Intuicja może zająć ci dużo czasu w biznesie, ale są chwile, kiedy potrzebujesz twardych danych do analizy i liczby do przełamania. Proces Six Sigma w celu osiągnięcia najwyższej jakości procesów biznesowych definiuje kilka różnych typów danych. Dane atrybutów są typu "tak" lub "nie", na przykład, czy włącznik świateł jest włączony, czy wyłączony. Dane zmienne dotyczą pomiaru, na przykład zmieniających się poziomów oświetlenia po dostosowaniu ściemniacza. Obie są ważnymi informacjami, ale dane zmienne są zwykle bardziej przydatne.
Vs. Vs. Atrybut
Dane atrybutów koncentrują się na liczbach, dane zmienne skupiają się na pomiarach. Załóżmy na przykład, że gromadzisz dane o wadliwych produktach, które okazują się na linii produkcyjnej. Dane atrybutów po prostu klasyfikują dane wyjściowe jako wadliwe lub nieuszkodzone. Jeśli zbierzesz zmienne dane, możesz przyjrzeć się, jak zły jest każdy wadliwy produkt: 10 procent wadliwych, 20 procent wadliwych i tak dalej.
Żadne z nich nie jest z natury błędne. Wszystko zależy od tego, jak chcesz korzystać z danych. Jeśli stosujesz podejście Six Sigma i chcesz zobaczyć, ile produktów spełnia twoje wysokie standardy, dane atrybutów mogą załatwić sprawę. Jeśli chcesz zmierzyć jakość każdego produktu, dane zmienne są prawdopodobnie bardziej przydatne.
Korzyści z danych atrybutów
Istnieją inne sposoby klasyfikacji danych. Dane, które nie dostosowują się dobrze do liczb, takich jak kolor czy smak, nazywane są na przykład danymi jakościowymi. Dane atrybutów są łatwiejsze do zebrania niż dane jakościowe, więc jest to dobry wybór, jeśli patrzysz na stan binarny, w którym są tylko dwie alternatywy:
- Produkt działa lub nie działa.
- Sprzedawca zamknął umowę, a ona nie.
- Części pasują do gniazda, do którego powinny należeć, lub nie.
- Uczniowie zdają test lub nie zdają egzaminu.
Możesz skompilować dane atrybutów, aby zobaczyć, jak dobrze twój proces, sprzęt lub personel wykonuje. Jeśli chcesz, aby 80 procent uczniów zdało egzaminy końcowe, a robi to tylko 20 procent, oznacza to problem. Niezależnie od tego, czy będzie to ciało studenta, nauczyciele czy inna kwestia, trzeba będzie to ustalić.
Korzyści z zmiennych danych
Dane zmienne mogą Ci powiedzieć wiele rzeczy, których dane atrybutów nie mogą. Załóżmy, że testujesz nowe dźwigary do zastosowania w projekcie budowlanym. Dane atrybutów informują o procentach dźwigarów, które znajdują się pod obciążeniem, które na nich włożyłeś. Dane zmienne mogą Ci powiedzieć, czy konkretny dźwigar, który przejdzie test, może być niebezpiecznie blisko ustępowania. Jeśli chcesz wiedzieć, jak bardzo nieudani studenci nie zdali egzaminu, zmienne dane mogą dać ci odpowiedź.
