Gian-Franco Pironti ist Anwendungstechniker und arbeitet in den Bereichen Elektronik, Hochleistungsmaterialien und Oberflächenlösungen für die Merck KGaA in Darmstadt, Deutschland. Er verfügt über umfangreiche Erfahrung sowohl mit Light Detection and Ranging (LiDAR) und Radio Detection and Ranging (RADAR) als auch mit Mikroskopie mit erweiterter Schärfentiefe und Virtual-Reality-Modellierungssprache. Gian-Franco hat seine Karriere in der Forschung und Entwicklung der chemischen Produktion für die Merck-Gruppe begonnen und verfügt über mehr als 35 Jahre Erfahrung in den Bereichen Elektronikchemikalien und Beschichtungen.
Meg: Welche Rolle hat Data Science bei der Gestaltung Ihrer Karriere gespielt? Gab es einen Wendepunkt, an dem Sie die Bedeutung – und das Potenzial – von Daten erkannt haben?
Gian Franco: In meinem Job als Anwendungstechniker habe ich recht schnell gemerkt, dass das Sammeln, Verarbeiten und Analysieren von Daten extrem wichtig ist. Am Anfang war dieser Prozess etwas zeitaufwändig, aber je mehr Daten ich zur Verfügung hatte, desto besser das Ergebnis. Mir wurde klar, dass ich keine Zeit damit verschwenden sollte, Daten zu analysieren, ohne sie aus verschiedenen Blickwinkeln zu prüfen.
In dem Halbleiterindustrie , erfordert unser Ansatz zur Analyse von Prozessen, Kosten, Effizienz und Auswirkungen eine Menge Daten! Und auch die Forschung braucht heutzutage viele Informationen – technische und analytische Ergebnisse müssen adressiert werden.
Meg: Auf welche Art von Einwänden stoßen Sie am häufigsten, wenn es darum geht, analytische Ansätze zu befürworten? Wie haben Sie diese Art von Herausforderungen gemeistert?
Gian Franco: Die meisten Einwände beziehen sich auf zu viele Daten oder zu komplizierte, unterschiedliche Datensätze. Diese Art von Komplexität kann insgesamt zu einem gewissen Wertverlust führen, wenn Sie sich auf weniger wichtige Dinge konzentrieren und dabei relevantere oder wichtigere Faktoren übersehen. Bis zu einem gewissen Grad habe ich die Art und Weise, wie ich mit Daten umgehe, sowie meine Sicht auf den Wert von Daten insgesamt geändert. Je mehr Daten man hat – auch wenn es anfangs unwichtig erscheint – desto klarer wird am Ende das Bild bzw. Ergebnis.
Mega: Was sind einige häufige Missverständnisse, denen Sie in Bezug auf Industriestatistiken und/oder den Wert der Analysefähigkeit begegnet sind?
Gian Franco: Die Leute mögen denken, dass einige Daten am Anfang nicht so wichtig sind, aber bei einer riesigen Datenmenge sieht man früher oder später den Wald vor lauter Bäumen nicht mehr! Das Sammeln von Daten – eigentlich aller Art – wird von Tag zu Tag zwingender, um alle Arten von wertschöpfenden Aktivitäten und Prozessen auszulösen, nachzuvollziehen und zu analysieren. In unserer Branche sind Daten entscheidend, um Prozesse zu verbessern und zu stabilisieren, Vorwarnungen oder vorhersehbare Trends zu erhalten, bevor Sie in Schwierigkeiten geraten, Kosten zu senken und Zeit zu gewinnen.
Meg: Wie haben Sie den Wert, den Sie erhalten, maximiert? JMP ? Gibt es eine Funktion oder einen Aspekt der JMP-Community, die andere Ihrer Meinung nach zu wenig nutzen?
Gian Franco: Meiner persönlichen Meinung nach wird die Leistungsfähigkeit von JMP von technischen Mitarbeitern, die im Bereich Support, Problemanalyse und der Suche nach fakten- und datenbasierten Lösungen arbeiten, noch nicht erkannt. Selbst um nur einen schnellen Überblick zu erhalten, können Sie mit einem grafischen Ansatz beobachtete Parameter in Ihre Analyse einbeziehen oder ausschließen. Dann können Sie in einen Deep Dive springen, Problemlösung zum Beispiel durch Bewerbung DAMHIRSCHKUH .
Mega: Welche JMP-Ressourcen haben Sie ggf. genutzt? Irgendetwas, das Sie besonders hilfreich finden?
Gian Franco: Am hilfreichsten ist für mich persönlich die Möglichkeit, Daten zu visualisieren. Ich beginne immer, meine Daten mit einem Verteilungshistogramm zu analysieren, gefolgt von einer multivariaten Analyse und einem 3D-Streudiagramm. Dieser Prozess gibt mir eine sehr gute Vorstellung davon, wie ich das Problem angehen und/oder lösen kann. Später betrete ich DOE.
Mega: Hast du einen Rat für Leute, die es versuchen Erhöhung der Analytics-Akzeptanz innerhalb ihrer Organisation?
Gian Franco: Auschecken und dann verteilen YouTube-Videos über JMP um andere zu überzeugen!
Mega: Wie wäre es, wenn jemand gerade erst mit JMP anfängt?
Gian Franco: Ich würde auf jeden Fall empfehlen, sich den JMP-Softwarekanal auf YouTube anzusehen. Und probieren Sie es einfach selbst aus, beginnend mit einer übersichtlichen, kleinen Datenmenge.
Mega: Gibt es etwas, das Sie heute über Analytik wissen, von dem Sie sich wünschten, Sie hätten es schon vor Jahren gewusst?
Gian Franco: Die meisten Menschen beginnen mit Excel-Datenblättern – zweidimensionalen Grafiken, die bis zu einem bestimmten Schwellenwert übersichtlich angeordnet werden können. Früher oder später stoßen sie jedoch an die Grenzen dessen, was in einer Excel-Tabelle möglich ist, und lernen, wie man eine Pivot-Tabelle in Excel verwendet. Das mag eine Weile helfen, aber früher oder später werden sie wieder mit Einschränkungen enden. Dann kommt JMP und sie können auf einmal einen großen Schritt nach vorne machen.
