데이터 획득

데이터는 다양한 형식으로 존재합니다. 다행히 JMP는 데이터의 형식을 가리지 않습니다.

Microsoft Excel에서는 Excel 가져오기 마법사를, 텍스트 파일에서는 텍스트 가져오기 마법사를 사용하여 데이터를 손쉽게 읽을 수 있습니다. 또한 ODBC 호환 데이터베이스의 경우에는 상호작용 방식의 질의 빌더를 사용하여 직접 데이터를 추출할 수 있습니다. JMP는 형식에 관계없이 데이터에 액세스할 수 있습니다.

데이터베이스를 사용하면 조직은 방대한 양의 데이터와 정보를 분류할 수 있지만, 일반적으로 효율적인 분석이 아닌 효율적인 저장과 트랜잭션에 적합하도록 구성됩니다. 이는 분석에 필요한 데이터가 여러 테이블에 분산되어 있다는 것을 의미합니다. 따라서 해당 테이블을 조인해 필요한 데이터를 취합해야 하는데 작업이 번거로운 것은 물론 데이터 테이블의 세부 정보뿐만 아니라 SQL이나 기타 도구를 사용하여 테이블을 조인하는 방법까지 알아야 합니다.

질의 빌더를 사용해 보십시오. 이 JMP 플랫폼을 사용하여 기본 테이블과 하나 이상의 보조 테이블만 지정하면 질의 빌더가 자동으로 기본 테이블의 외래 키와 보조 테이블의 기본 키를 매칭합니다. 이렇게 되면 번거로운 조인 작업이 자동화됩니다.

질의 빌더는 자동 매칭과 더불어 단순하거나 복잡한 질의를 작성하는 데 필요한 모든 기능을 제공합니다. 이제 JMP를 사용하여 원하는 모든 작업을 수행할 수 있습니다.

또한 JMP는 다음을 비롯한 다른 소스에서 데이터를 가져오고 샘플링할 수 있도록 지원합니다.
  • SAS®.
  • 다양한 유형의 플랫 소스(예: 텍스트 파일, R 코드, MATLAB 코드, HTML 파일, SPSS 파일, Minitab 이동식 워크시트 파일)
  • 웹 페이지(HTML 테이블)

모든 경우에, JMP로 데이터를 가져오는 작업은 상호작용 방식으로 진행되며, 그 과정 중에 발생한 사용자의 변경에 반응합니다. JMP 테이블로 가져오는 파일은 사전 포맷된 최대한 분석하기 쉬운 상태로 제공되기 때문에 시간과 노력을 절약할 수 있습니다.

원본 형식에 관계없이 언제든 데이터를 처리할 수 있는 든든한 분석 도구를 가졌다고 생각해 보십시오. JMP는 바로 이런 도구를 제공합니다. JMP로 가져오는 데이터는 메모리 내에 유지되므로 데이터를 어디에서 가져왔는지는 문제가 되지 않습니다. JMP 테이블은 항상 빠른 속도를 제공하며 분석을 수행하기에 최적화되고 바로 탐색할 수 있는 상태로 준비됩니다. 그와 동시에 원래 소스의 구조와 메타데이터가 최대한 보존됩니다.

데이터 정리

분석할 데이터를 준비하는 데 얼마나 많은 시간을 소비하십니까? 데이터 분석가들에게 데이터 준비 작업은 거듭되는 번거로운 일입니다. JMP는 오래 전부터 이러한 점에 주목하고 더 쉽고, 빠르고, 정확하게 데이터를 준비할 수 있는 방법을 연구해 왔습니다.

JMP는 어떤 데이터 정리 작업이든, 그 과정을 자동화해 줍니다. 다른 소프트웨어에서는 어렵거나 심지어 불가능한 이 기능이 JMP에서는 쉽게 지원됩니다. 또한 데이터를 직접 정리할 수 없는 경우에도 데이터 문제가 분석에 미치는 영향을 최소화하는 방법들을 제공하여, 데이터를 깨끗하게 정리할 필요성 또는 그에 따른 작업들을 없애 줍니다.

데이터가 일단 JMP 테이블에 들어오면 풍부한 변형 및 재구성 도구를 이용하여 모든 데이터를 하나의 파일로 병합하고, 지능적인 상호작용 방식으로 테이블 조인 작업을 손쉽게 수행할 수 있습니다. 두 테이블을 조인하지 않고도 다른 테이블의 데이터를 참조할 수 있으므로, 대규모 데이터 세트를 조인하는 데 따른 메모리 및 데이터 스토리지 문제가 발생하지 않습니다.

데이터를 분석하기 전에 데이터가 정리되었는지, 즉 값이 일관되고 제대로 인코딩되었는지를 확인하는 검사를 수행해야 합니다. JMP는 이 작업을 수행하는 다양한 옵션을 제공합니다. 가장 좋은 방법 중 하나는 분포 플랫폼을 사용하는 것입니다. 이상치가 포착된 경우 해당 항목을 누르면 JMP의 동적 연결을 통해 테이블에서 선택됩니다.

데이터를 시각적 인터페이스에서 보여준다는 점은 JMP의 큰 이점입니다. JMP의 시각적 인터페이스를 사용해 보면 그동안 즉시 파악할 수 있는 정보를 얼마나 많이 놓쳤는지 알고 깜짝 놀라게 될 것입니다.

여러 사람이 범주를 입력하다 보면 명칭 부여의 일관성이 떨어집니다. 범주를 정확하게 표로 작성하고 예측에 사용하려면 범주를 일관되게 맞추어야 합니다. JMP의 값 편집(Recode) 유틸리티를 사용하면 시간이 많이 소요되는 범주 통합을 손쉽게 할 수 있습니다. 일련의 범주를 선택하고 그중 그룹을 대표할 범주를 선택할 수 있습니다. 또한 JMP가 서로 유사한 범주를 자동으로 통합하도록 지정할 수도 있습니다. 이 기능은 특히 고유 항목이 수백 개 또는 수천 개에 이르는 경우에 현저한 시간 절감 수단이 될 수 있습니다.

이 외에도 JMP에는 다음과 같은 데이터 정리 기능이 있습니다.

  • 이상치 선별
  • 데이터에 반영하지 못한 입력 오류, 오류 코드 또는 결측치/결측치 코드에 대한 선별
  • 함수 열 또는 파생 변수의 생성, 비율 열이나 반응치의 변환 생성
  • 데이터 속성 정리
  • 연속형 데이터를 이산형 범주로 분류
  • 구분된 텍스트의 문자열을 여러 열로 분할
  • 지표 변수 만들기
  • 유사 형식의 여러 개 열에 대한 속성 표준화

데이터 시각화

스프레드시트는 데이터의 패턴과 추세를 쉽게 드러내지 않습니다. 그렇지만 패턴들을 관찰하면 새로운 발견을 하는 데 도움이 됩니다. JMP는 풍부하고 동적인 시각화 도구를 제공합니다. 이는 더 쉽고 효과적인 통계적 발견을 가능하게 함으로써 혁신을 유도합니다.

JMP는 여러분을 협소한 분석 과정에서 벗어나 데이터를 동적으로 탐색할 수 있도록 해주며, 관심을 기울일만한 것을 데이터가 말해주게 합니다. 데이터를 신속하게 이동하면서 데이터의 의미를 가장 잘 전달하는 시각화 방법을 찾을 때까지 민첩하게 분석할 수 있습니다.

그래프 빌더는 데이터를 동적으로 탐색하고 그래프를 작성하는 가장 효과적인 방법입니다. 끌어서 놓는 손쉬운 방법으로 단순하거나 복잡한 그래프의 표시들을 상호작용 방식으로 만들 수 있습니다. 변수를 적절한 위치로 끌어놓고 그래프 아이콘 중에서 원하는 항목을 선택한 후, 보여지는 방식을 좀 다듬기만 하면 그대로 출판물에 쓰일만한 고품질의 결과가 만들어집니다. 그래프 빌더는 항상 상황에 맞는 옵션을 제공합니다.

그래프 빌더는 JMP가 제공하는 풍부하고 동적인 수많은 시각화 도구 중 하나입니다. 이러한 도구들은 더 쉽고 효과적인 통계적 발견을 가능하게 합니다.

또한 내장된 고급 지리적 이미지를 사용하거나 도시, 도로, 수계가 포함된 상세 지도에 데이터를 그려 모든 관련 JMP 그래프에 배경 지도를 추가할 수도 있습니다. 버블 도표를 사용하면 시간 경과에 따라 다양한 변화를 보여주는 데이터 애니메이션을 만들 수 있습니다.

여러 그래프를 결합한 것이 단일 그래프보다 유용한 경우도 있습니다. 대시보드는 데이터의 의미를 전달하는 중요한 역할을 합니다. 클릭 한 번으로 열리는 템플릿에서 프레젠테이션에 바로 사용할 수 있는 설득력 있는 시각화 자료를 개발하거나 자신만의 맞춤형 대시보드를 만들 수 있습니다.

JMP의 그래픽은 데이터를 단순히 보여주는 것이 아니라 데이터와 상호작용할 수 있는 인터페이스라고 할 수 있습니다.

기본 데이터 분석

기본적인 도구들을 활용한 시각적 분석은 종종 조직 내에서 결과를 전달하고 조치를 유발하기 위한 최선의 방법입니다. 또한 통계적 데이터 조사의 첫 단계는 한 번에 하나씩 변수를 조사하는 소위, 단변량 분석 과정으로 구성되는 경우가 많습니다. JMP의 분포 플랫폼은, 일단 관심 있는 열을 지정하면 그 변수에 대해 정의된 모델링 유형에 따라 그래프와 통계를 자동으로 제공합니다.

히스토그램, 요약 통계, 연속형 데이터의 상자 도표와 분위수, 공정능력 분석, 분포 적합화 및 명목값 또는 순서값의 빈도 등을 신속하게 구합니다.

JMP의 주요 기본 통계 분석 기능은 다음과 같습니다.
  • 히스토그램, 상자 도표
  • 기술(Descriptive) 통계
  • 1표본 T검정, 2표본 T검정, 분산 분석, 회귀 분석, 비모수적 검정
  • 분포 적합화
  • 데이터에 대한 스플라인 및 곡선 적합화
  • 통계 계산기 및 시뮬레이터 - 검정력 및 표본 크기 계산

텍스트 탐색

텍스트 데이터는 분석을 수행하기에 적합하지 않습니다. 조작하기 어렵고 구조화되어 있지 않으며 다루기 힘들 수 있기 때문입니다. JMP 텍스트 탐색기는 단어 및 구문 추출 작업을 수행하고 요약을 생성하며 단어를 시각화 및 정리하여 설문이나 엔지니어링 노트의 프리 텍스트 같은 대량의 비구조적 텍스트 데이터에서 잠재 정보를 찾아낼 수 있는, 고도의 상호작용 방식 명령 세트를 제공합니다.

정규식(RegEx) 인터페이스를 사용하면 부품 번호, HTML 태그 사이의 단어, 전화번호, 이메일 주소, 통화 등을 추출하기 위한 사용자 정의 식을 생성하고 저장할 수 있습니다.

데이터 그룹화, 필터링 및 부분집합 생성

어떤 비즈니스든 끊임없이 변화하는 고객의 요구를 신속하게 파악하고 대응할수록 더 빨리 경쟁 우위를 점할 수 있습니다. 이와 같은 학습 주기를 가속화하려면 데이터에서 패턴을 포착하고 가장 중요한 정보에 집중하며 신속하게 조치를 취할 수 있어야 합니다. 보고서 더미를 힙겹게 일일이 생성하거나, 더욱이 조치를 취하기 전에 자신에게 필요한 코드를 작성하고 출력을 기다리는 데 시간을 허비할 수 없습니다.

JMP는 데이터를 쪼개고 나누는 일상 업무에 대해 근본적으로 다른 접근 방식을 취합니다. 그룹화와 필터링이라는 패러다임을 바탕으로 메모리 내에서 보고서 출력을 즉각적으로 재구성합니다. 범주형 변수의 수준들을 클릭할 때마다 즉각 보고서가 업데이트되면, 관심 있는 영역에 얼마나 신속하게 집중할 수 있을지 상상해 보십시오. 클릭 한 번이면 새로운 지표로 완전히 분석의 초점을 바꿀 수 있습니다.

JMP의 그룹화 및 필터링 도구는 다음과 같습니다.
  • 조건문을 사용하거나 사용하지 않고 데이터 테이블의 특정 부분에 초점을 맞추기 위한 일부 및 전체 데이터 필터. 자주 사용하는 필터 설정을 저장하는 기능은 반복적인 필터링 작업의 효율성을 높입니다.
  • 손쉽게 정의하여 그래픽 보고서 및 데이터 테이블의 질을 높일 수 있는 행 마커, 색상 및 레이블
  • 그래픽 보고서 또는 통계 보고서 내에서 변수를 스와핑하는 열 스위처. 단계별로 수동 또는 애니메이션을 사용하면 수백 개에 이르는 변수에서 패턴과 특이점을 포착할 수 있습니다.
  • 여러 분석 플랫폼에서 기준 변수를 손쉽게 생성하여 동일한 분석의 복사본을 여러 개 만들 수 있습니다. 따라서 한 번의 클릭으로 부분집합 분석을 여러 건 실행할 수 있습니다.
  • 파생 변수를 즉각적으로 생성하기 위한 변환. 데이터 분석 흐름을 유지하면서, 클릭 한 번으로 통계적으로 또는 수학적으로 변환된 여러 개의 데이터 열을 생성합니다.
  • 그래프 필터링 기능을 통해 그래프를 사용하여 다른 그래프를 필터링합니다.

실험계획법

"일대일 비교"에 의존해 실험을 계획하는 조직이 많지만, 유동적인 여러 요인들에 대해 하나의 상황을 다른 상황에 대비시키며 검증하는 것은 매우 느린 학습 방식입니다.

반면, JMP의 실험계획법(DOE) 기능은 거의 모든 현실 상황에 존재하는 다중 요인의 기회들을 조사하고 이용하기 위한 검증되고 실용적인 접근 방식을 제공합니다. 다중 요인의 실험을 통해 개별 요인의 영향뿐만 아니라 두 가지 이상 요인들의 결합된 영향까지 확인할 수 있어 최소 비용으로 보다 신속하게 학습하게 됩니다. JMP는 실험계획법을 위한 첨단 기능을 제공하므로 구체적 의문들에 답을 주는 최선의 실험을 계획할 수 있습니다. JMP는 실험 계획에 맞추어 손쉽게 사용할 수 있는 형태로 다양한 분석 기능도 제공합니다.

문제를 교과서적인 실험 계획에 끼워 맞추기보다, 가용 예산에 맞춰 실험 계획을 해당 문제에 맞게 적합화할 수 있습니다. 고유한 커스텀 디자인은시간, 예산 및 기타 실험 제약 조건을 비롯한 구체적인 조건을 반영하여 문제에 맞는 최적의 실험 계획을 구성합니다.

반응조의 온도나 옥수수밭의 위치와 같이 변경하기 어려운 변수가 포함된 분석 문제가 많습니다. 이런 경우 전적으로 무작위한 실험을 계획하려면, 해당 요인들에 대해 각각 실험 실행을 진행하고 재설정하는 것이 요구됩니다. 이러한 방식은 현실성이 없거나 비용이 터무니없이 높습니다. 이와 같은 상황에 가장 적합한 실험 계획은 분할 도표이며, JMP에서는 I-최적 분할 도표, 다중 분할 도표 및 분할집구 실험 계획을 생성할 수 있습니다. JMP에는 실험 워크시트가 들어 있는 테이블에 올바른 임의 효과 제한 최대 우도(REML) 모형이 포함되어 엄격하면서도 간단한 분석이 가능합니다. 분할 도표 실험 계획에 대해 이와 같은 수준의 유연성을 제공하는 다른 상용 소프트웨어 패키지는 없습니다.

JMP는 커스텀 디자인 외에 전통적(교과서적) 완전 요인배치법, 부분/선별 요인배치법, 블록화, 반응표면 분석법, 비선형 및 혼합물 실험계획법은 물론, 요인에 대한 부등식 제약 조건을 허용하는 군집 기반의 공간 충진 실험계획법과 같은 컴퓨터 시뮬레이션용 실험 계획 및 가속 수명 검사를 비롯한 고급 실험 계획도 지원합니다.

또한 JMP는 결정적 선별배치법을 구현한 최초의 소프트웨어 패키지입니다. 지난 20년 중, 가장 중요하고 새로운 수준의 실험 계획인 결정적 선별배치법은 미미하게 영향을 주는 "사소한 다수" 요인들로부터 중대한 영향을 주는 "핵심적 소수" 요인들을 효율적이고 신뢰성 있게 분리하는 데 사용됩니다. 결정적 선별배치법을 사용하면 기존의 2수준 선별배치법과 동일한 비용으로 주효과, 곡률 효과 및 이원 상호작용에 대한 정보를 얻을 수 있습니다.

이전 방식으로는 이와 같은 분석을 시도하기조차 어려울 것입니다.

통계 모델링

통계 모형은 데이터를 신호와 잡음으로 구분함으로써 추세와 패턴을 축약해 줍니다. 따라서 비즈니스 현황, 경쟁 현황, 고객에 대한 정보를 효과적으로 파악할 수 있습니다. 이와 같은 지식을 바탕으로 최상의 조치를 취함으로써 더 손쉽게 비즈니스 성장을 도모할 수 있습니다.

유용한 모형을 구축하는 과정은 과학과 예술이 융합된 작업입니다. JMP에는 유용한 모형을 간편하게 구축할 수 있는 다수의 통계 플랫폼이 포함되어 있습니다. JMP에서는 공정에서 변수들 간의 관계를 파헤치는 다양한 방법들을 이용해 예측을 할 수 있을 뿐만 아니라 최상의 성과를 산출하는 요인 설정을 파악할 수 있습니다. JMP에는 선형 모형과 비선형 모형을 적합화하는 다양한 방법이 포함되어 있으며, 이러한 다양한 적합화 도구는 데이터가 어떤 관계를 나타내든 올바른 결정을 내릴 수 있도록 지원합니다.

JMP 모형 적합화 툴킷의 핵심 구성 요소는 다중 모형 적합 플랫폼입니다. 다중 모형 적합을 사용하면 모형 항을 구성하고, 표준 최소 제곱 적합, 단계별 모형 및 가능한 모든 모형을 포함한 여러 방법 중에서 적절한 방법을 선택할 수 있습니다. 상호작용 방식의 모형 편집 기능을 이용해 드래그-앤-드롭 방식으로 손쉽게 모형을 구축합니다. 또한 MANOVA, 반복 측정 모형, 일반화 선형 모형, 로그 선형 분산 모형, 로지스틱 회귀 모형(명목 및 순서) 등 다른 모형도 구축할 수 있습니다.

JMP는 REML을 사용하여 임의 효과를 포함하는 혼합 모형을 적합화하며, 주성분, 다중 대응 분석, 부분 최소 자승법, 군집, 문항 분석, 분할 모형 등 고급 다변량 모델링 기법도 지원합니다.

단순 모형 적합 플랫폼은 단일 입력과 단일 반응(출력) 간의 종속성을 모델링하기 위한 것입니다. 이 플랫폼은 단순 선형 회귀 분석, 로지스틱 회귀 분석, 분산 분석, ANOM 및 분할표 분석을 지원합니다. 이 모형은 사용된 변수의 모델링 유형에 반응합니다. 따라서 만약 다중 모형 적합이 제공하는 제어 기능이 필요 없으면, 일반적으로 사용되는 많은 방법들이 통합됩니다.

정리되지 않은 데이터에서 유의미한 결론을 도출하려면 변수나 반응을 하나씩 일일이 조사해 핵심 인자를 찾는 고된 과정을 거쳐야 하는 경우가 많습니다. 그리고 데이터에 결측치나 이상치가 있을 경우 문제는 더 복잡해집니다.

JMP는 하나의 X에 대응하는 Y가 수천 개에 달하는 경우 자동으로 변경하는 옵션을 제공하여 많은 열을 포함하는 모형을 손쉽게 만들 수 있도록 지원합니다. FDR(False Discovery Rate)과 같은 현대적인 유의성 조정 기법은 유용한 결론을 도출하는 데 도움이 됩니다.

JMP 곡선 적합 플랫폼을 사용하면 많은 수의 모형을 데이터에 맞춰 적합화할 수 있습니다. 소프트웨어의 기본 제공 라이브러리를 통해 많이 사용되는 생물 검정 및 약동학 모형을 매우 간단히 적합화할 수 있습니다. 적절한 함수 열을 정의하여 거의 모든 비선형 모형을 적합화할 수 있습니다.

JMP의 고급 모형 적합화 기능으로는 신경망 모형(신경망 플랫폼)과 결정 트리(분할 플랫폼)가 있습니다.

데이터에 적용해야 할 모델링 기법이 무엇이든 JMP에서는 유용한 모형을 쉽고 빠르게 구축할 수 있습니다.

가정 상황(what-if) 분석

변화를 이끌어내지 못하면 모형을 구축하는 의미가 없습니다. JMP에서는 모형 결과를 전달하고, 가정 상황(what-if) 또는 시나리오 분석을 시각적으로 수행하여 예측된 반응과 각 요인이 반응에 미치는 영향을 파악할 수 있습니다. 또한 구축 방식에 관계없이 모형과 상호작용할 수 있는 동적 도구인 프로파일러를 통해 반응 표면을 시각적으로 탐색할 수 있습니다. 프로파일러를 사용하면 요인이 예측된 반응에 미치는 영향을 살펴보고 반응 표면의 횡단면을 표시할 수 있습니다.

또한 JMP는 다음 기능도 지원합니다.
  • 반응에 대한 만족도 함수를 설정한 후 반응 전반에 걸쳐 결과를 극대화하는 요인의 최적 설정을 찾습니다. 또는 비용 및 수율과 같이 반응 간에 상충되는 경우를 상호작용 방식으로 검토할 수 있습니다.
  • 몬테카를로 시뮬레이션 기법을 사용하여 반응의 분포가 불확실한 경우의 위험을 예측합니다. 22가지 임의 분포 중에서 연속형 변수와 범주형 변수의 임의 확률에 대한 것을 선택하고, 클릭 한 번으로 시뮬레이션 결과를 데이터 테이블에 손쉽게 저장할 수 있습니다.
  • 기회 공간을 채운 후 실현 가능 영역을 표시하도록 필터링할 수 있습니다.
  • 더 전문적인 다른 프로파일러를 사용하여 예측된 반응을 시각화합니다.
  • 상호작용 방식 HTML 또는 Flash 내보내기 기능을 통해 JMP를 사용하지 않는 사람과도 가정 상황(what-if)에 대한 분석 결과를 공유할 수 있습니다.

신뢰성 분석

검증된 기법을 사용하여 시간 경과에 따른 제품의 성능 추이를 완벽하게 파악하는 가장 중요한 목적 두 가지는 고장을 방지하고 보증 성능을 개선하는 것입니다. JMP는 재료나 공정의 결함을 정확하게 찾아내는 데 도움을 줍니다. 또한 설계상의 취약성을 파악해 최상의 수정 방안을 알아내는 데에도 도움을 줍니다.

제품과 부품의 신뢰 수명 예측에 사용하기에 가장 적합한 분포를 결정해야 합니까? JMP는 방대한 신뢰도 분포를 자동으로 평가하여 최적의 적합을 찾습니다. JMP의 수명 분포 분석 기능을 사용하면 비모수적 분포와 다수의 모수적 분포를 지정하고 시각적으로 적합도를 비교할 수 있습니다.

JMP는 신뢰성 분석을 위한 풍부한 기능들을 포함하고 있습니다.
  • 수명 분포 적합화
  • 단일 요인을 사용한 수명 분포 적합화(예: 가속 고장 모형)
  • 수리 가능 시스템의 고장 재발 분석 수행
  • 제품 성능 저하, 파단 열화 모델링
  • 생존 모형, 모수적 생존 모형 및 비례 위험 모형 추정
  • 가속수명 시험(ALT)에 대한 실험 계획
  • 신뢰도 성장에 대한 Crow-AMSAA 분석 수행
  • 고장 데이터로 보증 제품의 반품 예상
  • 여러 개의 유사한 시스템을 연구하는 동시 시스템 분석
  • 시스템 및/또는 단계별로 여러 개의 독립적인 시스템에 대해 신뢰도 성장을 분석하고 비교하는 병렬 시스템 분석  

품질 및 공정 엔지니어링

시장에서는 끊임없는 품질 개선을 요구합니다. 제품 개발기간을 가속화하고, 고객 불만을 최소화하여 브랜드의 명성을 유지하며, 꾸준히 고객의 기대치를 충족하거나 상회하는 제품과 서비스를 공급하기 위해 부단히 노력하는 이유가 바로 여기에 있습니다. JMP는 품질 보증 프로그램의 핵심이 될 여러 필수 도구를 통해 광범위한 관련 그래픽 기능과 통계 기능을 제공합니다.

종류별로 다양하게 갖추어진 관리도를 사용해 공정을 모니터링하거나, 고유한 관리도 빌더에서 드래그-앤-드롭 도구를 사용하여 상호작용 방식으로 관리도를 작성할 수 있습니다. 관리도 빌더에서는 그래프 빌더와 유사한 워크플로우를 통해 공정 데이터에 대한 가정 상황 분석을 수행하고, 여러 하위 그룹 및 단계 변수와 그 변수가 공정에 미치는 영향을 조사할 수 있습니다. 정적 관리도로는 불가능한 방식으로 문제를 파악하게 됩니다.

측정시스템 분석 플랫폼은 Donald J. Wheeler의 측정 공정 평가(EMP)를 비롯한 여러 분석 기법을 지원합니다. 그 외 다른 품질 분석 기능으로는 게이지 R&R 분석과 파레토 차트를 생성하는 기능이 제공됩니다. 간편하게 측정 공정의 변동 원인을 시각화하고 제품 결함을 평가하며 공정의 안정성을 모니터링할 수 있습니다. JMP를 사용하여 이상 상태를 조사하고 근본 원인 분석을 수행할 수도 있습니다.

소비자 및 시장 조사

마케팅은 그 과정에서의 세부 역할과 상관없이, 디지털 기술의 유입에 의해 복잡해지고 빠르게 진화하고 있습니다. 하지만 가장 수익성이 높은 성장 기회를 찾아내고, 최상의 제품과 서비스를 개발하고, 최적의 마케팅 방식을 취하며, 비즈니스 간 영향력을 극대화해야 한다는 핵심 이슈들은 지속됩니다. 경쟁력을 유지하려면 소셜 미디어를 통해 브랜드를 홍보하고 고객 피드백에 귀를 기울이며 제품과 서비스에 반영해야 합니다. 탐색적 조사, 기술적(descriptive) 조사 및 인과 조사 중 어떤 방식을 사용하든, 1차 자료를 사용하든 아니면 2차 자료를 사용하든, JMP는 측도화된 또는 비측도화된 정량적 데이터에서 쉽고 빠르게 가치를 끌어낼 수 있는 포괄적이고 다양한 도구를 제공합니다.

JMP에서 소비자 조사를 수행하는 데 사용되는 기능은 다음과 같습니다.
  • 트랜잭션 데이터의 예측 모형을 구축하는 최신 데이터 마이닝 기법
  • 범주형(설문조사) 데이터 분석
  • 프리 텍스트의 단어 수 집계, 분류 문제에서 서술을 예측 변수로 사용하도록 열로 변환
  • SPSS와 Triple-S를 비롯한 다양한 외부 파일 형식 데이터를 가져오는 기능
  • 클릭 한 번으로 단순, 관련, 다중 및 구조화 반응 설문조사 문항 분석 수행
  • 소비자의 피드백에 근거해 상품 디자인을 최적화하는 선택 컨조인트 계획
  • 요인 분석
  • 분류 및 군집화(k 평균 및 계층식)
  • 다중 대응 분석

분석자의 통계 전문 지식 수준에 무관하게, JMP는 소비자에 대한 새로운 통찰을 신속하게 파악하도록 돕습니다. 또한 이해관계자들에게 전달해 합의와 조치를 유도할 수 있습니다.

결과 공유

일단 정교한 분석을 완료한 후에는, 시각적 분석용으로 기본 도구들을 활용하는 것이 결과 전달 및 조치의 유도에 가장 효과적입니다. JMP의 상호작용성은 그래프 자체만이 아니라 그래프의 의미까지 공유할 수 있는 도구를 제공합니다. 따라서 복잡한 결과를 명확하게 전달할 수 있습니다.

일례로, 프로파일러를 사용하면 바로 해석하고 활용할 수 있도록 모형의 의미를 전달할 수 있습니다. JMP 그래프를 보는 사람은 데이터에 어떤 정보가 담겨 있는지 파악하고, 질문을 통해 여러분이 발견한 정보와 모형을 더 깊이 있게 이해할 수 있습니다. 따라서 데이터의 가치 확인과 최선의 의사결정이 더욱 용이해집니다.

JMP를 사용하지 않는 사람에게 분석 결과를 전달하는 옵션도 다양하게 제공됩니다. JMP의 시각화된 자료를 iPad®용 그래프 빌더에 공유하여 이동 중에도 살펴볼 수 있습니다. 클릭 한 번으로 PowerPoint 자료를 생성하거나, 상호작용 방식의 다양한 JMP 보고서를 생성해 브라우저가 있는 어떤 기기에서든 간편하게 볼 수 있습니다. 또한 JMP에서는 프레젠테이션이나 출판물에 바로 사용할 수 있는 그래픽을 다양한 파일 형식으로 만들 수 있습니다.

대시보드를 통해 결과를 쉽고 빠르게 보여줄 수 있습니다. 원클릭 대시보드 빌더 기능으로 여러 JMP 보고서를 하나의 대시보드에 취합하여 프레젠테이션에 바로 사용할 수 있습니다. 특정 그래프를 사용하여 다른 그래프를 필터링하는 선택 필터를 클릭 한 번으로 신속하게 표시합니다.

자동화 및 스크립팅

JMP 사용자 커뮤니티에서 아이디어, 스크립트, 애드인(Add-In)을 공유하십시오.

소프트웨어를 구매할 때 초기의 필요에만 딱 맞게 구입함에 따라 확장이 불가능할 경우에는 금방 구식이 되므로 비싼 교체 비용이 발생합니다. JMP는 대량 맞춤화를 위한 여러 가지의 기본 및 고급 기능을 포함하고 있습니다. 그 중에는 사용량 증가나 조직의 발전에 따라 발생하는 독특한 당면 과제들을 다루기 위해 소프트웨어를 확장하는 기능도 있습니다.

기능이 풍부한 JSL(JMP Scripting Language)을 사용하면 상호작용 방식으로 작업하고 재사용을 위해 결과를 저장할 수 있습니다. 파워 유저는 JMP에 내장된 기능이 다루지 않은 문제들을 해결하기 위해 새로운 기능을 개발할 수 있습니다. 이들 사용자 정의 스크립트로는 SAS®, MATLAB 또는 R과 같은 다른 응용 프로그램들의 기능을 통합할 수도 있습니다.

JMP의 자동화 및 스크립팅 도구는 다음 기능도 지원합니다.
  • 코드 작성 없이 분석 보고서를 재생성할 수 있는 스크립트를 저장합니다.
  • 테이블에 저장된 스크립트를 이용해 나중에 분석 단계를 참조하거나 다른 사람에게 워크플로우를 설명하는 재현이 가능합니다.
  • JMP에서 완전히 새로운 기능을 개발합니다. JSL과 스크립팅 도구들을 이용해 지금까지 상상도 못했던 기능을 구현할 수 있습니다.

스크립트를 작성한 후에는, 모든 기능을 완벽하게 갖춘 JSL 디버거를 이용해 코드를 한 줄씩 넘어 가면서 상호작용 방식으로 변수를 조사하여 스크립트가 의도대로 작동하지 않는 이유를 확인할 수 있습니다. JSL 프로파일러를 사용하여 스크립트의 성능을 세부 조정하고, 최상의 효율과 속도를 위해 상호작용 방식으로 코드를 최적화합니다.

나만의 JMP® 구성

본인의 의도에 맞게 작동하도록 소프트웨어를 구성하면 작업 생산성을 높일 수 있습니다. 일관성 있는 설정이나 그래프 출력, 나아가 색상표조차도 데이터 분석에 필요한 단계들을 줄여줄 수 있습니다. JMP는 플랫폼 내에서 글꼴, 그래픽 옵션, 세부 설정을 조절할 수 있는 폭넓은 기본 설정 기능을 제공합니다. 내게 꼭 맞는 분석 환경이 만들어지는 것입니다. 일상적으로 사용하는 분석 도구와 메뉴만 표시하도록 선택할 수도 있습니다. 사실 다음을 비롯한 JMP의 모든 측면을 사용자에 맞게 지정할 수 있습니다.

  • 그래프 축 설정, 스타일, 그래프 및 색상
  • JMP 보고서에 표시되는 통계 및 그래프 요소
  • 사전 정의할 수 있는 가져오기 설정 - 새로운 데이터를 즉시 사용 가능한 형태로 신속하게 가져옴
  • 스크립팅 및 응용 프로그램 개발 환경

분석 허브: SAS®, MATLAB 및 R과의 통합

SAS 제품군 중의 하나로, JMP는 SAS의 독보적인 기능들과 원활하게 연동되는 인터페이스를 제공합니다. SAS의 심층 분석, 보고 및 데이터 관리 기능은 데스크톱 소프트웨어인 JMP의 기능을 서버 및 그 밖의 영역으로까지 확장시켜 줍니다. JMP를 다른 분석 도구와 함께 사용할 수도 있습니다. 여기에는 MATLAB의 성능을 완벽하게 활용하는 인터페이스, R의 DLL과 다양한 전문 라이브러리에 대한 완전한 호출 인터페이스가 포함됩니다. JMP는 손쉽게 이와 같은 리소스에 접근하여 동적 데이터 시각화와 분석을 위한 결과를 가져올 수 있습니다. 또는 알고리즘이나 함수를 JMP 워크플로우에 매끄럽게 통합하여 SAS, MATLAB 또는 R을 JMP의 일부인 것처럼 사용할 수 있습니다.

데이터가 스프레드시트로 저장되어 있는 경우는, Microsoft Excel용 JMP 추가 기능(add-in)을 사용하여 Excel에서 JMP로 데이터를 손쉽게 이동하거나 JMP용 프로파일러를 스프레드시트 모형에 사용할 수 있습니다. 즉, JMP 시각화 기능의 이점을 활용해 데이터의 질을 향상시킬 수 있습니다.

시스템 요구 사항

JMP는 Microsoft Windows와 Mac OS에서 실행되며, 32비트 시스템과 64비트 시스템을 모두 지원합니다.

Back to Top