前陣子輔導一家企業，他們選定4個專案，希望推行持續改善文化（PCIT, Professional Continuous Improvement Team）。我要求他們將問題量化，並利用「AIG法」來辨識問題。

其中1個專案是縮短新產品的開發時間，我請負責這個專案的小組組長Ken說明這個問題的具體內容是什麼，他說：「根據AIG法，我們收集到的線索顯示目前開發作業流程時間需要6個月，目標是縮短到4個月。」

接著我問他：「你們目前6個月的開發時間，是如何計算出來的？」

Ken說：「我們參考最近剛結束的案子，它的總開發時間為6個月。」

我進一步詢問：「你們公司1年會開發多少個新產品？」

Ken回答：「大概1年會有10個新產品，過去2年約開發20個新產品。」

我再追問：「這20個新產品的開發時間，你們都有記錄嗎？」

Ken想了一下，問了副組長May，May說：「應該有記錄，不過我現在不確定具體數字，我得用電腦查看。但我印象中每個案子的開發時間都有紀錄，而且我們的主管也會針對每個案子進行討論和分析。」

聽完Ken與May的回覆，我指出問題，「從剛才的對話來看，如果只依照你們先前說的數字，其實存在著盲點；即使現在解決這個問題，未來還可能會再次發生，因為問題沒有被徹底解決。」

Ken聽到我的回答後感到困惑，於是我進一步解釋。 

透過3個統計量，破解分析盲點

在問題分析中，有3個不可忽視的重要統計量，分別是：樣本數、平均數與變異數。 

1.樣本數

Ken說新產品的開發時間是6個月，但這數字只參考了最近的案子。實際上，該公司在過去2年開發的新產品多達20個。你認為在分析現況時，1個和20個樣本數，哪個更準確呢？

如果你只拿1個樣本就進行推論，這樣會有很大盲點。因此，你應該抓過去一段時間的樣本數進行分析，從過去1～2年，甚至是3年的新產品開發時間當作樣本數。 

2.平均數

只有1個樣本，也代表沒有「平均數」的概念。當樣本數變成20個，平均開發時間也許就不是Ken認為的6個月。 

3.變異數

變異數是一個用來衡量數據之間的分散程度。變異數越大，代表數據分散得越廣；變異數越小，數據則越集中在平均值附近。

用下列舉例說明，假設你是公司供應商管理部門負責人，記錄了每月2家供應商的交貨時間（以天為單位），用來了解是否符合公司的標準。

這2家供應商在過去5個月的交貨天數：

  • 供應商A：10天、12天、11天、13天、12天。
  • 供應商B：15天、30天、5天、20天、10天。

從上述時間可知，供應商A的交貨時間變動不大，集中在10～13天之間；供應商B的交貨時間變動較大，有時早、有時晚。

計算變異數後，我們會發現供應商A的變異數較小，代表交貨時間較穩定；供應商B的變異數較大，代表交貨時間不穩定。變異數幫助我們判斷供應商交貨的穩定性，進而選擇更符合公司需求的供應商。

回到新產品開發時間，假設20個樣本的開發時間介於5～7個月之間。計算變異數的好處是，可以了解公司在開發這20個新產品的時間範圍。如果每個都很接近5.5個月，代表變異小。

如果有時4個月、有時5個月，甚至7個月，就代表變異很大，這時就要特別小心。可能是開發新產品的過程中有狀況，必須個別改善不同類型產品的開發流程，這樣才能集中資源在特定類別上進行優化。 

當你在解決一個問題時，如果沒有搞懂樣本數、平均數、變異數，你的問題分析與解決方案一定無法說服你的主管。而且這個問題還會不斷發生，因為你根本沒有徹底解決它。

卓越的問題解決高手，都非常重視這3個統計量，千萬不要小看。

責任編輯：陳瑋鴻
核稿編輯：倪旻勤