當我們從互聯(lián)網(wǎng)上獲取到獲取大量數(shù)據(jù)的時候，由于對數(shù)據(jù)本身缺乏了解，因而難以進行常規(guī)的數(shù)據(jù)分析，而探索性數(shù)據(jù)分析(EDA: Exploratory Data Analysis)能夠在這種情況下，通過同用戶的不斷交互，不斷探索，幫助我們獲取到有用的相關信息。

　　探索性數(shù)據(jù)分析是啟發(fā)式、開放式和完全動態(tài)的，它以數(shù)據(jù)為基礎，通過對數(shù)據(jù)的分解、過濾和計算等操作，幫助我們運用多種可視化的方法實現(xiàn)“讓數(shù)據(jù)說話”。JMP中的交互式圖形和數(shù)據(jù)管理工具是非常理想的探索性數(shù)據(jù)分析工具。更值得一提的是，即使面對的是海量數(shù)據(jù)，也不論數(shù)據(jù)中隱藏著何種信息，JMP特別的“In-memory”架構也能夠非常敏捷地對指令做出反應，使數(shù)據(jù)探索過程充滿樂趣。

　　圖1：探索性數(shù)據(jù)分析

　　◆基于實驗設計的產(chǎn)品設計

　　金融產(chǎn)品的風險和收益都受到諸多因素的影響，如何正確的認識這些因素，準確的度量這些因素的影響力，將為我們進行產(chǎn)品的設計和基于市場動態(tài)進行產(chǎn)品調(diào)整提供巨大的幫助。JMP 為用戶提供完全析因、篩選、響應曲面和田口設計表等經(jīng)典的實驗設計模型。幫助用戶在定義因子和響應之后，自動的進行試驗模型的選擇，并提供的一系列設計評估工具，例如預測方差刻畫和 FDS 圖，幫助用戶進行模型評估，確保實驗設計的正常性。此外，JMP還在構建好模型之后，通過各個刻畫器，以可視方式幫助我們確定可行的操作架構和因子設定點。一旦找到最佳點，就可使用集成的 Simulator 來了解其在實踐中的可靠性。

　　圖2：實驗設計刻畫器

　　◆對于業(yè)務過程的質(zhì)量過程監(jiān)控

　　金融產(chǎn)品的整個過程是否合規(guī)，也是保證金融風險的重要內(nèi)容。JMP 提供各種統(tǒng)計流程控制 (SPC) 圖來有效分離普通和特殊原因，幫助我們進行各種過程分析，包括問題調(diào)查、失控狀況和穩(wěn)定性持續(xù)監(jiān)控?？刂茍D生成器通過拖放操作以交互方式幫助用戶創(chuàng)建控制圖，使得我們可以輕松使用不同的圖表類型和分組策略來劃分變異源，并確定最合適的控制策略。此外，當面臨多個隨機變異源時，我們還可以利用控制圖生成器的互動性，實現(xiàn)靜態(tài)控制圖無法提供的方法進行性能評估。

　　圖3：質(zhì)量過程監(jiān)控

　　◆基于客戶風險等級的客戶分群

　　通過對客戶的行為特征進行分析，從中識別出風險影響因子，實現(xiàn)對客戶的分群，這樣將幫助我們更好的認識客戶，從而實現(xiàn)更好的客戶服務和產(chǎn)品銷售。JMP提供了決策樹、神經(jīng)網(wǎng)絡、分類模型等多種分類模型，幫助我們更好的進行客戶分群。此外，JMP 分類平臺還將分析報告同 JMP 中的數(shù)據(jù)過濾器一起使用，為用戶提供各種圖表的展示，為大型調(diào)查數(shù)據(jù)快速而簡便的查看方法。

　　圖4：客戶分群報告