저희는 4년 전부터 JMP를 사용하기 시작했습니다. 엑셀의 복잡한 기능에 질려 있었는데, JMP의 드래그 앤 드롭 기능과 쉬운 학습 방식에 매료되었죠. 그 이후로 JMP를 통계 분석은 물론, 더욱 중요한 자동화 및 제품 품질 관리에도 활용하면서 그 활용 범위가 크게 확장되었습니다.
이 메타 분석은 JMP를 사용함으로써 절약한 시간과 노력의 한 예일 뿐입니다. 우리는 고객 농장에서 우리 제품이 새끼 돼지의 생존율/폐사율에 미치는 영향에 대한 실험 데이터를 받습니다. 이 메타 분석은 5년 전 처음 시작했을 때는 엑셀을 많이 사용하는 작업으로 3~5주가 걸렸습니다. 하지만 시간이 지나면서 JMP를 활용한 자동화 프로세스로 바뀌어 이제는 1주일 이내에 완료할 수 있게 되었습니다. 이러한 시간 절약 덕분에 고객에게 데이터를 제시하거나 학회 발표용 초록을 작성하는 등 "부가가치"를 창출하는 단계에 더 많은 시간을 할애할 수 있게 되었습니다. 또한 데이터에서 유용한 정보를 찾아내는 데 더 많은 시간을 투자할 수 있게 되어 발표할 때마다 "새로운 내용"을 제시할 수 있습니다. JMP는 프로세스 맵을 따르는 것의 중요성과 자동화가 데이터를 바라보는 방식에 미치는 영향을 깨닫게 해주었습니다.
안녕하세요 여러분. 저는 토니시티 인터내셔널의 선임 과학자 스테판 부조이아노입니다. 오늘은 엑셀에서 JMP 자동화로의 전환 과정에 대해 이야기해 보겠습니다. 제 이메일 주소는 화면에 나와 있으니 질문이나 제안 사항이 있으시면 언제든지 연락 주세요.
토니시티 PX는 신생 자돈에게 투여하는 등장성 단백질 음료로, 수분을 공급하고 장 세포에 필요한 주요 영양소를 제공합니다. 결과적으로 자돈의 생존율이 높아지고 성장 속도가 빨라지며 건강해집니다. 토니시티 PX는 장내 에너지 저장고와 같다고 생각하시면 됩니다. 세포 대사를 지원하고, 세포 간 연결을 강화하며, 장 누수를 방지하고, 면역 체계와 장내 미생물 생태계를 지원하는 데 필요한 주요 영양소를 공급합니다. 주요 효과로는 자돈 생존율 향상 또는 성장 전 폐사율 감소가 있습니다. 다음 슬라이드에서 이 부분에 대해 자세히 설명드리겠습니다.
우리는 고객들이 점점 더 데이터를 중요하게 생각한다는 것을 알게 되었습니다. 한두 번의 실험 결과만으로는 한계가 있습니다. 사람들은 반복성, 통계 분석, 추세 분석에 대해 질문할 것이기 때문입니다.
데이터를 집계하고, 우리의 주장과 자료를 배포함으로써 훨씬 더 강력한 효과를 낼 수 있습니다. 10회, 20회, 50회, 90회, 100회 시행 결과를 보여주면 고객의 관심을 끌게 되고, 더 의미 있는 논의를 통해 제품이나 시장 진출에 더 큰 가치를 더할 수 있습니다. 즉, 데이터가 많을수록 좋습니다. 이것이 바로 집계된 데이터의 힘입니다.
이를 위해, 또는 데이터 활용 능력을 향상시키기 위해, 저희는 약 1년에 한 번씩 폐사율 메타분석을 실시하고 있습니다. 현재까지 총 6차례의 분석을 진행했습니다. 2018년에 약 29건의 임상시험과 33,000마리의 돼지를 대상으로 분석을 시작했으며, 이번 달 기준으로 데이터베이스에는 91건의 임상시험과 185,000마리의 돼지 데이터가 추가되었습니다. 즉, 총 6차례의 데이터 분석에 이전 분석 결과를 더하여 현재까지 진행된 것입니다.
시간 배분과 분석에 투입된 노력을 살펴보면, 2018년에 엑셀을 이용한 데이터 준비 작업에 많은 시간을 할애했음을 알 수 있습니다. 빨간색은 엑셀 데이터 준비 작업을 나타내고, 주황색은 SAS와 JMP를 이용한 분석 작업을, 파란색은 부가가치가 높은 결과 배포 단계를 나타냅니다. 경영진, 이사회, 그리고 고객들은 데이터 조작보다는 결과 배포 측면에 더 큰 관심을 보입니다.
처음에는 엑셀을 많이 사용하는 작업으로 시작했습니다. 데이터베이스를 제대로 파악하고 모든 수식을 다루고 복사 붙여넣기를 하는 데 8일이 걸렸습니다. 그 과정에서 사람의 실수도 꽤 많았습니다. 2019년 데이터는 데이터 세트에 크게 추가된 것은 아니었지만, 그래도 데이터 배포는 많이 하지 않았습니다.
저희는 2020년에 JMP를 도입했습니다. 데이터베이스를 전면 개편했고, 2021년부터는 데이터 배포를 훨씬 더 적극적으로 진행하면서 데이터 조작은 급격히 줄었습니다. 보시다시피 저희는 이미 데이터 배포 측면에서 부가가치를 창출하는 데 집중하고 있었습니다.
이것은 프로세스를 단계별로 나누어 보는 또 다른 방법입니다. 엑셀 데이터 준비, 분석 및 배포 단계를 살펴보면, 엑셀 작업에 소요되는 시간이 크게 줄어든 것을 알 수 있습니다. 8일에서 0.1일로 감소했는데, 이는 매우 중요한 변화이며 프로세스에 상당한 가치를 더합니다. 데이터 조작이 줄어들고, 오류가 감소하며, 작업에 소요되는 일수도 줄어들었습니다.
분석 단계에서는 중간 부분은 그대로 유지했지만, SAS 중심 프로세스에서 JMP 중심 프로세스로 전환했습니다. 이렇게 하면 많은 데이터를 한 곳에서 관리할 수 있다는 장점이 있습니다.
하지만 여기서 가장 중요한 점은 정보 배포에 소요되는 시간이 반나절에서 약 나흘로 늘어났다는 것입니다. 이는 일상 업무에 상당한 가치를 더해줍니다. 예를 들어, 올해 초록을 두 편 제출했습니다. 지난 몇 년 동안 자동화 작업을 진행했고, 새로운 분석 기능도 추가했습니다. 엑셀에서 데이터를 주고받는 데 드는 시간을 줄임으로써 얻은 시간을 초록 제출, 정보 배포, 고객 대상 웨비나 개최, 학계와의 소통 등에 효과적으로 활용할 수 있었습니다.
이것이 저희 데이터 분석 과정인데, 데이터 분석 과정으로서는 정말 복잡하고 지저분한 편입니다. 수많은 표, 복잡한 상호 작용, 요약, 병합 등 온갖 작업이 포함되어 있죠. 하지만 중요한 건, 이 모든 작업의 대부분, 즉 핵심적인 작업들이 JMP에서 이루어진다는 점입니다. 엑셀은 아주 조금 사용하고, SAS도 약간 사용하지만, 대부분은 JMP를 사용합니다.
이것이 백그라운드에서 진행되는 프로세스입니다. 먼저 Excel에서 JMP로 데이터 세트 또는 데이터베이스를 가져옵니다. 그런 다음 SAS를 통해 분석하고, 결과를 다시 JMP에 통합하여 모든 분석의 기반이 되는 마스터 테이블을 생성합니다. 모든 다른 분석은 이 마스터 테이블을 기준으로 식별되고 진행됩니다. 예를 들어, 우리는 5개 지역, 2가지 투여 프로토콜, 4가지 유전적 요인별로 전체 사망률 메타 분석을 수행합니다. 이 데이터 테이블의 약 13개 구성 요소가 자동화되어 JMP에서 백그라운드에서 원활하게 통합됩니다.
저희는 반복 작업을 거치면서 변화하는 정기적인 그래프들을 가지고 있습니다. 코드는 이미 작성되어 있고, JMP가 대부분의 작업을 처리해 주기 때문에 저희는 스크립트만 실행하면 됩니다. 이러한 시간 절약 덕분에 말씀드린 것처럼 데이터 해석과 결과 공유에 집중할 수 있습니다. 이제 데이터 세트의 특정 부분을 살펴보고, 저희 제품이 매우 효과적으로 작동하는 부분과 예상치 못한 결과가 발생하는 부분을 파악할 수 있습니다. 이를 통해 고객과 함께 문제를 해결하고 고객이 저희 제품을 사용할 때 가치를 얻을 수 있도록 지원할 수 있습니다.
그리고 이게 바로 우리가 백그라운드에서 하는 작업입니다. 여기에는 여러 가지 지루한 단계들이 있습니다. 엑셀 파일을 보고 JMP로 가져와서 초기 파싱 작업을 하는데, 이 부분은 잠시 후에 설명하고 시연해 보이겠습니다. 그런 다음 SAS로 보내서 분석하고, 결과를 엑셀로 출력합니다. 다시 JMP로 가져와서 사망률 평균, P값, 기타 요약 자료들을 병합하고, 그래프를 그리고 파워포인트 프레젠테이션을 만듭니다.
앞서 말씀드린 것처럼 JMP가 백그라운드에서 수식, 연결 등의 작업을 모두 처리해주기 때문에 저희는 데이터를 활용하여 배포, 요약, 웨비나, 고객 교육 세션 등을 진행할 수 있습니다.
데모를 시작해 보겠습니다. 모든 JMP 사용자가 코드가 문제없이 작동하기를 간절히 바라며 잠시 기도하는 순간이죠. 한번 살펴볼까요? 제 JMP 프로젝트입니다. 특별히 흥미로운 건 없고, 코드 줄이 꽤 많죠. 제가 JMP를 좋아하는 이유는 코드 폴딩 기능을 통해 코드의 특정 부분을 통째로 접을 수 있다는 점입니다. 모든 코드를 메모리에 로드하고, 서로 연동시키고, 오른쪽 패널에서 해당 코드 부분을 실행하고 있습니다. 이제 테이블을 불러와서 작업을 시작해 보겠습니다.
이제 SAS에 연결해야 합니다. 그러면 백그라운드에서 코드가 실행됩니다. SAS가 작업을 수행할 수 있도록 테이블을 SAS로 내보냅니다. SAS는 상당히 복잡한 테이블들을 생성합니다. 모든 P값과 각종 추정치 등이 포함된 테이블이 7개나 되는데, 이 테이블들을 하나로 합쳐서 마스터 테이블 형식으로 변환해야 합니다. JMP는 이 작업을 문제없이 처리해 줍니다. 이게 바로 마스터 테이블입니다. 끝입니다.
그러면 왼쪽에는 더 이상 사용하지 않는 표들이 많이 남게 됩니다. 물론, 정리하고 닫아야죠. 죄송하지만, 저희가 그렇게 잘하지는 못하네요. 문제는 여기에도 표가 몇 개 남아 있어서, 이전 버전에서 그림이나 그래프 관련 코드를 가져와야 한다는 겁니다.
저희는 바로 그 작업을 하고 있습니다. 여기 코드와 스크립트를 보시면 제가 직접 조작해 볼 수 있습니다. 이것들은 제가 기본적으로 사용하는 그래프입니다. 필요에 따라 얼마든지 수정할 수 있습니다. 저기 다른 그래프도 있네요. 좋습니다. 다시 말씀드리지만, 이것은 그래프의 예시일 뿐입니다. X축은 대조군의 사망률, Y축은 PX 치료군의 사망률을 나타내고, 이 작은 깃발들은 유럽에서 진행되는 임상시험들을 구분하는 데 도움을 줍니다. 각 점은 저희 데이터베이스에 있는 임상시험을 나타냅니다. 사망률이 매우 높은 미국 임상시험들이 저기에 많이 보이네요. 아시아에서 진행되는 임상시험들은 보통 사망률이 낮아서 아래쪽에 위치합니다.
그래서 데이터를 살펴보고 유연하게 분석하여 데이터의 의미를 파악할 수 있게 해줍니다. 예전처럼 SAS에서 엑셀로 데이터를 가져와서 그래프를 그리는 번거로운 과정을 거치지 않아도 되니까요. 덕분에 시간을 많이 절약할 수 있습니다.
좋습니다. 몇 가지 결론만 말씀드리겠습니다. JMP 덕분에 데이터 조작을 줄일 수 있어서 JMP 라이선스 비용이 충분히 상쇄됩니다. 인적 오류도 줄어들고요. JMP 소프트웨어가 모든 수식, 연결, 테이블 조인 등 생각할 수 있는 모든 작업을 백그라운드에서 처리해 주기 때문에 인적 오류가 발생할 가능성이 전혀 없습니다. 코드를 작성할 때 이미 모든 것이 고려되어 있었죠. 이렇게 시간을 절약할 수 있어서 부가가치를 창출하는 활동에 집중할 수 있습니다. 데이터 분석, 요약 작성, 웨비나 진행, 고객과의 상담 등에 더 많은 시간을 투자할 수 있는 거죠. 즉, 시간을 더욱 가치 있게 활용할 수 있게 된 겁니다.
이 도구 덕분에 다양한 문제 해결과 데이터 해석이 가능해졌고, 데이터 자체에 대한 다양한 분석도 수행할 수 있었습니다. 중요한 점은 이 모든 것을 2020년에 시작했는데, 그 전에는 JMP 스크립팅 경험이 전혀 없었다는 것입니다. 제가 할 수 있다면 여러분도 할 수 있습니다. 정말 감사합니다. 제 이메일 주소는 화면에 나와 있습니다. 질문이나 제안 사항이 있으시면 언제든지 연락 주세요.
