以ERP、MES、SPC等系統(tǒng)為代表的現(xiàn)代IT技術的應用為企業(yè)的生產(chǎn)、質量及運營管理帶來了巨大的幫助，不僅如此，這些系統(tǒng)在運行的過程中，還為企業(yè)積累了另外一種寶貴的財富：數(shù)據(jù)。在大數(shù)據(jù)應用日益廣泛的今天，企業(yè)如何才能夠充分挖掘出數(shù)據(jù)中隱含著的重要信息，幫助企業(yè)全面提高產(chǎn)品、服務乃至管理等各個維度的質量水平？

質量大數(shù)據(jù)非僅關乎IT

著名精細化管理咨詢品牌微邁咨詢在對大量企業(yè)進行調研的過程中發(fā)現(xiàn)，很多人認為數(shù)據(jù)的采集、存儲、獲取、分析和展現(xiàn)的各個環(huán)節(jié)是個IT問題：數(shù)據(jù)的采集可以由測量儀器配合計算機軟件實現(xiàn)，Oracle、SQL Server等專業(yè)的數(shù)據(jù)庫能為我們提供足夠強大的數(shù)據(jù)存儲能力，而且我們可以通過接口程序非常方便地從海量數(shù)據(jù)中獲取到我們所需的信息，統(tǒng)計分析軟件能夠幫助我們分析數(shù)據(jù)、建立模型以及用很實用的圖標展現(xiàn)分析的結果。

然而，為何諸多IT系統(tǒng)早已相當完善的企業(yè)都未能從質量大數(shù)據(jù)技術中得到幫助？

就數(shù)據(jù)采集而言，哪些數(shù)據(jù)才是真正需要搜集和存儲的？產(chǎn)品良率的數(shù)據(jù)我們要不要搜集？壓力、溫度、天氣、時間等等諸如此類的變量，哪些是我們需要搜集的？我們是應該用產(chǎn)品合格/不合格來作為產(chǎn)品質量評價的標準，還是應該有更好的衡量方式？對于需要采集的數(shù)據(jù)，采用何種方式才能有效地減小誤差和避免錯誤……

就數(shù)據(jù)的獲取和整理而言，我們應該拿哪些數(shù)據(jù)來分析才能有助于解決實際的具體問題？我們的數(shù)據(jù)中往往不可避免地存在缺失值，異常值或者離群值，我們如何才能識別數(shù)據(jù)總體特別是這些特殊的值的真實性，如何正確地進行填補、修正或者剔出已備后續(xù)的數(shù)據(jù)分析？

重頭戲還在于數(shù)據(jù)分析。當我們第一次對某數(shù)據(jù)進行分析，對數(shù)據(jù)沒有任何先前的經(jīng)驗的時候，我們應該用那種分析方法才能最有效地發(fā)現(xiàn)數(shù)據(jù)中的秘密？假設檢驗、方差分析、簡單/廣義線性模型，聚類分析……這么多的分析方法，我們如何根據(jù)具體的情況作出正確的選擇，如何在Lack of fit和Over-fitting中找到最佳的平衡點？如何將工程問題轉換為數(shù)據(jù)分析問題，又如何將數(shù)據(jù)分析結果還原到實際的工程應用環(huán)境中去？不同的分析結果到底用那種方式展現(xiàn)才能最有助于別人理解我們從分析中獲得的發(fā)現(xiàn)？

很明顯，如此種種，都遠遠超出了IT系統(tǒng)問題的范疇。大數(shù)據(jù)的應用領域可以是我們生產(chǎn)生活的方方面面，但就質量管理而言，雖然統(tǒng)計質量管理在美國早已是成熟的質量改進方法，越是在對工藝流程要求精密的行業(yè)，對數(shù)據(jù)搜集和分析的要求就越高，但就微邁咨詢的研究來看，質量大數(shù)據(jù)的內涵更加廣泛，方法論也更加多樣，能為企業(yè)帶來的價值也要大得多。

“質量大數(shù)據(jù)”可以說是一個集量化決策思想、行業(yè)質量管理經(jīng)驗、合理的工業(yè)數(shù)據(jù)采集計劃、專業(yè)的工業(yè)數(shù)據(jù)分析（包括但不限于統(tǒng)計）方法組成的解決方案！ 中國的質量管理由于沒有經(jīng)歷過正真的統(tǒng)計質量管理階段，如果能在企業(yè)管理精細化的過程中靈活運用“質量大數(shù)據(jù)”和“量化決策”的思想和方法論，往往能起到事半功倍的效果。

概括而言，質量大數(shù)據(jù)需要根據(jù)每個行的自身的特點，制定有針對性的數(shù)據(jù)收集計劃，包括指標制定、變量選取、數(shù)據(jù)結構設計，樣本量及功效評價，實驗結構設計等等；我們需要借助現(xiàn)代IT技術抽取、清洗和整理對解決我們的問題有幫助的數(shù)據(jù)，有時我們還需要將售后服務、保修乃至客戶滿意度的數(shù)據(jù)與研發(fā)或生產(chǎn)數(shù)據(jù)進行整合以便評價我們將要進行的實際改進工作對售后以及客戶的影響；在此基礎上，我們可以對數(shù)據(jù)進行探索，從中找到對提升質量、產(chǎn)品設計或客戶忠誠度有重要意義的線索，探索性數(shù)據(jù)分析能幫助我們很好地完成這一工作；關鍵質量指標的重要影響因素往往需要在我們在對質量數(shù)據(jù)進行反復錘煉和分析后才能被鎖定，接下來可以指引我們制定可行的質量改善方案比對質量水平進行預測……“數(shù)據(jù)有時候會說謊”，我們還必須加以甄別。

如果把質量數(shù)據(jù)（包括研發(fā)、生產(chǎn)、售后、可靠性、客戶滿意度等）比作金砂，IT系統(tǒng)可以看成是一個有整理功能的容器，但我們還需要有如何能夠高效地淘出金子的理念和方法。