2018年，JMP有幸在「分析之聲」（Analytically Speaking）網路研討會系列中採訪了羅恩·肯尼特博士。我們重新發布此次採訪的節選，原因有二。首先，是為了向他致敬，他榮獲了2026年戴明獎章，該獎項將於本月在美國品質協會世界品質與改進大會上頒發。其次，是為了強調資訊品質在人工智慧（AI）、機器學習和大量數據（包括虛假數據/錯誤資訊）時代的重要性，肯尼特博士在他與加利特·舒穆埃利合著的書中對此進行了探討。
除了榮獲戴明獎章外，肯尼特還是一位應用統計學家，同時也是分析顧問公司KPA集團的董事長。他也是義大利都靈大學的研究教授、以色列海法理工學院塞繆爾·尼曼研究所的高級研究員，以及以色列工程師協會資料科學學會的主席。他曾榮獲英國皇家統計學會2013年格林菲爾德獎章、歐洲商業與工業統計網絡2018年喬治·博克斯獎章，並擔任《威利統計百科全書》（StatsRef）的主編。肯尼特的專長涵蓋多個領域，包括實驗設計、統計製程管制、工業統計、生物統計、消費者研究、資料科學和風險管理。他已出版或合著了18本書籍，並發表了300多篇同行評審論文。
我們區分數據和訊息，因為當數據與分析相結合，有助於實現研究目標時，數據就變成了資訊。資訊的品質取決於資料的收集和分析方式，以及最終得出的研究結果。
資訊品質框架將經典統計學與現代人工智慧和機器學習相結合。我們將這種融合稱為「分析」。關鍵在於，分析的目標應該是產生高品質的信息，而不僅僅是數據的聚合。這也部分解釋了為什麼我們需要專業知識來監督資料的收集（實驗的策略設計、抽樣方法、問卷設計等）、資料的收集方式以及資料在指導相關決策方面的潛力——實際上，是為了回答我們必須確保提出的關鍵問題。在人工智慧時代，統計思維的重要性常常被低估，但它比以往任何時候都更重要。
隨著大量數據透過感測器和其他方式產生和收集，我們有時會忘記，收集這些數據的目的往往非常狹窄：例如，查看系統是否很快需要維護，濕度水平是否會影響結果等等。這並不是說從這些數據中獲取其他見解就沒有價值，而是說這些數據可能不足以回答我們可能提出的新的、更重要的問題，最終，哪些數據對於指導未來的重要決策最有價值也值得我們思考。
請收聽肯尼特博士在「分析性訪談」節目中討論資訊品質：
您或許也會對肯尼特在2017年歐洲探索高峰會上的全體會議演講《從設計品質到資訊品質：科學與商業分析之旅》感興趣。 點此觀看錄影。
肯尼特對統計學、數據科學以及跨多個領域的更佳決策做出了許多貢獻，我們感謝他並祝賀他榮獲戴明獎章這一最新榮譽。
最近我和肯尼特博士就資訊品質在當今時代的重要性進行了對話。他說：「分析學的全貌正在我們眼前逐漸形成。它融合了各個學科的視角，而統計學正處於十字路口。上面鏈接的訪談列舉了許多機遇領域。這一發展路徑中的一個重要環節是確保方法論的進步能夠解決實際存在的、具有普遍意義的問題。分析學將（同時也會受到研究工具、實踐者和實踐者的影響、實踐者還有什麼影響！」
