为什么优秀的六西格玛项目会死在数据收集计划上
大多数失败的六西格玛项目，并不是在那些戏剧性的阶段失败的。它们悄无声息地失败，就在「测量」阶段，当团队草草写出一份马虎的数据收集计划，随后在项目余下的时间里都在为没人信任的数字辩护。分析、改进和控制全都建立在你所收集的数据之上；如果这一根基出现裂缝，下游的每一个结论都值得怀疑。在供应链中断、流程东拼西凑的十八个月之后，这一点比平时更要紧，因为许多团队所测量的「之前」状态本身就是不稳定的。
数据收集计划，无非是在收集任何一个数据点之前，就以书面形式清晰约定：你将测量什么、如何测量、由谁测量、在多长的时间段内测量。它是定义问题与分析问题之间的桥梁。跳过它，或临时凑合，正是优秀的 DMAIC 项目开始腐坏之处。
悄悄毁掉计划的错误
测量容易的，而非重要的。 团队往往倾向于使用系统已经生成的数据，哪怕这些数据与问题只有松散的关系。应从你需要回答的问题出发，再去寻找或构建度量指标，而不是反过来。
操作性定义含糊不清。 如果两个人会把同一事件记录成不同的样子，你的数据就只是噪声。「缺陷」「准时」「完成」各自都需要一个精确的书面定义，使每个人都以同样的方式记录同样的东西。
忽视测量系统误差。 在信任数字之前，先确认测量系统本身是可靠的。一次快速的量具 R&R 或属性一致性检查，就能揭示变异是真实的，还是仅仅源于测量的不一致。略过这一步，你「改进」的可能只是你的量具。
随意抽样。 随手抓取方便的数据会引入偏差。要刻意决定收集多少数据、跨越多长时间、来自哪些来源，使样本真正代表整个流程，而不是某一个班次或某一个供应商。
没有分层。 把一切混为一谈会掩盖信号。从一开始就计划好捕捉诸如产线、班次、地区或供应商等背景信息，使「分析」阶段能够对数据进行切分，而不是盯着一个不加区分的平均值发呆。
建立一份你能站得住脚的计划
一份可信的计划简短而明确。把每一项度量都追溯回项目的问题陈述，写下操作性定义，验证测量系统，并在开始收集之前就决定好你的抽样与分层。然后做一次小规模试点。寥寥几条试验记录，几乎总能在修正成本仍然低廉时，暴露出某个含糊的定义或某个缺失的字段。
列出每一个指标、它的操作性定义，以及数据类型（连续型还是离散型）。
指明由谁收集、来自什么来源、确切在什么时候收集。
记录你将随每个数据点一同捕捉的分层因素。
先验证测量系统，再在全面收集之前试用记录表单。
这一切都不光鲜，而这恰恰是团队仓促对待它的原因。但花在让数据收集计划滴水不漏上的那几个小时，是整个 DMAIC 循环中最便宜的保险。在供需仍然动荡之际，把对的东西测量好，这份纪律正是真正的改进与自信的猜测之间的分水岭。
如果你希望有人帮你审视组织如何测量与改进其流程，XNM 的战略咨询 可以帮你建立真正值得信赖的测量。