Meagan Walker ist Operational Excellence Senior Specialist bei Kemira, einem finnischen Anbieter nachhaltiger Chemikalien. Als führender Lieferant für wasserintensive Industrien, darunter Zellstoff und Papier, Wasseraufbereitung und Energie, treibt Kemira die globale Nachhaltigkeitstransformation durch Innovationen bei biobasierten Produkten voran.
In ihren mehr als sieben Jahren bei Kemira hatte Meagan mehrere Funktionen inne, die sich auf den Verkauf von Chemikalien, Prozessoptimierung, Verfahrenstechnik und kontinuierliche Verbesserung spezialisierten. Als Teil des Operational-Excellence-Teams konzentriert sie sich derzeit auf Big-Data-Analysen und Predictive Analytics, um Lösungen basierend auf der chemischen, mechanischen und digitalen Umgebung bereitzustellen. Sie verfügt über 13 Jahre Erfahrung in der Papierindustrie und arbeitete zuvor sowohl für AkzoNobel Pulp & Performance Chemicals als auch für Domtar. Meagan ist ein Lean Six Sigma Black Belt und hat einen BS in Chemieingenieurwesen von der University of Arkansas.
Meg: Beginnen wir damit, ein wenig über die Analytics-Kultur bei Kemira zu sprechen. Wie entwickelt sich der Analytics-Ansatz des Unternehmens?
Meagan: Digitale Services, einschließlich Predictive Analytics, sind derzeit ein Wachstumsprojekt und eine neue Initiative innerhalb von Kemira. Diese Dienstleistungen haben sich als Mehrwert für unsere Kunden entwickelt, um die Prozesseffizienz zu verbessern und die Variabilität zu reduzieren. Wir glauben, dass unsere Stärke in unserer Methodik zur Fehlersuche liegt, die sich stark auf Datenanalysen unter Nutzung von Prozessexpertise und Datenergebnissen unserer Steuerungs- und Überwachungsausrüstung stützt.
Meg: Gibt es gängige Missverständnisse, auf die Sie stoßen, wenn es um den Wert von Analytics-Enablement geht?
Meagan: Ich höre Leute sagen, dass sie „den Computern nicht vertrauen, dass sie alle Antworten ausspucken, weil es nur eine Blackbox ist“.
Meg: Welche Rolle hat Data Science bei der Gestaltung Ihres persönlichen Karrierewegs gespielt?
Meagan: Schon früh in meiner Karriere als Verfahrenstechniker kam ich mit „Daten“ in der Fertigung in Berührung. Das damalige Ziel war es, so viele Daten wie möglich in Excel zu sammeln und dann Stunden damit zu verbringen, Tausende von Diagrammen und Kontrolldiagrammen zu erstellen, um den Prozess zu überwachen.
Als ich weiter lernte und mehr über die Prozesse verstand, konnte ich die Bedeutung von Daten erkennen. Den Bedienern zuzuhören, die mir erzählten, was während einer Nachtschicht passiert ist, war großartig, aber in der Lage zu sein, es mit Daten visuell zu sehen, war aufschlussreich.
Die Bedeutungsverschiebung der Datenkompetenz für mich kam, als ich anfing, das Statistikpaket zu verwenden JMP . Ich konnte schöne Visualisierungen der Ergebnisse erstellen, musste aber den statistischen Jargon verstehen, um zu kommunizieren, was ich sah.
Meg: Als Mitglied der JMP Early Adopter-Programm , Sie sind JMP viel näher als viele Benutzer. Ich frage mich, ob es einen Aspekt der JMP-Community gibt, der Ihrer Meinung nach zu wenig genutzt wird. Wie haben Sie den Wert maximiert, den Sie von JMP erhalten?
Meagan: Wahrscheinlich die Online-Webinare , die ich sehr genossen habe und ständig ausnutze. Ich kenne nur einen anderen Kollegen von mir, der diese Sitzungen nutzt, und er hat mich auch ermutigt, mitzumachen!
Als ich anfing, JMP zu lernen, begann ich mit dem Live-Webinare am Freitagnachmittag . Ich habe für jeden Freitag eine wiederkehrende Veranstaltung in meinem Kalender festgelegt und mich für die jeweils stattfindende Sitzung angemeldet, unabhängig vom Trainingsniveau (Grundstufe, Mittelstufe, Fortgeschrittene).
Ich fing zuerst an aufzuheben – zu lernen – die Sprache von JMP . Zum Beispiel: Datentabelle, fortlaufende vs. nominale Daten oder Zeichen vs. numerische Daten, rote Dreiecke , Datenfilter, Tabellieren, Graph-Generator , Kontrolldiagramm-Generator , Scripting…. Ich hielt mich bei den Freitagssitzungen auf dem Laufenden und übte neue Tricks, die ich jedes Mal lernte, wenn ich JMP verwendete. Als ich mich mit den Grundlagen vertrauter machte, fing ich an, die grundlegenden Sitzungen am Freitag auszulassen und mir stattdessen ein Webinar für Fortgeschrittene anzusehen auf Anfrage auf der Website verfügbar . Aber ich ziehe die Live-Sessions immer noch den voraufgezeichneten vor!
Als ich die Online-Webinare zum ersten Mal entdeckte, [Community Manager] @Gail_Massari hatte damals eine sehr schöne Liste verfügbarer Einheiten gepostet – aufgeschlüsselt nach Trainingslevel – also habe ich sie ausgedruckt und angefangen, die Liste eine nach der anderen durchzugehen. Ich begann mit den grundlegenden Webinaren (von denen ich die meisten bereits live gesehen hatte) und ging dann zu den fortgeschrittenen über. Ich hakte gerne Listen ab, also habe ich jede Sitzung, die ich beendet habe, abgehakt. Die grundlegenden Sitzungen haben mir geholfen, grundlegende Kenntnisse von JMP aufzubauen, aber die Zwischensitzungen haben es mir ermöglicht, die Leistungsfähigkeit von JMP in Bezug auf statistische Datenanalyse, Prozesssteuerung und Modellierung zu verstehen.
Ich habe freitags immer noch einen festen Termin für JMP-Schulungen und eines Tages werde ich die ursprüngliche Liste fertigstellen, die Gail vor über zwei Jahren veröffentlicht hat, obwohl es so viele neue Schulungen gibt, dass es schwer ist, Schritt zu halten!
Meg: Welchen Rat würden Sie jemandem geben, der gerade erst mit JMP anfängt?
Meagan: Nutzen Sie die Webinare! Beginnen Sie mit den Grundlagen und arbeiten Sie sich nach oben…
Auf Anhieb fand ich Gefallen daran Graph-Generator , insbesondere die Drag-and-Drop-Funktion. Ich war fasziniert von der Möglichkeit, mit nur wenigen Klicks extrem schnell mehrere Diagramme zu erstellen … und dann erfuhr ich davon Spaltenumschalter ! Verblüfft! So begann ich, die Leistungsfähigkeit der visuellen Plattformen von JMP zu verstehen … für mich war die Fähigkeit, Statistiken zu visualisieren und sie mit anderen zu teilen, mächtig.
Meg: Welchen Rat würdest du Studenten geben, die eine ähnliche Karriere anstreben wie du?
Meagan: Ich persönlich hatte als Student mit Schwerpunkt Chemieingenieurwesen sehr wenig Programmier-/Codierungs-, Data Science- oder Statistikausbildung. Ich würde Studenten empfehlen, sich während ihres Studiums in diesen Bereichen weiterzubilden.
Und natürlich verstehen Sie die Nullhypothese!
