（英文在日文之後）
日文標題：應對大數據？用 JMP® 解決數據問題。
米歇爾·布朗熱，羅林斯大學（美國佛羅裡達州奧蘭多）國際經濟學副教授
Mia Stephens，JMP學術大使，SAS Institute Inc.
我們在大多數領域取得交易資料的能力開啟了「大數據」時代。什麼是「大數據」？ 「大」就一定意味著資料髒亂、混亂、不一致或難以處理嗎？大數據領域需要多少調整與改進？資料準備與清洗階段與大數據領域有何不同？在本次演講中，我將探討大數據分析中最耗時的階段──資料準備──所面臨的各種挑戰。我將展示兩個案例研究，每個案例的目標都截然不同，需要採用不同的方法來建立用於建模的資料。除了這些方法之外，我還會重點介紹 JMP 中的一些方法和平台，例如查詢、重編碼、標準化、轉換、歸因和文本挖掘，這些方法和平台旨在為建模階段的大數據準備工作開發可追溯和可複現的方法。我將使用 JMP13 進行演示。
大數據整理？使用 JMP 進行資料訓練
米歇爾·布朗熱，羅林斯學院國際商務系教授，奧蘭多
Mia Stephens，JMP學術大使，SAS（合著者）
我們在大多數領域獲取交易數據的能力，使我們進入了「大數據」時代。什麼是大數據？ 「大」是否必然意味著資料混亂、雜亂、不一致或難以處理？在大數據領域，我們需要進行多少資料處理與調整？大數據領域的資料準備與傳統資料清洗階段有何不同？本次演講將探討大數據分析中最耗時的階段—資料準備—所面臨的各種挑戰。我們將展示兩個目標截然不同的案例研究，它們需要採用不同的方法來建立用於建模的數據。除了這些方法之外，我們還將重點介紹 JMP 中的技術和平台，例如查詢、重編碼、標準化、轉換、插補、文本挖掘等，以開發一種可追溯且可複現的方法，為大數據建模階段做好準備。所有演示都將使用 JMP Pro 13 進行現場演示。
