（日本語の後に英語が続きます）
日本語タイトル：ビッグデータに立ち向かう？ JMP®でデータを解く。
ローリンズ大学、国際経済（米フロリダ州オーランド） 准教授 Michele Boulanger （ミシェル・ブーランジェ）
SAS Institute Inc. JMPアカデミック アンバサダー Mia Stephens （ミア・ステーブンス）
大半の分野におけるトランザクション データを取得する我々の能力が、「ビッグデータ」の時代を開いた。「ビッグデータ」とは何か？「ビッグ」は、汚い、散らかった、不整合、または扱いにくいことを必然的に意味するのか? ビッグデータの世界では、どのくらいの調整、調節が必要になるのか？ビッグデータの世界での準備、クレンジング段階から区別するものは何なのか？この講演で、ビッグデータ分析の潜在的に最も時間のかかる段階で遭遇するさまざまな課題を論じる。つまりデータの準備について論じる。2つの事例を提示する予定だが、それぞれが非常に異なる目的を持っており、モデリングのためのデータ形成には異なったアプローチを必要とする。これらのアプローチと共にJMP からの方法とプラットフォームについて強調するが、それは例えば、クエリ、リコード、標準化、変換、帰属、テキストマイニングなどであり、それらはモデリング段階でのビッグデータを準備するために、追跡可能で再現可能な方法論を開発するためのものである。JMP13を使用してデモを行う。
ビッグデータを整理する？JMPを使ったデータ分析
ミシェル・ブランジェ、ローリンズ大学（オーランド）国際ビジネス学部教授
ミア・スティーブンス、JMPアカデミックアンバサダー、SAS（共著者）
ほとんどの分野でトランザクションデータを取得できるようになったことで、「ビッグデータ」の時代が到来しました。ビッグデータとは何でしょうか？「大きい」ということは、必ずしも汚い、乱雑、矛盾している、あるいは扱いにくいという意味なのでしょうか？ビッグデータの世界では、どの程度のデータ調整やコンディショニングが必要なのでしょうか？ビッグデータにおけるデータ準備は、従来のデータクリーニング段階と何が違うのでしょうか？この講演では、ビッグデータ分析において最も時間のかかる段階であるデータ準備で直面するさまざまな課題について議論します。モデリングのためにデータを整形する際に異なるアプローチが必要となる、目標が大きく異なる2つのケーススタディを紹介します。これらのアプローチに加えて、JMPのクエリ、再コード、標準化、変換、補完、テキストマイニングなどの技術とプラットフォームにも注目し、モデリング段階に向けてビッグデータを準備するための追跡可能で再現可能な方法論を開発します。すべてのデモンストレーションは、JMP Pro 13を使用してライブで行います。
