第三章 数据收集基础：数据分类、收集计划与抽样方法
各位好，我是老张。做根因分析这么多年，我最大的体会就是——没有好数据，再牛的分析工具都是白搭。你想想看，数据就像盖楼的砖头，砖头歪了，楼能正吗？
这一章，咱们就聊聊数据收集的那些基本功。别小看这些内容，我在项目里见过太多人栽在这上面。
3.1 数据分类：定性 vs 定量
数据分两类，这个大家应该都知道。但真正用的时候，很多人会搞混。
定量数据，说白了就是能拿尺子量、拿秤称的东西。比如：
- 产品尺寸（12.5mm）
- 焊接温度（245℃）
- 生产节拍（32秒/件）
定性数据，就是靠眼睛看、靠嘴巴说的东西。比如：
- 外观缺陷类型（划伤、气泡、色差）
- 操作员技能等级（初级、中级、高级）
- 客户满意度（满意、一般、不满意）
我个人习惯：能收集定量数据就尽量收集。为什么？因为定量数据可以做假设检验、可以做回归分析，分析手段多得多。定性数据虽然也能用，但信息量少，分析起来限制大。
不过，这里有个坑——定性数据可以转化为定量数据。比如把“缺陷类型”编码成1、2、3，这不就变成数字了吗？但要注意，这种数字没有实际意义，不能做加减乘除。
我曾经犯过的错：有一次做供应商审核，我把缺陷严重程度按1-5打分，然后直接算平均值。结果被客户怼了——"你告诉我，'轻微划伤'和'严重色差'的平均值是什么？" 嗯，从那以后我再也不敢乱算定性数据的平均值了。
3.2 数据收集计划
很多工程师一上来就埋头收集数据，结果收集完了发现——要么数据不全，要么数据没用，要么数据互相矛盾。为什么会这样？因为没有计划。
我建议，做数据收集计划时，问自己五个问题：
- 为什么要收集？——分析什么指标？解决什么问题？
- 收集什么？——哪些变量？定性还是定量？
- 从哪里收集？——生产线？实验室？客户反馈？
- 怎么收集？——人工记录？自动采集？测量系统？
- 收集多少？——样本量够不够？
这五个问题想清楚了，你的数据收集计划就基本成型了。
我的实战经验：做计划时，一定要把数据定义写清楚。比如“缺陷率”，到底是指每百件的不良数，还是每百万件的缺陷数？不定义清楚，后面分析时就会扯皮。
下面是一个我常用的数据收集计划模板：
| 序号 | 数据名称 | 数据类型 | 收集方法 | 收集频率 | 责任人 |
|---|---|---|---|---|---|
| 1 | 焊接温度 | 定量（连续） | 热电偶记录 | 每30分钟 | 张三 |
| 2 | 缺陷类型 | 定性（名义） | 目视检查 | 每批次 | 李四 |
| 3 | 操作员编号 | 定性（名义） | 工号记录 | 每次换班 | 王五 |
3.3 抽样方法
说到抽样，很多人第一反应就是“随机抽样”。但实际工作中，随机抽样往往做不到。为什么？因为生产线上的产品是连续的，你没法把所有产品堆在一起再随机抽。
常用的抽样方法有这几种：
3.3.1 简单随机抽样
每个个体被抽中的概率相等。适合总体数量不大、且容易编号的情况。比如从1000个零件中随机抽50个。
3.3.2 分层抽样
先把总体按某个特征分层（比如按班次、按设备），然后在每层内随机抽样。这样做的好处是——能保证每个层都有代表性。
我遇到过的情况：有一次分析某产品的缺陷率，发现白班和夜班差异很大。如果简单随机抽样，可能抽到的全是白班的数据，分析结果就会偏。后来我改用分层抽样，按班次比例抽取，结果就靠谱多了。
3.3.3 系统抽样
按固定间隔抽取样本。比如每第10个产品抽一个。这种方法简单易行，但要注意——如果生产过程有周期性波动，系统抽样可能会产生偏差。
3.3.4 整群抽样
随机抽取几个“群”，然后对群内的所有个体都测量。比如随机选3个托盘，每个托盘上的所有产品都检查。
你可能会问：到底用哪种方法好？我的建议是：
- 如果总体均匀，用简单随机抽样或系统抽样
- 如果总体有分层，用分层抽样
- 如果数据收集成本高，用整群抽样
注意：抽样方法选错了，分析结果可能完全相反。我曾经见过一个案例，某公司用系统抽样分析产品合格率，结果因为生产线每30分钟有一次换料操作，系统抽样正好每次都抽到换料后的产品，导致合格率被严重低估。
3.4 知识体系框架
下面这张图，是我自己总结的数据收集知识体系，你一看就明白了：
3.5 避坑指南
最后，我把自己这些年踩过的坑总结一下，你记好了：
避坑1：数据收集前，一定要做测量系统分析（MSA）。我见过一个项目，数据收集了三个月，最后发现是测量仪器不准，所有数据全废了。
避坑2：不要为了省事而随意合并数据。比如把不同班次、不同设备的数据混在一起分析，结果可能完全失真。
避坑3：样本量不是越大越好。样本量太大，统计上容易发现“显著差异”，但实际可能毫无意义。我一般用统计软件先算一下所需样本量，够用就行。
好了，这一章的内容就这些。数据收集看起来简单，但真正做好不容易。记住一句话：垃圾进，垃圾出。数据质量决定了分析质量，别在这上面偷懒。
公众号:蓝海资料掘金营，微信deep3321