JMP® für Explorative Datenanalyse
Im Zuge der Datensammlung aus mehreren unterschiedlichen Quellen und in deutlich größeren Mengen unterziehen Sie Ihre Daten vielleicht zum ersten Mal einer genaueren Betrachtung. Mit der explorativen Datenanalyse (EDA) erkennen Sie in diesen Daten möglicherweise bestimmte Strukturen.
Gegebenenfalls kann EDA auch bei der Erstellung eines nützlichen Modells helfen. Auch wenn Sie bereits große Mengen ähnlicher Daten gesehen haben und erwarten, dass die Modellerstellung eine Routineaufgabe ist, bleibt die Prüfung der Plausibilität des Modells und die Bestätigung von Annahmen über EDA eine wesentliche Vorbereitungsstufe.
EDA ist von Natur aus heuristisch, ergebnisoffen und dynamisch. Sehr oft umfasst sie wichtige Schritte zur Sicherung der Datenqualität und der Datenaggregation, während Sie verschiedene Visualisierungen testen, um aus den Daten eine erkennbare Botschaft zu formen. Die interaktiven Grafiken und die Datenverwaltung in JMP sind für EDA ideal. Auch wenn Sie über große Datenvolumina verfügen, bleibt JMP aufgrund der speicherresidenten Architektur reaktionsschnell und bedienerfreundlich, unabhängig von den Ergebnissen, die aus den Daten entwickelt werden.
- Datenauswahl und Datenmanagement
- Verknüpfte interaktive Grafiken
- Verknüpfte interaktive Analyse
Der geeignete Umgang mit inkongruenten Fällen ist ein wichtiger Schritt in EDA. Einzelne Zeilen in einer Tabelle können ausgewählt, eingefärbt, markiert, beschriftet, ausgeschlossen oder vor der Visualisierung verborgen werden. Diese Änderungen werden sofort in alle offenen Ansichten übertragen. Sie können die Funktion der Mustererstellung für fehlende Daten verwenden, um rasch Fälle mit unvollständigen Daten auszuscheiden. Mit der Zusammenfassungsfunktion lassen sich Daten auf Detailebene in einer verknüpften Tabelle zusammenfassen, um eine Visualisierung mit höherer Auflösung zu ermöglichen. Mit dem Datenfilter können Ansichten bei der Erstellung von der Auswahl von Variablen und den dafür vorgesehenen Stufen und Bereichen abhängig gemacht werden. Daher können Sie alle Fälle überprüfen, charakterisieren und entsprechend verarbeiten, die den jeweils geltenden Bedingungen entsprechen. Die Fälle können über Standardmuster oder benutzerdefinierte Muster nach Variablen eingefärbt werden.
Muster fehlender Daten in drei gemessenen Parametern mit verknüpften Ansichten, die die Verbindung mit Kovariaten und Werten zeigen.
Die Wahrnehmung ist persönlich und die ergebnisoffene Eigenschaft von EDA bedeutet, dass Sie Ihren eigenen Analysestil entwickeln werden. JMP bietet ein breites Repertoire an Visualisierungen an, sodass nur wenige Einschränkungen bestehen. Diverse Tools ermöglichen das Schwenken und Austesten dieser Ansichten und erforderlichenfalls das Zoomen in Detailbereiche. Der Graph Builder ist eine leistungsstarke und innovative Plattform, mit der Sie interaktiv Gitteransichten mit mehreren X- und Y-Gruppierungsvariablen erstellen können, die grafische Elemente wie Balkendiagramme, Histogramme, Liniendiagramme und Konturdiagramme enthalten. Wenn die Dimensionalität der Daten sehr hoch ist, können Sie die parallele Plotfunktion mit Einfärbung und Transparenzeinstellungen verwenden, um bei Vorliegen vieler Fälle die Strukturen hervortreten zu lassen. Sehr oft kommt die Erkenntnis, wenn mehrere Visualisierungen gleichzeitig verwendet werden. Und dieser Ansatz lässt sich aufgrund der Verknüpfungs- und Datenfilterfunktionen von JMP besonders nutzbringend einsetzen.
Die Verwendung des Datenfilters für bedingte Selektionen nach 'biscuit_category' in zwei verknüpften Ansichten von Verkaufsdaten, eingefärbt nach Einzelhändler.
Mit JMP können Sie sich wirklich von Ihren Daten führen lassen. In vielen Fällen können Sie eine erste explorative Datenanalyse direkt aus der Visualisierung durchgehen und Ihre Auswahl anhand dessen treffen, was Sie wirklich sehen, und nicht anhand erwarteter Ergebnisse. In der Regel wird die tabellarische Ausgabe direkt im Berichtfenster angehängt und die Ansicht wird durch eine visuelle Darstellung der Analyseergebnisse (z. B. eine Regressionslinie mit Konfidenzintervallen) verstärkt. Wenn die richtigen Optionen eingestellt sind, reagieren die Analyseergebnisse direkt auf eine Auswahl, die Sie im Datenfilter vornehmen.
Daten über Kfz-Versicherungsfälle nach Alter und eingefärbt nach Geschlecht – erster explorativer Bericht, erweitert durch Ausgaben aus dem gewählten analytischen Ansatz.
Mehr Ressourcen für die explorative Datenanalyse
Demos
Nehmen Sie Kontakt mit dem JMP Vertrieb auf
+49 (0) 7031 491 6510
