（英文在日语之后）
日文标题：应对大数据？用 JMP® 解决数据问题。
米歇尔·布朗热，罗林斯大学（美国佛罗里达州奥兰多）国际经济学副教授
Mia Stephens，JMP学术大使，SAS Institute Inc.
我们在大多数领域获取交易数据的能力开启了“大数据”时代。什么是“大数据”？“大”就一定意味着数据混乱、杂乱、不一致或难以处理吗？大数据领域需要多少调整和改进？数据准备和清洗阶段与大数据领域有何区别？本次演讲中，我将探讨大数据分析中最耗时的阶段——数据准备——所面临的各种挑战。我将展示两个案例研究，每个案例的目标都截然不同，需要采用不同的方法来构建用于建模的数据。除了这些方法之外，我还会重点介绍 JMP 中的一些方法和平台，例如查询、重编码、标准化、转换、归因和文本挖掘，这些方法和平台旨在为建模阶段的大数据准备工作开发可追溯和可复现的方法。我将使用 JMP13 进行演示。
大数据整理？使用 JMP 进行数据训练
米歇尔·布朗热，罗林斯学院国际商务系教授，奥兰多
Mia Stephens，JMP学术大使，SAS（合著者）
我们在大多数领域获取交易数据的能力，使我们进入了“大数据”时代。什么是大数据？“大”是否必然意味着数据混乱、杂乱、不一致或难以处理？在大数据领域，我们需要进行多少数据处理和调整？大数据领域的数据准备与传统数据清洗阶段有何不同？本次演讲将探讨大数据分析中最耗时的阶段——数据准备——所面临的各种挑战。我们将展示两个目标截然不同的案例研究，它们需要采用不同的方法来构建用于建模的数据。除了这些方法之外，我们还将重点介绍 JMP 中的技术和平台，例如查询、重编码、标准化、转换、插补、文本挖掘等，以开发一种可追溯且可复现的方法，为大数据建模阶段做好准备。所有演示都将使用 JMP Pro 13 进行现场演示。
