Levannia Lildhar 是位於渥太華的西門子醫療公司的資料科學家。 作為該公司產品工程團隊的成員，Levennia 使用應用統計學來支援新研發感測器技術的現場生物感測器性能監測、校準和驗證工作。
她擁有不列顛哥倫比亞大學數據科學碩士學位和渥太華大學化學工程和生物化學學士學位。 她的研究成果發表在《基因組生物學與演化期刊》和《生物醫學材料研究期刊》。 她也是節目的聯合主持人數字的秘密生活，一個她討論日常生活中的數字的播客。
梅格：就像我們今天的許多人一樣，您的職業道路也經歷了一段演變。 從化學工程和生物化學開始，您是如何涉足數據科學的？
利瓦尼亞：我的職業生涯始於產品工程師，這是一個非常經典的角色。 我們正在建造一種產品，幫助提高產量、減少廢品、進行校準等等。 但隨著時間的推移，我們開始意識到，由於沒有充分分析數據，我們正在失去大量資訊。 我們也開始思考我們的模型是否可以更強大、更面向未來。
但當時，我覺得自己沒有能力評估或建構所需的模型。 因此，我離開西門子醫療公司 10 個月，以獲得數據科學碩士學位。 現在我回來並擔任資料科學家，我真的希望將資料科學團隊的權限擴展到當前範圍之外：我們可以建立有助於生產線的模型嗎？ 我們能否建立關注自動化或圖像而不僅僅是數字的模型？
憑藉我所獲得的知識，並與數據科學團隊一起，我們確實能夠開始為更廣泛的數據素養奠定基礎。 我們正在朝著“這就是我們看待數據的方式，這就是我們在看待數據時使用的語言。”
梅格：您認為在進入資料科學之前擔任產品工程職位會為您帶來與傳統統計學家不同的視角嗎？
利瓦尼亞：這當然有助於溝通。 例如，當資料科學家做出決定時，他們可能會基於製造或製程工程不一定接觸過的東西。 他們可能更關心模型是否有效、原因以及需要關注哪些關鍵參數。 當你描述這項工作時，這將成為你的焦點。
我的工程背景在了解要做什麼或重點放在哪裡方面也有一些幫助。 有句話說，所有模型在某種程度上都是不好的，但有些模型是有用的。 身為產品工程師，我認為更容易看出什麼是有用的。 這樣我就可以製作一個仍然有用的糟糕模型！
梅格：鑑於資料科學家和工程師溝通方式的差異，您是否曾經遇到過許多懷疑？ 您認為哪些概念證明在領域專家眼中最引人注目？
利瓦尼亞：我喜歡認為我們的數據科學團隊是為所有其他團隊服務的；我們的目標是為整個組織服務。 我們還很年輕，因為我認為醫療保健中數據科學的想法還很年輕。 我們仍在學習我們適合的地方並倡導它，我們仍然遇到那些對我們可能使用的一些更先進技術不太信任的人。 他們仍然需要看到它的實際應用——這是公平的，因為我們製造的醫療診斷設備會影響患者的生活，因此這種謹慎的方法絕對是必要的！
我想說，總的來說，接受更先進的技術可能需要時間。 我們必須證明，如果出現問題，並不是更先進的技術導致了問題。 感覺就像你總是在捍衛分析。 但是，當您多次經歷該過程時，當問題出現時，您就有信心這實際上是一個應該解決的問題，而不僅僅是模型中的異常。
在許多情況下，我們會考慮幾種情況和邊緣情況。 這需要花時間收集數據並證明新技術可以準確無誤地執行。 我笑著說，但有時，當你被要求觀察某種情況時，你可能會感到沮喪，“嗯，模型當然可以做到這一點。”這一切都回到了溝通上。
隨著您的建模技術越來越先進，您需要確保能夠傳達正在發生的情況。 您必須意識到，長期在此背景下工作的領域專家將為您帶來一些有趣的情況。 可能有一些你沒有想到的事情。 做這樣的工作也確實是對你的考驗。 但最終，它也帶來了更強大的分析和模型，所以我也感謝大家的審查。
最後，強調統計方法或一些更高級的分析可以節省時間是有幫助的，因為人們永遠沒有足夠的時間！ 我們可以創建模型並建立可以節省時間的工具……而且它們通常更強大。 它們還可以幫助人們獲得更快做出決策所需的資訊。
梅格：管理層是否支持？
利瓦尼亞：是的。 儘管與嘗試新工具或新方法的任何團隊一樣，管理層希望首先看看您能做什麼。 我們仍處於[西門子醫療的領導階層]讓我們自由地看看我們能做什麼的階段。 他們也許會為我們提供有趣的問題來解決，從而為我們指明正確的方向，這也將有助於業務。
現在，每個人——無論你從事哪個行業——都知道到處都有如此多的數據，如果你正確地分析它，你可以做很多事情：省錢、變得更可預測、變得更可靠… …。 我認為，隨著組織的發展，尤其是在新冠疫情帶來的醫療保健領域，我們必須增加產量並思考如何提高效率。 即使在供應鏈等領域，團隊也在考慮如何更好地利用數據。
梅格：隨著該領域的發展，培訓必須扮演什麼角色？
利瓦尼亞：我認為成為數據科學家不需要正式的培訓。 早在我們有了這個流行術語之前，人們就已經開始研究數據科學了——只是我們現在給它貼上了標籤。
也就是說，我的部分職責是支援培訓，並且聯合管理計劃是我們使用的工具。 想想人們一開始想要學習如何處理資料：他們想要將資料視覺化、標記異常值、繪製圖表、製成表格。 JMP 非常快速、輕鬆地完成所有這些工作，您不需要太多培訓即可完成！
借助 JMP，您能夠更快地行動。 老實說，它是我見過的用於資料整理和資料視覺化的最佳工具之一。 您不需要下載 Python 或 R，也不需要了解如何編碼。
梅格：您提到「數據素養」一詞，我想知道：您對西門子醫療未來兩到五年的願景是什麼？
利瓦尼亞：我希望我能激勵那些與我一起工作的人更多地思考他們的數據，並思考他們的數據素養——我希望它更像是一種共同語言：我們使用相同的術語；我們處理問題的方式類似；我們了解我們需要考慮什麼。
即使使用資料視覺化這樣簡單的東西，我們有時可以更容易理解問題和噪音之間的差異。 此外，我們可以將這種數據思考方式整合到我們的流程中，以便它始終存在於後台。 您可以查看從流程開始到結束的資料。
例如，如果能找出哪些關鍵指標會導致故障，就可以在故障發生前了解趨勢並主動進行調整。 將來，我希望我們的網站——或者我們的整個組織——更多地考慮他們的數據。 考慮一下。 也許可以坐一會兒，玩玩它，建立一些圖表，然後開始使用它來幫助他們回答問題。 我們正在實現這一點。
梅格：您是否使用任何自動化來幫助標準化處理和思考資料的最佳實踐？
利瓦尼亞：當然，是的。 在我們的站點，有兩三個團隊大量使用 JMP。 我們已經創建了為我們做重複性工作的腳本，這非常有用。 在 JMP 中，您只需儲存腳本並從其他位置執行它。 而且您可以與其他人分享——這當然有助於培養能力，因為您不必從頭開始做某事，而是有一個隨時可用的自動化流程。 這非常有用。
梅格：我很好奇你的經歷JMP 早期採用者計劃。
利瓦尼亞：我幾年前加入了，我確實喜歡它，因為你可以看到正在開發的新功能並對這些功能發表評論。 有時您會看到您的評論在新版本的 JMP 中發揮作用。 有時你想要的東西沒有出現，你會說，「呃，我有點失望」——哈！
我認為 JMP 在保持對話持續進行方面做得非常好。 [JMP 系統工程團隊] 隨時為您提供協助，您可以向他們發送資料。 還有研討會，當我們在使用 JMP 16 時遇到一些問題時，客戶服務非常好。 我們會見面並展示數據，您可以互動式地找出正在發生的事情並提交錯誤。 我喜歡 JMP 與我們進行反覆交流，因為您會覺得他們實際上正在解決您的問題。
我也很驚訝您可以如此頻繁地聯繫我們，而且在許多情況下幾乎可以立即獲得回饋。 這 [ JMP 網路社群] 當我們開始編寫更多腳本時，論壇對我們有很大幫助。 事實上，我應該為這些論壇做出更多貢獻，因為它們對我幫助很大，而且仍然如此。
Meg：總而言之，您會給那些剛起步的人甚麼建議——他們的職業生涯、JMP，甚至可能是他們的教育。
利瓦尼亞： JMP 的培訓資源做得非常好。 網路上有一些非常非常好的影片和訓練 – [解決工業問題的統計思維 (STIPS) ] 就像一個完整的系統就在那裡為您服務。 事實上，我們要求新員工先通過 STIPS。 如果您剛開始使用 JMP，那麼這是一個非常好的基礎。
如果你想成為資料科學家，我的建議是你不需要正式的訓練。 您所需要的就是對數據的好奇。 事實上，很多人在沒有意識到的情況下進行數據分析工作。 任何關心數據驅動決策的人都可以稱自己為資料科學家。 您真正需要做的就是花更多時間處理資料。 是的，您還需要了解工具和技術，而這實際上是從 JMP 等使資料科學變得簡單的工具開始的。 特別是如果您沒有接受過正式培訓。
歸根究底是：在分析數據時，不要害怕用數據做有趣或大膽的事情，因為如果你不尋找數據，你就不知道它會告訴你什麼故事。
