打造一份经得起现实检验的数据采集计划
在精益六西格玛中，DMAIC的测量阶段是良好意愿的葬身之地。一个急于解决问题的团队直接跳到收集数字，几个月后才发现两名操作员对缺陷的计数方式不同，一半的时间戳是猜出来的，而"改进前"的基线根本无法与"改进后"相比。在过去一年的种种扰动之后——那么多日常数据采集得前后不一，甚至压根没采集——一份审慎的数据采集计划比以往任何时候都更重要。它是那个不起眼却决定你的结论能否站得住脚的步骤。
在采集任何数据之前，先想清楚你需要什么
从问题出发，而不是从你手头恰好有的数据出发。把每一项度量都与项目的问题陈述挂钩：你想改善的是哪个输出（Y），又有哪些输入或流程步骤（也就是各个X）可能在驱动它？如果某个指标既无助于确认问题，也无助于验证某个原因，就别去采集它。一份聚焦的计划，胜过一张谁都不信的巨型电子表格。
计划，一步一步来
为每项度量下操作性定义。 把究竟什么算"缺陷"、什么算一个"周期"、什么算"延迟交付"白纸黑字写清楚。操作性定义剔除了主观判断，使两个人测量同一件事得到相同的答案。这是杠杆最大的一步，也是团队最常跳过的一步。
选择数据类型与抽样方式。 确定每项度量是连续型（时间、重量、金额）还是离散型（合格/不合格、计数）。然后规划一个能代表真实流程的样本——跨班次、跨设备、跨日期——而不是某个图省事的下午。在宣布基线采集完成之前，写明要采多少数据、采多长时间。
验证测量系统。 在信任这些数字之前，先确认量具或计数方法本身是否可靠。对于离散数据，一项简单的属性一致性检查——评估者是否会把相同的项目归为相同的类别？——就能抓住最常见的垃圾数据来源。
明确由谁记录、如何记录、在何处记录。 指明记录人、表单或检查表，以及采集的确切时刻。把表单设计成让正确的录入就是最省事的录入。先用少量记录试运行，在全面采集之前把容易混淆之处修好，而不是事后再补。
应在设计阶段就规避的常见陷阱
定义含糊，结果"缺陷"在每个记录者那里含义都不一样。
图方便的样本，悄悄把夜班或最繁忙的日子排除在外。
把用一种方式采集的基线数据，与用另一种方式采集的新数据混在一起。
没有做测量系统检查，于是你改善的是量具的噪声，而非流程本身。
一份好的计划，短到记录的人真愿意照着做，又严谨到采得的数据能回答问题。在前期多花一天写好操作性定义、试运行表单；你将省下数周关于"谁的数字才对"的争吵。当数据值得信赖时，分析阶段几乎变得轻而易举——信号早已藏在数据里，等着被找出来，而非被硬造出来。
记住DMAIC背后的那份纪律：没有诚实测量过的东西，你无法改善；而没有在记录第一个数据点之前就定好计划，你就无法诚实地测量。
如果你正在筹建一项流程改进工作，想要一套经得起推敲的测量，XNM的战略咨询服务能帮你打下一个让决策可以安心倚靠的数据根基。