장하기만 하면 됩니다. 정말 간단하고 유용해서 여러분께 보여드릴 수 있어서 기쁩니다.
	참고용 요약본입니다. JMP 15에서 왼쪽에 있는 작업들은 일반적인 데이터 큐레이션 작업이며, 전체 목록은 아닙니다.
	가운데 열은 JMP에서 포인트 앤 클릭 방식으로 이러한 작업을 수행하는 방법을 보여줍니다. 재사용 가능한 스크립트를 추출하는 방법은 오른쪽에 나와 있습니다. 따라서 여기서 모든 내용을 다루지는 않겠습니다.
	네, 나중에 참고하실 수 있도록 준비해 두었습니다. 데모를 시작해 보겠습니다. 미아가 컴포넌트 데이터 테이블에서 발견한 몇 가지 문제를 해결하는 방법을 보여드리겠습니다. JMP 15부터 시작하겠습니다.
	그리고 우리가 먼저 이야기할 것은 그 컬럼 문제 중 일부입니다.
	작고 보기 어리석은 동물
	데이터 유형, 모델링 유형, 그런 것들 말이죠. 이제 포인트 앤 클릭만 고려한다면
	JMP에서 일반적으로 하는 일은 습도에 대한 것입니다. 이것은 기억할 열입니다.
	거기에 텍스트가 있는데, 문자 열로 잘못 입력되고 있습니다. 포인트 앤 클릭으로 수정하려면 보통 마우스 오른쪽 버튼을 클릭하고 열 정보로 들어가서 해당 변경 사항을 수정해야 합니다.
	이 작업은 JMP 15에서 사용 가능한 스크립트를 그대로 유지하는 JMP 작업 중 하나입니다. 따라서 이 작업에서는 데이터 정리 스크립트 도우미를 대신 사용하겠습니다. 자, 시작해 볼까요?
	추가 기능 메뉴에 있습니다. 제가 설치했으니 여러분도 설치하실 수 있습니다. 데이터 정리 스크립트 도우미, 이 작업에 필요한 도구는 Victor the Cleaner입니다.
	열을 변경하기 위한 그래픽 사용자 인터페이스(GUI)를 제공하므로 여기서 데이터 유형과 모델링 유형을 다룰 수 있습니다. 열 이름을 바꾸고, 열 순서를 변경하고, 열을 삭제한 후 스크립트를 저장할 수 있습니다. 자, 여기서 몇 가지 변경 작업을 해 보겠습니다.
	습도의 경우, N/A 값이 있어서 텍스트로 입력된 것입니다. 이 값을 문자 변수에서 숫자 변수로 변경하고, 명목 변수에서 연속 변수로 변경하겠습니다.
	또한 배치 번호가 명목 번호로 변경되어야 한다는 것을 확인했습니다. 부품 번호도 명목 번호로 변경되어야 하며 현재 번호인 프로세스도 변경되어야 합니다.
	명사 같은.
	팹 테크. 저한테는 쓸모가 없네요. 시설(facility) 열을 삭제해 봅시다. 여기서 이름을 클릭하고 '삭제'를 클릭해서 선택하겠습니다.
	미아가 언급한 몇 가지 외관상의 변경 사항은 다음과 같습니다. 폐기율은 표의 맨 끝에 있습니다. 더 일찍 옮기고 싶습니다.
	고객 번호입니다. 따라서 해당 번호를 선택하고 화살표를 사용하여 순서대로 고객 번호 바로 뒤로 이동합니다.
	제가 할 마지막 변경은 압력 변수의 이름을 바꾸는 것입니다.
	제 조직의 엔지니어들은 이 열을 psi라고 불렀습니다. 그래서 이 열에 psi라는 이름을 붙이고 싶습니다. 자, 이제 제가 여기서 변경하고 싶은 모든 내용입니다.
	몇 가지 선택 사항이 있습니다. 스크립트를 데이터 테이블 자체에 저장할지 여부를 결정해야 합니다. 그러면 왼쪽 상단 패널에 작은 스크립트 섹션이 생길 겁니다.
	별도의 창에 저장할 위치를 지정하려면 스크립트 창에 저장해 보겠습니다. 또한, "확인"을 클릭했을 때 지정한 정리 작업을 실행할지 여부를 선택할 수 있습니다. 실행을 유지하고 "확인"을 클릭해 보겠습니다.
	이제 모든 변경 사항이 적용된 것을 확인하실 수 있습니다. 항목이 재정렬되고, 열 속성이 변경되는 등 여러 가지가 있습니다. 그리고
	스크립트가 있습니다. 이를 구현할 스크립트가 있습니다. 스크립트는 자체 창에 있으며, 이 작은 프로그램이 기반이 될 것입니다. 이 스크립트를 기반으로 데이터 큐레이션 스크립트를 만들 것입니다. 이 스크립트를 저장해 보겠습니다. 저는 바탕 화면에 저장할 것입니다. 이 스크립트의 이름은 다음과 같습니다.
	v15 큐레이션 스크립트.
	모델링 유형 변경, 데이터 유형 변경, 이름 변경, 순서 변경.
	이 모든 것은 Victor에게서 왔습니다. 제 코드에 이 내용을 기록해 두겠습니다. 나중에 읽을 수 있도록 코드에 간단한 주석을 남겨두는 것이 좋습니다. Victor 도구에서 가져온 내용이라는 메모를 남겨 두겠습니다.
	그리고 DCSA에서 데이터 정리 스크립트 도우미 Victor에게 보낸 메시지라고 가정해 보겠습니다. 주석입니다. 두 개의 슬래시가
	프로그램의 한 줄은 주석입니다. 즉, 프로그램 인터프리터가 이 부분을 프로그램 코드로 실행하려고 하지 않는다는 뜻입니다. 작은 메모로 인식되며, 위쪽에서 녹색으로 표시됩니다.
	대본에 작은 코멘트를 남기는 건 좋은 생각이에요. 좋아요, 다음으로 넘어가죠.
	제가 다룰 다음 큐레이션 작업은 공급업체 칼럼입니다. 미아는 여기에 해결해야 할 몇 가지 문제가 있다고 말했습니다.
	이 작업에는 recode 도구를 사용하겠습니다. Recode는 JMP 15에 포함된 도구 중 하나로, 자체 스크립트를 남겨둡니다. 어디서 가져오는지 알아야 합니다. 자, recode를 실행하고 스크립트를 가져오겠습니다. 마우스 오른쪽 버튼을 클릭하세요.
	다시 코딩하다.
	이 데이터 값을 수정하겠습니다. 빨간색 삼각형부터 시작하겠습니다. 모든 텍스트를 제목 대문자로 변환하는 것부터 시작해 보겠습니다. 이렇게 하면 Hersch 값의 소문자 부분이 깔끔하게 정리됩니다.
	불필요한 공백과 공백 문자도 제거해 보겠습니다. 이렇게 하면 Anderson의 앞부분 공백이 깔끔하게 정리됩니다. 좋아요.
	따라서 리코딩 도구에서 변경한 모든 내용은 이 목록에 기록되며, 원하는 경우 변경 사항을 순환하여 실행 취소하고 다시 실행할 수 있으며 해당 기록을 순환할 수도 있습니다.
	좋아요, 몇 가지만 더 수정해야겠어요. 수동으로 만들어 볼게요. Hershes를 그룹화하고, Coxs를 그룹화하고, Andersons를 모두 그룹화해 볼게요.
	Trutna와 Worley의 말이 이미 맞습니다. 마지막으로 이 누락된 값들을 다룰 것입니다. 이 값들을 별도의 누락 범주에 할당하겠습니다.
	이게 제 재코딩 과정입니다. 이제 해야 할 일은 끝났습니다. 그냥 가리키고 클릭만 했다면 재코딩을 클릭하면 끝이었을 겁니다. 하지만 이 스크립트를 구해야 한다는 걸 기억하세요. 그래서 빨간색 삼각형으로 가겠습니다.
	스크립트 섹션으로 가서 이 스크립트를 스크립트 창에 저장해 보겠습니다.
	여기서는 스크립트 창에 저장되어 있고, 진행 중인 큐레이션 스크립트의 맨 아래에 해당 섹션을 붙여넣을 것입니다.
	자, 어디 보자. 여기서 다 가져올게. 굳이 볼 필요도 없잖아. 응. 프로그래머가 될 필요도 없고, 컨트롤 C를 누르고 맨 아래에 붙여넣기만 하면 돼. 그리고 이게 빨간색 삼각형을 다시 코딩한 거라는 걸 알려줘.
	좋아요, 이제 이 창을 닫아도 됩니다. 더 이상 필요 없으니까요. 그리고 이 업데이트 내용을 큐레이션 스크립트에 저장하겠습니다. 이렇게 다시 코딩하고
	을 얻으다
	이에 대한 코드입니다.
	좋습니다. 그럼 우리가 다룰 다음 작업은 계산입니다.
	수율. 아, 죄송해요. 제가 할 일은 실제로 재코딩을 실행하는 겁니다. 스크립트를 저장했으니 이제 재코딩을 실행해 봅시다. 자, 재코딩된 공급업체 열이 나왔습니다. 완벽하네요.
	좋아요, 수율 열을 계산해 봅시다. 이건 좀 중복되는 내용인데, 이미 폐기율이 나와 있잖아요.
	하지만 논의의 편의를 위해 새 열을 계산하고 해당 스크립트를 추출하는 방법을 보여드리겠습니다. JMP 15에서 스크립트를 쉽게 구할 수 있는 곳이기도 합니다. 여기서도 스크립트의 위치를 ​​알고 있다면 쉽게 구할 수 있습니다. 수율 열을 만들어 보겠습니다.
	새 열을 만들려면 여기 위를 두 번 클릭하고 열 16에서 yield로 이름을 바꾸세요.
	그리고 이에 공식을 부여해 보겠습니다.
	수율을 계산하려면 각 배치에 얼마나 많은 양품이 있는지 알아내야 합니다. 즉, 배치 크기에서 폐기된 수를 뺀 값이 됩니다.
	각 배치에서 제가 가지고 있는 양품 단위의 수는 이렇습니다. 이 값을 전체 배치 크기로 나누면 여기 수율 열이 나옵니다. 네, 수율이 0.926인 것을 볼 수 있습니다.
	스크랩율은 0.074입니다. 1에서 수율을 뺀 값입니다. 정말 좋습니다. 계산이 정확합니다. 이제 수율 열을 만들었으니 스크립트를 가져와 보겠습니다. 방법은 다음과 같습니다. 마우스 오른쪽 버튼을 클릭하고 열을 복사하세요.
	마우스 오른쪽 버튼을 클릭하여 열을 복사합니다.
	붙여넣기. 이제 데이터 표에 새 열을 추가합니다. 'yield'라는 이름의 열이고, 수식은 다음과 같습니다.
	자, 제가 말했듯이, 프로그래밍을 전혀 몰라도 됩니다. 아주 작은 예외가 하나 있습니다. 아마 눈치채셨을 겁니다.
	JSL에서는 모든 단계 끝에 세미콜론이 있습니다. 이는 여러 JSL 표현식을 구분하는 역할을 하며, 스크립트 맨 아래에 새로운 표현식을 추가할 때는 그 사이에 세미콜론이 있는지 확인해야 합니다. 그래서 저는 세미콜론만 입력했습니다. 복사 열
	함수에서 세미콜론을 추가하지 않았으므로 수동으로 추가해야 합니다.
	좋아요, 좋습니다. 여기까지가 수익률 항목입니다. 다음으로 말씀드리고 싶은 것은 이것입니다.
	제 프로세스는 1번과 2번으로 분류되어 있습니다. 썩 친숙하지 않네요. 좀 더 구체적인 이름을 붙이고 싶습니다. 프로세스 1번은 '생산', 프로세스 2번은 '실험'이라고 부르겠습니다. 값 레이블을 사용해서요.
	값 레이블은 열 속성의 예입니다. 열에 추가할 수 있는 다양한 열 속성 목록이 있습니다.
	측정 단위 같은 것들입니다. 그래프의 표시 순서를 바꾸고 싶을 때 값 순서를 사용할 수 있습니다.
	품질 분석에 관리 한계나 사양 한계 또는 과거 시그마를 추가하려는 경우에도 여기서 작업을 수행할 수 있습니다.
	좋습니다. 이 모든 것은 우리가 열에 추가하는 열 속성이고, 우리가 열에 추가하는 메타데이터입니다.
	열 속성을 추가하는 JSL 스크립트에 접근하려면 데이터 정리 스크립트 도우미를 사용해야 합니다. 방법은 다음과 같습니다. 먼저, 평소처럼 마우스를 가리키고 클릭하여 열 속성을 추가합니다. 이제 값 레이블을 추가하겠습니다.
	프로세스 번호 1은 생산이라고 부르겠습니다. 추가하세요.
	2번째 과정은 실험적이라고 부르겠습니다.
	그리고 해당 값 레이블 열 속성을 추가하면,
	이제 데이터 테이블에 보기 좋은 라벨이 표시됩니다. 프로세스 1과 프로세스 2 대신 프로덕션과 실험이 표시됩니다.
	데이터 정리 스크립트 도우미. 속성 복사기를 선택하겠습니다.
	열 속성 스크립트가 클립보드에 복사되었으며 현재 진행 중인 스크립트로 돌아갈 것이라는 작은 메시지가 나타났습니다.
	DCSA 부동산 복사기에서.
	그런 다음 붙여넣기, Ctrl V를 눌러 붙여넣기. 두 값 레이블을 지정하는 스크립트가 있습니다. 이제 완료되었습니다.
	아주 좋습니다. 좋아요, 데이터 큐레이션 단계를 하나 더 거쳐야 하는데, 이 부분에도 데이터 정리 스크립트 도우미가 필요합니다.
	예를 들어, 이 데이터 테이블에서 진공이 꺼진 행만 고려하고 싶습니다. 그렇죠. 그러면 그런 행은 313개입니다.
	이 데이터 테이블에서 vacuum이 활성화된 행들을 제거하고 싶습니다. 마우스를 가리키고 클릭하는 방법은, 제가 지금처럼 해당 행들을 선택한 다음 table subset 명령을 실행하는 것입니다.
	사용 가능한 코드를 얻으려면 데이터 정리 스크립트 도우미를 다시 한 번 사용해야 합니다. 이 데이터 테이블의 하위 집합을 진공 기능이 꺼진 행으로만 나누는 방법은 다음과 같습니다. 먼저 행 메뉴의 행 선택 하위 메뉴에서 "위치 선택"을 사용하겠습니다.
	선택 영역에 재사용 가능한 스크립트를 생성하기 위해 명령을 사용합니다. 진공 기능이 꺼진 행을 선택하겠습니다.
	그리고 선택을 실행하기 위해 확인을 클릭하기 전에, 다시 빨간색 삼각형으로 가서 스크립트 창에 스크립트를 저장합니다.
	Control A. Control C를 눌러 복사한 후 다시 붙여넣습니다.
	행에서.
	선택 위치
	Control V. 진공이 꺼진 행을 선택하는 JSL 코드가 있습니다. 이제 한 번 더,
	선택한 행을 가져오려면 데이터 정리 스크립트 도우미를 사용해야 합니다. 아, 먼저 실제로 선택 항목을 실행해 보겠습니다.
	자, 이제 행을 선택한 상태에서 추가 기능, 데이터 정리 스크립트 도우미, 선택한 행의 하위 집합으로 다시 이동하겠습니다.
	데이터 하위 집합을 포함하는 새 데이터 테이블의 이름을 지정하라는 메시지가 표시됩니다. "vacuum"이라고 부르겠습니다. "vacuum off"라고 부르겠습니다. 이것이 새 데이터 테이블 이름입니다. "확인"을 클릭하면 하위 집합 스크립트가 클립보드에 복사되었다는 메시지가 다시 표시됩니다.
	그래서 우리는 그것을 아래쪽에 붙여 넣습니다.
	바로 여기 있습니다.
	이제 JMP 15에서 사용할 완전한 데이터 큐레이션 스크립트가 완성되었습니다. 실제로 어떻게 사용하는지 살펴보겠습니다. 작업 중이던 데이터 테이블을 닫고 큐레이션 작업을 수정하겠습니다. 테이블을 닫고 원래 상태로 돌아가겠습니다.
	지저분한 상태.
	제가 올바른 버전의 JMP를 사용하고 있는지 확인하세요.
	좋습니다. 네, 여기 있습니다. 지저분한 데이터입니다. 그리고 프로덕션 환경이고 새로운 데이터가 계속 유입되기 때문에 새로운 행이 몇 개 추가되었다고 가정해 보겠습니다. 데이터 큐레이션 워크플로를 다시 실행해야 합니다.
	스크립트를 실행합니다.
	모든 작업을 수행했습니다. 값 레이블을 확인하세요. 습도는 연속형입니다. 진공 기능이 꺼진 행만 하위 집합으로 지정했습니다. 전체 워크플로
	이제 JSL 스크립트로 재현할 수 있습니다. JMP 15에서는 이 점을 염두에 두셔야 합니다. 어떤 도구에서는 JSL 스크립트를 직접 추출할 수 있고, 어떤 도구에서는 제가 추가한 데이터 정리 스크립트 도우미를 사용할 수 있습니다.
	이제 JMP 16에서 이것이 얼마나 재미있고 쉬운지 보여드리겠습니다. 전체 워크플로를 살펴보지는 않겠습니다.
	좀 중복될 것 같아서 다시 한번 말씀드리겠습니다. 하지만 지금까지 살펴본 내용 중 일부를 간략하게 살펴보겠습니다. 지금은 JMP 16입니다. 로그를 열어 보겠습니다.
	JMP 16에서는 로그가 다르게 보이는데, 곧 그 차이점을 확인하실 수 있을 겁니다. 복잡한 구성 요소 데이터를 열어 보겠습니다.
	여기 있습니다. 로그에 보면 지저분한 데이터 테이블을 열었다는 섹션이 있습니다. 그리고 여기 아래에는 JSL 스크립트가 있는데,
	방금 한 작업입니다. 이건 필요한 모든 스크립트를 자동으로 캡처하는 실행 로그와 같습니다. 아직 완성된 건 아닙니다.
	아직 새로운 기능이 추가되고 있습니다. 그리고 저는 앞으로도 계속 추가될 거라고 생각합니다.
	하지만 이 향상된 로그 기능은 매우 유용하며 대부분의 데이터 큐레이션 활동을 포괄합니다.
	지금 보여드리는 것은 JMP 얼리 어답터 버전입니다. 얼리 어답터 버전 5입니다. 정식 출시되면
	내년 초에 출시될 JMP 16의 실제 버전은 지금 보시는 것과는 조금 다를 가능성이 높습니다.
	좋습니다. 계속해서 데이터 큐레이션 단계 중 일부를 다시 살펴보겠습니다. 전체 워크플로를 자세히 설명하면 중복될 수 있으므로 생략하겠습니다. 몇 가지 단계만 살펴보겠습니다.
	Victor가 필요했던 몇 가지 작업을 살펴보겠습니다. JMP 16에서는 데이터 정리 스크립트 도우미가 필요하지 않습니다. 평소처럼 가리키고 클릭하기만 하면 됩니다.
	습도를 문자에서 숫자로, 명목에서 연속으로 변경하고 확인을 클릭합니다. 구조화된 로그에서 다음과 같이 표시됩니다.
	JSL을 캡처했습니다. 좋습니다. 데이터 테이블로 돌아가겠습니다. 배치 번호, 부품 번호 및 프로세스의 모델링 유형을 연속에서 명목으로 변경하겠습니다.
	완료되었습니다. 로그에도 기록되었습니다. 값이 하나뿐인 facility 열을 삭제하겠습니다. 마우스 오른쪽 버튼을 클릭하고 "열 삭제"를 클릭하세요. 삭제되었습니다.
	프사이.
	네, 그게 도구의 전부였습니다... JMP 15의 Victor에서 했던 모든 작업이죠. JMP 16에서는 이 모든 것들이 JMP 스크립트로 남아서 여기 복사해서 재사용할 수 있습니다. 정말 멋지네요.
	좋습니다. 한 단계만 더 보여드리겠습니다. 진공의 부분 집합이 꺼져 있는 것을 보여드리겠습니다. JMP 16에서는 훨씬 더 간단합니다. 우리가 해야 할 일은 다음과 같습니다.
	모든 꺼진 진공을 선택합니다. 행 메뉴를 사용할 필요도 없이, 꺼진 셀 중 하나를 마우스 오른쪽 버튼으로 클릭하고 일치하는 셀을 선택하면 진공이 꺼진 313개 행이 선택됩니다. 그런 다음 평소처럼 하위 집합을 실행하려면, 선택된 행만 선택하여 하위 집합을 만들고, 표 하위 ​​집합을 만듭니다.
	그리고 vacuum off라는 새 테이블을 만들어서 선택한 행만 포함하고 모든 열은 그대로 유지하도록 하겠습니다. 시작해 볼까요?
	이제 모든 데이터 큐레이션 단계를 완료했습니다. 구조화된 로그에서 다음과 같이 표시됩니다.
	이제 재사용 가능하고 재현 가능한 데이터 큐레이션 스크립트를 만들려면 빨간색 삼각형으로 이동하여 스크립트를 스크립트 창에 저장하기만 하면 됩니다. 이 스크립트를 제 데이터, 즉 데스크톱에 v16 큐레이션 스크립트로 저장하겠습니다.
	자, 여기 있습니다. 전체 스크립트입니다. JMP 16의 모든 데이터를 닫고 스크립트를 다시 실행하는 방법을 보여드리겠습니다.
	JMP 16 홈 창으로 돌아왔습니다. 여기 제 큐레이션 스크립트가 있습니다. 첫 번째 줄이 바로 "열기" 명령이라는 것을 알 수 있을 텐데, 데이터 테이블을 열 필요도 없습니다. 바로 여기 줄에서 실행됩니다.
	새로운 데이터가 들어오고 이 파일이 업데이트되면 스크립트를 실행하여 데이터 큐레이션 단계를 수행하기만 하면 됩니다.
	자, 이제 모든 큐레이션 단계와 313개 행에 대한 하위 집합이 있습니다. JMP 16의 향상된 로그 기능을 사용하여 모든 데이터 큐레이션 작업을 캡처하고 재현 가능한 스크립트로 변환하는 것입니다.
	좋습니다. JMP 15 치트시트를 통해 JMP 15를 사용하는 동안 재사용 가능한 코드를 추출하기 위해 알아야 할 사항을 다시 한번 알려드리겠습니다. JMP 16이 출시되면 이에 대해 그렇게 걱정할 필요가 없을 것입니다.
	2021년 초.
	결론적으로, 미아는 JMP에서 데이터 큐레이션을 구현하는 방법을 보여주었습니다. 이는 문제를 파악하고 포인트 앤 클릭 방식으로 해결하는 탐색적이고 반복적인 프로세스입니다.
	데이터가 새로운 데이터로 정기적으로 업데이트되는 경우 시간을 절약하기 위해 해당 워크플로를 자동화해야 합니다.
	또한 작업 과정을 문서화하여 나중에 돌아와서 작업 내용을 검토할 때 참고할 수 있는 흔적을 남겨 두십시오.
	자동화 프로세스는 포인트 앤 클릭 활동을 재사용 가능한 JSL 스크립트로 변환하는 것입니다.
	JMP 15에서는 내장 도구와 데이터 정리 스크립트 어시스턴트의 도구를 함께 사용하여 이러한 목적을 달성하는 방법에 대해 설명했습니다.
	또한 JMP 16에 대한 간략한 미리보기와 향상된 로그를 사용하여 포인트 앤 클릭 데이터 큐레이션 활동을 자동으로 수동적으로 캡처하고 재사용 가능한 멋진 로그를 남기는 방법을 제공했습니다.
	재현 가능한 데이터 큐레이션 스크립트.
	좋습니다. 여기까지가 저희 프레젠테이션입니다. 시간 내주셔서 정말 감사합니다.

고급 통계 모델링자동화 및 스크립팅기본 데이터 분석 및 모델링소비자 및 시장 조사콘텐츠 구성데이터 액세스데이터 혼합 및 정리데이터 탐색 및 시각화실험 설계예측 모델링 및 머신 러닝품질 및 공정 엔지니어링신뢰성 분석결과 공유 및 전달