Zhiwu Liang of P&G says JMP makes it so easy to show results to managers. Zhiwu Liang von P&G sagt, dass es dank JMP ganz einfach ist, Managern Ergebnisse zu präsentieren. Zhiwu Liang ist leitender Statistiker bei Procter & Gamble in Brüssel. Mit fast 20 Jahren Berufserfahrung in der Konsumgüterindustrie verfügt Liang über umfassende Kenntnisse in Versuchsplanung, nichtlinearer Modellierung und Prognose, statistischer Modellierung, Entscheidungsbäumen, Zeitreihenanalyse und Prognose. Er hat einen Doktortitel in Mathematischer Demografie von der Universität Groningen in den Niederlanden.
In einem kürzlichen Gespräch diskutierten @liang_zw und ich über seinen Karriereverlauf, die Datenkommunikation mit Nicht-Statistikern und die vielen Gründe, die er für die Pflege einer Zusammenarbeit mit JMP- Softwareentwicklern sieht.
Meg: In Ihrer Funktion bei P&G engagieren Sie sich intensiv für die Förderung der Analytics-Befähigung durch Lehrtätigkeit und Beratung sowie durch Ihre eigene Arbeit mit komplexeren Modellen und experimentellen Designs. Wie hat sich Ihr Engagement für die Analytics-Transformation bei P&G auf Ihren beruflichen Werdegang ausgewirkt?
Zhiwu: Die Förderung analytischer Methoden ist mein Job! Aber es hat mir auch definitiv geholfen, bei P&G Anerkennung zu finden. Ein großer Teil davon ist, dass ich ein geeignetes Tool habe, mit dem ich problemlos mit Nicht-Statistikern kommunizieren kann. Durch die Vermittlung von JMP-Kenntnissen bei P&G bin ich nicht nur als Statistiker, sondern auch als JMP-Experte bekannt geworden. Wann immer meine Kollegen Fragen zu JMP haben – egal, ob sie mit Statistik zu tun haben oder nicht –, kommen sie zu mir. Und oft finde ich Probleme im Zusammenhang mit ihrem Design und ihrer Datenanalyse, finde das Problem heraus und helfe ihnen, das richtige Tool für die Versuchsplanung (DOE) oder Modellierung (Datenanalyse) zu verwenden. Oft sogar, bevor sie überhaupt merken, dass sie die falsche Methode verwendet haben.
Meg: Erzählen Sie mir mehr über die tägliche Arbeit mit JMP. Gibt es Möglichkeiten, wie die Software Ihre Standardprozesse – oder sogar Ihre gesamte Arbeit – erleichtert?
Zhiwu: Für mich ist JMP nicht nur ein Werkzeug zur Datenanalyse; es ist auch eine Kommunikationsmethode, mit der sich schwierige statistische Überlegungen auf ein einfaches Diagramm oder einen Profiler übertragen lassen und anderen – insbesondere Nicht-Statistikern – das Verständnis der Daten und Modelle erleichtern. Das am häufigsten verwendete Tool in JMP ist DOE, und es ist viel besser als andere Software. Bei P&G bieten wir viele Statistikkurse an, bei denen die Teilnehmer JMP verwenden müssen. Man sieht die Begeisterung und Zufriedenheit der Teilnehmer, wenn sie selbst für die komplexesten Modelle so einfach die richtigen Ergebnisse erhalten. Tatsächlich verwenden auch meine Kollegen JMP mittlerweile täglich. Sie schätzen die Sichtbarkeitsfunktion in JMP, weil sie damit ihrem Vorgesetzten die Ergebnisse so einfach präsentieren können.
Meg: Eine Besonderheit der JMP-Organisation ist, dass wir den Aufbau von Beziehungen als Möglichkeit für unsere Kunden sehen, den Nutzen ihrer JMP-Investition zu optimieren. Können Sie etwas darüber erzählen, wie Sie mit der JMP-Organisation und dem breiteren Benutzernetzwerk interagieren?
Zhiwu: Auf community.jmp.com gibt es viele Foren, die wir zum Informationsaustausch und für Fragen zu JMP nutzen. Ich persönlich bevorzuge jedoch die Discovery Summits, weil man dort immer etwas Neues lernen kann – sei es eine neue Methode, ein neues Tool oder eine neue Anwendung. Außerdem kann man sich problemlos mit anderen Nutzern und den JMP-Entwicklern vernetzen. Im Austausch mit den Entwicklern der Software entwickelt man ein noch besseres Verständnis der Methoden, die einem in JMP zur Verfügung stehen. Und man kann ihnen vorschlagen, in zukünftigen Versionen neue Funktionen für ein bestimmtes Modell hinzuzufügen.
Meg: Das ist interessant. Warum ist es so wertvoll, den JMP-Softwareentwicklern diese Art von Feedback geben zu können?
Zhiwu: Für P&G ist es sehr wichtig, diese Art der Zusammenarbeit zu pflegen. Tausende von Menschen nutzen JMP täglich. Unterschiedliche Funktionen und Kategorien stellen unterschiedliche Anforderungen. Manchmal müssen wir sogar Excel-Tools mit JMP kombinieren, um besonders schwierige Fragen zu lösen. Daher müssen wir JMP zeitnah Feedback zu vorhandenen Funktionen geben, die in bestimmten Situationen nicht funktionieren. Wir bitten dann die JMP-Entwickler, die Software zu verbessern oder Vorschläge zu machen, wie P&G ein JMP-Add-In-Tool entwickeln könnte (das, muss ich sagen, möglicherweise nur mit der aktuellen Version funktioniert). Aber nur so können wir mit JMP das Leben der Menschen bei P&G verbessern.
Meg: Wie sieht die Zukunft von JMP bei P&G aus?
Zhiwu: Da Data Science und maschinelles Lernen bei P&G boomen, erwarten wir, dass JMP mehr Techniken des maschinellen Lernens integrieren kann, wie etwa Convolutional Neural Networks, LightGBM, Catboost und NPL-Tools – genau wie Sie es für XGboost getan haben – um uns das Leben zu erleichtern und die meisten unserer Probleme mit nur einem Tool zu lösen.
Bauen Sie analytische Exzellenz in Ihrem Unternehmen auf. Erfahren Sie, wie: jmp.com/advocate
