Ron S. Kenett, Universität Turin
Dieser Vortrag ist eine Reise zwischen Wissenschaft und Business Analytics. Um den Kontext zu verdeutlichen, möchte ich zunächst kurz meine Vorbilder aufzählen. Insbesondere erwähne ich Sir David Cox, der mir während meines Bachelorstudiums am Imperial College die Einführung in die Statistik beibrachte; Sam Karlin, mein Doktorvater in Stanford und am Weizmann-Institut; George Box und Bill Hunter, die mir den Weg zur angewandten Statistik in Wirtschaft und Industrie ebneten; sowie Stu Hunter, Ed Deming und Joe Juran. Sie alle hatten einen maßgeblichen 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 befasst sich mit einem Thema, das in der Wissenschaft zunehmend an Bedeutung gewinnt – der Reproduzierbarkeit von Forschungsergebnissen. Um dieses Problem anzugehen, werde ich einen neuen Ansatz skizzieren, der auf der Generalisierbarkeit von Ergebnissen basiert. Generalisierung ist eine der acht Dimensionen der Informationsqualität (InfoQ). Diese Station repräsentiert die Zusammenarbeit mit Galit Shmueli der letzten acht Jahre, die in unserem kürzlich erschienenen Buch zusammengefasst ist. Eine letzte Station befasst sich mit den zukünftigen Herausforderungen für Analytik und Statistik. Die Motivation hinter dieser Reise besteht darin, die Schlüsselrolle des statistischen Denkens in der modernen Analytik und dessen Auswirkungen sowohl auf wissenschaftliche als auch auf geschäftliche Anwendungen aufzuzeigen. Letztendlich sind diese Überlegungen und Beispiele von dem Ziel getrieben, der Statistik wieder die entscheidende Rolle in der datengesteuerten Arbeit zu geben. Ich werde dazu einige Beispiele mit JMP zeigen.
