回首页 | 网站地图 |   Blog
客户评价
  • 委托文华轩公司博士老师设计一款matlab程序代码,经过博士老师的努力,调试结果表明非常吻合需求。对文华轩博士老师高水准的程序设计能力表示感谢。
    张博士
    来自: 中科院福建物构所
  • 和文华轩公司博士老师合作1年多了,无数的稿件经过博士老师的翻译,实践证明,文华轩博士老师学术论文翻译能力非常强,让人高兴。以后还选择文华轩公司学术论文翻译服务。
    梅子
    来自: 林肯大学
  • 论文问题让我困恼不已,在百度网上看到文华轩公司提供论文修改服务,实践证明,修改结果非常理想,让我非常满意。以后还选择文华轩公司论文修改服务。不想统计公司论文修改水准这么高。
    梁小姐
    来自: 华南理工大学
  • 碰到数据的处理难点。在文华轩博士老师的努力下,顺利解决问题。感谢博士高水准的服务。以后还选择文华轩数据处理服务。
    阔小姐
    来自: 新北
  • 碰到论文问卷统计分析难点,束手无策;在雅虎看到文华轩公司博士老师协助跑统计分析,在老师的努力下,终于解决了问题,了却我的心头之愿,真是感谢。
    史小姐
    来自: 高雄
  • 一组医学数据需要跑统计分析,选择文华轩统计公司的博士老师,在老师的辅导和帮助下,顺利跑出结果,对文华轩博士老师的优质统计分析服务表示感谢。
    林小姐
    来自: 台北
  • 委托文华轩公司协助完成论文apa格式修改,在博士老师的努力下,格式修改得到规范处理,让我学习到不少东西,感谢。
    张小姐
    来自: 高雄
  • 委托博士老师设计OFDM系统,然后以BPSK/QPSK 调变 来跑出BER IFFT的SIZE是256bits,CP是32bits。实践证明,用matlab模拟的波形吻合要求。在此表示感谢。
    张先生
    来自: 新北
  • 委托文华轩公司博士老师协助设计vensim模型的设计,结果比较满意。
    林先生
    来自: 台北
  • 委托文华轩博士老师设计德尔菲问卷和问卷数据分析,结果比较满意,非常感谢。
    杜小姐
    来自: 新北
  • 委托文华轩统计公司完成大陆的问卷调查和问卷数据分析服务,结果比较满意。文华轩公司优质的问卷调查水准让人满意,以后还推荐文华轩公司。
    杨小姐
    来自: 雄狮旅游集团
  • 委托文华轩博士老师协助完成数据的处理和数据的分析。在老师的协助下,顺利完成,结果比较满意。
    林先生
    来自: 新北
  • 碰到论文摘要翻译,一点点小问题难倒我,在文华轩博士老师的协助下,把摘要顺利翻译完成,感谢老师的协助。
    陈老师
    来自: 吉林师范大学
  • 委托文华轩博士老师完成问卷数据的统计分析;在老师的协助下,完成了分析结果;比较满意;以后还推荐文华轩统计公司的问卷数据分析服务。
    陈博士
    来自: 台北护理健康大学
  • 碰到fuzzy delphi问卷数据分析,难倒我了,束手无策;在雅虎上看到文华轩公司提供论文数据分析协助服务,把数据发给老师,在老师的辅导和帮助下,顺利完成数据分析,对文华轩博士老师高水准的服务表示赞赏。
    沈博士
    来自: 新北
  • 有一组实验数据,需要跑数据分析和数据处理。委托文华轩公司博士老师协助完成,在博士老师的努力下,顺利完成,感谢文华轩博士老师高水准的数据分析能力。
    李小姐
    来自: 郑州烟草研究院
  • 设计一个贸易模型,需要协助完成matlab程序设计和仿真,在老师的努力下,得到顺利解决;对文华轩博士老师高水准的matlab程序设计能力表示赞赏。
    罗老师
    来自: 台湾大学
  • 碰到一组犯罪数据的处理,在文华轩博士老师的努力下,顺利完成,对文华轩博士老师高水准的数据处理能力表示赞赏!
    庄老师
    来自: 中国人民公安大学
  • 委托文华轩博士老师完成数据处理,结果比较吻合实际情况,感谢有这么好的老师辅导数据处理。对结果很满意。
    李小姐
    来自: 三军总医院
  • 委托文华轩公司博士老师完成学术论文翻译,在博士老师的努力下,顺利完成,价格不贵。感谢文华轩博士老师的协助。
    李博士
    来自: 中科院
  • 碰到论文的统计分析难点,自己解决不了;在百度上看到文华轩统计公司提供论文数据的统计分析协助,把数据发给博士,在博士老师的辅导和帮助下,顺利跑出结果,感谢文华轩公司博士老师的辅导和协助。
    陆小姐
    来自: 中国人民大学
  • 委托文华轩博士老师协助翻译一篇硕士论文,翻译的结果让人满意,感谢文华轩博士老师的协助。以后还推荐文华轩学术论文翻译服务。
    李小姐
    来自: 广州
  • 碰到专业的论文问卷数据统计分析,素手无策;在网上看到文华轩公司博士老师提供论文问卷数据统计分析协助,把原始数据和问卷表发给博士老师,在老师的努力和辅导下,顺利通过答辩。感谢文华轩博士老师论文问卷数据分析协助服务。
    卢小姐
    来自: 中国人民大学
2018-02-24 18:14:52 | 生物统计分析服务公司

生物统计分析服务公司

这一共十二个模块涵盖了生命科学领域所需的数据整理、数据分析、SAS编程、JMP数据可视化图形界面等全部内容。其安装模式与其他传统SAS模块一样,既可以单机安装,又可以客户端、服务器的模式安装。尽管SAS对这个打包产品的价格三缄其口,但一些迅速购买该产品包的客户透露“和以往相比,其价格令人惊喜”。对于价格敏感型客户来说,厂商这种为推广新策略而进行的促销的确是降低采购成本的好机会。

同时,SAS公司网站也宣称“JMP/SASClinicalJMP(药物评审员的不二之选)和SAS(制药业生物统计学家的标准分析与报告工具)的完美结合”。至此,SAS的策略可见一斑。

功能上,JMP/SAS Clinical能通过JMP菜单进行“pointclick and discover”式数据分析,所有鼠标操作会在后台自动记录为JMP程序,以便反复调用;也可以直接沿用过往已经写好的SAS程序;对于SAS程序员来说,还可以继续编程。以前SAS给人的大致印象基本上是程序员和统计学家的工具,而其他业务人员(比如药物评审员、临床医生、流行病学家、生物测定小组成员,数据监察员和任何想理解临床研究结果的人)使用传统SAS软件的准入门槛教高,学习曲线相对陡峭而难于尽快熟练掌握。JMP/SAS CLINICAL的使命似乎不仅仅在于取悦传统用户,让分析和编程工作更简单和高效,其精美的图形也很有利于对统计结果的解释和沟通,还在于让大量非统计专业人员得以轻松使用SAS强大的统计分析性能而又不必经受漫长而痛苦的学习和培训过程。

下一代数据分析?

那么,所谓的“下一代数据分析平台”,其实就是以生物统计所常用的SAS模块为基础,对软件进行了改造和封装,辅之以行业标准和优化的分析能力,降低使用门槛,提升专业性,在深度和广度两个维度同时发力。笔者个人理解,“下一代”的提法应该和SAS基本模块多年来在用户友好、可视化、交互性分析等方面的进展较慢有关,而JMP在易用性,交互性、探索性数据分析(EDA)等方面与传统SAS模块(如SASGRAPH)相比可谓后来居上,正好在这些方面提供了很好的补充。而这些方面多年来也一直是很多传统统计软件倍受用户抱怨的地方:难学,难用,展示效果也亟待提升。

比如,在临床试验的药审工作中,美国FDA要求对于受试对象的年龄、性别、种族等信息进行分析,并以如下图表的形式展示:

而在JMP/SAS CLINICAL中,既可以用上述图形/图表展示,交互式的数据分析又可以通过点击图形中SEX变量下的M或者F,被点击选中的这些数据的在其他变量维度(Age Race)中会自动变色,对应的数据行在后台也被同步选中,病人情况的展示也会很清晰和完全;若要进行下一步的子集化、分组以便进行进一步探索也很方便。

在“韦氏图”和“火山图”里,无论是考察个体之间的关系还是探索不良反应的程度,JMP/SASCLINICAL提供的图形都比传统图形手段更为清晰直观,交互性也更强,为在这些重要分析步骤有效地中“探索”和“发现”临床数据中的重要信息提供了可能。

据笔者了解,JMP作为SAS旗下主打数据分析可视化和交互性的软件部门,一直在走一条与传统SAS模块化策略不同的道路:敏捷计算+可视化+交互式。JMP继承了SAS在分析和建模领域的巨大优势,沿袭了SAS的数据挖掘和传统统计功能,在DOE(试验设计)等高级分析领域一直独占鳌头,近10年来在图形和交互式分析方面也有明显的进步。其运行性能(速度、稳定性等)堪称优秀,所处理的数据量也从原先的42亿行65535列升级到软件本身对数据无限制――也就是取决于内存大小。

那么,这一新动向能否给SAS带来预期的效果?其背后是否有更高层面的策略?

也许先看看其他行业会帮助我们理解这一动向。在对分析能力和数据吞吐量更高的银行业,SAS的数据挖掘平台长期以来一直是行业标准。20115月初,SAS总部宣布一项新的产品战略,在SAS ENTERPRISE MINDER(企业级数据挖掘平台)上加入JMP产品。并且,和这个产品策略相对应,推出了“探索性数据挖掘”的概念。 这个举动不由令人产生简单的联想:JMP/SAS Clinical SAS ENTERPRISE MINER两个SAS引以为傲的拳头产品和核心竞争力,都已经和JMP融合,除了这两款拳头产品,SAS旗下的一系列主打产品包括SAS VBI SAS VDDSAS MLA等,都是在传统SAS模块的基础上融合JMP而形成的新一代产品。这种把传统数据分析融入可视化交互式数据探索的举动,是不是SAS新的产品策略?

反观全球统计分析业界,商业智能新秀TIBCO并购了SPLUSSPOTFIREIBM并购了SPSSCOGNOSORACLE并购了Hyperion――这些并购是否昭示着传统统计分析与图形、可视化能力的结合这一趋势已经在全球范围内实实在在地发生了呢? 站在这样的角度,跳出“生物统计”的小圈子,不难发现,数据分析正走向一个全新的方向:分析可以是文本的,图形的,而不再只是数据表的。

就此,笔者相信,“下一代数据分析”这种提法,无论是否真正成为几大巨头的产品策略并不重要。事实是,在数据分析领导者JMP/SAS和传统IT巨头IBM ORACLE等的推动下,大幕已经就此拉开。这一潮流的第一登陆点,似乎并非金融和电信,而是我国十二五规划中重点发展的生物医药行业。

中国生物医药数据分析的机会与挑战

和其他科技领域一样,我国的技术界习惯了“引进一流技术与设备”,或者“业界老大用什么,我们就用什么”。这种依赖国外同行的选择来降低决策风险的做法,一段时期曾经起到过相当积极的作用。只是在创新领域,永远模仿竞争对手的做法,只能产生跟随者,而不是创新。

我国药品新的注册管理办法的核心就是要保证药品质量,鼓励新药创新和遏制低水平的重复。生物制药的创新和自主研发,需要药企和研发机构在以临床医学(包括治疗、诊断、伦理等)为基础,并丰富以药学、药理学、毒理学、药代动力学、生物统计、现代生物技术、信息学等的各学科方面都有足够的积累和深入研究。在数据分析方面,先进的生物统计方法加上计算机软硬件技术的飞速发展,可以实现由工具层面的升级到生产/研究方法的革新。

反观国内大学的生物统计和其他类型的应用统计教学,基本上都是数学学科的延伸。阐述数理统计原理的要求,远远高于了应用数据分析方法的要求。这一特征使得我国培养的数据分析人员,在数据分析的应用和拓展方面,创新能力不够,思路课本化、程式化。在商业领域,无论是临床数据分析还是银行数据分析,都更倾向于:

1. 采用SAS编程的手段进行分析,过于强调编程的必要性和重要性

2. 分析过程仍然以“带着问题找结果”的逻辑展开

3. 在分析结果的沟通和展示上,以部分传统统计分析图形和数据表为主

4. 部分数据分析和对结果的解释存在普遍误用乃至于错误

创新的一大特征就是绕开模式思维的盲点。摆脱传统思路和模式,用全新的方法、手段、工具去开展工作,其本身就是创新的一部分。药物研发水平的升级和创新密不可分。在数据分析层面,在部分保留传统编程手段的同时,恰当引入可视化、交互式而又更加强大的数据分析能力和方法,能否为我国生物制药领域的研究和发展提供一些创新的源动力?我们拭目以待。

 

  发表留言
电子邮箱: *
聯繫電話: *
验证码:
  最新留言
[ LIST | TOP ]