Levannia Lildhar は、オタワに拠点を置く Siemens Healthineers のデータ サイエンティストです。 同社の製品エンジニアリング チームのメンバーである Levannia は、応用統計を使用して、現場でのバイオセンサーのパフォーマンス監視、新しい研究開発センサー技術の校正、検証の作業をサポートしています。
彼女はブリティッシュ コロンビア大学でデータ サイエンスの修士号を取得し、オタワ大学で化学工学と生化学の学士号を取得しています。 彼女の研究は、Journal of Genome Biology and Evolution および Journal of Biomedical Materials Research に掲載されています。 彼女は共同司会者でもあります数字の秘密の生活、日常生活における数字について話し合うポッドキャストです。
メグ: 今日の私たちの多くと同じように、あなたのキャリアパスも進化のようなものでした。 化学工学と生化学から始めた後、どのようにしてデータサイエンスにたどり着いたのですか?
レバニア:私はプロダクト エンジニアとしてキャリアをスタートしましたが、これは非常に古典的な役割です。 私たちは製品を構築し、歩留まりの向上、スクラップの削減、校正の実施などを支援していました。 しかし、時間が経つにつれて、データを最大限に分析しなかったために多くの情報が失われていることに気づき始めました。 また、私たちのモデルをより堅牢で将来性のあるものにできないかということも考え始めました。
しかし、当時の私には、必要なモデルを評価したり構築したりするスキルがあるとは思えませんでした。 そこで私はデータサイエンスの修士号を取得するために、Siemens Healthineers を 10 か月間辞めました。 現在、私はデータ サイエンティストとして戻ってきており、データ サイエンス チームの範囲を現在の範囲を超えて拡大したいと心から願っています。製造ラインを支援するモデルを構築できるか? 数値だけでなく、自動化やイメージを考慮したモデルを構築できますか?
私が得た知識とデータ サイエンス チームの協力により、より広範なデータ リテラシーの基礎を築き始めることができました。 私たちは、「これがデータをどのように見たいのか、そしてデータを見るときに使用する言語はこれだ」という方向に向かって進んでいます。
メグ: データ サイエンスに移る前にプロダクト エンジニアリングの役割で働いていたことで、たとえば従来の統計学者とは異なる視点が得られたと思いますか?
レバニア:確かにコミュニケーションには役立ちますね。 たとえば、データ サイエンティストが意思決定を行うとき、製造業やプロセス エンジニアリングが必ずしも経験したことのない事柄に基づいて決定を下す可能性があります。 彼らは、モデルが機能するという事実、その理由、そしてどの主要なパラメータに注目する必要があるかということにより関心があるかもしれません。 作品を説明するときはそこに焦点を当てます。
私のエンジニアリングの経歴も、何に取り組むべきか、どこに重点を置くべきかを知るのに少し役立ちます。 すべてのモデルは何らかの点で悪いと言われていますが、便利なモデルもあります。 プロダクトエンジニアだったので、何が役立つかが分かりやすいと思います。 それで、まだ役に立つ悪いモデルを作ることができます。
メグ: データ サイエンティストとエンジニアのコミュニケーション方法の違いを考えると、多くの懐疑的な意見に遭遇したことはありますか? 分野専門家の目に最も魅力的な概念実証は何ですか?
レバニア:私は、データ サイエンス チームが他のすべてのチームにサービスを提供していると考えたいと思っています。私たちの目標は、組織全体にサービスを提供することです。 ヘルスケアにおけるデータサイエンスの考え方はまだかなり若いと思うので、私たちはまだかなり若いです。 私たちはまだ自分がどこに適しているのかを学び、それを主張している最中ですが、私たちが使用する可能性のあるより高度なテクニックのいくつかをまだあまり信頼していない人々に遭遇します。 彼らは依然としてそれが実際に動作しているのを見る必要があります。私たちは患者の生命に影響を与える医療診断機器を製造しているので、これは当然のことです。そのため、この種の慎重なアプローチは間違いなく正当化され、必要とされています。
全体として、より高度なテクニックを受け入れるには時間がかかる可能性があると思います。 何か問題が発生した場合、問題の原因はより高度な技術ではないことを示す必要がありました。 常に分析を擁護しているように感じるかもしれません。 しかし、そのプロセスを何度も経験すると、問題が発生したときに、それは単なるモデルの異常ではなく、実際には解決すべき問題であるという確信が持てるようになります。
多くの場合、私たちはいくつかの状況や特殊なケースを検討します。 そのためには、時間をかけてデータを収集し、新しい技術が正確かつ正確に実行できるという証明を開発する必要があります。 私は笑いながらそう言いますが、特定の状況を見るよう求められて、「もちろん、モデルならそんなこともできるよ」と思ってイライラすることもあります。すべてはコミュニケーションに戻ります。
モデリング技術がより高度になるにつれて、何が起こっているかを確実に伝えたいと思うようになります。 そして、このコンテキスト内で非常に長い間研究してきたドメインの専門家によってもたらされる興味深い状況があることを認識する必要があります。 思いもよらなかった何かがあるかもしれません。 このような仕事をすることは、あなた自身も本当に試されます。 しかし最終的には、より堅牢な分析とモデルが得られるので、精査には感謝しています。
最後に、時間は決して十分にないため、統計的アプローチやより高度な分析を使用すると時間を節約できることを強調すると役に立ちます。 時間を節約するためのモデルを作成し、ツールを構築することができます。そして、多くの場合、それらはより堅牢です。 また、意思決定を迅速に行うために必要な情報を入手するのにも役立ちます。
メグ:経営陣はサポートしてくれましたか?
レバニア:はい。 ただし、新しいツールやアプローチを試みる他のチームと同様に、経営陣はまず何ができるかを確認したいと考えています。 私たちはまだ、[シーメンス ヘルスニアーズのリーダーシップ] が私たちに何ができるかを自由に考えさせてくれている段階にいます。 そして、おそらくビジネスにも役立つ、解決すべき興味深い問題を与えることで、私たちに正しい方向を示してくれます。
現在、どの業界に属していても、誰もが、あらゆるところに非常に多くのデータが存在し、それを正しく分析すれば、コストを節約し、予測可能になり、信頼性を高めるなど、多くのことができることを学びつつあります。 組織が成長するにつれて、特に新型コロナウイルス感染症の医療においては、生産量を増やし、効率を高める方法を考える必要があると思います。 サプライ チェーンのような分野でも、チームはデータをより効果的に使用する方法を考えています。
メグ:現場が進化する中で、トレーニングはどのような役割を果たす必要があるのでしょうか?
レバニア:データサイエンティストになるために正式なトレーニングは必要ないと思います。 この流行の用語が登場するずっと前から、人々はデータ サイエンスを行っていました。それは、私たちが今それをラベル付けしただけです。
とはいえ、トレーニングをサポートすることも私の役割の一部です。 JMP私たちが使用するツールです。 最初に人々がデータの使い方を学びたいと考えていることを考えてください。彼らはデータを視覚化し、外れ値にラベルを付け、グラフを作成し、表を作成したいと考えています。 JMP はこれらすべてを非常に迅速かつ簡単に実行できるため、それを実行するために多くのトレーニングは必要ありません。
JMP を使用すると、より速く行動できるようになります。 正直に言うと、これは私がこれまでに見たデータラングリングとデータ視覚化ツールの中で最高のツールの 1 つです。 Python や R をダウンロードする必要はなく、コーディング方法を理解する必要もありません。
メグ: 「データ リテラシー」という言葉が出てきましたが、気になったのですが、シーメンス ヘルスニアーズの 2 ～ 5 年後のビジョンは何ですか?
レバニア:私が一緒に仕事をする人たちに、データについてもっと考え、データ リテラシーについて考えるよう促すことができれば幸いです。それがもっと共通言語になりたいと思っています。私たちは同じ用語を使用します。私たちは同じように問題に取り組みます。私たちは何を考慮する必要があるかを理解しています。
データの視覚化のような単純なものであっても、問題と単なるノイズとの違いをはるかに簡単に理解できる場合があります。 また、データに関するこの考え方をプロセスに統合して、データが常にバックグラウンドで存在するようにすることもできます。 プロセスの開始から終了までデータを確認できます。
たとえば、障害の原因となる重要な指標を把握できれば、障害が発生する前に傾向を把握し、事前に調整を行うことができます。 将来的には、私たちのサイト、または組織全体がデータについてもっと考えていきたいと考えています。 ちょっと考えてみてください。 しばらく座って、遊んで、いくつかのグラフを作成してから、質問に答えるために使い始めてください。 そして我々はそこに到達しつつある。
メグ:データへの取り組みとデータについての考え方に関するベスト プラクティスの標準化に役立つ自動化を使用していますか?
レバニア:確かに、そうです。 私たちのサイトには、JMP を頻繁に使用するチームが 2 ～ 3 つあります。 私たちが作成しました繰り返しの作業を行うスクリプト、とても便利です。 JMP では、スクリプトを保存し、別の場所から実行することができます。 また、それを他の人と共有することもできます。これは、最初から何かを行うのではなく、自動化されたプロセスが準備されているため、確かに能力の向上に役立ちます。 それはとても便利です。
メグ：あなたの経験について知りたいのですが、 JMP アーリーアダプター プログラム。
レバニア:私は数年前に参加しましたが、開発中の新機能を確認したり、それらの機能についてコメントしたりできるので気に入っています。 場合によっては、コメントが JMP の新しいバージョンで機能することがあります。 そして、時には欲しいものが見つからず、「うーん、ちょっと残念だ」と思うこともあります – はは！
JMP は会話を続けるのに非常に優れた仕事をしていると思います。 [JMP システム エンジニアリング チーム] が常にサポートしており、データを送信することができます。 もありますセミナーそして、JMP 16 でいくつかの問題が発生したとき、顧客サービスはとてもよかった。 私たちは会ってデータを見せ、あなたは何が起こっているのかをインタラクティブに把握し、バグを報告することができました。 JMP が実際に問題に取り組んでいると感じられるので、JMP が私たちとやり取りをしてくれるのが気に入っています。
また、頻繁に連絡を取り、多くの場合すぐにフィードバックが得られることにも驚きました。 [ JMPオンラインコミュニティ] フォーラムは、さらにスクリプトを作成し始めた時点で非常に役立ちました。 実際、私はこれらのフォーラムにもっと貢献する必要があるでしょう。なぜなら、彼らは私をとても助けてくれたし、今でもそうしているからです。
メグ: 最後に、キャリア、JMP、あるいは教育について、これから始めようとしている人にアドバイスをお願いします。
レバニア: JMP はトレーニング リソースを非常にうまく活用しています。 非常に優れたビデオとトレーニングがオンラインにいくつかあります – [産業問題解決のための統計的思考 (STIPS) ] は、あなたにとって完全なシステムのようなものです。 実際、当社では新入社員にはSTIPSから始めるようお願いしています。 JMP を使い始めたばかりの場合、これは非常に優れた基礎となります。
データサイエンティストになりたいのであれば、正式なトレーニングは必要ないというのが私のアドバイスです。 必要なのは、データに対する好奇心だけです。 実際、多くの人が意識せずにデータ分析の作業を行っています。 データに基づいた意思決定を行うことに関心がある人は誰でも、自らをデータ サイエンティストと呼ぶことができます。 本当に必要なのは、データを扱う時間を増やすことです。 もちろん、ツールやテクニックについても理解する必要があります。それは、データ サイエンスを容易にする JMP のようなツールから始まります。 特に正式なトレーニングを受けていない場合は。
要するに、データを分析するときに、データを使って興味深いことや大胆なことをすることを恐れないでください。なぜなら、データからどんなストーリーが得られるかは、探さないと分からないからです。
