JMP® pour l'analyse exploratoire des données
Vous collectez sans doute des données de domaines de plus en plus variés, en quantités de plus en plus grandes, sans jamais les avoir examinées de près. L'analyse exploratoire va vous aider à structurer cette masse de données.
Si nécessaire, elle permet également de créer un modèle efficace. Vous avez sans doute déjà repéré nombre de données similaires et estimez que la modélisation ne sera qu'une simple formalité. Il reste toutefois primordial de vérifier avant tout la plausibilité du modèle ainsi que les différentes hypothèses via l'analyse exploratoire.
De par sa nature, l'analyse exploratoire des données est heuristique, ouverte et dynamique. De plus, elle implique souvent d'importantes étapes d'agrégation et de gestion de la qualité des données lorsque vous testez différentes visualisations pour interpréter au mieux les données. Les graphiques interactifs et les fonctions de gestion de données de JMP sont particulièrement bien adaptés à l'analyse exploratoire des données. Par ailleurs, l'architecture en mémoire de JMP rend son utilisation réactive et ludique, quels que soient le volume de données et les résultats obtenus.
- Sélection et gestion des données
- Graphiques interactifs liés
- Analyse interactive liée
Le traitement des cas incohérents est une étape importante de l'analyse exploratoire des données. Il est possible de sélectionner, colorer, marquer, étiqueter et exclure ou masquer des lignes d'une table de données, directement depuis une visualisation. Les changements sont alors immédiatement propagés à tous les affichages. Vous pouvez isoler rapidement les cas incomplets au moyen de la configuration des données manquantes, tandis que le résumé permet d'agréger les données dans une table liée pour une visualisation plus précise. Avec le filtre de données, tous les affichages dépendront des variables sélectionnées, ainsi que de leur niveau et de leur étendue. Il est ainsi facile de passer en revue et de caractériser tous les cas remplissant la condition imposée et de les traiter de manière appropriée. Vous pouvez en outre appliquer aux cas une couleur différente par variable, au moyen de thèmes standard ou personnalisés.
Configuration des données manquantes dans trois paramètres mesurés, avec affichages liés montrant leur association avec les covariables et les valeurs.
Toute perception comporte une part de subjectivité. Or, le caractère ouvert de l'analyse exploratoire des données vous permet de développer votre propre style d'analyse. JMP propose un large éventail de visualisations ; les limitations sont donc minimes. Plusieurs outils permettent de sonder les affichages et d'effectuer des zooms avant. Le Constructeur de graphiques est une plate-forme performante et innovante. Il permet de créer des diagrammes en treillis avec plusieurs variables de groupement x et y, et contenant des segments graphiques du type diagrammes en barres, histogrammes, courbes et graphiques d'isoréponses. Si la dimensionnalité des données est élevée, vous pouvez également utiliser le graphique parallèle avec coloration et transparence afin de révéler la structure en présence de plusieurs cas. C'est néanmoins souvent l'utilisation simultanée de plusieurs visualisations qui fournit le meilleur aperçu, et cette méthode est encore plus efficace grâce à la fonction de liaison de JMP et au filtre de données.
Utilisation du filtre de données en vue d'obtenir des sélections conditionnelles par catégorie de biscuits (« biscuit_category ») dans deux affichages liés représentant les ventes colorées par détaillant.
Avec JMP, prenez vraiment vos décisions en fonction des données. Très souvent, il suffit de parcourir une analyse exploratoire initiale directement depuis la visualisation et de prendre des décisions en fonction des informations affichées, et non en fonction de vos attentes. En règle générale, une sortie tabulaire est ajoutée directement à la fenêtre du rapport et l'affichage s'accompagne d'une représentation visuelle des résultats de l'analyse (par exemple, une droite de régression avec intervalles de confiance). Si vous avez défini les options adéquates, vous pouvez également faire en sorte que les résultats répondent instantanément aux sélections effectuées dans le filtre de données.
Déclarations de sinistres automobiles par âge, colorées en fonction du sexe – Rapport exploratoire initial, suivi du même rapport auquel ont été ajoutés les résultats de l'approche analytique choisie.
