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 und fast genauso lange JMP- Benutzer. Er war viele Jahre lang ein ausgesprochener Verfechter der Analytik, half bei der Gründung der Wasatch Front JMP Users' Group und war Mitveranstalter unzähliger JMP-Treffen bei IMFlash.
Ich habe mich an @dkent gewandt, um mehr über seine Reise in die Analytik und die Ratschläge zu erfahren, die er Neulingen in der Industriestatistik gibt.
Meg: Du bist seit fast 20 Jahren JMP-Benutzer! In dieser Zeit müssen Sie einige Veränderungen nicht nur in der Software, sondern auch im Bereich der Industriestatistik im weiteren Sinne gesehen haben. Wie hat Ihre persönliche Analytics-Reise Ihrer Meinung nach letztendlich Ihren Karriereweg geprägt? 
Don Kent is manager of a full-stack data science team at Intel. Don Kent ist Manager eines Full-Stack-Data-Science-Teams bei Intel.
Don: Mein Eintreten für die Analytik verlief weitgehend parallel zu meiner beruflichen Weiterentwicklung. Rückblickend begann alles mit einem großen Interesse daran, mehr über Statistik zu lernen. Als Neuling lag die Herausforderung auf der persönlichen Ebene und konzentrierte sich darauf, Mentoren zu finden und Kontakte zu Gleichgesinnten zu knüpfen. In meinen früheren Jahren habe ich die meiste Zeit mit Benutzergruppen oder anderen Communities verbracht, um so viel wie möglich beizutragen und zu lernen.
Es ist interessant, wie man im Rückblick einige wichtige Meilensteine erkennen kann, die auffallen. Für mich hängen diese Meilensteine damit zusammen, dass mich jemand dazu ermutigt, zu lernen und meine Fähigkeiten auszubauen – entweder von einem der großartigen Mentoren, die ich kenne, oder zum Beispiel von einem Manager, der mich auf meinem Weg mit einer kompletten JMP-Box unterstützt hat 4 Bücher (die jetzt PDFs sind!).
Da mein Wissen, meine Verantwortung und mein Vertrauen in statistische Methoden gewachsen sind, sind auch die Möglichkeiten gewachsen, die ich hatte, um Einfluss auf die Organisationen zu nehmen, in denen ich gearbeitet habe. Ich sehe einen klaren Zusammenhang zwischen meinem analytischen Wachstum und den Karrieremöglichkeiten, die mir geboten wurden.
Ich begann meine Karriere bei Intel als Zuverlässigkeitsingenieur mit einem Hintergrund in der Physik von Halbleiterbauelementen. Durch mein Interesse und mein Studium der Analytik in den letzten 20 Jahren konnte ich meine Karriere jedoch auf die Leitung eines Data-Science-Teams in einer der Technologieentwicklungsgruppen von Intel verlagern. Diese Gelegenheit, ein Analyseteam aufzubauen und zu leiten, wäre ohne die Mentorschaft anderer und das Vertrauen meines derzeitigen Managers nicht möglich gewesen.
Während ich an Fähigkeiten und Wissen wuchs, verlagerte sich die Dynamik von der persönlichen Weiterentwicklung hin zu einer stärkeren zwischenmenschlichen Weiterentwicklung. Jetzt finde ich es lohnender, andere auf ihrem Weg 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. Was sind Ihrer Meinung nach einige der größten Hürden, aus denen Sie gelernt haben, nachdem Sie jetzt in der Position des Mentors für andere sind?
Don: Eines, das mir in den Sinn kommt, hängt mit der Analyse räumlicher Muster zusammen. Damals arbeitete ich an einem Projekt bei einem früheren Arbeitgeber und ich erinnere mich, dass ich zu meinem Vorgesetzten ging und ihm einen JMP-Schulungskurs mit dem Titel „High Dimension Data Analysis“ zeigte. Ich erklärte, dass dieser Kurs meiner Meinung nach mein Wissen in diesem Bereich erheblich erweitern und mir bei dem Projekt helfen würde. Leider betonte mein Vorgesetzter jedoch, 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 an dem Kurs teilgenommen. Es war einer der besten Kurse, die ich je besucht habe, und er hat diesem Projekt erheblich geholfen. Noch wichtiger ist, dass diese Entscheidung einen echten Wendepunkt in meiner Karriere darstellte. Es hat mir geholfen, mich auf das Wesentliche zu konzentrieren und Klarheit darüber zu schaffen, in welche Richtung meine Karriere letztendlich gehen soll.
Meg: Das ist für mich ein guter Einstieg, um Sie nach etwas zu fragen, über das wir oft nicht viel reden, nämlich der Fülle an Ressourcen, die JMP bietet, und dem verborgenen Wert, den es unseren Kunden bietet. Können Sie uns etwas darüber erzählen, wie Sie diese Lernressourcen und Möglichkeiten im Laufe der Jahre genutzt haben, um mit der JMP-Organisation in Kontakt zu treten?
Don: JMP verfügt wirklich über das gesamte Ökosystem, das es einem Einzelnen ermöglicht, sich auf vielen verschiedenen Ebenen zu engagieren. Ich persönlich habe so viele Funktionen des JMP-Ökosystems genutzt, dass man ihren Wert kaum überschätzen kann. Um mich kurz zu fassen, möchte ich eines erwähnen.
Für diejenigen, die noch nie an einem Discovery Summit teilgenommen haben – ich kann es einfach nicht genug empfehlen! Das JMP-Team fühlt sich tatsächlich wie eine Familie und nimmt einen in diese Familie auf, was eine ziemlich erstaunliche Erfahrung ist. Dies alles 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 werden die Keynotes immer von aktuellen Vordenkern gehalten, und ich persönlich schätze dieses eine Abendessen und den Besuch bei Stu Hunter als einen der Höhepunkte meiner vielen wunderbaren Discovery-Erlebnisse.
Meg: Das ist so wunderbar zu hören! Aus der Sicht von jemandem innerhalb der JMP-Organisation muss ich sagen, dass auch mir die Discovery Summits sehr gefallen. Sie sind ein echtes Highlight meiner Arbeit.
Einer der häufigsten Einwände, die wir von JMP-Neulingen hören, ist, dass einige befürchten, dass statistische Ansätze die Fachkompetenz verdrängen könnten. Wie hat JMP die Art und Weise verändert, wie Sie und Ihre Kollegen Domänenwissen und -fähigkeiten anwenden?
Don: Innerhalb unserer Organisation ist das Technologieentwicklungsteam aus vielen Gründen bestrebt, JMP zu nutzen – nicht zuletzt, weil es ihnen bei der Erfüllung ihrer Aufgaben erheblich hilft. Tatsächlich wage ich zu sagen, dass die Sorge unsererseits darin besteht, dass das Team sein Expertenwissen über den Halbleiterprozess mit der richtigen JMP-Plattform (und den richtigen Statistiken) kombinieren muss, um eine gewünschte Frage zu beantworten.
Aufgrund bestimmter Halbleiterhierarchien – zum Beispiel Chips innerhalb eines Wafers innerhalb einer Charge – können bestimmte Datenanalysen etwas schiefgehen, wenn die richtige Hierarchie (oder Expertenwissen) nicht richtig genutzt wird. Beispielsweise kann die Verwendung der richtigen Lot-Wafer-Chip-Verschachtelungsstruktur bei 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 von 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 lokalen Statistiker.“
Meg: Welchen Rat würden Sie als Statistiker oder Ansprechpartner für Analytics-Unterstützung jemandem geben, der in seinem Unternehmen eine ausgereiftere Analytics-Kultur kultivieren möchte?
Don: Wie sieht eine ausgereifte Analytics-Kultur aus? Für uns betrachten wir die Kultur auf mehreren Ebenen – und der Schlüssel ist das Team – die Einzelpersonen in der Organisation müssen über die analytischen Kenntnisse oder Fähigkeiten verfügen, um ihre Arbeit mit Zuversicht und Effizienz ausführen zu können. Dies erfordert Schulung und das Wissen, um die vorhandenen Tools, Tools wie JMP, optimal zu nutzen. Sie müssen nicht alles wissen. Und hier kann das Analyseteam die Lücken schließen.
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 dem gesamten Team die Führung zu erleichtern. Suchen Sie schließlich nach fortschrittlichen Anwendungen, die maschinelles Lernen beinhalten oder Empfehlungs-Engines nutzen – Unternehmen, die diese fortschrittlichen Tools nutzen, haben Datenökosysteme entwickelt, während Organisationen, die noch nicht ganz so weit sind, an der Verbesserung der Grundlagen wie Datenintegration, Muster-/Merkmalserkennung und Automatisierung arbeiten sollten und prädiktive Analysesysteme. Natürlich kann ein engagiertes Team erheblich dazu beitragen, diese Initiativen voranzutreiben.
Meg: Apropos neue Initiativen: Die Einführung neuer Analyse-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, Dateninitiativen bei Intel in Schwung zu bringen und aufrechtzuerhalten?
Don: Im Hinblick auf die Wertschöpfung für die Organisation ist der erste Schritt im Allgemeinen eine Lückenanalyse – 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 Licht darauf werfen, wo Verbesserungen und Bemühungen den größten Wert haben und dabei helfen, den ROI zu definieren.
Das Erkennen dieser Lücken kann zeitaufwändig sein, aber meiner Erfahrung nach erfordert es Treffen mit Kunden und Geschäftspartnern und das Zuhören. Als analytisches Unternehmen ist es unsere Aufgabe, die Geschäftsanforderungen in eine Datenstrategie oder ein Datenproblem umzusetzen. Indem wir unsere Kunden und Partner einbeziehen und ihnen zuhören, sind wir in der Lage, mit der Organisation zusammenzuarbeiten, um die beste Analysestrategie zu entwickeln. Sobald diese Strategie festgelegt ist, liegt der Schwerpunkt auf deren Umsetzung. Hier können Ingenieure und Statistiker glänzen und glänzen.
Ein Motivator, der Dynamik aufbaut, ist der Fortschritt in Richtung der Ziele. Einfache Dinge wie die erfolgreiche Bereitstellung eines Add-Ins oder das Hinzufügen einer von einem Kunden gewünschten Funktion schaffen Vertrauen und fördern die Ziele des Unternehmens. 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 Instrumente zur Messung der Dynamik und Akzeptanz sein und werden häufig verwendet, um das Kundenengagement zu verstehen und manchmal auch zu gestalten.
Meg: Welchen Rat würden Sie zum Abschluss jemandem geben, der gerade erst mit JMP anfängt?
Don: Seien Sie neugierig, nutzen Sie den „Hilfe“-Bereich von JMP – und zwar regelmäßig! Die Dokumentation in JMP selbst ist der beste Ausgangspunkt, und die Beispieldatensätze und Bücher sind ein Schatz. Schauen Sie sich von dort aus die Ressourcen online auf jmp.com an, schauen Sie sich den Schulungsplan an und engagieren Sie sich mit einer Benutzergruppe – versuchen Sie es virtuell, wenn eine persönliche Präsenz in Ihrer Region nicht möglich ist.
Bauen Sie analytische Exzellenz in Ihrem Unternehmen auf. Finden Sie heraus, wie: jmp.com/advocate
