優思學院|精益六西格瑪及質量管理推廣視頻 優思學院:ASQTV談什麼是大數據(Big Data)

工业质量
1粉絲
3 次觀看·2026年5月13日
AI 生成·可能包含錯誤
歡迎收看ASKTV
我們正在打造一個全球範圍的質量觀
在本期節目中我們將探索大數據的定義
以及大數據的使用方法
以及應避免的問題
一家保險公司如何採集其數據並降低了成本
四大數據分析要點
以及如何避免過度的調查
您大概已經聽說過大數據這個熱門字眼
它指的是超出傳統數據處理工具能力的
龐大複雜數據集
但是伴隨大數據而來的
它有巨大的挑戰
例如
您應當以何種方法
在何種時刻對大數據進行採集或分析
統計學教授Jeff Winning告誡人們
應該對大數據的依賴保持警惕
不少人宣稱利用大數據我們能夠解決所有問題
而我個人在這方面的經歷則是
大數據往往不能解決任何問題
保持懷疑態度
同時常常關注大數據
往往能帶出一些有趣的問題
這種方式對於探索問題往往有不錯的效果
即使在您遇到具體問題之前也是如此
它能夠爲提出有待進一步探究的事物
提供極好的依據
不過我倒是搭上了我的職業生涯
始終在嘗試如何高效地利用數據
您知道嗎
一旦我遇上某些只能通過大數據來解決的問題
我往往能夠發現一些技巧
來爲解決問題提出建議
我常常發現
一旦我遇上這種問題
一旦我能夠獲得些許清晰的認知
我就能找到更快更好的方法
來確認答案所在
Vining表示大數據具有許多實用之處
在製造業領域它能成爲有用的檢查工具
例如它可以用於檢查圖像
以確定大批產品中是否有潛在缺陷
現在我們有設備可以用來獲得
基本零件生產相關的圖像
那麼我們如何能利用這個圖像
來有效全面且自動地檢驗產品
我們爲此而採用的技巧
借鑑了MRI等生物醫學領域應用的圖像分析
我們現在已着手在開發一些東西
比如如何對圖像進行正式的統計性測試等
我的同事指導如何將之進行轉化
比如變成控制圖
隨後我們就能真正地充分利用大數據
就是圖像數據
我對此感到非常激動
因爲這與大數據的大多數用途都不一樣
變化並不是通過數據採集出現的
目標是分析您的數據
從而瞭解如何更好並更聰明地做事
國家保險公司在決定哪些家庭需要調查時
正是這樣做的
該公司定期調查其客戶的住宅
以確保這些家庭以正確投保
並處於令人滿意的狀態
每年的家庭調查沒有發現過任何問題
但每年都要耗費該公司150萬美元
完全不進行調查的話風險太大
但是調查每一個家庭的話成本又太高
通過研究該公司已擁有數年的數據
他們在這兩個極端之間找到了最佳平衡點
從每個家庭的房屋建築年份和類型到保護等級
所夠保險金額以及客戶所被歷史
通過檢查來自兩個不同數據庫的兩個數據集
並使用六七個碼法
Nationwide保險公司能夠預計
最需要對哪些房產進行調查
六七個碼法包括項目的定義
衡量 分析 改善和流程控制
該公司將不必要的調查量減少了將近47%
其確認家庭處於危險狀況的速度
則提高了185%以上
那就是將大數據轉化爲智能行動的一種方法
通過下方鏈接來閱讀完整的故事
如果您接受了採集和分析大數據集的工作
您很容易就會遇上挑戰
最近的一篇Quality Progress文章
列出了採集和分析數據時
值得考慮的四大數據分析要點
數據質量首當其衝
如果您需要從多個來源組合數據
請格外小心
請關注遺漏數據
同時注意採集數據所進行的調查或實驗
是如何進行設計的
因爲設計會影響到數據的相關性
或令數據缺乏因果聯繫
第二點就是相關主題的知識
切勿脫離環境來解讀數據
以瞭解數據產生的部門或流程作爲開端
環境能幫助您恰當地分析數據
同時編制並實施正確的決定
第三,使用循序方法
一次研究或分析將難以回答您的多個問題
事實上還可能會引起更多的問題
您可能必須採集和研究多個數據集
您需要認識到
數據採集和分析
是一個持續不斷地開放式的流程
最後,將策略落實到位
策略決定了您手中數據的用途
以及數據成爲組織優先考慮事項的原因
您的策略應包含緊迫感
領導的支持和參與
項目願景
溝通計劃
以及相關人員的培訓
通過下方鏈接來閱讀整篇文章
組織常常通過調查取得客戶數據
但是按照Quality Progress撰稿人Derek Purdy的觀點
在大數據的軍備競賽上
狂熱調查有時會佔上風
除了想要了解我們的性別、年齡和住址之外
調查還會詢問商店裏的照明設備
甚至會詢問在那裏購物是否充滿樂趣
所以關於向客戶問些什麼
以及何時向客戶進行詢問
需要做得十分聰明
我是真的需要一份如此冗長
得讓我填寫在線調查的收據嗎
這可不需要大數據來告訴您答案
關於過渡調查的更多信息請參閱下列鏈接
好了,我們一如既往地感謝您觀看本期SQTV
在下期節目中我們將探討競技體育中的質量
