By Provost de crianza, Universidad de Nueva York

Mi querido amigo tom fawcett (1958-2020) murió el 4 de junio en un extraño accidente de bicicleta. Tom fue un erudito brillante, un colaborador desinteresado, un contribuyente sustancial de Data Science durante tres décadas y un individuo único.

Tom y yo colaboramos estrechamente durante gran parte de mi carrera. Comenzamos a trabajar juntos en 1994, cuando me uní a lo que ahora es Verizon (entonces NYNEX Science and Technology). Mi impresión inicial fue que Tom era un cascarrabias (sí, incluso en aquel entonces), y tenía algunas dudas sobre cómo sería trabajar con él. Muy pronto me di cuenta de que, bajo esta impresión, era un tipo amable, atento y atento, así como un brillante científico de datos. Fue mi principal socio profesional diario hasta que ambos nos fuimos a otros trabajos a fines de 1999. Esa fue una media década mágica. Tom era el tipo de colaborador en el que una tarde aplazaríamos nuestra reunión con un conjunto de elementos para cada uno, y cuando nos reuniéramos al día siguiente, Tom habría hecho todo su * más * varias cosas cruciales más que habían surgido. en el proceso. Ese era el caso, incluso si en la tarde que habíamos intervenido habíamos salido a ver una banda de rock alternativo o neo-punk de los 90, lo que nos gustaba hacer. Debido a esto, * I * tuve que doblar, no iba a ser el flojo del equipo. Sin ninguna duda, hice un trabajo sustancialmente mejor porque estaba trabajando con Tom de lo que hubiera hecho por mi cuenta.

Mi "historia de Tom" favorita es de aquellos días. Tom y yo estuvimos involucrados en un proyecto en el que los altos mandos necesitaban tomar una decisión sobre cómo lidiar con el servicio cada vez menos visible que la compañía estaba brindando. Idealmente, les hubiera gustado haber demostrado que el problema se debía en gran medida a la alta humedad del año anterior, ya que todos saben que los equipos de telecomunicaciones sufren de alta humedad. Quizás en mi momento profesional favorito, Tom presentó los resultados del análisis de datos (lo que había hecho): “La humedad no parece tener un efecto significativo en los problemas de la red. Y, por cierto, no fue más húmedo el año pasado ". (Recientemente le pregunté a Tom si su recuerdo de ese incidente coincidía con el mío, y dijo que le gustó la forma en que lo conté, así que sí. 🙂 Por cierto, luego seguimos este análisis con un análisis de causa raíz. Basado en esos resultados Luego construimos un modelo para predecir el impacto de las acciones individuales de rehabilitación de la red. El modelo integró decenas de miles de regresiones enfocadas localmente. Nos dijeron que las predicciones de nuestro modelo se usaron para dirigir una campaña de rehabilitación de mil millones de dólares. Una evaluación retrospectiva después de la rehabilitación demostró que nuestras predicciones eran casi perfectas y ganamos el Premio del Presidente de la compañía. Eso puso una sonrisa de satisfacción en mi rostro. Tom dijo que la evaluación sobrestimó cuán preciso era realmente nuestro modelo ".

Tuve la suerte y la bendición de haber pasado tanto tiempo con Tom. A medida que continuó su trabajo combinando ciencia de datos y práctica en varias empresas con sede en California durante los próximos veinte años, continuamos escribiendo juntos. Y a lo largo de 3000 millas, él y yo debatiríamos sobre cualquier tema, si era importante o no. Lo extrañaré más. Te amo Tom.