Michael Anderson，康寧公司高級統計與計量開發工程師
有趣的事實：我已經跑了 32 年，但我第一次參加比賽是在 2012 年，當時我 46 歲！ 目前，我每年記錄超過 2,500 英里。
自 1991 年以來的 JMP 用戶
"When JMP arrived, it was a revelation," says JMP Champion Michael Anderson of Corning."When JMP arrived, it was a revelation," says JMP Champion Michael Anderson of Corning."When JMP arrived, it was a revelation," says JMP Champion Michael Anderson of Corning."When JMP arrived, it was a revelation," says JMP Champion Michael Anderson of Corning.“當 JMP 出現時，這是一個啟示，”來自康寧的 JMP 冠軍邁克爾安德森說。
JMP 中您最喜歡的功能是什麼？
這就像問我最喜歡哪個孩子！ 現實是我用JMP在我工作的所有階段，所以我有一個最喜歡的篩選功能、實驗設計功能等。 有趣的是，我參加 Graph Builder 派對已經很晚了，但仍然經常使用 Variability Chart。 現在，Graph Builder 是我一獲得新數據集就花時間的地方。 在實驗方面，我會說我的大部分實驗都是確定性篩選設計，因為它們對於開發組織來說非常強大和高效。
你的第一份工作（曾經）是什麼？
有幾種方法可以回答這個問題。 作為一個年輕人（在 16 歲“正式”工作之前），我有一條送紙路線，拖著幾盤蘇打水在現在的愛國者體育場上下樓梯。 我的第一份正常的預定工作是在一家名為“Bradlees”的新英格蘭連鎖店擔任店員。 我被賦予了很多責任，並學到了很多關於業務運營、庫存和人員的知識！
你最自豪的職業時刻是什麼時候？
大約在 2000 年，我受邀在一個後來變成一次性的測量技術會議上發表演講。 我能夠談論光譜散射測量的新領域。 這是一個理論和實踐領域大量辛勤工作的結晶。 我正在使用我的工程、光學和統計技能，為這個行業帶來新的能力。
你是如何對統計學感興趣的？
我在工程學本科期間參加了所有可用的統計課程，並且非常喜歡它們。 但是，正是在我的第一份工作中與另一位不了解分佈、截斷、分段和似然計算的工程師討論精密電阻器時，才讓我真正充滿活力。 很明顯，我想進一步攻讀統計學研究生課程和統計學，作為我職業生涯的一部分。
你最喜歡你所做的工作的什麼？
我喜歡與各級人員分享我對數據分析的熱愛。 我也喜歡指導剛開始從事統計和 JMP 工作的年輕工程師。
您目前如何使用 JMP？
我每天都讓 JMP 打開，並廣泛使用繪圖、DOE、篩选和建模功能。 在我們的產品和工藝開發領域，我們不斷與研究和生產團隊互動。 這意味著我們進行小樣本分析、探索性實驗並使用大而廣的數據集。 Functional Data Explorer 是使用率大幅增加的最新領域。
您使用 JMP 開展的第一個項目是什麼？
我是一家中型公司的新人，正在領導一個高知名度的項目，並且知道我的聲譽會通過這種方式或其他方式獲得。 我最近開始使用 JMP，並用它查看了一些初步數據並運行了一個簡單的析因實驗。 在兩週內，我能夠使用三張圖表展示顯示問題的結果，並以近兩年未曾錯過的方式提出解決方案。 在那一刻，JMP 的強大功能及其帶來的一切為我和其他許多人奠定了堅實的基礎。
您有什麼想對 JMP 開發或 John Sall 說的嗎？
我要感謝 John Sall 和 JMP 背後所有令人難以置信的開發人員，感謝他們的遠見和奉獻精神。 作為一名工程師和統計學家，很難想像 1989 年的情況。 有可以進行分析的軟件包，有的可以進行演示圖形，還有一些用於專門的質量功能。 但每個都有明顯的缺點和學習曲線。 當 JMP 到來時，這是一個啟示。 它使我們通過數據分析的早期階段變得多麼快速和容易。 我在 1994 年的一次會議上發表演講，使用 X 擬合 Y 圖和一些附加的擬合項。 後來有人問我有沒有用過JMP！ 然後我們開始討論我們對 JMP 的喜愛程度，以及從我們開始使用它的那一刻起它如何改變了我們的工作流程。
您如何看待未來 20-50 年數據科學/分析領域的發展？
以人為基礎的統計分析的死亡被大大夸大了。 我在學習使用計算尺的最後接受了教育。 我學會瞭如何手工計算方差分析、回歸、矩陣數學等。 當時，有些人哀嘆使用計算機來做這些事情，說這將用冰冷的機器取代有思想的統計學家。 現在我們聽說 AI 和 ML 將淘汰統計學家。 我簡直不相信。 隨著技術的每一次新飛躍，我們都看到人們更好地利用數據的能力是學習和創新的關鍵。
