L’intuition peut vous faire perdre beaucoup de temps en affaires, mais vous avez parfois besoin de données dures à analyser et de chiffres à traiter. Le processus Six Sigma visant à atteindre des processus métier de qualité supérieure définit plusieurs types de données. Les données d'attribut sont du type oui ou non, par exemple si un commutateur d'éclairage est activé ou désactivé. Les données variables concernent les mesures, telles que l'évolution des niveaux de lumière lorsque vous ajustez un variateur. Ce sont deux informations importantes, mais les données variables sont généralement plus utiles.
Variable Vs. Attribut
Les données d'attributs se concentrent sur les nombres, les données variables se concentrent sur les mesures. Par exemple, supposons que vous collectiez des données sur les produits défectueux que votre chaîne de montage s'avère. Les données d'attributs classent simplement la sortie comme défectueuse ou non défectueuse. Si vous rassemblez des données variables, vous pouvez examiner la gravité de chaque produit défectueux: 10% de défauts, 20% de défauts, etc.
Aucun de ceux-ci est intrinsèquement faux. Tout dépend de la façon dont vous voulez utiliser les données. Si vous pratiquez l'approche Six Sigma et que vous souhaitez savoir combien de produits répondent à vos normes élevées, les données d'attribut peuvent faire l'affaire. Si vous souhaitez mesurer la qualité de chaque produit, les données variables sont probablement plus utiles.
Avantages des données d'attribut
Il existe d'autres moyens de classer les données. Les données qui ne s'adaptent pas bien aux chiffres, tels que la couleur ou le goût, sont appelées données qualitatives, par exemple. Les données d'attribut sont plus simples à rassembler que les données qualitatives. C'est donc un bon choix si vous examinez une condition binaire, pour laquelle il n'y a que deux alternatives:
- Le produit fonctionne ou ne fonctionne pas.
- La vendeuse a conclu la transaction ou elle ne l'a pas fait.
- Les pièces correspondent à l'emplacement auquel elles sont censées appartenir ou non.
- Les étudiants passent le test ou ils échouent.
Vous pouvez compiler les données d'attribut pour voir les performances de votre processus, de votre équipement ou de votre personnel. Si vous voulez que 80% de vos étudiants réussissent leurs examens finaux, et seulement 20% le fassent, cela pose un problème. Que ce soit le corps étudiant, les enseignants ou un autre problème devront être résolus.
Avantages des données variables
Les données variables peuvent vous dire beaucoup de choses que les données d'attributs ne peuvent pas. Supposons que vous testiez de nouvelles poutres pour une utilisation dans un projet de construction. Les données d'attributs vous indiquent le pourcentage de poutres qui supportent la charge que vous leur imposez. Les données variables peuvent vous indiquer si une poutre spécifique qui réussit le test risque toujours de céder dangereusement. Si vous voulez savoir à quel point les étudiants en échec ont raté leurs examens, des données variables peuvent vous donner la réponse.
