Un nuovo modo di affrontare le statistiche per professionisti

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 trasformare la grafica computerizzata per i videogiochi, la fulminea ascesa di NVIDIA nel settore è stata alimentata dalla massiccia crescita del mercato dei giochi e dalla domanda quasi insaziabile di una migliore grafica 3D. Oggi le schede grafiche NVIDIA sono lo standard globale in termini di prestazioni e trasformano le macchine all'incrocio tra realtà virtuale, elaborazione ad alte prestazioni e intelligenza artificiale.

NVIDIA è cresciuta anche al di là del settore dei giochi, fornendo strumenti essenziali per l'industria degli effetti visivi cinematografici, l'intelligenza artificiale e altro ancora. Otto dei 10 supercomputer più importanti del mondo utilizzano ora GPU NVIDIA, reti InfiniBand o entrambi, fra cui Summit, il supercomputer più veloce degli Stati Uniti, e i sistemi più veloci di Europa e Cina. NVIDIA gestisce 333 dei sistemi TOP500 dell'ultimo elenco. I prodotti NVIDIA sono presenti in ogni ambito, dai dispositivi mobili ai sistemi di intrattenimento, alle auto a guida autonoma e oltre.

L'analisi predittiva alimenta l'innovazione

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.

"Le iniziative di miglioramento continuo sono una delle nostre responsabilità principali", spiega. Utilizzando l'analisi statistica, Cannon e il suo team dispongono di indicatori di prestazione chiave dettagliati per valutare le prestazioni del prodotto utilizzando i monitor di qualità della produzione in linea e il feedback dei clienti. Con il supporto di un team interfunzionale, utilizza le funzionalità di JMP per analizzare e dare priorità alle opportunità di miglioramento.

Questo tipo di apprendimento predittivo e continuo alimenta l'innovazione che ha definito NVIDIA fin dalla sua nascita. Gli ingegneri di NVIDIA hanno inventato la GPU nel 1999, rendendo possibile l'ombreggiatura programmabile in tempo reale e offrendo agli artisti un'infinita tavolozza espressiva. Nel maggio del 2020, NVIDIA ha presentato la sua architettura Ampere, progettata per l'era dell'elastic computing, che offre il prossimo passo da gigante fornendo un'accelerazione senza pari su ogni scala, consentendo agli innovatori di svolgere il lavoro della loro vita.

“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

Più di dieci anni di supporto al know-how statistico

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.

Riconoscere un'esigenza e trasformarla in opportunità

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 in NVIDIA con il tipo di conoscenze statistiche che questo lavoro richiede. Cannon ha osservato la rapidità con cui gli ingegneri che non conoscono JMP sono in grado di iniziare a usare lo strumento e di far progredire le loro competenze analitiche. Questo è uno dei motivi per cui Cannon ha deciso, con il pieno appoggio della dirigenza, di ampliare la gamma di corsi di formazione continua e di formazione sul posto di lavoro a disposizione dei tecnici dell'azienda.

Un corso di autoapprendimento da esperti del settore

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.

Sebbene STIPS sia sponsorizzato da JMP, le oltre 25 ore di contenuti sono state scritte e create da un team di esperti con esperienza nel settore. Gli esempi citati nel corso provengono da casi reali e sono pensati per ispirare il pensiero statistico di fronte alle sfide del settore.

NVIDIA offre ora al personale due opzioni per completare il programma: studio autogestito o tramite incontri settimanali di un'ora su WebEx in cui i partecipanti esaminano il materiale insieme. A queste sessioni settimanali (guidate da Iris Shen, un ingegnere del gruppo qualità) hanno partecipato dipendenti di oltre 10 divisioni dell'organizzazione, con partecipanti che spaziavano da chi utilizzava JMP a livello avanzato da molti anni a chi non aveva mai usato strumenti statistici diversi da Excel.

"STIPS è eccellente nel bilanciare la teoria statistica e l'uso pratico di JMP per risolvere problemi comuni che molte organizzazioni affrontano di routine", afferma Cannon. "È stata accolta positivamente da tutti coloro con cui ho parlato e stiamo discutendo per riproporla anche quest'anno. La migliore testimonianza del valore di questa formazione è quando vado alle riunioni e vedo che i metodi 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”.