758502_ko-KR

liliconcom

JMP로 개발된 생물학적 감시 기술(2020-US-30MP-577)

Sam Edgemon, SAS Institute 분석가
Tony Cooper, SAS의 수석 분석 컨설턴트

국토안보부는 "생물학적 테러 행위를 어떻게 감지할 수 있을까?"라는 질문을 던졌습니다. 논의와 고려 끝에 저희는 "인플루엔자와 같은 자연적으로 발생하는 사건의 발병을 효과적으로 감지할 수 있다면, 탄저균이 사용된 공격을 찾을 수 있습니다. 왜냐하면 두 가지 모두 유사한 증상을 보이기 때문입니다."라는 답을 내렸습니다. 개발된 도구는 자연적으로 발생하는 발병을 감지하는 데 훨씬 더 적합해졌고, JMP는 미국 정부의 모든 계층과 거의 5년간 상호 작용하는 데 주요 커뮤니케이션 도구로 사용되었습니다. 이 프레젠테이션에서는 당시 개발된 도구를 사용하여 코로나바이러스 COVID-19의 영향을 지연시키는 데 어떻게 사용할 수 있었는지 보여드리겠습니다. 데모에 사용될 데이터는 비상 관리 시스템, 응급실 및 미국 독극물 센터의 데이터입니다.

자동 생성된 대본...

스피커	성적 증명서
샘 에지몬	안녕하세요. 저는 샘 에지몬입니다. 저는 SAS Institute에서 일했습니다. 아시다시피, SAS Institute에서 일하기 때문에 다양한 프로젝트를 진행하게 됩니다.
	그리고 오늘 우리가 작업한 프로젝트 중 하나에 대해 말씀드리겠습니다. 제가 작업한 거의 모든 프로젝트에서 저는 화면에 나오는 Tony Cooper와 함께 작업했습니다. 몇 년 전 University of Tennessee에서 만난 이후로 우리는 정말 함께 작업했습니다.
	그리고 테네시 대학에서 배운 것을 이 프로젝트 전반에 적용했습니다. 이 프로젝트는 국토안보부를 위해 수행되었습니다.
	국토안보부는 생물학적 테러에 대해 매우 우려하고 있었으며 생물학적 테러 행위를 어떻게 감지할 수 있을지에 대한 질문을 SAS에 전달했습니다.
	글쎄요, 알다시피, 그것은 꽤 흥미로운 토론이 될 것입니다. 생각해 보세요.
	우리가 돌아올 수 있는 것들. 알다시피, 그 중 하나는 당신이 가장 걱정하는 것이 무엇인가, 무엇이 가장 걱정되는가, 그 것들이 어떻게 생겼는가입니다.
	당신이 걱정하는 것? 그리고 그들은 탄저균, 리신, 그리고 테러리스트들이 미국 국민을 해치는 데 사용할 수 있는 다른 매우 위험한 요소들에 대해 이야기했습니다.
	그래서 우리는 그 질문과 그들의 즉각적인 우려 사항을 받아들여 특히 탄저균과 리신에 관해 최선을 다해 조사했습니다.
	알다시피, 우리 연구에는 CDC가 탄저병 증상이라고 말한 웹사이트를 방문하여 연구하는 것이 포함되었습니다.
	리신과 그리고 그런 것들이 응급실로 들어오는 환자나 구급차를 타거나 독극물 센터에 전화하거나 그런 일이 일어나는 환자에게 어떻게 나타날 수 있는지에 대해. 그래서 우리가 이 과정을 거치면서 깨달은 것은
	탄저균에 노출된 경우 증상이 독감과 매우 유사하다는 것입니다. 그리고 리신에 노출된 경우, 경험할 수 있는 모든 유형의 위장 문제와 매우 유사합니다. 그래서 우리는 결론을 내렸고, 국토안보부에 대한 우리의 대응은 다음과 같았습니다.
	우리가 독감 발병이나 노로바이러스 발병 또는 위장관 문제 발병을 감지할 수 있다면,
	그러면 우리는 이러한 나쁜 요소들 중 일부가 대중에게 사용되었을 때를 감지할 수 있다고 생각합니다. 그래서 우리는 그 길을 택했습니다. 그래서 우리는 EMS에서 데이터를 가져왔고
	응급실, 응급실 및 독극물 센터, 그리고 우리는 실제로 Google 검색 엔진 데이터나 소셜 미디어 데이터도 사용했습니다.
	이전에는 감지할 수 없는 것으로 생각했던 것들을 감지하는 것입니다. 하지만 우리는 그 과정에서 여러 가지 도구를 개발했습니다. 슬라이드에서 제가 질문의 결과 중 일부를 보여드리겠습니다.
	우리가 함께 모은 것, 아시다시피, 우리가 여기서 이야기한 이러한 다양한 방법들. 오늘 이야기할 짧은 시간 동안 그 방법들 중 몇 가지에 대해 언급하겠지만, 깊이 파고들어 봅시다. 제가 하고 싶은 것은 우리가 나눈 대화의 유형을 보여드리는 것입니다.
	JMP를 사용합니다. 우리는 이 프로젝트 전반에 걸쳐 JMP를 사용하여 아이디어를 전달하고 우려 사항을 전달하고 우리가 보고 있는 것을 전달합니다. 그러한 소통의 한 예는 바로 이렇게 시작할 수 있습니다. 우리는 EMS에서 데이터를 가져왔습니다.
	시스템, 의료 시스템은 주로 노스캐롤라이나에 있습니다. 아시다시피 SAS는 노스캐롤라이나에 있고 JMP는 노스캐롤라이나 캐리에 있고
	그리고 그 중 일부, 미국에서 가장 좋은 의료 데이터 중 일부는 노스캐롤라이나에 보관되어 있습니다. 노스캐롤라이나 대학은 할 일이 많습니다.
	실제로, 우리는 SAS와 노스캐롤라이나 대학, 노스캐롤라이나 주립 대학과 협력하여 국토안보를 위한 이 프로젝트를 진행했고, 이 프로젝트는 거의 5년간 진행되었습니다.
	하지만 제가 처음에 그들에게 보여준 것은 그 데이터베이스에서 어떤 데이터를 꺼내어 흥미로운 정보를 얻을 수 있을지에 대한 것이었습니다.
	그럼 그냥 걸어가서 그런 종류의 상황들을 살펴보죠. 제가 처음에 이야기하고 싶었던 것 중 하나는, 좋아요, 사례를 살펴보죠. 아시죠,
	매일 발생하는 사건에서 정보를 볼 수 있나요? 그러니까 이게 제가 보여준 첫 번째 그래프 중 하나라는 걸 알죠. 아시다시피, 이 그래프에서 아무것도 보기 힘들죠.
	그리고 당신은 이것에서 실제로 아무것도 볼 수 없다고 생각합니다. 이것은, 알다시피, 얼마나 많은 경우인가
	노스캐롤라이나주에서는 하루 평균 2,782건의 확진자가 발생하는데, 이는 정리해야 할 정보가 정말 많습니다.
	그래서 우리는 진단 코드를 살펴볼 수 있지만, 일부 사람들은 이것이 우리가 원하는 만큼 명확하지 않다는 생각을 좋아하지 않았습니다. 그래서 우리는 그 데이터를 수집하고 연구할 방법을 찾아야 했습니다.
	그리고 우리가 정보를 표면화할 수 있는 방법을 연구합니다. 우리가 느낀 방법 중 하나는 증상을 식별하는 것이었습니다. 우리가 관심 있는 것과 관련된 특정 증상,
	이는 누군가가 응급실로 걸어 들어오거나 구급차를 탔을 때 탄저균이 어떤 모습인지 확인했다는 생각으로 돌아갑니다.
	그러니까 그런 것들이 있고... 그런 구체적인 증상을 식별하면, 데이터에서 그걸 검색할 수 있죠.
	이제 우리가 할 수 있는 방법은 전문가들에게 물어보는 것입니다. 이 프로젝트와 관련하여 의료 전문가들로 가득 찬 방이 있었고 많은 의사들이 있었습니다. 그리고 이상한 점은
	제가 아주 빨리 알게 된 것은 정말 똑똑한 사람들로 가득 찬 방에 "독감이나 노로바이러스를 찾을 때, 어떤 증상을 살펴봐야 하나요?"라는 질문을 했을 때, 엄청나게 다양한 대답을 들었다는 것입니다.
	그래서 저는, 글쎄요, 저는 의견을 사용하는 것보다 수학적으로 이 정보에 도달할 수 있는 방법이 정말 필요하다고 생각했습니다. 그리고 제가 한 것은 제가 작업하고 있던 데이터를 정리한 것이었습니다.
	특정 날짜에 증상을 고려하고 진단을 내리려고 합니다. 저는 그 진단 진단 코드를 사용하려고 했습니다.
	그리고 결국 제가 도출해낸 것은 이것을 반복해서 실행할 수 있도록 설정한 수학적으로 유효한 증상 세트였습니다.
	우리가 데이터를 조사해서 독감, 노로바이러스, 탄저병, 리신, COVID 19 증상과 같은 구체적인 것들을 찾아낼 수 있었죠.
	이 프로젝트는 우리가 어떻게 문제를 찾을 것인가에 대한 많은 질문과 함께 다시 표면화되었습니다.
	이것에서 COVID 19의. 이게 바로 제가 다시 보이기 시작한 것인데, 이런 종류의 것들. 어떻게 증상을 식별할 수 있을까요? 글쎄요, 이게 그걸 하는 방법입니다.
	이제 이러한 증상을 발견하면 우리가 하는 일 중 하나는 이 코드와 유사해 보일 수 있는 코드를 작성하는 것입니다. 이 코드는 해당 데이터베이스 중 하나의 특정 필드를 살펴보고 해당 분석에서 발견한 사항을 찾는 것입니다.
	우리가 방금 당신을 위해 보여준 것입니다. 그래서 여기서 우리는 특정 단어를 찾기 위해 그 데이터베이스 중 하나에서 주요 불만 필드를 살펴볼 것입니다.
	우리가 관심을 가질 만한 일. 이제 완전한 프로그램은 누군가가 말한 용어도 찾을 것입니다. 글쎄요, 누군가는 열이 없거나 누군가는 메스꺼움이 없습니다. 그래서 우리는 다음을 식별해야 합니다.
	본질적으로 부정과 단어의 순수한 인용 부호 증상. 그래서 우리가 그것을 한 번 한 후에, 우리는 다시 돌아올 수 있었습니다.
	JMP와 생각해 보세요. 글쎄요, 이 정보를 다시 한 번 살펴보죠. 여기에는 이만큼의 사례가 있지만, 이걸 살펴보면 어떨까요?
	이제 우리는 특정 증상을 식별했습니다.
	그것이 어떻게 보일지 보세요.
	그래서 내가 실제로 찾고 있는 것은 다음과 관련된 정보입니다.
	위장 문제. 독감이나 그런 걸 찾고 있었을 수도 있지만, 이게 데이터가 보이는 모습입니다. 같은 데이터입니다. 그냥 본질적으로 제가 관심 있는 것처럼 보이도록 조각한 것뿐입니다. 그래서 이 경우에는 발병이 있었습니다.
	우리가 사람들에게 그들이 알지 못했던 노로바이러스에 대해 말했던 것인데요, 알다시피 우리는 1월 15일에 이것에 대해 이야기하기 시작했습니다.
	그리고 여러분도 아시다시피 세계는 우리가 여기서 그것에 대해 이야기하기 시작하기 전까지 노로바이러스가 사실상 창궐하고 있다는 사실을 몰랐습니다.
	그리고 그것은 일종의 큰 일로 여겨졌습니다. 알다시피, 우리는 데이터를 가져와서 그 데이터를 정리하고 우리가 정말 관심 있는 것만 남겨두었습니다.
	하지만 우리는 계속했습니다. 우리가 하는 일의 강점이 단순히 사례를 세거나 진단 코드를 세는 것이 아니라는 것을 알고 계실 것입니다. 우리는 그 사람의 방문을 설명하는 증상을 살펴보고 있습니다.
	응급실이나 독극물 센터에 전화해서 뭐라고 했는지, 아니면 구급차를 탔는지.
	주요 불만 분야, 증상 분야,
	그리고 자유 텍스트 필드. 우리는 EMS 기술자가 현장에서 사용할 수 있는 단어를 설명하는 필드를 살펴보았습니다. 우리는
	응급실에 처음 온 사람이 간호사가 사용할 수 있는 단어와 의사가 사용할 수 있는 단어를 살펴보았습니다. 상자에 클릭한 단어가 아니라 실제로 사용한 단어입니다. 그리고 우리는 그것을 중심으로 지표를 개발했습니다.
	이 메트릭
	그게, 알다시피, 그것이 우리에게 알려주었어요
	아시죠, 노스캐롤라이나의 특정 지역에서 특정 날짜에 이상한 일이 한 달 전에 일어났습니다. 그래서 제가 이게 1월 15일이라고 말했고, 이건 12월 6일이었습니다.
	그리고 그것은 같은 지역에 있었습니다. 그리고 정말로 기록되는 것은 사람들이 특정한 것에 대해 얼마나 많이 이야기하고 있는지, 그리고 한 사람이 그것에 대해 이야기하고 있다면,
	그것은 그렇게 무겁게 가중치를 두지 않으므로 큰 문제가 되지 않을 것입니다. 두 사람이 그것에 대해 이야기하고 있다면, 간호사가
	그리고 EMS 기술자가 특정 증상에 대해 이야기하거나 증상을 여러 번 언급하면 ​​우리는 그것을 측정하고 그 정보로 지표를 개발합니다.
	그러니까 의사, 간호사, 응급 의료 기술자 등 세 사람이 우리가 가진 정보가 이렇다면 그들이 모두 이에 대해 이야기하고 있다면,
	그럼 아마 꽤 큰 일이겠죠. 그러니까 12월 6일에 여기서 일어난 일이고, 많은 사람들이 노로바이러스 같은 것을 설명하는 증상에 대해 이야기하고 있어요.
	이건, 이건 미디어가 2월 중순에 이야기하기 시작한 발병과 관련이 있어요. 그러니까, 이건... 미디어가 한 달 후에 이야기하기 시작한 것에 대해 우리가 세상에 알리는 것으로 여겨지죠.
	그리고
	구체적으로 말하자면, 우리는 이 케이프피어 지역에 끌렸습니다. 왜냐하면 많은 사례가 윌슨 주변의 노스캐롤라이나 지역에 있었기 때문입니다.
	윌슨 카운티와 그런 종류의 것들. 그래서, 그것이 우리가 관심 있는 것으로 여겨져서, 우리가 훨씬 앞서서, 알다시피, 무슨 일이 일어나고 있는지에 대해 이야기할 수 있었습니다. 지금
	우리는 생물학적 감시를 위해 그 도구를 사용하는 것과 관련된 작업을 계속했습니다.
	하지만 우리가 나중에 한 일은, 아시다시피, 우리가 시스템을 설정한 후에, 본질적으로 실행될 수 있는 것이었습니다.
	매일, 매 시간, 매일, 그런 종류의 일이죠. 그리고 우리가 말할 수 있을 때마다, 글쎄요,
	시스템은 발병을 예측했고, 이것이 감지되었는지 알 수 있습니다. 정보는 제공되고 있었습니다... 어떤 의미에서 정말 잡음이 없었습니다. 우리는 시간을 되돌아보고, 우리는
	예를 들어, 1년에 20~30개의 경고를 예측한다고 가정해 보겠습니다.
	연간 총 경고. 그래서 사람들에게 무언가를 조사해야 할지도 모른다는 통지를 한 상황이 20~30건 있었습니다. 알다시피, 무언가를 살펴보세요. 어떤 상황이 발생할 수도 있습니다. 하지만 이런 경우 중 하나에서는
	우리가 Homeland Security에서 함께 일했던 동료가 우리에게 와서, 알겠습니다, 우리는 당신의 경보를 믿습니다, 그러니 그것에 대해 더 자세히 말해 달라고 했습니다.
	그것이 무엇으로 구성되어 있는지. 그게 바로 그가 질문을 던진 방식입니다. 그래서, 그래서 우리가 한 일은
	그의 바로 앞에 모델을 개발하는 것이었습니다.
	그리고 우리가 그것을 할 수 있었던 이유(그리고 여기에 그 모델의 결과가 있습니다)는 우리가 그것을 할 수 있었던 이유는 지금까지 우리가 그 가치를 깨달았기 때문입니다.
	시간과 장소에 따른 증상에 대한 데이터를 보관하고, 연령이나 인종 등 그에 관련해 보관할 수 있는 모든 다양한 데이터를 보관해야 합니다.
	그래서 우리가 "이게 뭐로 만들어졌어?"라고 물었을 때, 우리는... 이것을 화면 중앙에 놓고, 주변의 다른 정보 중 일부를 닫아서 여기에만 집중할 수 있도록 할 수 있었습니다.
	그래서 우리에게 "이번 발병은 무엇으로 구성되어 있나요?"라는 질문을 받았을 때, 우리는 그들 앞에서 모델을 만들었습니다. (토니가 실제로 그렇게 했습니다.)
	그리고 그가 이렇게 했을 때, 그게 꽤 큰 영향을 미친 것 같았어요. 알았어요, 당신이 옳아요. 오늘 우리가 말했잖아요. 경고가 있어요.
	그리고 이 특정 지역의 인플루엔자 사례에 주의를 기울여야 합니다. 왜냐하면 그것은 비정상적으로 보이기 때문입니다. 하지만 우리는 지금 그들에게 이렇게 말할 수도 있습니다.
	이런 사건은 주로 16세 미만의 청소년으로 구성됩니다.
	그들이 응급실에 가거나 구급차를 탈 때 말하는 증상은 열, 기침, 호흡기 문제입니다. 통증이 있습니다.
	그리고 위장 문제도 있습니다. 우리가 생각하기에 가장 중요한 정보는 연령대와 증상 자체 간의 상호 작용입니다.
	이것은 목록에서 아래에 있기 때문에 중요하지 않다고 여겨질 수도 있지만 우리는 그것이 중요하다고 생각합니다.
	그리고 여기 아래에 있는 이들도요. 우리는 젊은이와 호흡곤란, 젊은이와 위장 문제, 그리고 노인에 대해 이야기했습니다.
	그래서, 아시다시피, 여기 데이터에서 노인들도 나오기 시작했습니다. 그래서 우리는 젊은 사람, 노인, 그리고 그들의
	20대, 30대, 40대, 50대는 현재 이 발병에 나타나지 않습니다. 그래서 여기에는 몇 가지 사항이 있습니다. 우리가 아는 사람들에게 그날 정보를 줄 수 있을 때
	경고가 발생하고 우리가 그들에게 찾아낼 증상 세트를 제공할 수 있습니다. COVID 19가 우리나라에 널리 퍼졌을 때, 여러분은 여전히 ​​매일 뉴스를 켜고 다른 증상에 대해 듣는 것 같습니다.
	이것이 우리가 그런 종류의 일을 처리할 수 있는 방법입니다. 알다시피, 우리는 이해할 수 있습니다.
	아시죠, 어떤 증상이 나타나서 사람들이 실제로 문제가 발생하고 존재할 때 이를 인식할 수 있는 정보를 얻을 수 있는지 알고 싶습니다.
	그러니까, 이건 우리가 여기서 이야기하는 것 중 일부이고, 지금 그것을 어떻게 적용할 수 있을지 생각해 보세요.
	이전에 보여드린 알림 시스템을 사용하면, 일반적으로 TAP 방식이라고 하는 텍스트 분석과 비례 차트를 사용하는 것입니다.
	글쎄요, 아시다시피, 우리는 아마 지금 그 단계를 넘어섰을 겁니다. 우리에게 달려 있습니다. 그래서 우리는 그때 찾아갈 도구가 없었습니다.
	하지만 이런 종류의 도구는 여전히 우리가 이것이 우리가 찾고 있는 증상이라고 말할 수 있도록 도울 수 있습니다. 이것이
	이들은 또한 배우고 싶어하는 연령대입니다. 그러니, 그 프로젝트에서 배운 것을 COVID 19 상황을 돕기 위해 사용할 수 있는 몇 가지 방법을 계속 살펴보겠습니다.
	물론 우리가 한 일 중 하나는 증상 데이터베이스를 구축하는 것에 대해 이야기했습니다. 증상 데이터베이스는 발생하는 증상에 대한 정보를 매일 제공합니다.
	그리고 누가 아픈지, 그리고 그들이 아픈 곳이 어디인지 알고 있죠. 그래서 여기 우리가 이야기했던 데이터베이스에서 발췌한 것이 있는데, 거기에는 날짜에 대한 정보가 있습니다.
	여기에는 노스캐롤라이나 지역의 성별, 민족성에 대한 정보가 있습니다. 이것을 마을과 우편번호 또는 유용한 정보로 가져갈 수 있습니다.
	저는 텍스트 분석 정보에서 TAP에 대해 언급했습니다. 이제 증상에 대한 TAP 정보가 있습니다. 아시다시피, 사람들이 그것에 대해 이야기하고 있다면
	예를 들어 메스꺼움을 예로 들면, 우리는 하루에 얼마나 많은 사람들이 메스꺼움에 대해 이야기하는지, 그리고 결국 어떤 장소에서 메스꺼움에 대해 이야기하는지 알 수 있습니다. 그래서 이것은 단지 증상의 발췌 부분일 뿐입니다.
	이것으로부터
	이 데이터베이스입니다. 그럼, 이걸 어떻게 사용할 수 있는지 살펴보죠. 예를 들어, 당신이 나에게 오고 싶어한다고 가정해 봅시다. 응급실 의사나 COVID 19를 조사하는 누군가가 나에게 와서 이렇게 말할 수도 있습니다.
	글쎄, 사람들은 어디서 아플까. 알다시피, 사람들이 아플 곳은 거기야
	지금, 또는 특정 지역에서 발병이 발생할 수 있는 곳. 글쎄요, 이것이 우리가 그것을 보여주기 위해 할 수 있는 일의 종류입니다.
	저는 주성분 분석을 많이 사용합니다. 이 경우 데이터가 설정되어 있으므로 이 도구를 사용하여 다음을 식별할 수 있습니다.
	제가 분석하고 싶은 것들입니다. 이 경우, 그들은 지역, 알다시피, 질문은 어디, 어디, 무엇이었습니다. 알겠어요, 무엇에 대해 알고 싶은가요? 사람들이 호흡기 문제에 대해 이야기하는 것을 들었습니다.
	COVID에 대해 이야기하고 사람들이 열이 난다며 이야기하는 것을 듣고, 이런 증상은 일종의 고조된 증상입니다. 사람들이 이야기하는 문제입니다.
	그들이 글을 쓰는 것보다 더 많은 것을요. 그게 TAP의 아이디어인데, 우리가 그 텍스트 필드에 들어가서 흥미로운 것들을 이해하는 것입니다. 그래서 우리가
	우리는 이 분석을 실행합니다.
	JMP는 우리를 위해 이 멋진 그래프를 만들어냅니다. 무슨 일이 일어나고 있는지 전달하는 데 좋습니다. 그리고 이 경우 샬럿, 노스캐롤라이나,
	의사, 간호사, 응급 의료 기술자들이 환자의 발열에 대해 이야기하는 것으로 정말 넘쳐날 수도 있습니다.
	그리고 호흡기 문제. 그런 것에서 최대한 멀리 벗어나고 싶다면 그린스버러나 애슈빌에서 시간을 보낼 수도 있고, 롤리 더럼에 있다면 앞으로 무슨 일이 일어날지 알고 있을 수도 있습니다.
	그래서 이것이 우리가 이 유형의 정보를 사용할 수 있는 방법입니다.
	본질적으로 지능, 알다시피, 특정 지역에서 다음에 무슨 일이 일어날지에 대한 지능. 우리는 또한 같은 경우, 같은 상황에서 심각성에 대해 이야기할 수 있습니다. 우리는 사례의 심각성에 대해 이야기하고 같은 방식으로 어디에 있는지 측정할 수 있습니다.
	그러니까 여기서 핵심은 증상 데이터베이스를 정리하고 활용하는 것입니다.
	우리는 JMP를 사용하여 이러한 아이디어를 전달합니다. 이와 같은 그래프는 국토안보부에 보여졌을 수 있으며 우리는 유효성에 대한 질문뿐만 아니라 2시간 동안 쉽게 그것에 대해 이야기했습니다.
	알다시피, 데이터가 어디에서 나오는지 등등. 우리는 그것에 대해 이야기할 수 있고, 또한 그것에 대해 이야기할 수도 있습니다.
	좋아, 이게, 이게 당신이 알아야 할 정보야, 알잖아. 이 정보는 사람들이 어디에서 병에 걸리는지 이해하는 데 도움이 될 거야, 그래서 경고를 줄 수 있고 본질적으로 생명을 구할 수 있어... 생명을 구할 수 있어.
	그러니까, 그러니까 그게 어떤 의미에서 우리가 만든 시스템이에요. 밑바탕에 있는 핵심은 데이터예요.
	다시 말하지만, 우리가 사용한 데이터는 EMS, ED, 독극물 센터 데이터입니다. 여기에는 독극물 센터 데이터의 예가 없지만, 독극물 센터 데이터를 사용하여 식품 매개 질병을 표면화하는 방법에 대한 긴 이야기가 있습니다. 여기서 보여준 것과 비슷한 방식입니다.
	그리고 사람들 앞에서 우리 이야기를 전개하고 그들과 대화하는 데 있어서 상당히 역동적일 수 있는 능력이 필요합니다.
	아시다시피, 우리가 하는 일에 대한 믿음을 판매하는 거죠. JMP는 우리가 그렇게 하는 데 도움이 되고 SAS 코드는 우리가 그렇게 하는 데 도움이 됩니다. 좋은 조합 도구이고, 이것이 제가 이 특정 분야에 대해 할 수 있는 전부입니다.
	주제입니다. 귀하의 관심에 감사드리며, 유용하다고 생각하시기를 바라며, 이런 종류의 일에 도움이 되기를 바랍니다. 감사합니다.

기본 데이터 분석 및 모델링데이터 블렌딩 및 정리대량 맞춤형품질 및 공정 엔지니어링신뢰성 분석