質(zhì)量大數(shù)據(jù)的非IT課題

以ERP、MES、SPC等系統(tǒng)為代表的現(xiàn)代IT技術(shù)的應(yīng)用為企業(yè)的生產(chǎn)、質(zhì)量及運營管理帶來了巨大的幫助，不僅如此，這些系統(tǒng)在運行的過程中，還為企業(yè)積累了另外一種寶貴的財富：數(shù)據(jù)。在大數(shù)據(jù)應(yīng)用日益廣泛的今天，企業(yè)如何才能夠充分挖掘出數(shù)據(jù)中隱含著的重要信息，幫助企業(yè)全面提高產(chǎn)品、服務(wù)乃至管理等各個維度的質(zhì)量水平？

質(zhì)量大數(shù)據(jù)非僅關(guān)乎IT

著名精細(xì)化管理咨詢品牌微邁咨詢在對大量企業(yè)進(jìn)行調(diào)研的過程中發(fā)現(xiàn)，很多人認(rèn)為數(shù)據(jù)的采集、存儲、獲取、分析和展現(xiàn)的各個環(huán)節(jié)是個IT問題：數(shù)據(jù)的采集可以由測量儀器配合計算機(jī)軟件實現(xiàn)，Oracle、SQL Server等專業(yè)的數(shù)據(jù)庫能為我們提供足夠強(qiáng)大的數(shù)據(jù)存儲能力，而且我們可以通過接口程序非常方便地從海量數(shù)據(jù)中獲取到我們所需的信息，統(tǒng)計分析軟件能夠幫助我們分析數(shù)據(jù)、建立模型以及用很實用的圖標(biāo)展現(xiàn)分析的結(jié)果。

然而，為何諸多IT系統(tǒng)早已相當(dāng)完善的企業(yè)都未能從質(zhì)量大數(shù)據(jù)技術(shù)中得到幫助？

就數(shù)據(jù)采集而言，哪些數(shù)據(jù)才是真正需要搜集和存儲的？產(chǎn)品良率的數(shù)據(jù)我們要不要搜集？壓力、溫度、天氣、時間等等諸如此類的變量，哪些是我們需要搜集的？我們是應(yīng)該用產(chǎn)品合格/不合格來作為產(chǎn)品質(zhì)量評價的標(biāo)準(zhǔn)，還是應(yīng)該有更好的衡量方式？對于需要采集的數(shù)據(jù)，采用何種方式才能有效地減小誤差和避免錯誤……

就數(shù)據(jù)的獲取和整理而言，我們應(yīng)該拿哪些數(shù)據(jù)來分析才能有助于解決實際的具體問題？我們的數(shù)據(jù)中往往不可避免地存在缺失值，異常值或者離群值，我們?nèi)绾尾拍茏R別數(shù)據(jù)總體特別是這些特殊的值的真實性，如何正確地進(jìn)行填補(bǔ)、修正或者剔出已備后續(xù)的數(shù)據(jù)分析？

重頭戲還在于數(shù)據(jù)分析。當(dāng)我們第一次對某數(shù)據(jù)進(jìn)行分析，對數(shù)據(jù)沒有任何先前的經(jīng)驗的時候，我們應(yīng)該用那種分析方法才能最有效地發(fā)現(xiàn)數(shù)據(jù)中的秘密？假設(shè)檢驗、方差分析、簡單/廣義線性模型，聚類分析……這么多的分析方法，我們?nèi)绾胃鶕?jù)具體的情況作出正確的選擇，如何在Lack of fit和Over-fitting中找到最佳的平衡點？如何將工程問題轉(zhuǎn)換為數(shù)據(jù)分析問題，又如何將數(shù)據(jù)分析結(jié)果還原到實際的工程應(yīng)用環(huán)境中去？不同的分析結(jié)果到底用那種方式展現(xiàn)才能最有助于別人理解我們從分析中獲得的發(fā)現(xiàn)？

很明顯，如此種種，都遠(yuǎn)遠(yuǎn)超出了IT系統(tǒng)問題的范疇。大數(shù)據(jù)的應(yīng)用領(lǐng)域可以是我們生產(chǎn)生活的方方面面，但就質(zhì)量管理而言，雖然統(tǒng)計質(zhì)量管理在美國早已是成熟的質(zhì)量改進(jìn)方法，越是在對工藝流程要求精密的行業(yè)，對數(shù)據(jù)搜集和分析的要求就越高，但就微邁咨詢的研究來看，質(zhì)量大數(shù)據(jù)的內(nèi)涵更加廣泛，方法論也更加多樣，能為企業(yè)帶來的價值也要大得多。

“質(zhì)量大數(shù)據(jù)”可以說是一個集量化決策思想、行業(yè)質(zhì)量管理經(jīng)驗、合理的工業(yè)數(shù)據(jù)采集計劃、專業(yè)的工業(yè)數(shù)據(jù)分析（包括但不限于統(tǒng)計）方法組成的解決方案！ 中國的質(zhì)量管理由于沒有經(jīng)歷過正真的統(tǒng)計質(zhì)量管理階段，如果能在企業(yè)管理精細(xì)化的過程中靈活運用“質(zhì)量大數(shù)據(jù)”和“量化決策”的思想和方法論，往往能起到事半功倍的效果。

概括而言，質(zhì)量大數(shù)據(jù)需要根據(jù)每個行的自身的特點，制定有針對性的數(shù)據(jù)收集計劃，包括指標(biāo)制定、變量選取、數(shù)據(jù)結(jié)構(gòu)設(shè)計，樣本量及功效評價，實驗結(jié)構(gòu)設(shè)計等等；我們需要借助現(xiàn)代IT技術(shù)抽取、清洗和整理對解決我們的問題有幫助的數(shù)據(jù)，有時我們還需要將售后服務(wù)、保修乃至客戶滿意度的數(shù)據(jù)與研發(fā)或生產(chǎn)數(shù)據(jù)進(jìn)行整合以便評價我們將要進(jìn)行的實際改進(jìn)工作對售后以及客戶的影響；在此基礎(chǔ)上，我們可以對數(shù)據(jù)進(jìn)行探索，從中找到對提升質(zhì)量、產(chǎn)品設(shè)計或客戶忠誠度有重要意義的線索，探索性數(shù)據(jù)分析能幫助我們很好地完成這一工作；關(guān)鍵質(zhì)量指標(biāo)的重要影響因素往往需要在我們在對質(zhì)量數(shù)據(jù)進(jìn)行反復(fù)錘煉和分析后才能被鎖定，接下來可以指引我們制定可行的質(zhì)量改善方案比對質(zhì)量水平進(jìn)行預(yù)測……“數(shù)據(jù)有時候會說謊”，我們還必須加以甄別。

如果把質(zhì)量數(shù)據(jù)（包括研發(fā)、生產(chǎn)、售后、可靠性、客戶滿意度等）比作金砂，IT系統(tǒng)可以看成是一個有整理功能的容器，但我們還需要有如何能夠高效地淘出金子的理念和方法。