Zhiwu Liang
Principal Statistician, Procter & Gamble
Meg Hermes
User Reference Manager, JMP
Zhiwu Liang ist Principal Statistician bei Procter & Gamble mit Sitz in Brüssel. Mit fast 20 Jahren Erfahrung in der Konsumgüterindustrie ist Liang Experte für Versuchsplanung, nichtlineare Modelle und Vorhersagen, statistische Modellierung, Entscheidungsbäume, Zeitreihenanalyse und Vorhersagen. Er hat einen Doktortitel in mathematischer Demographie von der Universität Groningen in den Niederlanden.
In einem kürzlich geführten Gespräch haben sich Liang und Meg Hermes, User Reference Manager bei JMP, über den Verlauf seiner Karriere und die Datenkommunikation mit Nicht-Statistikern unterhalten, sowie über die vielen Gründe, die er sieht, um die Zusammenarbeit mit JMP-Softwareentwicklern zu pflegen.
Meg: In Ihrer Funktion bei P&G engagieren Sie sich neben Ihrer eigenen Arbeit mit komplexeren Modellierungen und Versuchsplänen stark für die Förderung der Analysebefähigung durch Lehre und Beratung. Wie hat sich Ihre Fürsprache für eine analytische Transformation bei P&G auf den Verlauf Ihrer Karriere ausgewirkt?
Zhiwu: Das Eintreten für analytische Methoden ist mein Job! Aber es hat mir auch definitiv dabei geholfen, innerhalb von P&G Anerkennung zu finden. Und ein geeignetes Tool zu haben, mit dem ich leicht mit Nicht-Statistikern kommunizieren kann, hat einen großen Anteil daran. Durch die Vermittlung von JMP-Kompetenzen bin ich bei P&G nicht nur als Statistiker, sondern auch als JMP-Experte bekannt geworden. Wann immer meine Kollegen Fragen zu JMP haben – egal ob im statistischen Zusammenhang oder nicht – kommen sie auf mich zu. Häufig stolpere ich über das ein oder andere Problem bei ihrer Planung und Datenanalyse, kann der Ursache auf den Grund gehen und ihnen dann helfen, das richtige Tool für die Versuchsplanung (englisch: Design of Experiments, DOE) oder Modellierung (Datenanalyse) einzusetzen. Oftmals bevor sie selbst überhaupt merken, dass sie die falsche Methode angewendet haben.
Meg: Erzählen Sie mir mehr über die tägliche Verwendung von JMP. Hilft Ihnen die Software in gewisser Weise Ihre Standardprozesse – oder sogar Ihre Arbeit insgesamt – zu vereinfachen?
Zhiwu: Für mich ist JMP nicht nur ein Werkzeug für die Datenanalyse, sondern auch eine Kommunikationsmethode, mit der sich schwierige statistische Überlegungen in eine einfache Grafik oder ein Analysediagramm übertragen lassen. Das ermöglicht anderen – insbesondere Nichtstatistikern – die Daten und Modelle zu verstehen. Das Tool, das ich am häufigsten in JMP verwende, ist DOE und es ist anderer Software um Meilen voraus. Bei P&G bieten wir viele Statistikschulungen an, bei denen die Teilnehmer JMP verwenden müssen. Man kann die Begeisterung und Zufriedenheit der Leute sehen, wenn sie selbst bei den komplexesten Modellen ganz einfach die richtigen Ergebnisse erhalten. Meine Kollegen arbeiten jetzt sogar auch täglich mit JMP. Ihnen gefällt die Sichtbarkeitsfunktion in JMP – so können sie ihren Vorgesetzten die Ergebnisse ganz einfach zeigen.
Meg: Eine Besonderheit des JMP-Unternehmens ist unsere Ansicht, dass der Aufbau von Beziehungen eine Möglichkeit für unsere Kunden ist, den Ertrag ihrer Investition in JMP zu optimieren. Können Sie ein wenig darüber erzählen, wie Sie mit dem JMP-Unternehmen und dem weiteren Netzwerk von Nutzern zusammenarbeiten?
Zhiwu: In der User Community (community.jmp.com) gibt es viele Foren, die wir nutzen, um Informationen auszutauschen und Fragen über JMP zu stellen. Aber ich persönlich bevorzuge Discovery Summits, weil man da immer etwas Neues lernen kann – sei es eine neue Methode, ein neues Tool, eine neue Anwendung. Außerdem können Sie sich problemlos mit anderen Benutzern und den JMP-Softwareentwicklern austauschen. Wenn man mit den Softwarearchitekten spricht, kann man ein noch besseres Verständnis für die Methoden entwickeln, auf die man in JMP Zugriff hat. Und man kann Vorschläge für neue Funktionen für ein bestimmtes Modell in kommenden Versionsfreigaben machen.
Meg: Das ist interessant. Warum ist es so wertvoll, JMP-Softwareentwicklern diese Art von Feedback geben zu können?
Zhiwu: Für P&G ist es sehr wichtig, diese Art der Zusammenarbeit zu pflegen. Wir haben Tausende von Nutzern, die JMP täglich verwenden. Dabei haben verschiedene Funktionen und Kategorien unterschiedliche Anforderungen. Manchmal müssen wir sogar Excel-Tools mit JMP kombinieren, um einige besonders schwierige Fragen zu lösen. Deshalb müssen wir JMP rechtzeitig Feedback zu allen vorhandenen Funktionen geben, die in bestimmten Situationen nicht funktionieren. Wir bitten dann die JMP-Entwickler, die Software zu verbessern oder geben Anregungen für die Erstellung eines JMP-Add-In-Tools durch P&G (das jedoch möglicherweise nur für die aktuelle Version funktioniert). Aber auf diese Weise können wir JMP dabei helfen, den P&G-Mitarbeitern das Leben zu erleichtern.
Meg: Was ist die Zukunft von JMP bei P&G?
Zhiwu: Mit dem Aufschwung von Data Science und maschinellem Lernen bei P&G erwarten wir, dass JMP mehr Methoden des maschinellen Lernens einbinden kann, wie z. B. Convolutional Neural Networks, LightGBM, Catboost und Techniken für Computerlinguistik. Das würde unsere Arbeit erleichtern und die meisten unserer Probleme mit nur einem Tool lösen, so wie es bei XGboost der Fall war.