El editor de la KD Nuggets El boletín informativo, Gregory Piatetsky-Shapiro, Ph.D., ha atraído a muchos suscriptores a lo largo de los años con una variedad de noticias interesantes, encuestas y temas. Es difícil creer que ahora está publicando el Duodécima encuesta anual en la minería de datos / herramientas analíticas utilizadas. A pesar de los muchos problemas con los datos de este sondeo no científico, tuve curiosidad por llevar este pequeño conjunto de datos de series temporales a JMP y observe qué participantes de la encuesta se ofrecieron voluntariamente sobre el uso de herramientas de modelado durante más de una década.
Varios de mis amigos estadísticos se apresuran a recordarnos que no se pueden sacar conclusiones significativas de tales encuestas porque están llenas de sesgos y problemas de calidad de los datos. El relleno de boletas de los proveedores es un tema particular en esta encuesta, que se ha comentado en el 2001 y 2003 Resultados de la Encuesta.
Primero, lo que califica como una herramienta de minería de datos es ciertamente un factor: muchos estadísticos que han estado haciendo modelos predictivos durante años pueden no considerarse a sí mismos como mineros de datos. La minería de datos / análisis es un área transversal muy amplia. [Revelación completa: desde JMP ha incluido algunos capacidades de minería de datos comenzando con JMP 6 (ahora estamos en JMP 9 y también tenemos 64 bits JMP Pro ), Le pregunté a Gregory si JMP podría ser incluido en la encuesta de este año , y él amablemente estuvo de acuerdo.]
En segundo lugar, dado el número de nuevos productos entrantes, salidas, adquisiciones y cambios de población / participantes a lo largo del tiempo, existen problemas considerables en la dimensión temporal de estos datos. Algo de esto es evidente en los datos faltantes para varios proveedores. Graph Builder de JMP muestra la variación en el número de votos frente al porcentaje del total de votos cada año por proveedor.
Es casi seguro que he cometido algunos errores con los dedos en la recopilación de datos de los resultados de encuestas anteriores www.kdnuggets.com . Y esto no es de ninguna manera una lista exhaustiva de problemas con los datos.
Dejando a un lado los problemas de datos, a muchos todavía les resulta interesante ver qué tipo de información ofrecen las personas y cómo esto puede cambiar con el tiempo. Somos curiosos por naturaleza. También combiné las herramientas en un intento por reflejar las adquisiciones a nivel de proveedor / proveedor de herramientas mientras mantenía los votos detallados a nivel del producto (algunas suposiciones debían hacerse al volver a empaquetar / nombrar, pero todo parece ser direccionalmente correcto).
Desde el parcela de burbujas aquí (salida como Flash, se abre en una nueva ventana), puede reproducir la "película de datos" para ver una combinación cambiante de colores a lo largo del tiempo ya que las burbujas son coloreadas por el proveedor / proveedor de la herramienta. Las herramientas de código abierto están mostrando un fuerte crecimiento, lo que es consistente con lo que observamos de otras fuentes, especialmente una encuesta similar realizada por Karl Rexer de Rexer Analytics . Los resultados del año pasado de su encuesta son disponible . Ahora en su quinto año, los enlaces de encuesta activos y los códigos de acceso están en Rexer Analytics y en El blog de Dean Abbott .
Volver a los resultados de la encuesta de KD Nuggets, usar "su propio código" podría significar comercial, código abierto o una combinación de los mismos (como en el caso de JMP y R, con un número creciente de ejemplos de lenguaje de scripting JMP y R en la Intercambio de archivos JMP ). Muchas herramientas de software comercial también están mostrando un crecimiento reciente. Esto es consistente con la tendencia bien observada de las organizaciones que aprovechan más el análisis para crear más valor. Por cierto, si desea ofrecer sus perspectivas voluntariamente, aquí en este blog o en cualquiera de estos populares encuestas de minería de datos / análisis , Te invitamos a participar.
