Tutti abbiamo strumenti preferiti, trucchi, metodi e modi per completare, monitorare e migliorare il nostro lavoro. Per molti, l’apprendimento visuale è molto importante pertanto l’utilizzo di mappe e diagrammi di flusso spesso può aiutare nell’analisi dei processi.
Quando si sente dire che alcuni progetti permettono alle aziende di risparmiare milioni, si potrebbe pensare che un’eccellente operatività e i programmi di miglioramento continuo possano garantire il successo. Gli esperti spiegano però che non è proprio così. Dopo averne intervistati circa 200, a tutti i livelli, e provenienti dalle più svariate aziende degli Stati Uniti, cosa è emerso? Qual è il fattore maggiormente legato al successo?
Bill Kahn guida lo statistical modeling group for consumer banking di Bank of America. Il suo team costruisce centinaia di modelli utilizzando un’ampia gamma di tecniche statistiche e machine learning. Questi modelli aiutano ad assicurare una stabilità finanziaria per individui, società e comunità distribuite su tutto il Paese. Negli ultimi decenni, Bill ha guidato gruppi di statistici in aziende di ambito finanziario, consulenza e manufatturiero. Ha conseguito una laurea in Fisica, un master in statistica a Berkeley e un dottorato in statistica a Yale. Minitab ha chiesto a Bill di condividere le sue conoscenze sul Machine Learning (ML) come “base d’azione” nel mondo del business.
Il vantaggio potenziale posseduto dai dati memorizzati sui server è enorme. Banche, compagnie assicurative, compagnie di telecomunicazioni, produttori e in realtà le organizzazioni di tutti i settori dovrebbero fare buon uso dei dati che possiedono per migliorare le loro operazioni, comprendere meglio i loro clienti e trovare un vantaggio competitivo.
In questo webinar, tratto dal nostro evento live in lingua italiana del 9 dicembre, vi mostreremo come Minitab è leader sul mercato in ambito solutions analytics e vi presenteremo tutte le novità relative alle modalità di raccolta, accesso, condivisione e analisi dei dati presenti nella nuova release Minitab 20.
Il video è pensato per chi vuole scoprire come prendere decisioni data driven in modo migliore, più semplice e veloce, in qualsiasi momento.
Dopo una breve introduzione relativa a Minitab 20 (cos’è e perchè è il software di riferimento a livello mondiale per la statistica industriale, il controllo qualità e l’ottimizzazione di processi e prodotti), verrà mostrata la nuova versione Cloud (utile per raggiungere i massimi livelli di produttività possibili, attraverso l’accesso alle analisi da qualsiasi luogo), e uno use-case relativo a Minitab CART® (algoritmo di analisi predittiva, Classification and Regression Trees).
Questo paper, scritto dalla dott.ssa Debora Giovannelli, prende in analisi le distribuzioni di probabilità per dati categoriali.
Verrà in particolar modo sottolineato come il processo di identificazione della corretta distribuzione di probabilità sia lo step iniziale dell’inferenza statistica.
Da quando ho aperto un nuovo ufficio a Phoenix, alcune serate nel supporto tecnico di Minitab sembrano più faticose di altre. La variabilità in termini di giorni in cui mi sento estremamente affaticato rispetto ai giorni in cui non mi ci sento, sembrano imprevedibili. Per questo motivo, ho deciso di tenere traccia di queste informazioni prima in Excel e poi in Minitab.
Quando inizi ad imparare la metodologia Sei Sigma, può essere utile familiarizzare con alcuni acronimi e abbreviazioni. Da FMEA e C&E Matrix a Gage R&R e SIPOC… e la lista è ancora lunga! DMAIC, DFSS e DMADV sono spesso confusi per la similarità delle loro sigle. Nessun problema. Questo breve articolo aiuterà a fare un po’ di chiarezza. DMAIC, DFSS e DMADV aiutano i professionisti che si occupano del quality improvement a mantenere i loro progetti organizzati e monitorati, con un percorso preciso da seguire fino al termine degli stessi. Ogni lettera degli acronimi rappresenta una singola fase di ogni processo.
Cercare di comprendere il comportamento di un cliente o di un paziente può essere impegnativo.
Spesso i ricercatori utilizzano i dati di un sondaggio e li analizzano con un modello di regressione
implementato nel software statistico Minitab. Quando la variabile di risposta è categorica (e non
quantitativa), l’interpretazione dei risultati di una regressione logistica non è però molto semplice e
intuitiva.
Esiste un’altra opzione per analizzare i dati di un sondaggio in Minitab? La risposta è sì, sfruttando
le funzionalità di CART®, Classification and Regression Trees, una tecnica grafica basata su alberi
decisionali e machine learning disponibile nell’ultima versione di Minitab.
In questo webinar scopriremo come realizzare una Value Stream Map utilizzando Workspace, software della suite Minitab dedicato al continuous improvement dei processi industriali.
