直感はビジネスで長い道のりをとることができますが分析するために堅いデータおよびクランチするために数を必要とする時があります。最高品質のビジネスプロセスを達成するためのシックスシグマプロセスは、いくつかの異なる種類のデータを定義します。属性データは、ライトスイッチがオンになっているかオフになっているかなど、さまざまな種類があります。可変データは、調光器を調整したときの光量の変化など、測定に関するものです。どちらも重要な情報ですが、通常は可変データの方が便利です。
変数対属性
属性データは数値に焦点を当て、変数データは測定に焦点を当てます。たとえば、組立ラインが判明している不良品に関するデータを収集しているとします。属性データは、単に出力を不良または不良ではないと分類します。変動データを収集する場合は、各不良製品の不良率を調べます。10％不良、20％不良などです。
どちらも本質的に間違っているわけではありません。それはすべて、データをどのように使用したいかによって異なります。シックスシグマアプローチを実践していて、高水準を満たす製品がいくつあるかを知りたい場合は、属性データを使用してください。各製品の品質を測定したい場合は、可変データがおそらくもっと便利です。
属性データの利点
データを分類する方法は他にもあります。色や好みなど、数字にあまり適していないデータは、たとえば定性的データと呼ばれます。属性データは定性的データよりも収集が簡単なので、2つの選択肢しかないバイナリ条件を検討している場合に適しています。
- 製品は機能するか、機能しません。
- 営業担当者が契約を締結したか、彼女が締結しなかった。
- 部品は、自分が所属すると思われるスロットに合うか、そうではありません。
- 学生はテストに合格するか、失敗します。
属性データを編集して、自分のプロセス、機器、またはスタッフがどれだけうまく機能しているかを確認できます。生徒の80％が期末試験に合格し、20％しか合格しないとしたら、それは問題を示しています。それが学生の体なのか、教師なのか、それとも他の問題なのかを決定する必要があります。
可変データの利点
可変データは、属性データではできないことを多くのことに伝えることができます。建設プロジェクトで使用する新しい桁をテストしているとします。属性データは、あなたがそれらにかける負荷の下で耐える桁の割合をあなたに伝えます。テストに合格した特定の桁がまだ危険なほど道を譲ることに近いかもしれない場合、可変データはあなたに言うことができます。あなたがどれほどひどく失敗した学生が彼らの試験に合格しなかったかについて知りたいならば、変動データはあなたに答えを与えることができます。
