对西蒙来讲,如果这世界上有什么能让西蒙最高兴的事,那么一个是跟喜欢的妹子在一起,另一个就是做喜欢的产品了。好了,进入正文:
承接上文,上文讲到了抽样后,两个数学测量工具,一个是平均数,一个是标准差。前者反应数据的集中度,后者反应离散程度。
今天我们介绍另外两种数学测量工具:
1、六西格玛水平(Six Sigma)是对不合格产品的测量评价指标,也可以称为不合格率或差错率水平。六西格玛水平越高,要求产品的不合格率越低。
如下图所示:
_________________________________________________
水平 | 不合格率/差错率 | 含义
6 3.4失误/百万机会 a
5 230失误/百万机会 b
4 6210失误/百万机会 c
3 66800失误/百万机会 d
2 308000失误/百万机会 e
1 690000失误/百万机会 f
__________________________________________________
六西格玛水平指标图
A 卓越的管理、强大的竞争力和忠诚的客户
B 优秀的管理、很强的竞争力和比较忠诚的客户
C 较好的管理和运营能力,满意的客户
D 平平常常的管理,却反竞争力
E 企业资源每天都有三分之一的浪费
F 每天有三分之二的事情出错的企业无法生存
六西格玛是一种驱动经营绩效改进、提高客户满意度的一种方法论和管理模式。内容博大精深。今天介绍六西格玛水平在网站中的应用。六西格玛介绍的是西格玛的六种数据反映的具体含义。也就是说,我们使用六西格玛水平需要计算西格玛数值。西格玛水平实际上就是不合格率(差错率),也是一种判断流程稳定性的指标。西格玛水平越高,差错率越低,说明流程稳定。
要注意的是,在管理应用中,六西格玛水平并不是越高越好,因为失误越低,所付出的控制成本就会越高。在实际工作中,需要在效率和允许的失误数量之间找到一个平衡点。
西格玛数值的计算公式:
对于离散数据,计算西格玛水平的公式如下:
对于计算出的每百万次机会的不合格率,可以通过上面的表格查出对应的西格玛水平。
例如传统B2B网站审核认证资料。客户填写资料时,1000人有8个不合格被打回去,那么经计算,六西格玛水平接近于4个西格玛。
对于连续数据,计算西格玛水平的公式如下:
其中,USL为规格上限,LSL为规格下限,上头有一横的X为平均值,S为标准差。
所谓规格限就是客户限定的范围,超过了这个限定,客户满意度会下降。
比如传统B2B网站审核认证的时间,随机调查100名客户的审核时间,发现超过3小时的时候,绝大多数客户会表示不满,因此,USL为7。对于LSL可以这样理解,在要求审核的时间控制在一个较短的时间内,审核人员的工作强度会提高,高到一个数值后,会引起不满,此处可以假定LSL为1个小时(在实际应用中,应根据人员配置、信息量、工作时间、审核时长等作出具体的数值统计后,计算出一个合理值)
数学测量工具之2
流通合格率:
流通合格率又称为滚动合格率,是流程的每一个步骤、每一道工序的合格率的乘积,用RTY(Rolled Throughput Yield)或者YRT(Yield of Rolled Throughput)表示,它实际上是产品无缺陷通过每个工序的概率。
合格率指质量合格产品占总产品的百分比。但是,在生产过程中每一工序都可能产生缺陷,一些缺陷可以通过返工修复成为合格产品,因此最终的合格率不能反映中间工序返工所造成的损失。而流通合格率将生产的各个步骤都考虑在内,反映出每个步骤的合格率综合起来所造成的损失。而流通合格率将生产的各个步骤都考虑在内,它能够反映出每个步骤的合格率综合起来对产品质量的影响,能够更加准确的反映出流程运行的质量。
简单的讲,流通合格率就是每一个流程中计算一次合格率,流程结束后计算总的合格率。
这个计算方式在流程图分析中可以明显的找到是哪个环节在拖后腿。
比如我们计算订单处理的流通合格率。共有100份订单,在订单处理环节,发现有3份订单客户填写不符合规范,因此合格率为97%;在产品配送环节,发现2份订单产品地址描述不详,其中1份经订单处理人员重新核实后可以配送,另一份只能退订,因此合格数量,为95。接着流程走到投递环节,在物流投递环节发现有6份因联系信息等问题无法投递,因此合格数量为90(95-6+1,最后的1代表的是经过核实可以配送的订单。)如下图:
____________________________________________________________
环节 | 订单数量 | 合格数量 | 合格率
订单处理 100 97 97%
产品配送 97 95 97.94%
物流投递 96 90 93.75%
____________________________________________________________
订单流通总合格率为: 97% X 97.94% X 93.75% = 89.06%
对比传统合格率的计算方式为 90 ÷ 100 = 90%
我们可以形象地称这种方法为细分合格率计算法。
以上是产品经理在运营产品的时候常用的分析方法,很简单是不?好吧,西蒙之后会推出加强版!吼吼~
数据分析有了结果之后,我们需要对结果进行处理,数据分析的结果结合我在里对关键质量特性做出的说明,可以确定我们的改进目标。而数据分析的结果就是量化现状水平与目标之间的差距。
差距往往不是用“有些”“有一点”“有很多”这种形容词来描述的,差距在哪里?怎么量化差距是多少?用数据说话——这就是产品经理说话更有王八之气的所在!
当然,识别出差距的好处是可以使改进的目标更加具体化。
例如:假设产品邮寄天数的均值为4.85天,而项目设置的改进目标为3天,因此项目团队可以围绕1.85天开展工作,分析通过改进哪些环节能够缩短1.85天。
至此,这个小系列就讲述完毕,之后西蒙会推出加强版,重点介绍各种数据分析统计工具。
___________________________________________________________________
写字不易,且读且珍惜,转载请注明出处:SimonK @http://www.cnblogs.com/simonk/
更博时间:
周一到周五每天一更,时间22:00-23:40之间
周六/周日/法定节假日 不定期
欢迎订阅!
下节预报:除了流程之外,网站需要哪些度量指标?下节介绍网站常用的度量指标。
___________________________________________________________________