Lean Six Sigma e Calorie-Controlled Big Data?
Parece haver um monte de falar sobre grandes dados e a importância de transformá-lo em dados inteligentes. E, há uma grande quantidade de dados disponíveis. Google afirma que a cada dois dias as pessoas a criar o máximo de informação que eles fizeram desde o início dos tempos até 2003. Dado o número de e-mails a maioria das pessoas recebem, o Google provavelmente está certo. Como sempre, há também um monte de falar sobre emagrecimento e redução de calorias.
Big data começa com poucos dados, se é inteligente ou não. Concentrando-se em dados do processo, por um momento, muitas organizações parecem ter dados que sai de suas orelhas - lotes de pequenos dados de diferentes processos que constrói em grandes dados dentro da organização. Infelizmente, esses dados nem sempre são os dados corretos. Às vezes as organizações medir as coisas, porque eles posso medi-los - mas essas coisas não são necessariamente as coisas certas a serem medidos e os dados resultantes não ajudá-lo a gerenciar sua organização e seus processos.
Você provavelmente sabe que escolher o que medir e como apresentar os seus dados são atividades importantes. Mas também é decidir o que não medir. Lean Six Sigma exige que você gerencie pelo fato e ter bons dados - mas isso não significa que você precisa de mais dados do que você produz atualmente. Significa que você tem os dados corretos. Você precisa rever os dados que você tem no momento e decidir se ele realmente está ajudando você a gerenciar seus processos. Será que os dados agregar valor ou é um desperdício? É realmente sendo usado?
Você precisa estar medindo as coisas certas, mas você também precisa ter certeza de que você está coletando os dados através de um processo de recolha de dados eficaz e eficiente. Às vezes os dados não são precisas - intencionalmente ou não - e mesmo se os dados são precisos, pode ser apresentado de uma forma que torna difícil interpretação. Gerentes muitas vezes apresentam dados como uma página cheia de números para incentivar a comparação com resultados da semana passada ou mesmo os resultados para esta semana no ano passado. Esta situação é agravada ainda mais se os resultados mostram apenas médias ou percentagens e você não pode entender a gama de desempenho ou a variação no seu desempenho do processo. O resultado líquido é um monte de saltar para conclusões através de pressupostos que, na melhor das hipóteses, são equivocadas.
Então, você precisa os dados corretos, recolhidos no caminho certo, apresentados de forma adequada e interpretados corretamente. Dessa forma, os dados se torna inteligente e você pode gerenciar pelo fato. Interpretar os dados corretamente é Vital- é uma área onde os gráficos de controle podem ajudar enormemente, embora nem sempre será a ferramenta de visualização de dados direita.
Má interpretação de dados não é novo, é claro, e retornando à referência de calorias, você sabia como contagens de calorias foram determinados? A sabedoria convencional diz que o vinho parece ter uma contagem muito alto teor calórico. Mas deveria? É a interpretação dos dados que resultou nesta avaliação correcta?
Voltar na década de 1880, um químico americano, Wilbur Atwater, olhou para medir a energia em diferentes alimentos e bebida. Essencialmente, ele os queimou em um forno e mediu o calor que eles produziram. Estas unidades de energia tornou-se conhecido como calorias. Agora, quando ele queimou álcool, ele queimado muito rapidamente, é claro, produzindo uma grande quantidade de calor e ganhando vinho uma contagem de alto teor calórico. Mas, dado que o álcool é certo para queimar rapidamente, ele interpretar os dados corretamente? Bem, um pequeno mas crescente número de nutricionistas não têm tanta certeza. Eles sentem a teoria de calorias é falho e talvez deva ser substituído por algo conhecido como o índice glicêmico. Sem dúvida as conclusões a este virá no devido tempo!
Mais perto do local de trabalho, é provável que algumas das interpretações que alguns gerentes acerca dos dados do processo que eles vêem é definitivamente falho. Todos os gerentes precisam entender melhor como coletar, apresentar e interpretar os dados de forma mais eficaz. Quando o fazem, eles vão descobrir que a partir de poucos dados, Big Data cresce, mas eles precisam ter certeza que é inteligente. Felizmente, você pode beber a isso!