Meagan Walker es especialista sénior en excelencia operativa en Kemira, un proveedor finlandés de productos químicos sostenibles. Kemira, proveedor líder de industrias que hacen un uso intensivo del agua, como pulpa y papel, tratamiento de agua y energía, está impulsando la transformación de la sostenibilidad global a través de la innovación en productos de base biológica.
En sus más de siete años con Kemira, Meagan ha desempeñado múltiples funciones especializadas en ventas de productos químicos, optimización de procesos, ingeniería de procesos y mejora continua. Su enfoque actual, como parte del equipo de Excelencia Operacional, está en el análisis de big data y el análisis predictivo para brindar soluciones basadas en el entorno químico, mecánico y digital. Tiene 13 años de experiencia en la industria del papel y anteriormente trabajó para AkzoNobel Pulp & Performance Chemicals y Domtar. Meagan es cinturón negro de Lean Six Sigma y tiene una licenciatura en ingeniería química de la Universidad de Arkansas.
Meg: Comencemos hablando un poco sobre la cultura analítica en Kemira. ¿Cómo está evolucionando el enfoque de la empresa hacia el análisis?
Megan: Los servicios digitales, incluido el análisis predictivo, son actualmente un proyecto de crecimiento y una nueva iniciativa dentro de Kemira. Estos servicios han evolucionado como un valor agregado para nuestros clientes con el fin de mejorar la eficiencia de los procesos y reducir la variabilidad. Creemos que nuestra fortaleza está en nuestra metodología de resolución de problemas, que se basa en gran medida en el análisis de datos con el uso de experiencia en procesos y resultados de datos de nuestro equipo de control y monitoreo.
Meg: ¿Hay algún concepto erróneo común con el que te encuentres cuando se trata del valor de la habilitación de análisis?
Megan: Escucho a la gente decir que "no confían en que las computadoras escupen todas las respuestas porque es solo una caja negra".
Meg: ¿Qué papel ha jugado la ciencia de datos en la configuración de su trayectoria profesional personal?
Megan: Al principio de mi carrera como ingeniero de procesos, conocí los "datos" en la fabricación. El objetivo en ese momento era recopilar la mayor cantidad de datos posible en Excel y luego pasar horas creando miles de gráficos y tablas de control para monitorear el proceso.
A medida que continuaba aprendiendo y entendiendo más sobre los procesos, pude darme cuenta de la importancia de los datos. Escuchar a los operadores decirme lo que sucedió durante un turno de noche fue excelente, pero poder verlo visualmente con datos fue esclarecedor.
El cambio en la importancia de la alfabetización de datos para mí se produjo cuando comencé a usar el paquete estadístico JMP . Podía crear bonitas visualizaciones de resultados, pero necesitaba entender la jerga estadística para poder comunicar lo que estaba viendo.
Meg: Como miembro de la Programa de adopción temprana de JMP , está mucho más cerca de JMP que muchos usuarios. Me pregunto si hay algo que le llame la atención como un aspecto de la comunidad de JMP que crea que la gente está infrautilizando. ¿Cómo ha maximizado el valor que obtiene de JMP?
Megan: Probablemente el seminarios web en línea , que he disfrutado mucho y aprovecho constantemente. ¡Solo conozco a otro colega mío que utiliza estas sesiones, y él también me animó a participar!
Cuando comencé a aprender JMP, comencé con el Seminarios web en vivo los viernes por la tarde . Establecí un evento recurrente en mi calendario para cada viernes y me registré para cualquier sesión que tuviera lugar, independientemente del nivel de entrenamiento (básico, intermedio, avanzado).
Primero comencé a recoger, a aprender, el lenguaje de JMP . Por ejemplo: tabla de datos, datos continuos vs nominales o caracteres vs datos numéricos, triangulos rojos , filtro de datos, tabular, Generador de gráficos , Generador de gráficos de control , guion…. Me mantuve al día con las sesiones de los viernes y practicaba nuevos trucos que aprendía cada vez que usaba JMP. A medida que me sentía más cómodo con los conceptos básicos, comencé a saltarme las sesiones básicas de los viernes y, en cambio, veía un seminario web más avanzado que era disponible bajo demanda en el sitio web . ¡Pero sigo prefiriendo las sesiones en vivo a las pregrabadas!
Cuando encontré por primera vez los seminarios web en línea, [Administrador de la comunidad] @Gail_Massari había publicado una muy buena lista de sesiones disponibles en ese momento, desglosadas por nivel de capacitación, así que la imprimí y comencé a revisar la lista de una en una. Empecé con los seminarios web básicos (la mayoría de los cuales ya había visto en vivo) y luego pasé a los intermedios. Me gusta tachar listas, así que taché cada sesión que terminé. Las sesiones básicas me ayudaron a desarrollar un conocimiento básico de JMP, pero las sesiones intermedias me permitieron comprender el poder de JMP con respecto al análisis de datos estadísticos, el control de procesos y el modelado.
Todavía tengo una cita permanente los viernes para la capacitación de JMP y algún día terminaré la lista original que Gail publicó hace más de dos años, ¡aunque hay tantas sesiones de capacitación nuevas que es difícil mantenerse al día!
Meg: ¿Qué consejo le darías a alguien que acaba de empezar con JMP?
Megan: ¡Aprovecha los seminarios web! Comience con lo básico y siga avanzando...
Desde el principio, realmente me gustó Generador de gráficos , especialmente la función de arrastrar y soltar. Estaba fascinado con la capacidad de hacer múltiples gráficos extremadamente rápido con solo unos pocos clics... y luego aprendí sobre Conmutador de columna ! ¡Alucinante! Así fue como comencé a comprender el poder de las plataformas visuales de JMP… para mí, la capacidad de visualizar estadísticas y compartirlas con otros fue poderosa.
Meg: ¿Qué consejo les darías a los estudiantes que buscan seguir una carrera similar a la tuya?
Megan: Personalmente, tenía muy poca programación/codificación, ciencia de datos o capacitación estadística como estudiante de pregrado en ingeniería química. Recomendaría a los estudiantes que busquen cualquier capacitación adicional que puedan obtener en esos campos mientras aún están en la universidad.
Y por supuesto, ¡entiende la hipótesis nula!
