Lee Laim 表示，在美光，領域專業知識和統計方法相輔相成。 14 多年前，Lee Laim 開始了他在美光科技的職業生涯。 作為一名半導體良率工程師，他致力於監控動態隨機存取存儲器 (DRAM) 產品生產的可靠性和組裝後良率，標記良率限制工藝偏差，並執行電氣特性和故障隔離。 Lee 很早就接受了工業統計數據，很快晉升為創新經理。
如今，他負責通過工業 4.0 計劃來實施公司的分析願景，這些計劃推動了每個階段的質量改進和成本節約。製造工作流程.
儘管他的背景是半導體工程和光譜學，但 Lee 已經擅長統計分析、數據挖掘和機器學習——他說所有這些都補充了美光的領域專業知識。
我坐下來聊天@leelaim關於他在美光倡導部署統計方法方面所扮演的角色。
Meg：您最初以產量工程師的身份加入美光，可能在工業統計方面沒有那麼多經驗——至少相對而言！ 但快進 14 年，您將扮演一個完全致力於分析轉型和工業 4.0 的角色。 到目前為止，您對分析的熱情如何塑造了您的職業道路？
李：我們收集的數據量需要在數據存儲、檢索和分析方面不斷創新。 我覺得我目前作為創新經理的角色是我在以前的角色中不懈地專注於將數據與業務需求聯繫起來的直接結果。 了解數據如何生成、收集和存儲是戰鬥的三分之一；另外三分之一是知道如何訪問、改進和解釋數據；最後三分之一是能夠與更大的網絡分享見解。
梅格：在數據和業務需求之間劃一條直線真是太棒了——這確實是分析文化的精髓：讓人們思考如何使用數據來解決業務挑戰。 什麼樣的成功幫助你保持了這種思維的動力？
李：圍繞通過 API 為更多用戶簡化數據可訪問性所做的改進使得將想法付諸實踐並投入生產變得更加容易。
梅格：擁有一支工程師和科學家隊伍有什麼價值，他們除了是領域專家之外，還具有統計學知識？ JMP 是否以任何方式改變了美光領域專家應用他們的知識和技能的方式？
李：在美光，領域專業知識和統計方法相得益彰。 領域專家在抽象思維方面總是佔上風，而計算機處理海量數據的能力無與倫比。 JMP是一個平台，允許我們的領域專家將他們的見解編碼以部署在大型數據集上，從而在更短的時間內產生更大的影響。
Meg：JMP 為學習和與其他用戶互動提供了很多不同的資源——我正在考慮早期採用者計劃和發現峰會. 根據您的經驗，您從參與這些項目中獲得了什麼價值？
李：隨著早期採用者程序，我們可以了解即將發布的版本中的新功能。 我們還可以看到使用現有平台的不同方式。 例如，在 Graph Builder 中使用圖像作為標記為分析提供了直觀的維度。
Meg：對於希望在組織中培養更成熟的分析文化的人，您有什麼建議？
李：分析願景必須由高層驅動。 平台、方法和培訓的協調可以加快開發週期。
Meg：對剛開始使用 JMP 的人有何建議？
李：了解不同的數據類型如何影響不同的分析平台需要一些時間。 一旦理解了數據類型，就可以使用腳本和統計索引來學習並將分析應用於您的數據集。
