您是去年秋天參加了2019 Minitab Insights全球會議的300多位幸運的從業(yè)者，數(shù)據(jù)分析師，統(tǒng)計學家，改善顧問，項目經(jīng)理，工程師，臨床主管，協(xié)調員和質量專家之一嗎？如果您當時沒有加入，請不要擔心-在我們的專家Jenn Atlas的幫助下，您可以知道需要了解的5個主要挑戰(zhàn)和經(jīng)驗。

機器學習方法是現(xiàn)代問題解決方案組合的重要組成部分

您是否覺得機器學習這個詞最近越來越流行了？ 您不是唯一這么認為的人。

機器學習被定義為算法和統(tǒng)計模型，計算機系統(tǒng)使用它們來使用模式和推理而不是顯式指令來執(zhí)行特定任務，機器學習已經(jīng)存在了很多年，但由于數(shù)字化現(xiàn)在可提供的大量數(shù)據(jù)，最近才變得越來越流行和使用。

隨著更多數(shù)據(jù)的易于獲取，使用原始的問題解決方法可能不再是從業(yè)人員解決問題的最快或最有效的方法。這是機器學習方法最有用的地方，因為它們可以更好地處理大量數(shù)據(jù)，并且最終仍然可以快速快速地為需要解決的問題提供準確的答案。

小數(shù)據(jù)仍然很重要

我們已經(jīng)提到存在比以往任何時候都更多的數(shù)據(jù)，但這將我們引向了下一個要點：您僅僅可以獲取和分析更多的數(shù)據(jù)，并不意味著您應該這樣做。請記住，在很多情況下，最好使用少量的高質量數(shù)據(jù)，并且對分析要更加周到，而不是對沒有特定目的的大量數(shù)據(jù)進行建模和分析。

尋找有關使用Minitab Statistics軟件的文章嗎？試試Minitab的在線培訓軟件吧！

點擊了解Quality Trainer

測量系統(tǒng)分析始終是關鍵的第一步

盡管測量系統(tǒng)分析似乎不太令人興奮，但2019 Minitab Insights期間的許多會議都強調了其重要性，因為如果沒有適當的驗證，很難證明任何實驗，測量或發(fā)現(xiàn)的有效性。

醫(yī)療保健卓越運營穩(wěn)步增長

在醫(yī)療保健服務領域，存在巨大的機會來改善患者體驗。高級別的醫(yī)療保健似乎有時會遇到與制造業(yè)類似的問題，但是這些行業(yè)之間存在兩個主要區(qū)別：

• 醫(yī)療保健通常在于更多地處理政治，流程和人員（以患者的形式），因此錯誤的可能性要小得多，因為癥狀可能會越來越嚴重。
• 與制造業(yè)專業(yè)人員相比，醫(yī)療保健專業(yè)人員可以具有不同的技能和思維方式。這些專業(yè)人員通常更注重流程，具有更多的人際交往能力，并且缺乏分析背景，因此他們的培訓和改進方法的應用可能與眾不同，也會與制造同行不同。

無論它們之間的差異如何，2019 Insights的許多會議都顯示這兩個行業(yè)可以真正成長并相互學習。

結構化的問題解決永遠不會過時

包括全體會議的約翰·阿隆斯（John Aarons）在內的無數(shù)演講者都注意到這樣一個事實，即解決問題的團隊一次又一次地確實受益于以下結構化方法，如CRISP-DM，DMAIC，DMADV和SEMMA。

這些方法展示了解決特定問題背后的思想和意圖，并且通常仍然是從組織中的領導者和其他利益相關者那里買進的戰(zhàn)略方法

在2020 Minitab Insights全球會議上，深入探討這些主題，并有機會成為質量，改進和數(shù)據(jù)分析領域最聰明的人，并與其他行業(yè)領導者分享您的知識和經(jīng)驗！ 2020 Minitab Insights全球會議將會在2020年的9月14日至17日在亞利桑那州斯科茨代爾舉行。

歡迎撥打慧都熱線023-68661681或咨詢慧都在線客服，我們有專業(yè)的大數(shù)據(jù)團隊，為您提供免費大數(shù)據(jù)相關業(yè)務咨詢！