Lee Laim says domain expertise and statistical approaches complement each other at Micron. Lee Laim afirma que la experiencia en el sector y los enfoques estadísticos se complementan entre sí en Micron. Lee Laim comenzó su carrera en Micron Technology hace más de 14 años. Comenzó como ingeniero de rendimiento de semiconductores y trabajó para monitorear la confiabilidad y los rendimientos posteriores al ensamblaje en la producción de productos de memoria de acceso aleatorio dinámico (DRAM), detectar desviaciones del proceso que limitaban el rendimiento y realizar caracterización eléctrica y aislamiento de fallas. Lee adoptó las estadísticas industriales desde el principio y ascendió rápidamente hasta convertirse en gerente de innovación.
Actualmente, es responsable de implementar la visión analítica de la empresa a través de iniciativas de la Industria 4.0 que impulsan mejoras de calidad y ahorros de costos en cada etapa del flujo de trabajo de fabricación .
Aunque su formación es en ingeniería de semiconductores y espectroscopia, Lee se ha vuelto experto en análisis estadístico, minería de datos y aprendizaje automático, todos los cuales, según él, complementan la experiencia en el dominio de Micron.
Me senté a hablar con @leelaim sobre el papel que ha desempeñado en Micron al promover la implementación de enfoques estadísticos.
Meg: Te incorporaste a Micron como ingeniera de rendimiento, probablemente sin demasiada experiencia en estadísticas industriales, ¡al menos comparativamente hablando! Pero, 14 años después, ocupas un puesto dedicado por completo a la transformación analítica y a la Industria 4.0. ¿Cómo dirías que tu entusiasmo por la analítica ha moldeado tu trayectoria profesional hasta ahora?
Lee: La cantidad de datos que recopilamos requiere una innovación constante en el almacenamiento, la recuperación y el análisis de datos. Siento que mi función actual como gerente de innovación es el resultado directo de mi incansable enfoque en conectar los datos con las necesidades comerciales en mis funciones anteriores. Saber cómo se generan, recopilan y almacenan los datos es un tercio de la batalla; otro tercio es saber cómo acceder, refinar e interpretar los datos; y el tercio final es poder compartir los conocimientos con la red más grande.
Meg: Qué buen argumento el de trazar una línea directa entre los datos y las necesidades empresariales. Esa es realmente la esencia de la cultura analítica: hacer que la gente piense en cómo puede utilizar los datos para resolver los desafíos empresariales. ¿Qué tipo de éxitos le han ayudado a mantener el impulso de este tipo de pensamiento?
Lee: Las mejoras en torno a la simplificación del acceso a los datos para más usuarios a través de API han hecho que sea más fácil poner en marcha ideas y ponerlas en producción.
Meg: ¿Qué valor tiene contar con una plantilla de ingenieros y científicos que, además de ser expertos en la materia, también tengan conocimientos estadísticos? ¿Ha cambiado JMP de alguna manera la forma en que los expertos en la materia de Micron aplican sus conocimientos y habilidades?
Lee: En Micron, la experiencia en el área y los enfoques estadísticos se complementan entre sí. Los expertos en el área 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 en el área 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 y relacionarse con otros usuarios. Estoy pensando en cosas como el programa Early Adopter y Discovery Summit . En tu experiencia, ¿qué valor obtienes al participar en este tipo de programas?
Lee: Con el programa Early Adopter , podemos conocer nuevas funciones en los próximos lanzamientos. También podemos ver diferentes formas de utilizar las plataformas existentes. Por ejemplo, el uso de imágenes como marcadores en Graph Builder proporciona una dimensión intuitiva a los análisis.
Meg: ¿Qué consejo le daría a alguien que quiera cultivar una cultura analítica más madura en su organización?
Lee: La visión analítica debe impulsarse desde arriba. La alineación de plataformas, métodos y capacitación permite ciclos de desarrollo más rápidos.
Meg: ¿Qué consejo le darías a alguien que recién comienza a usar JMP?
Lee: Se necesita algo de tiempo para comprender cómo los distintos tipos de datos afectan a las distintas plataformas analíticas. Una vez que se comprenden los tipos de datos, se puede utilizar el índice de scripts y estadísticas para aprender y aplicar análisis a los conjuntos de datos.
Genere excelencia analítica en su organización. Descubra cómo: jmp.com/advocate
