变量与属性数据

目录:

Anonim

直觉可以带你走很长的路要走,但有时你需要硬数据来分析和数字来处理。实现高质量业务流程的六西格玛流程定义了几种不同类型的数据。属性数据是“是”或“否”,例如是否打开或关闭灯开关。可变数据与测量有关,例如在调整调光器时改变亮度。它们都是重要信息,但可变数据通常更有用。

变量Vs.属性

属性数据侧重于数字,可变数据侧重于测量。例如,假设您正在收集装配线产生的缺陷产品的数据。属性数据只是将输出分类为有缺陷或无缺陷。如果您收集可变数据,您可能会看到每个有缺陷的产品有多糟糕:10%有缺陷,20%有缺陷,等等。

这些都不是天生错误的。这一切都取决于您希望如何使用数据。如果您正在实践六西格玛方法,并且您想要查看有多少产品符合您的高标准,那么属性数据可能会起作用。如果要测量每种产品的质量,可变数据可能更有用。

属性数据的好处

还有其他方法可以对数据进行分类。例如,不适合数字(例如颜色或味道)的数据称为定性数据。收集属性数据比定性数据更简单,因此如果您正在查看二元条件,那么它是一个不错的选择,其中只有两种选择:

  • 该产品有效或不起作用。

  • 销售人员完成了交易,但她没有。

  • 这些部件适合他们应该属于或不属于的插槽。

  • 学生通过测试或失败。

您可以编译属性数据以查看您的流程,设备或员工的表现。如果您希望80%的学生通过期末考试,而只有20%的学生通过考试,则表明存在问题。无论是学生团体,教师还是其他一些问题都必须确定。

可变数据的好处

可变数据可以告诉您许多属性数据无法做到的事情。假设您正在测试用于建筑项目的新梁。属性数据告诉您在您放置的负载下承受的大梁的百分比。可变数据可以告诉您通过测试的特定梁是否仍然危险地接近让路。如果你想知道失败的学生错过了通过考试的可能性,可变数据可以给你答案。

受到推崇的