Don Kent arbeitet für die Technology Development Group der Intel Corporation als Manager eines Full-Stack-Data-Science-Teams. Bevor er zu Intel kam, war er als Principal Data Scientist bei IMFlash Technologies tätig, einem Joint Venture zwischen Intel und Micron.
Mit seinem Hintergrund in Ingenieurwesen und Festkörperphysik ist Don seit zwei Jahrzehnten in der Halbleiterindustrie tätig JMP Benutzer fast genauso lange. Er ist seit vielen Jahren ein ausgesprochener Verfechter der Analytik und half bei der Gründung von Wasatch Front JMP-Benutzergruppe und war Mitveranstalter unzähliger JMP-Meetups bei IMFlash.
Ich habe mich gemeldet @dkent um mehr über seine Analytics-Reise und die Ratschläge zu erfahren, die er Neueinsteigern in der Industriestatistik gibt.
Meg: Sie sind seit fast 20 Jahren JMP-Benutzer! In dieser Zeit müssen Sie einige Änderungen nicht nur in der Software, sondern auch im Bereich der Industriestatistik im weiteren Sinne gesehen haben. Wie, glauben Sie, hat Ihre persönliche Analytics-Reise letztendlich Ihren Karriereweg geprägt?
Don Kent ist Manager eines Full-Stack-Data-Science-Teams bei Intel.
Anziehen: Mein Eintreten für die Analytik verlief weitgehend parallel zu meiner Karriereentwicklung. Rückblickend begann es mit einem großen Interesse, mehr über Statistik zu lernen. Als Neuling lagen die Herausforderungen auf der persönlichen Ebene und konzentrierten sich darauf, Mentoren zu finden und Kontakte zu Gleichgesinnten zu knüpfen. In meinen früheren Jahren habe ich viel Zeit mit Benutzergruppen oder anderen Gemeinschaften verbracht, sowohl um Beiträge zu leisten als auch um so viel wie möglich zu lernen.
Es ist interessant, wie Sie im Rückblick einige wichtige Meilensteine sehen können, die auffallen. Für mich hängen diese Meilensteine mit jemandem zusammen, der mich dazu ermutigt, zu lernen und meine Fähigkeiten zu erweitern – entweder von einem der großartigen Mentoren, die ich kenne, oder beispielsweise von einem Manager, der meine Reise mit einer vollständigen JMP-Box unterstützt hat 4 Bücher (die jetzt PDFs sind!).
Mit meinem Wissen, meiner Verantwortung und meinem Vertrauen in statistische Methoden sind auch die Möglichkeiten gewachsen, die ich hatte, um die Organisationen zu beeinflussen, in denen ich gearbeitet habe. Ich sehe einen klaren Zusammenhang zwischen meinem analytischen Wachstum und den mir gebotenen Karrieremöglichkeiten.
Ich begann meine Karriere bei Intel als Zuverlässigkeitsingenieur mit einem Hintergrund in der Physik von Halbleitergeräten. Durch mein Interesse und mein Studium der Analytik in den letzten 20 Jahren konnte ich jedoch meine Karriere auf die Leitung eines Data Science-Teams in einer der Technologieentwicklungsgruppen von Intel umstellen. Diese Gelegenheit, ein Analyseteam aufzubauen und zu leiten, wäre ohne die Mentorenschaft anderer und das Vertrauen meines derzeitigen Managers nicht möglich gewesen.
Während ich an Fähigkeiten und Wissen zugenommen habe, hat sich die Dynamik von der persönlichen Weiterentwicklung zu einer zwischenmenschlicheren Weiterentwicklung verlagert. Jetzt finde ich mehr Belohnungen darin, andere auf ihren Reisen zu betreuen und zu ermutigen.
Meg: Ja, Mentoring ist absolut entscheidend – egal in welcher Rolle oder Branche wir tätig sind, wir können immer von denen lernen, die den Weg vor uns gegangen sind und dabei auf ähnliche Hindernisse gestoßen sind. Nun, da Sie in der Position sind, andere zu betreuen, was sind Ihrer Meinung nach einige der größten Hürden, aus denen Sie gelernt haben?
Anziehen: Eines, das mir in den Sinn kommt, bezieht sich auf die räumliche Musteranalyse. Zu der Zeit arbeitete ich an einem Projekt bei einem ehemaligen Arbeitgeber, und ich erinnere mich, dass ich zu meinem Vorgesetzten ging und ihm einen zeigte JMP-Schulungskurs genannt "Hochdimensionale Datenanalyse". Ich erklärte, wie ich dachte, dass dieser Kurs mein Wissen in diesem Bereich erheblich erweitern und bei dem Projekt helfen würde. Leider wies mein Vorgesetzter darauf hin, dass das Unternehmen zu diesem Zeitpunkt nicht über das Budget für die Schulung verfügte.
Ich war natürlich bestürzt, aber nach einiger Überlegung wurde mir klar, dass meine Ausbildung in meinen eigenen Händen lag. Also habe ich den Kurs selbst bezahlt und den Kurs belegt. Es war einer der besten Kurse, an denen ich je teilgenommen habe, und es hat diesem Projekt erheblich geholfen. Noch wichtiger war, dass diese Entscheidung ein echter Wendepunkt in meiner Karriere war. Es hat mir geholfen, mich auf das Wesentliche zu konzentrieren und Klarheit in die Richtung zu bringen, in die ich letztendlich meine Karriere gehen wollte.
Meg: Das gibt mir einen netten Übergang, um Sie über etwas zu fragen, über das wir oft nicht viel sprechen, nämlich die Fülle an Ressourcen, die JMP bietet, und den versteckten Wert, den es unseren Kunden bringt. Können Sie ein wenig darüber sprechen, wie Sie diese Lernressourcen und Möglichkeiten genutzt haben, um im Laufe der Jahre mit der JMP-Organisation zusammenzuarbeiten?
Anziehen: JMP hat wirklich das gesamte Ökosystem, um es einem Einzelnen zu ermöglichen, sich auf vielen verschiedenen Ebenen zu engagieren. Ich persönlich habe so viele Funktionen des JMP-Ökosystems genutzt, dass es schwer ist, den Wert wirklich zu überschätzen, also möchte ich kurz eine erwähnen.
Für diejenigen, die noch nie an einem teilgenommen haben Entdeckungsgipfel – Ich kann es einfach nicht genug empfehlen! Das JMP-Team fühlt sich tatsächlich wie eine Familie an, und sie bringen Sie in diese Familie, was eine ziemlich erstaunliche Erfahrung ist. All dies ist bei Discovery vollständig zu sehen. Jedes Mal, wenn ich am Gipfel teilnahm, habe ich nicht nur eine Sache, sondern viele Dinge mit nach Hause genommen, und ich betrachte es als eine Schlüsselkonferenz. Der Zugang zu Tutorials, Schulungen und Präsentationen ist erstaunlich.
Das JMP-Team bietet auch die Möglichkeit, die Entwickler direkt zu besuchen. Sie lieben es, von Kunden zu hören und zu verstehen, wie sie das Produkt noch ein bisschen besser machen können. Natürlich sind die Keynotes immer von aktuellen Vordenkern, und ich persönlich schätze dieses eine Abendessen und den Besuch bei Stu Hunter als einen der Höhepunkte meiner vielen wunderbaren Entdeckungserlebnisse.
Meg: Das ist so wunderbar zu hören! Ich spreche aus der Perspektive von jemandem innerhalb der JMP-Organisation und muss sagen, dass ich Discovery Summits auch sehr genieße. Sie sind ein echtes Highlight meiner Arbeit.
Einer der häufigsten Einwände, die wir von JMP-Neulingen hören, ist, dass einige befürchten, dass statistische Ansätze Fachkenntnisse verdrängen werden. Wie hat JMP die Art und Weise verändert, wie Sie und Ihre Kollegen Fachkenntnisse und Fähigkeiten anwenden?
Anziehen: Innerhalb unserer Organisation ist das Technologieentwicklungsteam aus vielen Gründen bestrebt, JMP einzusetzen – nicht zuletzt, weil es ihnen bei der Erfüllung ihrer Aufgaben erheblich hilft. Ich wage sogar zu sagen, dass unsere Sorge darin besteht, dass das Team sein Expertenwissen über den Halbleiterprozess mit der richtigen JMP-Plattform (und Statistik) kombinieren muss, um eine gewünschte Frage zu beantworten.
Aufgrund bestimmter Halbleiterhierarchien – zum Beispiel Die innerhalb des Wafers innerhalb des Loses – können bestimmte Datenanalysen etwas seitwärts gehen, wenn die richtige Hierarchie (oder Expertenwissen) nicht richtig genutzt wird. Beispielsweise kann die Verwendung der richtigen Lot-Wafer-Die-Verschachtelungsstruktur in einer Varianzkomponentenanalyse einen großen Unterschied im Ergebnis bewirken.
Auch im Data-Mining. Die Auswahl vollständiger Chargen (alle Wafer) für Trainings- und/oder Validierungsdatensätze verringert die Wahrscheinlichkeit eines Informationslecks beim Data Mining auf Waferebene. Wir müssen diese Komplexität verstehen und Expertenwissen mit der richtigen JMP-Plattform und dem richtigen statistischen Ansatz kombinieren. Wie unsere Statistiker gerne sagen: "Im Zweifelsfall wenden Sie sich an Ihren örtlichen Statistiker."
Meg: Welchen Rat würden Sie als Statistikerin oder Anlaufstelle für Analytics-Support jemandem geben, der eine ausgereiftere Analytics-Kultur in seinem Unternehmen kultivieren möchte?
Anziehen: Wie sieht eine ausgereifte Analytics-Kultur aus? Für uns betrachten wir die Kultur über einige Vektoren hinweg – und der Schlüssel ist das Team – die Einzelpersonen in der Organisation müssen über die Analytics-Kenntnisse oder -Fähigkeiten verfügen, damit sie ihre Arbeit mit Zuversicht und Effizienz ausführen können. Dies erfordert Schulung und das Wissen, um die vorhandenen Tools optimal zu nutzen, Tools wie JMP. Sie müssen nicht alles wissen. Und hier kann das Analytics-Team die Lücken füllen.
Ein weiteres Highlight einer ausgereiften Organisation ist die Verfügbarkeit von KPIs und Metriken für die Organisation. Diese sollten im gesamten Unternehmen standardisiert, verfügbar und sichtbar sein, um das gesamte Team zu leiten. Suchen Sie schließlich nach fortschrittlichen Anwendungen, die maschinelles Lernen beinhalten, oder verwenden Sie Recommender Engines – Organisationen, die diese fortschrittlichen Tools verwenden, haben Datenökosysteme entwickelt, während Organisationen, die noch nicht so weit sind, an der Verbesserung der Grundlagen wie Datenintegration, Muster-/Merkmalidentifikation und Automatisierung arbeiten sollten und prädiktive Analysesysteme. Natürlich kann ein engagiertes Team wesentlich dazu beitragen, diese Initiativen voranzutreiben.
Meg: Apropos neue Initiativen: Die Einführung neuer Analytics-Workflows kann zunächst störend sein. Aber wie wir wissen, überwiegen die Vorteile einer effektiven Analysestrategie die anfänglichen Kosten. Welche Arten von ROI oder Verbesserungen haben dazu beigetragen, die Dynamik für Dateninitiativen bei Intel aufzubauen und aufrechtzuerhalten?
Anziehen: Im Hinblick auf einen Mehrwert für die Organisation ist der erste Schritt im Allgemeinen eine Gap-Analyse – zu verstehen, wo Sie, Ihr Team und die Organisation derzeit im Vergleich zu der Richtung stehen, in die sie sich bewegen sollten. „Es ist eine Reise, kein Ziel“ kann ein enormer Motivator sein und ein Licht darauf werfen, wo Verbesserungen und Bemühungen den größten Wert haben und dazu beitragen, den ROI zu definieren.
Die Identifizierung dieser Lücken kann zeitaufwändig sein, erfordert aber meiner Erfahrung nach, sich mit Kunden und Geschäftspartnern zu treffen und ihnen zuzuhören. Als analytische Organisation ist es unsere Aufgabe, die Geschäftsanforderungen in eine Datenstrategie oder ein Datenproblem zu übersetzen. Indem wir unsere Kunden und Partner einbeziehen und ihnen zuhören, sind wir in der Lage, mit der Organisation zusammenzuarbeiten, um bei der Synthese der besten Analysestrategie zu helfen. Sobald diese Strategie festgelegt ist, steht deren Umsetzung im Mittelpunkt. Hier können sich Ingenieure und Statistiker auszeichnen und glänzen.
Ein Motivator, der Schwung aufbaut, ist der Fortschritt in Richtung Ziele. Einfache Dinge wie das erfolgreiche Bereitstellen eines Add-Ins oder das Hinzufügen einer Funktion, die von einem Kunden angefordert wurde, schafft Vertrauen und bringt die Ziele der Organisation voran. Um diese Funktionen erfolgreich bereitzustellen, ist häufig die Zusammenarbeit mit anderen Teams wie der Schulungsgruppe erforderlich, die bei der professionellen Dokumentation und Kommunikation helfen können. Metriken können auch leistungsstarke Werkzeuge sein, um Dynamik und Akzeptanz zu messen, und werden häufig verwendet, um das Kundenengagement zu verstehen und manchmal zu gestalten.
Meg: Welchen Rat würden Sie zum Abschluss jemandem geben, der gerade erst mit JMP anfängt?
Anziehen: Seien Sie neugierig, nutzen Sie den „Hilfe“-Bereich von JMP – und tun Sie dies regelmäßig! Die Dokumentation in JMP selbst ist der beste Ausgangspunkt, und die Beispieldatensätze und Bücher sind ein Schatz. Sehen Sie sich von dort aus die Ressourcen online unter an jmp.com , überprüfen Sie den Schulungsplan und engagieren Sie sich in einer Benutzergruppe – versuchen Sie es virtuell, wenn eine persönliche Schulung in Ihrer Nähe nicht verfügbar ist.
Bauen Sie analytische Exzellenz in Ihrem Unternehmen auf. Finde heraus wie: jmp.com/advocate
