Dirk de Bruyn Ouboter es líder de plataforma para captura de datos en el sitio de I+D de Syngenta en Stein, Suiza. Después de completar un doctorado en química en la Universidad de Basilea, Dirk trabajó como becario postdoctoral en la empresa suiza de biotecnología Actelion (ahora parte de Johnson & Johnson), donde su investigación se centró en la producción y evaluación de nanoformulaciones de API utilizando métodos analíticos.
En 2012, se unió a Syngenta en ciencia de medición y desempeño de procesos, y luego lideró iniciativas de tecnología de procesos que impulsaron la transformación digital, primero de la tecnología de procesos químicos de Syngenta y ahora en la interfaz física a digital en TI de I+D.
Meg: Tengo curiosidad por saber el momento en el que se dio cuenta de que la analítica podía agregar mucho valor a su trabajo, el punto que finalmente lo llevó a donde se encuentra ahora: desempeñar un papel activo en la transformación analítica de Syngenta.
Dirk: Cuando era niño, siempre quise ser inventor, así que soy un explorador por naturaleza. Pero mirando hacia atrás, creo que también hubo un momento en mi carrera en el que me di cuenta de que si podía recopilar muchos datos y encontrar algunas correlaciones, podía aprender mucho y hacerlo relativamente rápido. Quedé realmente fascinado con lo que estaba encontrando, y una vez que comencé a hacer descubrimientos con datos, quise compartir esos descubrimientos con otras personas, ¡aunque solo fuera para compartir mi entusiasmo!
Tener datos, ver algo en ellos, reconocer los patrones ocultos, sacar conclusiones y luego compartir esa fascinación con los demás: ¡no sólo los hallazgos sino también el enfoque! Quería mostrarles lo fácil que es encontrar pepitas de oro en sus datos. Y prácticamente hablando, sabía que había mucha más información por ahí que no podría procesar por mí mismo. Quería que otras personas también sintieran esa sensación de entusiasmo por utilizar la información que descubrirían.
Meg: ¿Alguien planteó objeciones? ¿Hubo obstáculos?
Dirk: No cuando se trataba de compartir el entusiasmo o los resultados; mis colegas y nuestra gerencia siempre han estado muy de acuerdo con el valor que el análisis aporta a la organización. El principal desafío era simplemente conseguir acceso a las herramientas adecuadas. Cuando estaba en mi segundo mes con Syngenta, alguien me dijo que debía obtener una licencia JMP y no pude. Nuestros procesos corporativos internos lo dificultaron y tuve que esperar casi un año completo. Investigué quiénes tenían licencias en Suiza y luego me di cuenta de que ya había unos cientos de usuarios en Syngenta a nivel mundial. Entonces solicité una agrupación de licencias para Suiza. Al obtener mi propia licencia, terminé obteniendo licencias para muchas otras también – ¡ja!
Una vez que tuve JMP... [estadísticas] me sentí muy diferente. Ya no se trataba de las ecuaciones. Estaba mucho más motivado para explorar realmente una emoción tras otra. Y otro beneficio fue que el proceso de adquisición de una licencia me puso en contacto con muchos otros usuarios.
Por supuesto, no todos estaban de acuerdo desde el principio: teníamos Minitab desde la década de 1990 y, con STAVEX, también había un diseño patentado de plataforma de experimentos desarrollado por el predecesor de Syngenta. Y por supuesto, también estaban los usuarios de Excel. Pero les pregunté: "¿Alguna vez han intentado hacer un histograma en Excel?" Dirían: "Sí, puedo hacer eso. Dame 5 o 10 minutos". Luego les mostraría JMP y cómo ahora podían hacer lo mismo en 3 segundos. En cuanto al diseño de experimentos, un colega me dijo: "Sí, comencé a hacer DOE hace 30 años y todavía puedo hacerlo todo en Excel. Se lo puedo dar mañana, no se preocupe". Yo simplemente [negué con la cabeza].
Creo que lo que todas estas personas tienen en común es que aún no sentían curiosidad. Pero siempre que había alguien entusiasmado por ver y aprender algo nuevo, inmediatamente se lanzaba a ello.
Meg: ¿Hubo alguna prueba de concepto inicial que le ayudó a demostrar el argumento comercial para las iniciativas de análisis?
Dirk: En la época en la que utilizaba JMP de forma muy intensiva, tenía mucho acceso a los datos de las plantas de fabricación con historiadores. Estábamos almacenando datos de series temporales, cada 10 segundos si así lo deseaba. Siempre hubo ejemplos sencillos relacionados con el secado o las temperaturas, algo que cualquiera podría entender incluso si no es ingeniero o estadístico.
Pero me di cuenta de que normalmente es mejor elegir un ejemplo cercano al usuario. Si quiero convencer a alguien en química, en investigación, necesito tomar y mostrarle algo de la química. Si fuera alguien de formulación trabajando en la molienda, sé que hay un buen ejemplo de molienda.
Por supuesto, esto no siempre funciona... y hay personas que seguirán pensando que [el análisis] es innecesario. Y para ser justos, las conclusiones no suelen ser tan sorprendentes. Es posible que simplemente confirmen lo que ya sabes.
A menudo también comparto mi propia historia: cuando hice mi doctorado, no usé estadísticas aparte de, tal vez, a veces solo resumir estadísticas. Eran más matemáticas que las estadísticas detrás de esto. Entonces alguien se acercó a mí y me preguntó: "¿Cuál es tu resultado?" Respondí: "Obtuve un rendimiento del 90 %". Dijeron: "Fantástico". ¿Con qué frecuencia lo repitiste?" Respondí: "Tres veces". "¿Cuándo obtuviste el 90%?" "La tercera vez", le dije. "Está bien, pero si hubieras obtenido el 90% la primera vez, ¿con qué frecuencia lo habrías repetido? ¿Una vez? ¿Y sería correcto?"
Durante mis estudios de doctorado, apenas utilicé la estadística. No tenía un plan para ello. Todavía no conocía el verdadero poder de las estadísticas.
Meg: Si pudieras volver a ese período de tu carrera, ¿qué habrías hecho diferente?
Dirk: Si hubiera sabido que las estadísticas eran tan fáciles, ¡eso es lo primero que habría hecho! JMP realmente cambió las estadísticas para mí.
En la universidad, a menudo empiezas con tres años de estadísticas. Al principio, te concentras en cómo calcular y hacer promedios… luego viene la prueba de hipótesis, ¡que suele ser cuando pierdes el interés! No es visual. Ojalá, al comienzo de mis estudios, alguien me hubiera mostrado un enfoque visual, introduciendo ese concepto de descubrimiento.
Hubo un gran ejemplo [uno de mis mentores compartió conmigo]: dijo: "Si vas a comprar 6 huevos, ¿cuántos miras?" Respondí: "Bueno, miro cada uno de ellos para asegurarme de que no estén agrietados". “Y si vas a comprar 150 uvas, ¿cuántas pruebas?” Yo estaba como, "Quizás 1 o 2". Simplemente demuestra lo importante que es pensar en el tamaño de la muestra y en cuántas debería probarse.
Meg: Cuando todavía estaba trabajando en su doctorado, ¿conocía los estándares de la industria para la estadística aplicada?
Dirk: Sí, absolutamente. Estudié diseño estadístico de experimentos en mi segundo año de estudios de posgrado. Pero lo único que recuerdo son esos cubos y que se suponía que me ayudarían a obtener más resultados con menos experimentos. Todo lo demás no lo entendí porque el curso estaba muy centrado en ecuaciones y matemáticas pesadas. Por supuesto, estudié ingeniería química, así que no es que no fuéramos buenos con las matemáticas, pero [las estadísticas simplemente no eran tan interesantes]. Sabía que existía un complemento de Excel, pero no conocía la existencia de un software especializado.
También estuve enseñando estadística hasta cierto punto durante mi doctorado, enseñando cosas como la propagación de errores, que era bastante importante, por ejemplo. Lo más difícil siempre fue explicar a los estudiantes por qué no deberían usar las barras estándar que aparecen como barras de error en Excel. Y creo que esto también causa mucho daño en las universidades, usando barras de error en Excel. Sesga completamente el concepto de comprensión de las estadísticas detrás de esto.
Meg: Hablaste un poco sobre cómo el acceso a JMP fue un punto de inflexión en tu carrera. Me pregunto si podría hablar más sobre cómo obtuvo valor de los recursos y la relación con JMP, más allá del software en sí.
Dirk: Para mí, lo más destacado del año es siempre Discovery Summit, porque cuando estoy allí estoy entre muchas personas que comparten la emoción de descubrir información en datos y aprender sobre nuevos casos de uso, posibilidades e ideas. Por lo general, regreso de Discovery Summit con un libro lleno de nuevas ideas para probar con mis datos, o datos que aún no he usado pero conozco sus casos de uso. Eso es definitivamente lo más destacado.
Una cosa de la que me di cuenta cuando asumí el rol de entrenador aquí en Syngenta es que, por supuesto, hay personas que no saben que JMP existe, pero lo que es aún peor es que hay bastantes personas que saben que existe pero no lo saben. sobre todo el apoyo que podrían recibir. No saben que JMP ofrece mucho más... no es sólo un software disponible en el mercado.
Meg: ¿Cuál crees que es el consejo más importante que se le puede dar a alguien que recién está comenzando con JMP?
Dirk: Siempre le digo a la gente cuando empiezan [a usar JMP por primera vez] que dediquen esa primera hora a descubrir la magia detrás de los triángulos rojos . ¡Si te pierdes eso, pierdes el punto! Por supuesto, también está esa capacitación bajo demanda de una hora de "Cómo comenzar" , que también me motivó a investigar la serie Mastering JMP .
Dominar JMP es lo que me entusiasmó mucho al aplicar lo que estaba aprendiendo a mis propios datos. En cuanto a la Comunidad , normalmente la uso solo como recurso de búsqueda. Es una buena manera de descubrir cómo hicieron las cosas otros [cuando se enfrentaron a un desafío de datos similar].
Entonces: descubre la magia de los triángulos rojos y elige al menos tres sesiones de la serie Mastering JMP. Ese es un buen punto de partida.
Para mí, ahora como embajador o defensor de Syngenta, me enfrento al Triángulo Dramático de Karpman. Cuando alguien viene a preguntarme si se puede hacer algo en JMP, siempre debo decidir: ¿voy a ser el rescatador o voy a ser el entrenador? Y mi decisión (ya sea que lo haga por ellos o los entrene para que lo hagan ellos mismos) influye en si serán la víctima que siempre necesita ayuda o el superviviente que aprende y luego puede sobrevivir y propagar el conocimiento en sus vidas. propio.
Siempre que es posible, trato de asumir el papel de entrenador en lugar del de socorrista. ¡Pero a veces es muy difícil cuando sabes que algo está a sólo dos clics de distancia y a alguien le lleva tres semanas descubrirlo!
Meg: ¿Qué consejo le darías a los estudiantes que desean seguir una carrera en la industria como lo has hecho tú?
Dirk: Olvídese de las ecuaciones (se hacen en segundo plano) y concéntrese en aprovechar la ola de datos en JMP. Dejarse llevar.
Quizás también agregue una cosa más. Realmente recomendaría que los estudiantes se tomen el tiempo para completar el programa de Pensamiento estadístico para la resolución de problemas industriales (STIPS) porque, como estudiante, todavía estás acostumbrado a tener una serie de lecciones que quizás solo tengan sentido al final. Y realizar ese curso es una buena inversión no sólo para capacitarse sino también para moldear su forma de pensar. Para un estudiante, esto es casi una obligación.
