En 2018, JMP tuvo el placer de entrevistar al Dr. Ron Kenett como parte de la serie de seminarios web Analytically Speaking. Compartimos nuevamente un extracto de esta entrevista por dos razones. Primero, para homenajearlo como ganador de la Medalla Deming 2026, que se entregará este mes en la Conferencia Mundial sobre Calidad y Mejora de la Sociedad Estadounidense para la Calidad (ASQ). Segundo, para destacar la relevancia de la calidad de la información en esta era de inteligencia artificial (IA), aprendizaje automático y enormes cantidades de datos (incluidos datos falsos y desinformación), tema que Kenett analizó en el libro que coescribió con Galit Shmueli.
Además de haber recibido la Medalla Deming, Kenett es estadístico aplicado y presidente de KPA Group, una consultora de análisis de datos. También es profesor de investigación en la Universidad de Turín, Italia; investigador principal en el Instituto Samuel Neaman del Technion, Haifa; y presidente de la Sociedad de Ciencia de Datos de la Asociación de Ingenieros de Israel. Ha recibido la Medalla Greenfield 2013 de la Real Sociedad Estadística del Reino Unido, la Medalla George Box 2018 de la Red Europea de Estadísticas Empresariales e Industriales, y es editor jefe de la Enciclopedia Wiley de Estadística (StatsRef). La experiencia de Kenett abarca múltiples campos, incluyendo el diseño de experimentos, el control estadístico de procesos, la estadística industrial, la bioestadística, la investigación de mercado, la ciencia de datos y la gestión de riesgos. Es autor y coautor de 18 libros y más de 300 artículos revisados por pares.
Hacemos una distinción entre datos e información, ya que los datos, combinados con el análisis, se convierten en información cuando contribuyen a alcanzar el objetivo del estudio. La calidad de la información se determina por cómo se recopilaron y analizaron los datos para obtener los resultados presentados.
La calidad de la información es un marco que integra la estadística clásica con la inteligencia artificial y el aprendizaje automático modernos. A esta integración la denominamos «analítica». El objetivo de la analítica debe ser generar información de calidad, no solo una agregación de datos. Esto explica, en parte, la necesidad de contar con expertos que supervisen qué datos se recopilan (diseño estratégico de experimentos, métodos de muestreo, diseño de preguntas de encuestas, etc.), cómo se recopilan y el potencial de estos datos para fundamentar decisiones relevantes; de hecho, para responder a las preguntas más importantes que debemos asegurarnos de que se planteen. En esta era de la IA, la importancia del pensamiento estadístico a menudo se subestima, pero es más importante que nunca.
Con la gran cantidad de datos que se generan y recopilan —mediante sensores y otros medios—, a veces olvidamos que los motivos para recopilarlos suelen ser bastante específicos: determinar si un sistema necesitará mantenimiento próximamente, si los niveles de humedad afectan los resultados, etc. Esto no significa que no tenga valor analizar estos datos para obtener otras perspectivas, pero es posible que no sean suficientes para responder a preguntas nuevas y más importantes que podamos plantearnos y, en definitiva, para determinar qué datos serán los más valiosos para tomar decisiones importantes en el futuro.
Escuche al Dr. Kenett hablar sobre la calidad de la información en la entrevista de Analytically Speaking:
La ponencia plenaria de Kenett en la Discovery Summit Europe 2017, «De la calidad del diseño a la calidad de la información: un recorrido por la ciencia y la analítica empresarial», también puede resultar de interés. Puede ver la grabación aquí .
Por las numerosas contribuciones de Kenett a la estadística, la ciencia de datos y la mejora de la toma de decisiones en muchos campos, le agradecemos y felicitamos por este último honor de recibir la Medalla Deming.
En una conversación reciente con el Dr. Kenett sobre la relevancia de la calidad de la información en esta era, comentó: « El panorama general de la analítica se está configurando ante nuestros ojos. Combina perspectivas de diversas disciplinas y, en este contexto, la estadística se encuentra en una encrucijada. La entrevista, cuyo enlace se encuentra arriba, enumera numerosas áreas de oportunidad. Un elemento importante en esta evolución es garantizar que existan avances metodológicos que permitan abordar problemas reales y generalizables. La analítica influirá en (y se verá influenciada por) la academia, los profesionales, los educadores y los desarrolladores de herramientas. ¡Hay mucho trabajo por delante!».
