| La sfida | Molti dipendenti nel settore tecnologico hanno un'estesa formazione ingegneristica, ma un'esperienza limitata nell'analisi avanzata dei dati. Tuttavia, tra le imprese leader di settore c'è sempre maggiore richiesta di competenze statistiche. |
|---|---|
| Soluzione | Fornire a informatici e ingegneri specializzati una formazione pratica in analisi statistica applicata. La dirigenza di NVIDIA ha deciso di inserire un corso online gratuito di statistica Statistical Thinking for Industrial Problem Solving (STIPS) nel proprio programma di formazione aziendale. Oltre a offrire un formato di apprendimento interattivo e adattabile alle esigenze dei singoli, il corso consente loro di familiarizzare con JMP®, software standard del settore. |
| I risultati | Nelle parole del direttore senior dell'engineering della qualità dei prodotti e dei sistemi di gestione della qualità di NVIDIA Pete Cannon, “STIPS è l'ideale per bilanciare teoria statistica e pratica di JMP e risolvere alcuni dei problemi più comuni che le organizzazioni si trovano ad affrontare ogni giorno”. |
L'industria del gaming è una delle destinazioni più ambite da ingegneri e informatici professionisti, non solo perché offre opportunità di carriera poco convenzionali, ma anche per l'apertura all'innovazione. Molte delle più grandi innovazioni degli ultimi trent'anni, dall'IA alla robotica, sono derivate, almeno in parte, dai progressi compiuti nel settore dei videogiochi.
Fondata nel 1994 con l'obiettivo di rivoluzionare le grafiche computerizzate per videogame, NVIDIA ha ottenuto un enorme successo, alimentato dalla forte crescita del mercato dei videogiochi e da una domanda quasi insaziabile di grafiche 3D sempre migliori. Oggi, le schede grafiche NVIDIA sono lo standard globale a livello di prestazioni, in grado di trasformare un computer incrociando realtà virtuale, prestazioni elevate, elaborazione dati e intelligenza artificiale.
L'azienda però è cresciuta sviluppandosi ben oltre il mercato dei videogiochi, riuscendo a fornire strumenti fondamentali per il settore degli effetti speciali cinematografici, l'IA e simili. Otto dei migliori 10 supercomputer al mondo ora usano GPU NVIDIA, reti InfiniBand o le due cose insieme, incluso Summit, il supercomputer più veloce degli Stati Uniti, e i sistemi più veloci in Europa e Cina. NVIDIA alimenta 333 dei sistemi TOP500 più recenti. Inoltre, i suoi prodotti si trovano ovunque, dai dispositivi mobili agli impianti di intrattenimento alle auto a guida autonoma e molto altro ancora.
Come direttore senior dell'engineering di qualità dei prodotti e dei sistemi di gestione di qualità di NVIDIA, Pete Cannon contribuisce da più di dieci anni a diffondere l'uso di metodi statistici nell'azienda, svolgendo un ruolo per cui collabora con team situati a Santa Clara, in California, Hong Kong e a Shenzhen, in Cina.
“Fare di tutto per continuare a migliorare è una delle nostre principali responsabilità”, spiega. Grazie all'analisi statistica, i suoi team dispongono di indicatori di performance dettagliati per valutare i risultati ottenuti dai diversi prodotti tramite il monitoraggio della qualità della produzione e i feedback dei clienti. Grazie al supporto di più team diversi, può sfruttare le capacità di JMP per analizzare le opportunità di miglioramento attribuendo loro diversi gradi di priorità.
Questo tipo di apprendimento predittivo e ininterrotto alimenta l'innovazione che caratterizza NVIDIA fin dai suoi esordi. I suoi ingegneri hanno inventato la GPU nel 1999, rendendo le sfumature programmabili in tempo reale una realtà e dando agli artisti un'infinita tavolozza di possibilità di espressione. Nel maggio del 2020 NVIDIA ha introdotto la nuova architettura Ampere, pensata per la nuova era di computing elastico, facendo fare un nuovo balzo in avanti alla tecnologia grazie a un'accelerazione senza pari a qualsiasi livello e consentendo agli innovatori di fare ciò per cui sono pagati.
“Sono riuscito a risolvere il problema già dopo la prima lezione di esplorazione dei dati: avevamo analizzato gli strumenti di partizione dei dati di JMP [...] e ho capito subito che dovevo smettere di usare Excel e passare a JMP per le mie analisi. Da allora lo uso tutti i giorni”.
– Pete Cannon, direttore senior dell'engineering della qualità dei prodotti e dei sistemi di gestione della qualità
Ormai da tempo Cannon fa affidamento sulle analisi per trasformare i dati in informazioni utili per la gestione della qualità. Nelle prime fasi della sua carriera, ha iniziato ad affinare queste competenze sul lavoro e presto ha raggiunto un livello in cui il suo operato era limitato solo dal software a sua disposizione.
Come molti altri ingegneri, Cannon aveva sempre usato Excel per affrontare anche la più spinosa delle questioni statistiche. Tuttavia, per via della sua limitata capacità di gestire analisi ormai divenute indispensabili nell'engineering di qualità e della natura statica dei suoi grafici, che non permettono l'esplorazione approfondita dei dati, non era più una soluzione sostenibile.
“Excel non era più in grado di risolvere i problemi che mi trovavo di fronte e avevo già sentito parlare di JMP”, ricorda. Dodici anni fa, Cannon aveva partecipato a un workshop di tre giorni su JMP® a San Francisco. “Sono riuscito a risolvere il problema già dopo la prima lezione di esplorazione dei dati: avevamo analizzato gli strumenti di partizione dei dati di JMP [...] e ho capito subito che dovevo smettere di usare Excel e passare a JMP per le mie analisi. Da allora lo uso tutti i giorni”.
Le funzionalità di visualizzazione interattiva dei dati del software, in particolare, aiutano sia a tradurre concetti statistici astratti in applicazioni utili, sia (e soprattutto) a trasformare i dati grezzi in informazioni utili in base alle quali agire. Cannon usa spesso gli strumenti di visualizzazione dati (Costruttore di grafici), esplorazione dati (Analisi - Distribuzione), valutazione dei cambiamenti e delle variazioni della distribuzione nel tempo (Riquadro delle tendenze e grafico a bolle), creazione di dati avanzati (Analisi - Disponi in tabella), manipolazione dati (Impila e dividi), oltre a compiere analisi monodirezionali per confrontare la distribuzione dei parametri in diverse categorie e identificare le differenze (Stima Y rispetto a X), identificare i migliori modelli per la stima dell'affidabilità (Affidabilità - Distribuzione di vita residua), creare matrici di correlazione (Metodi di analisi multivariata), trovare il numero ideale di esperimenti da effettuare e le impostazioni corrispondenti (DOE personalizzato), esplorare gli eventi fuori controllo a livello di produzione (Costruttore di carte di controllo), effettuare analisi delle regressioni (Stima modello) e creare analisi delle partizioni e foreste di bootstrap (Modellizzazione predittiva), tra le altre cose.
Poco dopo aver iniziato a utilizzare JMP, Cannon si è reso conto che molti dei suoi colleghi usavano altri strumenti di analisi, ma che lui ne conosceva uno più efficace. “Il mio ex capo ripeteva spesso che il primo passo per analizzare i dati è crearsi un diagramma”, ricorda. “Negli anni trascorsi da allora ho visto molte persone fare lo stesso errore. Molti vanno direttamente alle tabelle, perdendosi o ritardando l'individuazione di informazioni che invece emergono lampanti con il Costruttore di grafici. Ogni volta che vedo un foglio di calcolo con dati grezzi, durante una riunione, chiedo di mandarmi il file e riesco a generare analisi approfondite nel giro di pochi secondi”.
Per usare le parole rivolte da Cannon a chi segue i corsi di formazione: “Se passate più di cinque minuti al mese a usare Excel per visualizzare i dati, state perdendo tempo e dovreste passare a JMP”. Per rimarcare il punto, ha sfidato i suoi colleghi a replicare il grafico a disco reticolato con riquadri di resa e trend XY in Excel. “Non creo un file Excel dal 2009”, ride.
In sostanza, si trovava di fronte l'esigenza di trovare un nuovo software e la possibilità di estendere ad altri i vantaggi che aveva riscontrato per sé. Per Cannon, ciò voleva dire fornire al suo team il migliore strumento statistico disponibile, che dieci anni fa gli aveva aperto tante porte. Pertanto, ha deciso di mettere insieme un corso di formazione per il team operativo di NVIDIA.
“Ho spiegato come ho adattato JMP per ottenere i risultati che trovo più vantaggiosi per gli ingegneri che si trovano ad analizzare i dati e parlato delle piattaforme di analisi statistica utilizzate più di frequente”, spiega. “Il Costruttore di grafici è uno strumento fondamentale nel mio lavoro di tutti i giorni. Riuscire a importare così rapidamente i dati e creare visualizzazioni approfondite con etichette per gli outlier consente di prendere decisioni più rapidamente. Si tratta di strumenti molto potenti che offrono un chiaro vantaggio competitivo rispetto ai concorrenti, a livello sia di tempistiche sia di contenuti”.
Non tutti arrivano a NVIDIA con le conoscenze statistiche necessarie per questo tipo di lavoro. Cannon ha notato con che velocità gli ingegneri appena arrivati in JMP riescono a imparare a usare lo strumento e a migliorare le proprie competenze statistiche. In parte è anche per questo che, con il consenso degli altri dirigenti, si è assunto la responsabilità di espandere la gamma di corsi di formazione teorica e pratica disponibile per gli ingegneri dell'azienda.
Ogni due anni, Cannon organizza i JMP Days, un esempio lampante dell'importanza data da NVIDIA all'ampliamento delle competenze della propria forza lavoro. In questi eventi, in genere della durata di tre ore, gli esperti di JMP offrono formazione sul campo e assistenza tramite domande e risposte. Inoltre, capita che gli ingegneri di NVIDIA condividano presentazioni o consigli sul software.
In linea con la filosofia di NVIDIA sulla creazione di una cultura aziendale incentrata sull'analisi, tuttavia, le opportunità di apprendimento non finiscono certo qui. Nel 2019, Cannon ha aggiunto un corso online gratuito di JMP, Statistical Thinking for Industrial Problem Solving (STIPS) come formazione supplementare consigliata. “Sapevo che quel corso costituiva un'opportunità imperdibile per continuare a promuovere l'approccio statistico in NVIDIA”, spiega, enfatizzando l'esigenza di non puntare solo sui concetti base ma di sviluppare competenze di risoluzione problemi incentrate sui dati.
Per quanto sponsorizzate da JMP, le 25 e più ore di contenuti del corso STIPS sono state programmate e create da un team di professionisti con esperienza nel settore. Tutti gli esempi citati vengono da casi reali e sono pensati per incoraggiare la risoluzione dei problemi aziendali tramite un approccio statistico.
Oggi NVIDIA offre al personale due diverse opzioni per portare a termine il programma: studio in autonomia o tramite incontri settimanali di un'ora via WebEx, in cui i partecipanti esaminano il materiale insieme. Queste sessioni settimanali (guidate da Iris Shen, ingegnere del gruppo qualità) hanno visto la partecipazione di dipendenti provenienti da ben 10 reparti dell'organizzazione e con un livello di esperienza che andava da chi non aveva mai usato strumenti statistici diversi da Excel a utenti esperti che usavano JMP ormai da anni.
“STIPS è l'ideale per bilanciare teoria statistica e pratica di JMP e risolvere alcuni dei problemi più comuni che le organizzazioni si trovano ad affrontare ogni giorno”, commenta Cannon. “Tutti quelli con cui ho parlato lo hanno adorato, tanto che stiamo pensando di ripeterlo anche quest'anno. La migliore dimostrazione del valore di un corso è quando partecipo a una riunione e vedo che i metodi insegnati vengono messi in pratica”.
Il suo consiglio per chi vuole promuovere l'analisi dei dati? “Consiglio vivamente STIPS a tutti coloro che vogliono ampliare ed espandere l'uso degli strumenti statistici per risolvere i problemi”.
Imparate la statistica da casa. Incrementate le vostre competenze con questo corso online gratuito.
I risultati illustrati in questo articolo si riferiscono specificatamente a situazioni, modelli di business, input di dati e ambienti di elaborazione particolari descritti nel presente documento. L’esperienza di ogni cliente SAS è unica, basata su variabili tecniche e aziendali e, pertanto, tutte le affermazioni devono essere considerate non tipiche. I livelli di risparmio, i risultati e le caratteristiche prestazionali varieranno in base alle configurazioni e alle condizioni specifiche del cliente. SAS non garantisce il raggiungimento di simili risultati da parte di tutti i clienti. Le sole garanzie per i prodotti e servizi SAS sono quelle esposte nelle dichiarazioni di garanzia espresse presenti nel contratto scritto per tali prodotti e servizi. Niente di quanto qui affermato può costituire garanzia aggiuntiva. I clienti hanno condiviso le loro storie di successo con SAS come parte di uno scambio contrattuale convenuto o in qualità di riepilogo del successo del progetto in seguito a una positiva implementazione del software SAS.