(Englisch folgt Japanisch)
Japanischer Titel: Big Data? Lösen Sie Daten mit JMP®.
Rawlins University, Internationale Wirtschaft (Orlando, Florida) Associate Professor Michele Boulanger
SAS Institute Inc. JMP-Botschafterin Mia Stephens
Unsere Fähigkeit, in den meisten Bereichen Transaktionsdaten zu erfassen, hat die Ära der „Big Data“ eröffnet.Was ist Big Data?Bedeutet "groß" notwendigerweise schmutzig, chaotisch, inkonsistent oder unhandlich? Wie viel Anpassung und Anpassung ist in der Big-Data-Welt erforderlich?Was ist der Unterschied zur Phase der Vorbereitung und Bereinigung der Big-Data-Welt?In diesem Vortrag werden die verschiedenen Herausforderungen erörtert, die in den möglicherweise zeitaufwändigsten Phasen der Big-Data-Analyse auftreten.Mit anderen Worten, wir diskutieren die Datenaufbereitung.Zwei Beispiele werden vorgestellt, aber jedes hat einen sehr unterschiedlichen Zweck und erfordert unterschiedliche Ansätze zur Modellierung von Daten für die Modellierung.Neben diesen Ansätzen wird der Schwerpunkt auf Methoden und Plattformen von JMP gelegt, z. B. Abfragen, Umcodierung, Standardisierung, Transformationen, Attribution, Text Mining usw., die zur Aufbereitung von Big Data in der Modellierungsphase nachverfolgt werden können Entwicklung einer reproduzierbaren MethodikDemonstration mit JMP13.
Big Data auf Vordermann bringen? Ein Daten-Workout mit JMP
Michele Boulanger, Professor, Abteilung für Internationales Business, Rollins College, Orlando
Mia Stephens, JMP Academic Ambassador, SAS (Co-Autorin)
Unsere Fähigkeit, Transaktionsdaten in den meisten Bereichen zu erfassen, hat uns in die Ära der „Big Data“ geführt. Was ist Big Data? Bedeutet "Big" notwendigerweise "schmutzig", "chaotisch", "inkonsistent" oder "unhandlich"? Wie viel Toning und Konditionierung müssen wir in der Big-Data-Welt tun? Was unterscheidet die Vorbereitung in der Big-Data-Welt von der herkömmlichen Datenbereinigungsphase In diesem Vortrag diskutieren wir die verschiedenen Herausforderungen in der möglicherweise zeitaufwändigsten Phase der Big-Data-Analyse: Datenaufbereitung. Wir präsentieren zwei Fallstudien mit sehr unterschiedlichen Zielen, die unterschiedliche Ansätze zur Gestaltung der Daten für die Modellierung erfordern. Neben diesen Ansätzen werden auch Techniken und Plattformen von JMP wie Abfrage, Neukodierung, Standardisierung, Transformation, Imputation, Text Mining und andere hervorgehoben, um eine nachvollziehbare und reproduzierbare Methode zur Vorbereitung von Big Data für die Modellierungsphase zu entwickeln. Alle Demonstrationen werden live mit JMP Pro 13 durchgeführt.
