| Desafío | Muchos trabajadores del sector tecnológico tienen un amplio trasfondo en ingeniería pero una experiencia algo limitada en análisis de datos avanzado. Sin embargo, existe una demanda creciente de enfoques estadísticos entre las empresas líderes a nivel mundial del sector. |
|---|---|
| Solución | Proporcionar formación sobre análisis estadístico aplicado a ingenieros e informáticos con experiencia desde su puesto de trabajo. La administración de NVIDIA incorporó un curso gratuito online de estadística, «Pensamiento estadístico para la resolución de problemas industriales» (STIPS por sus siglas en inglés), a sus programas de formación interna. STIPS no solo les ofrece un formato de estudio interactivo y a su propio ritmo, además les familiariza con JMP®, un software estándar del sector. |
| Resultados | Pete Cannon, director sénior de Ingeniería de calidad del producto y Sistemas de gestión de calidad, declara: «STIPS es un equilibrio excelente entre teoría estadística y aplicación práctica de JMP para resolver problemas habituales con los que lidian muchas empresas de forma rutinaria». |
El sector de los videojuegos es un destino anhelado por muchos profesionales de la computación y la ingeniería informática, no solo por las oportunidades de trabajo atípicas sino por la capacidad para innovar. Durante las últimas tres décadas, buena parte de las innovaciones del mundo real, desde la IA a la robótica, nacieron al menos en parte en el desarrollo de la industria del videojuego.
Fundada en 1994 con el objetivo de transformar los gráficos de ordenador para videojuegos, el ascenso meteórico de NVIDIA en su sector se impulsó en el crecimiento masivo del mercado de los juegos y en una demanda casi insaciable de mejores gráficos en 3D. En la actualidad las tarjetas gráficas de NVIDIA son un estándar mundial de rendimiento, transformando equipos en la intersección de la realidad virtual, la computación de alto rendimiento y la inteligencia artificial.
NVIDIA también ha crecido más allá del sector del videojuego, ofreciendo herramientas clave al sector de los efectos visuales para cine, IA y más. Ocho de los diez superordenadores más potentes del mundo usan las GPU de NVIDIA, redes InfiniBand o ambas, incluyendo a Summit, el superordenador más rápido de Estados Unidos, además de los sistemas más rápidos de Europa y de China. NVIDIA está detrás de 333 de los mejores 500 sistemas de la lista más reciente. Los productos de NVIDIA se encuentran en dispositivos móviles, sistemas de entretenimiento, coches autónomos y más.
Durante más de una década, Pete Cannon ha ayudado a extender el uso de métodos estadísticos en NVIDIA como director sénior de Ingeniería de calidad de producto y de gestión de sistemas de calidad, un puesto que desempeña junto a equipos en Santa Clara, CA, Hong Kong y Shenzhen, China.
«Las iniciativas de mejora continua son una de nuestras principales responsabilidades», explica. Usando análisis estadístico, Cannon y su equipo han definido los indicadores clave de rendimiento con los que evaluar el funcionamiento de sus productos mediante seguimiento de calidad en la línea de montaje y comentarios de clientes. Mediante asistencia multifuncional a equipos, usa las capacidades de JMP para analizar y dar prioridad a oportunidades de mejora.
Este tipo de aprendizaje predictivo y continuo impulsa la innovación que ha definido a NVIDIA desde su concepción. Los ingenieros de NVIDIA inventaron la GPU en 1999, volviendo posible la programación de shaders en tiempo real y ofreciendo a los artistas una paleta infinita con la que expresarse. En mayo de 2020, NVIDIA presentó su arquitectura Ampere, diseñada para la era de la computación elástica y dando el siguiente paso de gigante al ofrecer una aceleración sin igual en todas las escalas y permitir hacer el trabajo de sus vidas a los innovadores.
«Pude resolver un problema la primera noche después de una clase sobre exploración de datos. Habíamos visto las herramientas de partición de datos de JMP, y me di cuenta rápidamente de que tenía que dejar de usar Excel para hacer análisis y pasarme a JMP. He estado usando JMP a diario desde entonces».
– Pete Cannon, director sénior de Ingeniería de calidad de producto y sistemas de gestión de calidad
Cannon lleva mucho tiempo apoyándose en el análisis para transformar los datos en información para gestión de la calidad. Al comienzo de su carrera, Cannon empezó a depurar estas habilidades mientras trabajaba, y no tardó en alcanzar un punto en el que su trabajo se veía limitado por el software a su disposición.
Como muchos ingenieros, Cannon había estado usando Excel para atacar hasta los problemas de análisis más peliagudos. Pero su capacidad limitada para manejar análisis que ya son omnipresentes en la ingeniería de calidad y la naturaleza estática de sus gráficos, que limita la exploración de datos, hacían que Excel se quedara corto.
«Excel no podía resolver los problemas a los que me enfrentaba, y ya había oído hablar antes sobre JMP», recuerda. Hace doce años, Cannon asistió a un taller de tres días de JMP® en San Francisco. «Pude resolver un problema la primera noche después de una clase sobre exploración de datos. Habíamos visto las herramientas de partición de datos de JMP, y me di cuenta rápidamente de que tenía que dejar de usar Excel para hacer análisis y pasarme a JMP. He estado usando JMP a diario desde entonces».
En particular las funciones de visualización interactiva de datos del programa no solo ayudan a traducir conceptos estadísticos abstractos en aplicaciones útiles, sino que aportan a Cannon una ayuda valiosísima a la hora de convertir datos en crudo en información sobre la que actuar con rapidez. A menudo usa la herramienta para visualización de datos (el constructor de gráficos), para exploración (Análisis – Distribución), determinación del desplazamiento de distribución y variación en el tiempo (cuadros de tendencia y gráficos de burbujas), crear resúmenes avanzados de datos (Análisis – Tabular), manipulación de datos (apilar y dividir), hacer análisis unidireccionales para comparar distribuciones de parámetros entre categorías e identificar diferencias (ajuste de Y en función de X), identificar los modelos de confiabilidad con el mejor ajuste (Confiabilidad - Distribución de la supervivencia), crear matrices de correlación (Métodos multivariantes), dar con la cantidad óptima de pruebas experimentales y su configuración (Diseño personalizado de DOE), explorar eventos inesperados en fabricación (Constructor de gráficos de control), análisis regresivo (Ajuste del modelo) y para creación de bosques bootstrap y análisis de partición (Modelo predictivo), entre otras plataformas.
Poco después de adoptar JMP él mismo, Cannon se empezó a dar cuenta de que muchos de sus compañeros usaban otras herramientas de análisis cuando sabía que había maneras más eficaces de trabajar. «Mi jefe al comienzo de mi carrera solía decir que el primer paso de un análisis de datos era ponerlos en un gráfico», recuerda. «En los años siguientes vi a mucha gente cometer ese error. En lugar de eso muchos iban directos a las tablas e ignoraban o retrasaban perspectivas que podrían identificar rápidamente desde el constructor de gráficos. Siempre que veía datos en crudo en una hoja de cálculo en una reunión pedía el archivo y podía generar análisis útiles en cuestión de segundos».
Como dice Cannon a quienes están en programas de formación: «si pasas más de cinco minutos al mes usando Excel para visualizar datos, ya estás perdiendo tiempo no pasándote a JMP». Para ilustrarlo, retó a sus colegas a replicar los mapas de cuadrícula X/Y de tendencias de retorno de diagramas de caja en Excel. «No he hecho un gráfico en Excel desde 2009», bromea.
Había una necesidad de software nuevo y una oportunidad de escalar las ventajas que él mismo ya había obtenido. Para Cannon, eso suponía dotar a su equipo de la mejor de las herramientas estadísticas que le había abierto tantas puertas más de diez años atrás. Así que preparó un curso de formación de JMP para el equipo de operaciones de NVIDIA.
«Repasé cómo había personalizado JMP para generar las salidas que creía más útiles para ingenieros que analizaran datos y expliqué las plataformas de análisis estadístico que se usan más a menudo», explica. «El constructor de gráficos es una herramienta extremadamente útil en mi trabajo diario. Ser capaz de importar datos deprisa y crear visualizaciones de datos claras que etiquetan los valores atípicos acelera la toma de decisiones. Son todas herramientas muy potentes que ofrecen una ventaja nítida ante la competencia, tanto en rapidez como en contenido».
No todo el mundo llega a NVIDIA con la clase de conocimiento estadístico que requiere el trabajo. Cannon ha observado lo rápido que los ingenieros que empiezan con JMP pueden usar la herramienta y mejorar sus habilidades de análisis. Eso es parte del motivo por el que Cannon se ha propuesto, con el pleno apoyo de la ejecutiva, ampliar el alcance de la formación continua y la formación desde el puesto a disposición de los ingenieros de la empresa.
Los Días de JMP que organiza Cannon dos veces al año son un claro ejemplo del énfasis de NVIDIA en la formación de su plantilla. En estos eventos, que suelen durar unas tres horas, expertos técnicos de JMP ofrecen formación in situ y soporte a través de preguntas y respuestas. Los ingenieros de NVIDIA a veces comparten presentaciones o consejos sobre el software.
Pero siguiendo la filosofía de NVIDIA de crear una cultura interna de análisis, las oportunidades de formación no acaban ahí. En 2019, Cannon incorporó el curso gratuito online «Pensamiento estadístico para la resolución de problemas industriales» (STIPS por sus siglas en inglés) de JMP como apoyo formativo recomendado. «Sabía que STIPS era una oportunidad de oro para promover el pensamiento estadístico en NVIDIA», declara, insistiendo en la necesidad no solo de dominar los conceptos básicos sino de desarrollar habilidades de resolución de problemas mediante datos.
Si bien STIPS está patrocinado por JMP, sus más de 25 horas de contenido han sido escritas y creadas por un equipo de expertos con experiencia en el sector. Los ejemplos que se citan en el curso provienen de casos del mundo real y están diseñados para animar al pensamiento estadístico ante los retos del sector.
NVIDIA ya ofrece a sus equipos dos opciones para completar el programa: estudio al propio ritmo o mediante seminarios WebEx semanales de una hora en las que los participantes repasan juntos el material. A estas sesiones semanales (a cargo de Iris Shen, ingeniera del grupo de calidad) asisten empleados de más de 10 divisiones de la empresa, con asistentes que tienen desde años de uso avanzado de JMP a otros que no han usado más herramientas estadísticas que Excel.
«STIPS es un equilibrio excelente entre teoría estadística y aplicación práctica de JMP para resolver problemas habituales con los que lidian muchas empresas de forma rutinaria», declara Cannon. «Tuvo una buena recepción por parte de todo el mundo con quien he hablado, y estamos en conversaciones para repetirlo este año. La mejor prueba del valor de esta formación es cuando voy a una reunión y veo los métodos puestos en práctica».
¿Qué consejo tiene para quienes quieran impulsar el análisis? «Recomiendo STIPS sin reservas a cualquier empresa que quiera mejorar y expandir su uso de herramientas estadísticas para resolver problemas».
Aprenda estadística desde casa. Mejore sus habilidades con este curso online gratuito.