数据分析的第三阶段:证实或排除原因

数据分析基于过程中收集的数据。数据分析的目的是利用各种方法将数据转化为信息，使数据有意义。但是这种转型并没有那么简单，尤其是对于六西格玛 team来说，它面临的问题非常复杂，涉及的原因也很多。验证缺陷原因的方法有三种:因果逻辑分析、统计学假设检验和实验验证。以下天行健管理顾问将分别介绍。

1.因果逻辑分析

假设团队认为很多错误的订单都是销售人员在订单管理过程中的失误造成的，这可能解释了一些错误的订单，但并不能解释不熟悉订单细节的客户(小商人和新电脑用户)会犯更多错误的现象。如果订单管理系统有问题，你应该认为对所有客户的影响都是一样的。因此，假设订单管理系统是问题的原因，这可能解释了看得见的问题(如有缺陷的订单)，但不能解释看不见的问题:小企业订单和新计算机用户的订单有更多的错误。

为了使假设的理由为真，它必须通过逻辑测试来解释从数据中反映出来的可见和潜在的问题。当然，这些潜在的问题还没有暴露出来。

2.统计假设检验

分析和确定因果关系最常用的统计方法是散点图(或散点图)和相关分析。判断原因x和结果y的相关程度，我们通常可以从散点图中得到一个大概的印象，然后用精确的计算进行回归分析和相关分析，得到一定的统计模型。当然也有可能最后确定两者没有关系，没有模式。

散点图提供了一种验证因果假设的方法，从几对数据中验证自变量X和因变量Y之间是否存在相关性。配对数据顾名思义就是X和Y来自同一个被观察的个体，“配对”本身就反映了两个变量之间的关系，可能只是表面上的关联，也可能是潜在的因果关系。例如，如果一个系统要在某个项目中构建，系统的复杂性(X是变量或潜在原因)和构建系统所需的时间(Y是输出或结果)之间存在因果关系。一般来说，以一批配对数据(X，Y)为平面坐标系中的坐标，可以形成散点图，其相关性在图中显示，如下图所示。

散点图显示的强正相关并不能100%保证X的增加一定会导致Y的增加，但确实表明它们在某种程度上是相互关联的，不会完全随机地同时发生。请特别注意:任何时候，我们都不能得出“X和Y高度相关”和“它们之间存在因果关系”的结论。

绘制散点图也可以先对数据进行整理分类，对同一问题绘制不同种类、不同层次的散点图。通过层次分析，团队往往会明白一个有价值的结论:并非所有的缺陷都是由同一背景造成的，测试阶段发现的分类因素可能对确定因果模型有用。

当六西格玛团队的一名成员对收集到的数据提出假设时，其他成员也应该帮助他仔细分析，找出更详细的有助于验证或否定假设的分层或分类信息，从而得到更准确的判断。

3.测试验证

在某些情况下，收集现有数据来验证错误的确切原因是困难的，甚至是不切实际的。此时，一个可行的方法是做一些小实验，先稍微改变一下工艺，排除可疑原因，并对结果进行监控，最后确定这个原因是否是工艺缺陷的真正原因。

当然，做这样的实验，光凭个人意愿是改变不了的！只有把这种变化当作常规的局部测试，它才能起作用。请注意:

明确变更的内容和方法；

明确变革的目的；

先小规模试点；

仔细考虑潜在的副作用并制定对策。