六西格玛与大数据的关系

这是一个大数据（BigData）的时代，商业、社会管理、制造业等都言必称大数据。作为精益六西格玛从业者，我们是否可以应用大数据？

- 01-

六西格玛管理的本质是基于顾客需求和组织经营战略的持续改进的管理模式，从过程管理的角度来看，组织的业务本身是一系列相互关联的过程组成的，顾客关注的是过程的输出，而影响过程的变量往往很多，对影响输出的根本性原因的查找需要严谨的数据分析，同时对改善效果的评价需要数据证明，因此，基于事实和数据的六西格玛保证了过程持续改进的有效性。

大数据区别于以往的数据收集的本质区别是，抛弃之前限于成本的抽样分析方法，而是存储一切，采用所有数据进行分析处理。企业用以分析的数据越全面，分析的结果就越接近于真实。

对于大数据的利用，目前来看，基本上还是基于收集技术上的发展。大数据技术被设计用于在成本可承受的条件下，通过非常快速的采集、发现和分析，从大量化、多类别的数据中提取价值。大数据无法用单台的计算机进行处理，必须依托云计算、虚拟化技术等对海量数据进行分布式挖掘，但是，这种模式的计算能力仅是在数量上的增加。如果把数据放入模型，抽样虽然并不时髦，但边际效应仍然有效，少量的数量就能达到与大数据差不多的效果。

- 02-

六西格玛以统计学为工具，包括如何收集、整理、分析和解释数据。与“大数据”擦出了火花：大数据需要全部数据样本而不是抽样--全体思维，统计学为样本思维；大数据关注效率而不是精确度，统计学关注精确度以便识别改善效果显著性；大数据关注相关性而不是因果关系，统计学既关注相关性也关注因果关系。他们共同为企业经营决策提供依据，为过程问题显示改进机会。

例如，在乘用胎尼龙冠带生产中，每到夏季尼龙冠带废料率上升，推测与温度或粘性相关，但找不到深层原因–哪个工序什么因素导致粘性发生较大变化？大数据思维告诉我们：关注相关性而不是因果关系，可以尝试把冠带生产工序搬迁到有空调的车间。

目前，AI还不具有人类大脑的逻辑、分析、判断、想象等能力，不能给出可靠的大数据分析结果，我们还应利用统计学方法处理大数据。