博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
产品经理网站数据分析之测量问题现状(四)
阅读量:4960 次
发布时间:2019-06-12

本文共 2859 字,大约阅读时间需要 9 分钟。

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

 

卓越的管理、强大的竞争力和忠诚的客户

优秀的管理、很强的竞争力和比较忠诚的客户

较好的管理和运营能力,满意的客户

平平常常的管理,却反竞争力

企业资源每天都有三分之一的浪费

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,USL7。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LSL1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YRTYield  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9095-6+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。

___________________________________________________________________

 

 

 

转载于:https://www.cnblogs.com/simonk/p/3748445.html

你可能感兴趣的文章
SELECT LOCK IN SHARE MODE and FOR UPDATE
查看>>
Perl/Nagios – Can’t locate utils.pm in @INC
查看>>
目录导航「深入浅出ASP.NET Core系列」
查看>>
简易爬虫(爬取本地数据)
查看>>
python 进程间通信
查看>>
深拷贝 vs 浅拷贝 释放多次
查看>>
Javascript 有用参考函数
查看>>
点群的判别(三)
查看>>
GNSS 使用DFT算法 能量损耗仿真
查看>>
【转】Simulink模型架构指导
查看>>
MYSQL数据库的导出的几种方法
查看>>
SQL Server-5种常见的约束
查看>>
硬件之美
查看>>
[转载]java开发中的23种设计模式
查看>>
表格的拖拽功能
查看>>
函数的形参和实参
查看>>
文字过长 用 ... 表示 CSS实现单行、多行文本溢出显示省略号
查看>>
1Caesar加密
查看>>
【TP SRM 703 div2 500】 GCDGraph
查看>>
MapReduce 重要组件——Recordreader组件 [转]
查看>>