数据表更新
作为JMP的核心功能，数据表已完成重大升级，涵盖数据网格、行、列及脚本面板。您可更高效地管理列元数据，通过筛选直接查看目标行而无需创建额外表格，并借助更直观的数据网格轻松浏览数据。
新增数据表功能还可实现：
为列分配标签以优化组织。单列可分配多个标签，并可包含描述、符号、颜色及列属性。标签将显示于数据表的列面板、启动窗口及列管理器中。
创建并管理筛选视图。轻松定义筛选器以探索行子集，将筛选器保存至数据表，并在实时监控报告更新时切换视图。
更灵活地筛选列。列面板和数据网格的更新让您能更精细地控制列的显示与管理方式。
分组列与脚本。使用嵌套分组来组织列和脚本。列组现在也可在数据网格中显示。
更高效地编辑文本。新增的编辑窗格使查看和修改长文本值变得更轻松。
数据连接器更新
访问数据通常是工作流程中最耗时的环节之一。由于数据难以获取、需要与IT部门协调或难以组织成有意义的格式，宝贵数据有时会被排除在分析之外。数据连接器能简化数据访问流程，无论数据存储于何处。近期改进使批量定制数据连接器变得轻松，并支持在组织内部及JMP Live平台共享这些连接器。
数据连接器现包含：
SAS集成：通过数据连接器接口导入SAS数据（包括SAS CAS和SAS Viya）。
SAS 9.4查询构建器：新增对SAS Viya的支持。
Python接口：用于操作查询构建器和Open Table。
Amazon S3与OneDrive/SharePoint数据连接器（可在JMP Marketplace获取）。
专为Snowflake设计的数据连接器。
SQL提交窗口，支持Snowflake及任何兼容ODBC驱动程序（如PostgreSQL和SQL Server）。
支持从AspenTech InfoPlus.21数据历史服务器导入数据。
Python与扩展功能
JMP的Python集成旨在简化编程流程，使科学家和工程师能够专注于分析工作。此次集成经过重大改进，提供了更丰富的数据访问选项、更优化的JSL集成、更广泛的对象处理能力以及更高效的Python包管理。
JMP的Python接口具备以下特性：
通过SASPy包恢复SAS集成支持，可访问远程SAS 9.4服务器、本地SAS会话及SAS Viya实例。
集成 SAS 9.4 程序编辑器，支持提交 SAS 代码。
在 JMP 窗口中以 HTML 格式显示 SAS 生成的报告。
通过 SAS 查询生成器访问 SAS 数据集。
通过 Python 集成支持 R 语言。
自动安装 R 依赖项并优化数据传输。
注：MATLAB 集成功能即将推出。
环境监测
在生命科学制造领域，环境监测是污染控制的关键环节，旨在确保产品符合最高质量标准。监管机构日益强调在监测系统中采用基于风险的方法和先进技术。其目标在于检测关键区域的微生物和颗粒污染物，随着科学家处理的计数数据量不断增长，强大的工艺筛选至关重要。
工艺筛查功能已增强至：
分析不符合正态分布的数据（计数、比例及非负连续型数据）。
自动应用最优分布模型。
支持用户计算标准警报限值（0.975分位数或2倍标准差控制限）、标准行动限值（0.9985分位数或3倍标准差控制限），采用基于历史数据的自定义限值，或遵循监管机构指导原则设置限值。
实施污染早期预警机制，例如“连续两次警报且数值递增”。
在更灵活的限值表中支持部分分组变量。
将缺失值视为分组变量的量级。
以选定形式或微图形式展示图表以增强交互性。
为JMP Live就绪性以选定形式展示图表。
JMP Pro 新功能
JMP Pro 持续为您提供先进的数据科学工具，助您应对最复杂的分析挑战，包括高级预测建模、机器学习和扩展的分析功能。
全新贝叶斯优化平台
采用迭代序列学习方法的创新实验与优化框架。JMP中的贝叶斯优化以目标为导向，可基于现有数据构建模型，并在目标达成时终止实验，从而节省时间和资源。了解更多。
功能性数据探索平台更新
参数化峰值建模：运用卷积技术建模光谱等复杂函数。支持高斯、洛伦兹、非对称高斯及平台高斯等函数类型。
基线校正扩展：通过统计敏感非线性迭代峰值截取（SNIP）或交替重权最小二乘法（ARWLS）实现自动基线校正。新增加载已知基线进行去除的功能选项。
Fit Model平台新增因果处理功能
因果推断旨在确定变量间的影响关系及其作用机制，通常用于评估干预措施的效果。通过引入倾向性评分，该功能可通过差异调整实现组间公平比较。了解更多因果处理及因果推断估计器的选择方法。
混合模型与广义线性混合模型增强功能
混合模型中的稳定性/保质期分析。
广义线性混合模型中引入序贯逻辑斯蒂分布。
JMP Clinical 新功能
JMP Clinical 通过高级统计分析和高度交互式可视化工具，简化临床试验的安全性和有效性分析。此外，它还能利用数据质量和基于风险的监测报告，检测异常的试验点/患者模式。最新版本新增七种报告、一套灵活的输出工具插件以及强大的验证功能。
新增报告：
复发分析：可视化不良事件随时间重复发生的情况及不同治疗方案间的差异。
邻近事件：识别自定义时间窗口内选定参考事件点附近的事件或干预措施。
共发分析：评估不良事件与药物间的重叠关系以揭示规律。
动态生存分析：提供事件发生时间数据的交互式摘要，展示对中期分析时点的敏感性。
亚组筛选：图形化探索不同亚组间的治疗效果差异。
药代动力学：追踪药物浓度变化，通过非隔室模型分析估算参数。
医学查询分布：以表格和图表形式展示按医学查询分类的不良事件计数。
研究增强功能：现支持CDISC Dataset-JSON v1.1格式及增强的国际字符集。
新增功能：
双重编程验证：将报表输出与独立编程的表格进行比对，增强质量控制。
配置检查：验证用户路径设置，简化文件夹访问故障排查流程。
JMP Live 新功能
借助 JMP Live 的控制图监控与分诊功能，您可以确定哪些流程真正失控或需要立即关注。通过对控制图进行分诊，您的团队能够将资源和精力集中于最关键的问题，从而实现更高效的问题解决和流程改进。
深入了解控制图监控
JMP Live中的流程筛选功能可轻松查看多个流程，并交互式选择特定流程进行深入分析（例如，详见环境监测章节）。JMP Live统计过程控制（SPC）模块提供统一视图，实现流程评估、优化与追踪。
深入了解JMP Live中的流程筛选功能
JMP Live的其他改进包括：
关联数据表现支持设置表刷新依赖项
数据刷新与导入脚本新增Pure Python支持
JMP Live内直接管理插件更便捷
可筛选近期浏览/收藏的帖子或含控制图警告的帖子
自定义报告再生成脚本
