Zhiwu Liang
Principal Statistician, Procter & Gamble
Meg Hermes
User Reference Manager, JMP
Zhiwu Liang è Principal Statistician presso la sede di Bruxelles di Procter & Gamble. Grazie ai suoi quasi 20 anni di esperienza nel settore dei beni di consumo, Liang è esperto nella progettazione di esperimenti, modelli e previsioni non lineari, modellazione statistica, alberi decisionali, analisi e previsione delle serie temporali. Ha conseguito un PhD in Demografia matematica presso l'Università di Groningen, nei Paesi Bassi.
In una recente intervista, Zhiwu ha parlato con Meg Hermes, User Reference Manager di JMP, della propria carriera, della comunicazione dei dati con le persone non esperte di statistica e delle numerose ragioni per cui ritiene opportuno coltivare un rapporto di collaborazione con gli sviluppatori di software di JMP .
Meg: Nel suo ruolo presso P&G, lei si adopera per promuovere l'abilitazione all'analisi attraverso l'insegnamento e la consulenza, oltre a svolgere il suo lavoro di modellazione e progettazione sperimentale più complessa. In che modo il suo sostegno alla trasformazione analitica all'interno di P&G ha influito sul suo percorso lavorativo?
Zhiwu: Sostenere i metodi analitici è il mio lavoro, ma mi ha anche sicuramente aiutato a ottenere riconoscimenti all'interno di P&G. Una parte importante di ciò sta nel disporre di uno strumento adatto con cui comunicare al meglio con i non esperti di statistica. Insegnando le competenze JMP presso P&G, ora sono conosciuto non solo come statistico ma anche come esperto di JMP. Ogni volta che i miei colleghi hanno domande su JMP, di statistica o meno, si rivolgono a me. E spesso riesco a individuare alcune questioni relative alla loro progettazione e analisi dei dati, capire il problema e aiutarli a utilizzare lo strumento giusto per il disegno di esperimenti (DOE) o la modellazione (analisi dei dati), spesso, addirittura, prima ancora che si rendano conto di aver usato il metodo sbagliato.
Meg: Ci racconti di più sull'utilizzo quotidiano di JMP. Ci sono modi in cui il software semplifica i suoi processi standard, o il suo lavoro nel complesso?
Zhiwu:Per me, JMP non è solo uno strumento per l'analisi dei dati, ma anche un metodo di comunicazione con cui trasferire un pensiero statistico complesso per un semplice grafico o profiler e consentire ad altri, soprattutto ai non esperti di statistica, di comprendere i dati e i modelli. Lo strumento che utilizzo più spesso in JMP è DOE, ed è molto meglio di altri software. A P&G abbiamo molti corsi di statistica che richiedono ai partecipanti di utilizzare JMP. L'entusiasmo e la soddisfazione delle persone quando ottengono facilmente risultati corretti anche per i modelli più complessi sono palpabili, infatti anche i miei colleghi ora usano JMP quotidianamente. A loro piace la funzione di visibilità di JMP perché semplifica la visualizzazione dei risultati al proprio manager.
Meg: Una caratteristica relativamente unica di JMP è che consideriamo la creazione di relazioni come un modo per i nostri clienti di ottimizzare i benefici che ottengono dal loro investimento in JMP. Può parlarci un po' di come interagisce con l'organizzazione JMP e la più ampia rete di utenti?
Zhiwu: Su community.jmp.com ci sono molti forum che utilizziamo per condividere informazioni e porre domande su JMP. Personalmente, preferisco i Discovery Summit perché puoi sempre imparare cose nuove, che si tratti di un nuovo metodo, di un nuovo strumento o di una nuova applicazione. Inoltre puoi connetterti facilmente ad altri utenti e agli sviluppatori di software JMP. Parlando con gli architetti del software, è possibile acquisire una comprensione ancora migliore dei metodi cui accedere su JMP e suggerire l'aggiunta di nuove funzionalità per modelli specifici nelle prossime versioni.
Meg: Interessante. Perché è così importante poter fornire questo tipo di feedback agli sviluppatori di software JMP?
Zhiwu: Per P&G è molto importante coltivare questo tipo di relazione collaborativa. Le persone che utilizzano JMP quotidianamente sono migliaia, e funzioni e categorie diverse hanno esigenze diverse. A volte dobbiamo persino combinare gli strumenti di Excel con JMP per risolvere alcuni quesiti particolarmente difficili. Per questo dobbiamo fornire un feedback tempestivo a JMP in merito a tutte le caratteristiche esistenti che non funzionano in determinate situazioni. Così, chiediamo agli sviluppatori di JMP di migliorare il software o di fornire suggerimenti su come P&G potrebbe creare uno strumento aggiuntivo per JMP (che, devo dire, potrebbe funzionare solo per la versione corrente). Ma questo è il modo in cui possiamo permettere a JMP di migliorare la vita delle persone a P&G.
Meg: Qual è il futuro di JMP a P&G?
Zhiwu: Con il boom della scienza dei dati e dell'apprendimento automatico in P&G, prevediamo che JMP possa incorporare più tecniche di machine learning, come reti neurali convoluzionali, strumenti LightGBM, Catboost e NPL, proprio come è successo per XGboost, per semplificarci la vita e risolvere la maggior parte dei nostri problemi con un unico strumento.