Lee Laim dice que la experiencia en el dominio y los enfoques estadísticos se complementan entre sí en Micron. Lee Laim comenzó su carrera en Micron Technology hace más de 14 años. Comenzando como ingeniero de rendimiento de semiconductores, trabajó para monitorear la confiabilidad y los rendimientos posteriores al ensamblaje en la producción de productos de memoria dinámica de acceso aleatorio (DRAM), señalar las desviaciones del proceso que limitan el rendimiento y realizar caracterizaciones eléctricas y aislamiento de fallas. Adoptando las estadísticas industriales desde el principio, Lee ascendió rápidamente de rango para convertirse en Gerente de Innovación.
Hoy, es responsable de implementar la visión analítica de la empresa a través de iniciativas de Industria 4.0 que impulsan mejoras de calidad y ahorros de costos en cada etapa del proceso. flujo de trabajo de fabricación .
Aunque su experiencia es en ingeniería de semiconductores y espectroscopia, Lee se ha convertido en experto en análisis estadístico, minería de datos y aprendizaje automático, todo lo cual, dice, complementa la experiencia de dominio en Micron.
me senté a hablar con @leelaim sobre el papel que desempeñó en Micron al abogar por el despliegue de enfoques estadísticos.
Meg: Primero se unió a Micron como ingeniero de rendimiento, probablemente sin mucha experiencia en estadísticas industriales, ¡al menos en términos comparativos! Pero avance rápido 14 años y tendrá un rol dedicado por completo a la transformación analítica y la Industria 4.0. ¿Cómo diría que su entusiasmo por la analítica ha dado forma a su trayectoria profesional hasta ahora?
Sotavento: La cantidad de datos que recopilamos requiere una innovación constante en el almacenamiento, la recuperación y el análisis de datos. Siento que mi rol actual como Gerente de Innovación es el resultado directo de un enfoque incansable en conectar los datos con las necesidades del negocio en mis roles anteriores. Saber cómo se generan, recopilan y almacenan los datos es un tercio de la batalla; otro tercio es saber acceder, refinar e interpretar los datos; y el tercio final es poder compartir los conocimientos con la red más grande.
Meg: Qué buen punto acerca de trazar una línea directa entre los datos y las necesidades comerciales; esa es realmente la esencia de la cultura analítica: hacer que las personas piensen en cómo pueden usar los datos para resolver los desafíos comerciales. ¿Qué tipo de éxitos le han ayudado a mantener el impulso de este tipo de pensamiento?
Sotavento: Las mejoras en torno a la simplificación del acceso a los datos para más usuarios a través de las API han facilitado la puesta en marcha de ideas y la producción.
Meg: ¿Cuál es el valor de tener una fuerza laboral de ingenieros y científicos que, además de ser expertos en el campo, también tengan conocimientos estadísticos? ¿Ha cambiado JMP de alguna manera la forma en que los expertos en dominios de Micron aplican sus conocimientos y habilidades?
Sotavento: La experiencia en el dominio y los enfoques estadísticos se complementan entre sí en Micron. Los expertos en el dominio siempre tendrán la ventaja en el pensamiento abstracto, mientras que la computadora no tiene rival en su capacidad para procesar cantidades masivas de datos. JMP es una plataforma que permite a nuestros expertos de dominio codificar sus conocimientos para implementarlos en grandes conjuntos de datos, lo que genera un mayor impacto en menos tiempo.
Meg: JMP ofrece muchos recursos diferentes para aprender e interactuar con otros usuarios. Estoy pensando en cosas como el programa Early Adopter y Cumbre de descubrimiento . Según tu experiencia, ¿qué valor obtienes al participar en este tipo de programas?
Sotavento: Con el Adoptador temprano programa, podemos aprender sobre la nueva funcionalidad en las próximas versiones. También podemos ver diferentes formas de usar las plataformas existentes. Por ejemplo, el uso de imágenes como marcadores en Graph Builder proporciona una dimensión intuitiva al análisis.
Meg: ¿Qué consejo le daría a alguien que busca cultivar una cultura analítica más madura en su organización?
Sotavento: La visión analítica tiene que ser impulsada desde arriba. La alineación de plataformas, métodos y capacitación permite ciclos de desarrollo más rápidos.
Meg: ¿Qué tal un consejo para alguien que acaba de empezar con JMP?
Sotavento: Se necesita algo de tiempo para comprender cómo los diferentes tipos de datos afectan las diferentes plataformas analíticas. Una vez que comprenda los tipos de datos, utilice el índice de scripts y estadísticas para aprender y aplicar análisis a sus conjuntos de datos.
Desarrolle excelencia analítica en su organización. Averiguar como: jmp.com/advocate
