Ron S. Kenett, Universität Turin
Dieser Vortrag ist eine Reise zwischen Wissenschaft und Geschäftsanalyse. Um den Kontext zu schaffen, werde ich zunächst ganz kurz meine Vorbilder auflisten. Insbesondere möchte ich Sir David Cox erwähnen, der mir als Student am Imperial College die Einführung in den Statistikkurs beigebracht hat; Sam Karlin, der mein Doktorvater in Stanford und am Weizmann-Institut war; George Box und Bill Hunter, die mir die Tür zur angewandten Statistik in Wirtschaft und Industrie öffneten; sowie Stu Hunter, Ed Deming und Joe Juran. Sie alle hatten einen erheblichen Einfluss auf meine Karriere. Die nächste Station der Reise bietet eine kurze Einführung in Quality by Design (QbD), wie es in der Pharmaindustrie angewendet wird. Die dritte Station wird ein Thema diskutieren, das in der Wissenschaft zunehmend Anlass zur Sorge gibt – die Reproduzierbarkeit von Forschungsergebnissen. Um dieses Problem anzugehen, werde ich einen neuen Vorschlag skizzieren, der auf der Generalisierbarkeit der Ergebnisse basiert. Generalisierung ist eine der acht Dimensionen der Informationsqualität (InfoQ), und dieser Stopp stellt die gemeinsame Arbeit mit Galit Shmueli dar, die in den letzten acht Jahren durchgeführt und in unserem aktuellen Buch zusammengefasst wurde. In einem letzten Stopp werden die Herausforderungen besprochen, die sich der Analytik und Statistik stellen. Die Motivation hinter dieser Reise besteht darin, die Schlüsselrolle des statistischen Denkens in der modernen Analytik und seine Auswirkungen sowohl auf die Wissenschaft als auch auf Geschäftsanwendungen aufzuzeigen. Letztlich werden diese Gedanken und Beispiele von der Ambition angetrieben, die Statistik wieder in den Mittelpunkt der datengesteuerten Arbeit zu rücken. Im Laufe der Zeit werde ich einige Beispiele zeigen, bei denen ich JMP verwende, um die Sache zu verdeutlichen.
