Im Jahr 2018 hatte JMP die Ehre, Dr. Ron Kenett im Rahmen der Webinar-Reihe „Analytically Speaking“ zu interviewen. Wir veröffentlichen einen Auszug aus diesem Interview aus zwei Gründen erneut: Erstens, um ihn als Träger der Deming-Medaille 2026 zu ehren, die ihm auf der diesmonatigen Weltkonferenz der American Society for Quality zu Qualität und Verbesserung verliehen wird. Zweitens, um die Bedeutung von Informationsqualität im Zeitalter von künstlicher Intelligenz (KI), maschinellem Lernen und riesigen Datenmengen (einschließlich gefälschter Daten/Desinformation) zu unterstreichen, die Kenett in seinem gemeinsam mit Galit Shmueli verfassten Buch untersucht hat.
Kenett ist nicht nur Träger der Deming-Medaille, sondern auch angewandter Statistiker und Vorsitzender der KPA Group, einer Beratungsfirma für Datenanalyse. Er ist zudem Forschungsprofessor an der Universität Turin, Italien, Senior Research Fellow am Samuel Neaman Institute des Technion in Haifa und Vorsitzender der Data Science Society des Israelischen Ingenieurverbands. Er erhielt 2013 die Greenfield-Medaille der Royal Statistical Society (UK), 2018 die George-Box-Medaille des Europäischen Netzwerks für Wirtschafts- und Industriestatistik und ist Chefredakteur der Wiley Encyclopedia of Statistics (StatsRef). Kenetts Expertise umfasst zahlreiche Bereiche, darunter Versuchsplanung, statistische Prozesskontrolle, Industriestatistik, Biostatistik, Konsumforschung, Data Science und Risikomanagement. Er ist Autor und Co-Autor von 18 Büchern und über 300 Fachartikeln.
Wir unterscheiden zwischen Daten und Informationen, denn Daten werden in Kombination mit Analysen zu Informationen, wenn sie zur Erreichung eines Studienziels beitragen. Die Qualität der Informationen hängt davon ab, wie die Daten erhoben und analysiert wurden, um die präsentierten Ergebnisse zu erzielen.
Informationsqualität ist ein Rahmenwerk, das klassische Statistik mit moderner künstlicher Intelligenz und maschinellem Lernen verbindet. Diese Integration bezeichnen wir als „Analytics“. Ziel von Analytics sollte die Generierung qualitativ hochwertiger Informationen sein, nicht nur die Aggregation von Daten. Daher benötigen wir Expertise in der Steuerung der Datenerhebung (strategische Versuchsplanung, Stichprobenverfahren, Fragebogengestaltung usw.), der Datenerhebungsmethoden und des Potenzials der Daten, relevante Entscheidungen zu unterstützen – kurzum, um die wichtigsten Fragen zu beantworten, die unbedingt gestellt werden müssen. Im Zeitalter der KI wird die Bedeutung statistischen Denkens oft unterschätzt, ist aber wichtiger denn je.
Angesichts der enormen Datenmengen, die mithilfe von Sensoren und anderen Mitteln generiert und gesammelt werden, vergessen wir manchmal, dass die Gründe für die Datenerfassung oft recht eng gefasst waren: etwa die Feststellung, ob ein System bald gewartet werden muss, oder ob die Luftfeuchtigkeit die Ergebnisse beeinflusst. Das heißt nicht, dass die Analyse dieser Daten für weitere Erkenntnisse wertlos ist, aber die Daten reichen möglicherweise einfach nicht aus, um neue und wichtigere Fragen zu beantworten, die uns in den Sinn kommen, und letztendlich, um zu entscheiden, welche Daten für wichtige zukünftige Entscheidungen am wertvollsten sind.
Hören Sie Dr. Kenett im Interview mit Analytically Speaking über Informationsqualität sprechen:
Kenetts Plenarvortrag auf dem Discovery Summit Europe 2017, „Quality by Design to Information Quality: A Journey Through Science and Business Analytics“, könnte ebenfalls von Interesse sein. Die Aufzeichnung finden Sie hier .
Für Kenetts zahlreiche Beiträge zur Statistik, Datenwissenschaft und besseren Entscheidungsfindung in vielen Bereichen danken wir ihm und gratulieren ihm zu dieser jüngsten Auszeichnung, der Verleihung der Deming-Medaille.
In einem kürzlich geführten Gespräch mit Dr. Kenett über die Bedeutung von Informationsqualität in der heutigen Zeit sagte er: „ Das Gesamtbild der Analytik formt sich gerade vor unseren Augen. Es vereint Perspektiven aus verschiedenen Disziplinen, und die Statistik steht in diesem Kontext an einem Scheideweg. Das oben verlinkte Interview nennt zahlreiche vielversprechende Bereiche. Ein wichtiger Aspekt dieser Entwicklung ist die Sicherstellung methodischer Fortschritte, um reale und verallgemeinerbare Probleme anzugehen. Analytik wird Wissenschaft, Praxis, Lehre und Werkzeugentwicklung beeinflussen (und von ihnen beeinflusst werden). Es liegt noch viel Arbeit vor uns!“
