Lee Laim says domain expertise and statistical approaches complement each other at Micron. Lee Laim sagt, dass sich Fachkompetenz und statistische Ansätze bei Micron ergänzen. Lee Laim begann seine Karriere bei Micron Technology vor mehr als 14 Jahren. Als Halbleiter-Ertragsingenieur überwachte er die Zuverlässigkeit und Erträge nach der Montage bei der Produktion von dynamischen Direktzugriffsspeichern (DRAM), markierte ertragsbegrenzende Prozessabweichungen und führte elektrische Charakterisierungen und Fehlerisolierungen durch. Lee beschäftigte sich schon früh mit Industriestatistiken und stieg schnell auf, bis er zum Innovationsmanager aufstieg.
Heute ist er für die Umsetzung der Analysevision des Unternehmens mithilfe von Industrie 4.0-Initiativen verantwortlich, die in jeder Phase des Fertigungsablaufs Qualitätsverbesserungen und Kosteneinsparungen vorantreiben.
Obwohl Lee einen beruflichen Hintergrund im Bereich Halbleitertechnik und Spektroskopie hat, ist er erfahren in statistischer Analyse, Data Mining und maschinellem Lernen – alles Bereiche, die seiner Meinung nach sein Fachwissen bei Micron ergänzen.
Ich habe mich mit @leelaim zusammengesetzt, um über die Rolle zu sprechen, die er bei Micron bei der Befürwortung des Einsatzes statistischer Ansätze gespielt hat.
Meg: Sie kamen zunächst als Yield Engineer zu Micron, wahrscheinlich ohne allzu viel Erfahrung in Industriestatistiken – zumindest vergleichsweise! Aber 14 Jahre später sind Sie nun in einer Position, die sich ganz der Analytics-Transformation und Industrie 4.0 widmet. Wie hat Ihre Begeisterung für Analytics Ihren bisherigen Karriereweg geprägt?
Lee: Die Datenmenge, die wir sammeln, erfordert ständige Innovationen bei der Datenspeicherung, -abfrage und -analyse. Ich habe das Gefühl, dass meine aktuelle Rolle als Innovationsmanager ein direktes Ergebnis meiner unermüdlichen Konzentration auf die Verknüpfung von Daten mit den Geschäftsanforderungen in meinen früheren Rollen ist. Zu wissen, wie die Daten generiert, gesammelt und gespeichert werden, ist ein Drittel der Aufgabe; ein weiteres Drittel ist zu wissen, wie man auf die Daten zugreift, sie verfeinert und interpretiert; und das letzte Drittel ist die Fähigkeit, die Erkenntnisse mit dem größeren Netzwerk zu teilen.
Meg: Was für ein toller Punkt, eine direkte Verbindung zwischen Daten und Geschäftsanforderungen herzustellen – das ist wirklich die Essenz der Analysekultur: Menschen dazu zu bringen, darüber nachzudenken, wie sie Daten zur Lösung geschäftlicher Herausforderungen nutzen können. Welche Arten von Erfolgen haben Ihnen geholfen, diese Denkweise aufrechtzuerhalten?
Lee: Verbesserungen bei der Vereinfachung des Datenzugriffs für mehr Benutzer durch APIs haben es einfacher gemacht, Ideen auf den Weg zu bringen und in die Produktion zu bringen.
Meg: Welchen Wert hat es, eine Belegschaft aus Ingenieuren und Wissenschaftlern zu haben, die nicht nur Fachexperten sind, sondern auch über statistische Kenntnisse verfügen? Hat JMP in irgendeiner Weise die Art und Weise verändert, wie Fachexperten bei Micron ihr Wissen und ihre Fähigkeiten anwenden?
Lee: Fachwissen und statistische Ansätze ergänzen sich bei Micron. Fachexperten werden beim abstrakten Denken immer die Oberhand behalten, während der Computer unübertroffen in seiner Fähigkeit ist, riesige Datenmengen zu verarbeiten. JMP ist eine Plattform, die es unseren Fachexperten ermöglicht, ihre Erkenntnisse zu kodieren, um sie auf große Datensätze anzuwenden, was zu größerer Wirkung in kürzerer Zeit führt.
Meg: JMP bietet viele verschiedene Ressourcen zum Lernen und zum Austausch mit anderen Benutzern – ich denke da an Dinge wie das Early Adopter-Programm und den Discovery Summit . Welchen Nutzen ziehen Sie Ihrer Erfahrung nach aus der Teilnahme an solchen Programmen?
Lee: Mit dem Early Adopter -Programm erfahren wir mehr über neue Funktionen in kommenden Versionen. Außerdem lernen wir verschiedene Möglichkeiten kennen, bestehende Plattformen zu nutzen. Beispielsweise verleiht die Verwendung von Bildern als Markierungen im Graph Builder der Analyse eine intuitive Dimension.
Meg: Welchen Rat würden Sie jemandem geben, der in seinem Unternehmen eine ausgereiftere Analysekultur aufbauen möchte?
Lee: Die analytische Vision muss von oben vorangetrieben werden. Die Abstimmung von Plattformen, Methoden und Schulungen ermöglicht schnellere Entwicklungszyklen.
Meg: Wie wäre es mit einem Rat für jemanden, der gerade erst mit JMP anfängt?
Lee: Es dauert eine Weile, bis man versteht, wie sich die verschiedenen Datentypen auf verschiedene Analyseplattformen auswirken. Sobald Sie die Datentypen verstanden haben, können Sie mithilfe des Skript- und Statistikindex lernen, wie Sie Analysen auf Ihre Datensätze anwenden.
Bauen Sie analytische Spitzenleistungen in Ihrem Unternehmen auf. Erfahren Sie wie: jmp.com/advocate
