(Englisch folgt Japanisch)
Japanischer Titel: Big Data meistern? Datenprobleme mit JMP® lösen.
Michele Boulanger, außerordentliche Professorin für Internationale Wirtschaftswissenschaften, Rawlins University (Orlando, Florida, USA)
Mia Stephens, JMP Academic Ambassador, SAS Institute Inc.
Unsere Fähigkeit, Transaktionsdaten in den meisten Bereichen zu erfassen, hat das Zeitalter von „Big Data“ eingeläutet. Was genau ist „Big Data“? Bedeutet „groß“ zwangsläufig unstrukturiert, fehlerhaft, inkonsistent oder schwer zu handhaben? Wie viel Aufwand ist in der Welt von Big Data nötig? Was unterscheidet die Aufbereitungs- und Bereinigungsphasen von der eigentlichen Big-Data-Welt? In diesem Vortrag diskutiere ich die verschiedenen Herausforderungen in der potenziell zeitaufwändigsten Phase der Big-Data-Analyse: der Datenaufbereitung. Ich präsentiere zwei Fallstudien mit jeweils sehr unterschiedlichen Zielsetzungen, die unterschiedliche Ansätze zur Datenaufbereitung für die Modellierung erfordern. Neben diesen Ansätzen stelle ich Methoden und Plattformen von JMP vor, wie z. B. Abfragen, Umkodieren, Standardisieren, Transformieren, Attribution und Text Mining, die zur Entwicklung nachvollziehbarer und reproduzierbarer Methoden für die Big-Data-Aufbereitung in der Modellierungsphase dienen. Die Demonstration erfolgt anhand von JMP 13.
Big Data meistern? Ein Datenworkshop mit JMP
Michele Boulanger, Professorin, Fachbereich Internationales Management, Rollins College, Orlando
Mia Stephens, JMP Academic Ambassador, SAS (Mitautorin)
Unsere Fähigkeit, Transaktionsdaten in den meisten Bereichen zu erfassen, hat uns ins Zeitalter von „Big Data“ geführt. Was genau ist Big Data? Bedeutet „groß“ zwangsläufig unstrukturiert, fehlerhaft, inkonsistent oder schwer zu handhaben? Wie viel Aufbereitung und Konditionierung ist in der Big-Data-Welt notwendig? Was unterscheidet die Datenaufbereitung im Big-Data-Bereich von der traditionellen Datenbereinigung? In diesem Vortrag diskutieren wir die verschiedenen Herausforderungen in der potenziell zeitaufwändigsten Phase der Big-Data-Analyse: der Datenaufbereitung. Wir präsentieren zwei Fallstudien mit sehr unterschiedlichen Zielen, die jeweils unterschiedliche Ansätze zur Datenaufbereitung für die Modellierung erfordern. Neben diesen Ansätzen stellen wir auch Techniken und Plattformen von JMP vor, wie z. B. Abfrage, Umkodierung, Standardisierung, Transformation, Imputation, Text Mining und weitere, um eine nachvollziehbare und reproduzierbare Methodik zur Vorbereitung von Big Data für die Modellierungsphase zu entwickeln. Alle Demonstrationen werden live mit JMP Pro 13 durchgeführt.
