(L'inglese segue il giapponese)
Titolo giapponese: Affrontare i Big Data? Risolvere i problemi di dati con JMP®.
Michele Boulanger, professoressa associata di economia internazionale presso la Rawlins University (Orlando, Florida, USA)
Mia Stephens, ambasciatrice accademica JMP, SAS Institute Inc.
La nostra capacità di acquisire dati transazionali nella maggior parte dei settori ha inaugurato l'era dei "big data". Cosa sono i "big data"? "Big" significa necessariamente dati sporchi, disordinati, incoerenti o difficili da gestire? Quanto lavoro di ottimizzazione e aggiustamento è necessario nel mondo dei big data? Cosa distingue le fasi di preparazione e pulizia dal mondo dei big data? In questa presentazione, discuterò le diverse sfide che si incontrano nella fase potenzialmente più dispendiosa in termini di tempo dell'analisi dei big data: la preparazione dei dati. Presenterò due casi di studio, ciascuno con obiettivi molto diversi e che richiede approcci differenti per la strutturazione dei dati per la modellazione. Insieme a questi approcci, metterò in evidenza metodi e piattaforme di JMP, come interrogazione, ricodifica, standardizzazione, trasformazione, attribuzione e text mining, che servono a sviluppare metodologie tracciabili e riproducibili per la preparazione dei big data nella fase di modellazione. Dimostrerò il processo utilizzando JMP 13.
Dare forma ai Big Data? Un allenamento con i dati con JMP
Michele Boulanger, professoressa presso il Dipartimento di Commercio Internazionale del Rollins College di Orlando.
Mia Stephens, ambasciatrice accademica JMP, SAS (co-autrice)
La nostra capacità di acquisire dati transazionali nella maggior parte dei settori ci ha condotto all'era dei "big data". Cosa sono i big data? "Big" significa necessariamente dati sporchi, disordinati, incoerenti o difficili da gestire? Quanta preparazione e condizionamento sono necessari nel mondo dei big data? Cosa differenzia la fase di preparazione dei big data dalla tradizionale fase di pulizia dei dati? In questo intervento discuteremo le diverse sfide che si incontrano nella fase potenzialmente più dispendiosa in termini di tempo dell'analisi dei big data: la preparazione dei dati. Presenteremo due casi di studio con obiettivi molto diversi, che richiedono approcci differenti per la preparazione dei dati per la modellazione. Insieme a questi approcci, metteremo in evidenza anche tecniche e piattaforme di JMP come query, ricodifica, standardizzazione, trasformazione, imputazione, text mining e altre, per sviluppare una metodologia tracciabile e riproducibile per preparare i big data alla fase di modellazione. Tutte le dimostrazioni saranno eseguite dal vivo con JMP Pro 13.
