אינטואיציה יכולה לקחת אותך דרך ארוכה בעסקים, אבל יש פעמים כאשר אתה צריך נתונים קשים לנתח ומספרים כדי לקרוס. תהליך Six Sigma להשגת תהליכים עסקיים איכותיים מגדיר מספר סוגים שונים של נתונים. נתוני התכונה הם של מגוון yes-or-no, כגון אם מתג האור מופעל או כבוי. הנתונים המשתנים הם על מדידה, כגון רמות האור המשתנות תוך כדי התאמת דימר. שניהם מידע חשוב, אבל נתונים משתנים הם בדרך כלל שימושיים יותר.
משתנה Vs. תכונה
נתוני התכונה מתמקדים במספרים, נתונים משתנים מתמקדים במדידות. לדוגמה, נניח שאתה אוסף נתונים על מוצרים פגומים שקו ההרכבה שלך מתברר. נתוני תכונה פשוט מסווג את הפלט פגום או לא פגום. אם אתה אוסף נתונים משתנים, אתה יכול להסתכל על כמה רע כל מוצר פגום: 10 אחוז פגום, 20 אחוז פגום, וכן הלאה.
אף אחת משתי אלה אינה נכונה. הכל תלוי איך אתה רוצה להשתמש בנתונים. אם אתה מתרגל את הגישה Six Sigma ואתה רוצה לראות כמה מוצרים עומדים בסטנדרטים הגבוהים שלך, נתונים תכונה עשוי לעשות את הטריק. אם אתה רוצה למדוד את האיכות של כל מוצר, נתונים משתנים הוא כנראה שימושי יותר.
היתרונות של נתוני תכונות
ישנן דרכים אחרות לסווג נתונים. נתונים שאינם מתאימים היטב למספרים, כגון צבע או טעם, נקראים נתונים איכותיים, למשל. נתוני התכונה הם פשוטים יותר מאשר נתונים איכותיים, ולכן זוהי בחירה טובה אם אתה מסתכל על מצב בינארי, שבו יש רק שתי חלופות:
- המוצר עובד או שזה לא עובד.
- המוכרת סגרה את העסקה או לא.
- החלקים מתאימים לחריץ שאמורים להיות שייכים אליו או שאינם.
- התלמידים עוברים את המבחן או נכשלים.
אתה יכול לקמפל את הנתונים תכונה לראות כמה טוב התהליך שלך, ציוד או צוות הם מבצעים. אם אתה רוצה 80 אחוז מהתלמידים שלך לעבור את בחינות הגמר שלהם, ורק 20 אחוזים לעשות, זה מראה בעיה. בין אם זה הגוף התלמיד, המורים או כל נושא אחר יצטרך לקבוע.
היתרונות של נתונים משתנים
נתונים משתנים יכולים לספר לך דברים רבים שמאפיינים נתונים שאינם יכולים. נניח שאתה בודק קורות חדשות לשימוש בפרויקט בנייה. נתוני המאפיין מספר לך את אחוז הקורות שנושאות מתחת לעומס שהטלת עליהן. נתונים משתנים יכולים לומר לך אם קוטר מסוים העובר את הבדיקה עדיין עשוי להיות קרוב מסוכנת כדי לתת את הדרך. אם אתה רוצה לדעת כמה תלמידים נכשלים החמיצו את הבחינות שלהם, נתונים משתנים יכול לתת לך את התשובה.
