Meagan Walker es especialista sénior en excelencia operativa en Kemira, un proveedor finlandés de productos químicos sostenibles. Kemira, proveedor líder de industrias que consumen mucha agua, incluidas la pulpa y el papel, el tratamiento de agua y la 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 en Kemira, Meagan ha desempeñado múltiples funciones especializándose en ventas de productos químicos, optimización de procesos, ingeniería de procesos y mejora continua. Su enfoque actual, como parte del equipo de Excelencia Operacional, es 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: Empecemos hablando un poco sobre la cultura analítica en Kemira. ¿Cómo está evolucionando el enfoque de la empresa hacia el análisis?
Meagan: 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 del proceso 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: ¿Existen conceptos erróneos comunes con los que se encuentra cuando se trata del valor de la habilitación de análisis?
Meagan: Escucho a la gente decir que "no confían en que las computadoras escupan todas las respuestas porque son solo una caja negra".
Meg: ¿Qué papel ha jugado la ciencia de datos en la configuración de su trayectoria profesional personal?
Meagan: Al principio de mi carrera como ingeniera 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 cuadros de control para monitorear el proceso.
A medida que seguí aprendiendo y entendiendo más sobre los procesos, pude darme cuenta de la importancia de los datos. Escuchar a los operadores contarme lo que sucedió durante un turno de noche fue fantástico, pero poder verlo visualmente con datos fue esclarecedor.
El cambio en la importancia del conocimiento de los datos para mí se produjo cuando comencé a utilizar el paquete estadístico JMP . Podía crear bonitas visualizaciones de los resultados, pero necesitaba comprender la jerga estadística para poder comunicar lo que estaba viendo.
Meg: Como miembro de laPrograma de adopción temprana de JMP, estás mucho más cerca de JMP que muchos usuarios. Me pregunto si hay algo que le llame la atención como aspecto de la comunidad JMP que crea que la gente está subutilizando. ¿Cómo ha maximizado el valor que obtiene de JMP?
Meagan: Probablemente los seminarios web en línea , que realmente disfruté 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 los 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 se estuviera realizando, independientemente del nivel de entrenamiento (básico, intermedio, avanzado).
Primero comencé a aprender – aprender – el lenguaje de JMP . Por ejemplo: tabla de datos, datos continuos versus nominales o datos de caracteres versus numéricos, triángulos rojos , filtro de datos, tabulación, generador de gráficos , generador de gráficos de control , secuencias de comandos…. Seguí el ritmo de las sesiones de los viernes y practicaba nuevos trucos que aprendía cada vez que usaba JMP. A medida que me sentí más cómodo con los conceptos básicos, comencé a saltarme las sesiones básicas de los viernes y, en cambio, miraba un seminario web más avanzado que estaba disponible a pedido en el sitio web . ¡Pero sigo prefiriendo las sesiones en vivo a las pregrabadas!
Cuando encontré los seminarios web en línea por primera vez, [Community Manager] @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 una por una. Comencé con los webinars básicos (la mayoría de los cuales ya había visto en vivo) y luego pasé a los intermedios. Me gusta marcar listas, así que marqué cada sesión que terminé. Las sesiones básicas me ayudaron a desarrollar un conocimiento fundamental 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 fija 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 mantenerme al día!
Meg: ¿Qué consejo le darías a alguien que recién está comenzando con JMP?
Meagan: ¡Aprovecha los seminarios web! Comience con lo básico y avance...
Desde el principio, realmente me gustó Graph Builder , especialmente la función de arrastrar y soltar. Me fascinó la capacidad de crear múltiples gráficos extremadamente rápido con solo unos pocos clics... ¡y luego aprendí sobre Column Switcher ! ¡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 era poderosa.
Meg: ¿Qué consejo le darías a los estudiantes que buscan seguir una carrera similar a la tuya?
Meagan: Personalmente, tuve muy poca formación en programación/codificación, ciencia de datos o estadística cuando era estudiante universitario con especialización en ingeniería química. Recomendaría a los estudiantes que sigan cualquier formación adicional que puedan obtener en esos campos mientras aún están en la universidad.
Y por supuesto, ¡comprende la hipótesis nula!
