项目管理-A06-分析关键因素.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,PPT,文档演模板,Office,PPT,05 十一月 2026,项目管理-A06-分析关键因素,分析阶段概述,根据测量阶段收集的数据,运用图表和简单的统计方法对它们进行一一确认，从而找出真正影响过程发生变异的“,关键少数,”变量（KPIV）。,那么，我们现在的任务什么？,如何运用收集的数据帮助我们做决定,分析工具,图表分析:,确认要分析的过程变量的分布和我们的期 望是否存在较大的差异,主要工具有:分布图、,柏拉图&饼图、,散点图&相关图、,趋势图,比较分析:,确认要分析的过程变量是否在统计上存在显著性差异y,分析阶段,定义,测量,分析,改进,控制,6.确定关键因素,一、图表分析,1、分布图,2、柏拉图&饼图,3、散点图&相关图,4、趋势图,二、比较分析,1、单样本目标值的比较,2、二个样本的均值比较,3、多个样本均值比较,4、二个样本方差比较,确定关键因素,（分析阶段）,(A06),第 六 步,目 录,一.,图表分析,二.对比分析,第一部分 图表分析,1、分布图,2、柏拉图&饼图,3、散点图&相关图,4、趋势图,用图形对测量阶段找出的变量(KPIV)的,“,形态,”,进行描述，通过视觉来判断变量是否满足我们的期望,确定是否是关键的KPIV.,好的图表才能说明问题,引入图表分析的目的,图表分析可以把数据转化为直观的信息,图形分析直观反映问题,加工处理的数据是提供可靠,信息的源泉,反应问题和可靠的信息是我们作决策的基础,图表分析的作用,图表分析的步骤,重点:可靠数据的收集和正确的图表解释,1、选定要分析的变量,2、搜集及整理数据,3、选择图表分析方法,4、解释分析结果,选择要分析的变量,我们要分析的变量来自测量阶段的结果,在利用图表分析前我们首先要确定,变量的类型、分析的目的、选择什么方法,等?,NO.,问题,类型,分析目的,选择的方法,1,合格率,离散,寻找导致不合格原因,柏拉图,2,新员工转正考核成绩与面试成绩,连续,确定不同的面试成绩与转正考核成绩的关系,相关分析,3,报销周期,连续,单据报销的时间分布,分布图,4,.,举例,搜集及整理数据,在运用图表分析时,应该明确以下重要问题:,由谁收集数据?谁运用这些数据?,收集数据的类型是什么?,数据怎样收集?,收集的数据在过程的哪个环节?,收集数据的频率、范围?,图表分析的主要方法,变量分布,分布图,柏拉图,饼 图,因素分布的构成,分析什么问题,分析方法,趋势图,变量间的关系,变量稳定性,散点图,相关图,一、分布图,确定变量分布,目的:确定变量的基本信息,包括分布的形状（是否正态分布?）、居中趋势（平均值和我们期望的有什么差距?）、离散情况（波动是否超出了我们的要求?）等.,在职能管理中我们想了解某些过程的基本信息,例如:1.员工投诉处理时间,2.某产品库存金额,3.合同评审时间,与我们的要求(期望)有什么差异?,通过分布图了解在那些情况下超出我们的期望,举例,结构一部:系统方案评审时间分布图：,均值和方差.,画分布图步骤,1、打开数据文件；,2、点击,Stat Basic Statistics,Display Descriptive,Statistics,；,3、将变量选择为,系统方案评审时间,点击Graphs;,4、选择,Graphical Summary,点击OK,点击OK.,案例,我们关注,每一份设计图纸实际完成时间和计划完成时间的差距,从二反映我们设计任务完成的及时性的好坏,我们收集的结构设计方面的一些资料,共计60份任务单.分析设计任务的分布情况，确定,分布情况与我们的期望有多大的差异?,我们期望最佳目标是任务准时完成,同时波动的变化范围非常小.,分布图画法,Stat Basic Statistics,Display Descriptive Statistics,案例分析结果,从分布分析表明，平均任务完成时间差为3.89天,标准偏差为5.3个,也就是说每单任务完成的偏差非常大.,我们期望的平均值是多少?期望的标准偏差是多少?那么,现在的主要问题是平均值出现偏移还是标准偏差(波动)偏大?,结论：设计任务完成是平均值出现偏移,同时任务完成的波动非常大,分布构成情况,目的:确定某些特定事件在整个事件中所占的比例或者问题主要集中在哪些方面?,在实际工作中,我们想知道以下问题,例如:1.设计差错主要集中在哪些方面?,2.系统方案评审的问题点.,3.结构件成本的构成情况。,.,通过变量分布构成的分析我们首先解决什么问题,二、柏拉图&饼图,柏拉图的画法,Stat Quality Tool,Pareto chart,成本费用类别,其中，材料费用和加工费用占成本的70%!,饼块图的画法,在这里不讲,大家可以用EXCEL来完成,三、散点图&相关图,掌握变量间的关系,目的:输入变量(X)之间或者过输入变量(X)和输出变量(Y)之间的相关关系.为我们深入分析它们之间的函数关系奠定了基础.,在实际工作中,我们想知道以下问题,例如:1.公司通讯费用与员工数量的关系。,2.设计质量的一次通过率跟工作年限、学历之间有什,么关系?,.,通过相关分析我们就可以解决以上问题,相关关系是?,相关关系可以用数据来看出两个变量(Y与X,或两个X)间紧密程度如何.两者之间关系的强度通过相关系数(r)计数化.,-1.0,0,+1.0,负的相关系,正的相关关系,“,r,”,没有相关关系,决定点,r,值,r,接近-1,r,接近+1,(+)正的相关关系,()负的相关关系,接近0时几乎没有相关关系,相关性的分类,弱的正相关,弱的负相关,强的正相关,强的负相关,其它关系,没有相关关系,相关关系图示,一般样本大小(15个以上)为基准,如果|r|0.80 时具有强的相关关系,如果 0.3|r|0.80 时具有弱的相关关系.,如果|r|Plot,续上,案例分析结果,从图中我们可以得出:变量,设计任务量和一次通过率之间,有弱的相关性,相关系数=0.107,（二）相关图,目的:确定多个变量两两之间的相关关系,变量,点击OK,Graph Matrix Plot,续上,案例分析结果,结果:,结论：设计一次通过率与工作任务量及工作年限没有相关性。,四、盒子图,目的:,要对两类或更多种类的数据进行比较分析.,在实际工作中,我们想知道以下问题,例如:1.不同人员的设计水平有什么不同。,2.采取不同设计方法的设计结果有什么不同,.,通过比较我们就可以解决以上问题,比较分布,盒子图的画法,Graph Box plot,盒子图的辨认方法,Box plot,的理解,异常点,*,*,75,分位,+1.5,box,范围,实际点的位置,75,分位,50,分位(中央值),25,分位,25,分位,-,1.5,box范围,实际点的位置,异常点,数据的中心50%,(box范围),案例,设计的质量与人员的工作年限可能有关系，为了确认不同工作年限是否影响设计水平，项目组随机抽取了,24个员工，收集了3个月来设计图纸的质量（以缺陷个数来衡量设计质量）的数据，同时根据工作年限分为三类，分别以1,2,3来表示.,数据来自2002年6月8月统计的数据.,案例(续),案例分析结果,分析结果:工作年限在1类的情况下设计缺陷最少,而工作年限在3的情况下设计缺陷的波动最大,五、趋势图,掌握过程变量的稳定性,目的:确定变量的变化趋势,确定引起变量发生变异的原因.,在实际工作中,我们想知道以下问题,例如:1.结构件在电源产品中成本的变化趋势,2.由于设计原因导致设计修改次数的变化趋势,.,通过趋势图我们就可以解决以上问题,过程变动的主要类型,t,y,t,偶然变动(Random Variation),平均在一定水准时,只显示偶然变动的变化,t,y,t,随时间变化反复于一定的周期,季节变动(Seasonal Variation),t,y,t,显示出Time Series随时间变化的形态倾向是线形还是二次型?,t,y,t,倾向变动(Trend Variation),政策的变化,市场变化给Time Series的影响,反映出的变动.,其它变动,案例,想了解公司,由于设计原因导致设计修改次数的变化趋势,统计了去年的每月设计修改的次数,试问:设计修改次数变化趋势如何?,数据来自事业部统计的数据.,趋势图,变量,点击OK,Graph Time Series Plot,从图中我们能够得到什么结论?,案例分析结果,从图中我们可以得出:,设计更改的次数基本在4-5次之间变动.在4,5,10,11月相对好一点.是什么原因?设计任务少?,练习一,考虑小组项目的Y与潜在关键因素可以用什么图形分析方法。,第二部分 比较分析,1、一个样本和目标值的比较,2、二个样本的均值比较,3、多个样本均值比较,熟练掌握比较的类型,明确比较的假设陈述和比较风险,比较统计量和置信区间,确定差异是真实存在,的,还是偶然引起的.,与实际作比较，判断是否是,“,关键少数的变量,”,。,将统计问题转化为实际问题,引入比较分析的目的,重点:会利用比较分析解决我们碰到的实际问题,比较类型,比较类型,专业术语,单样本（参数比较）one to standard,双样本比较 one to one,多样本比较 multiple,单侧比较,双侧比较,单侧比较,单侧比较:,假如我们的实际问题是为了比较一个样本的某一统,计量(例如:平均值或者标准偏差)是否大于（小于）一个标准值或另一样本的统计量，则是单侧检验.,单侧比较种类:,左侧比较:,我们想证明或者想验证的结果是小于(跟对,立假设相对应),右侧比较:,我们想证明或者想验证的结果是大于(跟对,立假设相对应),比较分析判断的基准:,如果P-value值0.05,无法拒绝原假设;如果P-value值0.05,没有理由接受原假设.,双侧比较,双侧比较:,假如我们的实际问题是为了比较一个样本的某一个,统计量(例如:平均值或者标准偏差)与一个标准值或,另一样本同一统计量是否相等，则是双侧检验.,总体参数与样本统计量,总体参数,样本统计,x,平均值,标准差,s,总体的参数是固定的，但不知道。,样本统计量是用来估计总体的参数。,比较的结论是对总体的参数进行阐述，而不是对样本进行阐述。,样本和总体的关系:,一般情况下,总体的统计量是一个固定的值,但是我们不知道.要了解总体的信息,只能抽取样本,然后对样本进行分析,根据样本的信息推断出总体的信息.因此样本的分析目的是要得到总体的信息，并对总体下恰当结论，采取相应措施.,比较分析的一般步骤,比较的一般顺序,1.将要比较的实际问题转化为统计问题,2.确认比较的目的,3.进行假设(原假设/备择假设),4.确定合适的比较检验方法,5.制定显著水平,6.收集数据,7.验证数据的正态性,8.方差检验,9.均值比较,10.统计结果的解释,11.将统计结果转化为实际问题,哦!,原来是帮助我们确定变量X是否是关键的少数的一种分析方法。,比较举例,案例:,现有2个事业部，一个宣称他们客户服务满意度比另外一个事业部高.为了确认他们的说法是否正确,?象这种问题就可以用比较分析的方法进行确认.,假设有两种相反的假设:,原假设:,假设没有差异或者没有关系.不用证明的假设.（等号一定在原假设）,对立假设:,假定有差异或有关系.要论证的假设.,怎样作假设？,假设:H,0,:,1,2,第1个事业部客户满意度小等于第2事业部,H,:,1,2,第1个事业部客户满意度大于第2事业部,一般情况下:把我们已经知道的事实作为原假设,把我们想要证明的作为对立假设。,比较的两类风险,判断,事实,1,2,1,2,1,2,1,2,正确,Prob 1-,正确,Prob 1-,二类错误,Prob,一类错误,Prob,不能拒绝原假设,拒绝原假设,比较分析的错误类型,一类错误（Prob,）：正确的原假设被拒绝（又称拒真、误诊）,二类错误（Prob,）：错误的原假设被接受（又称纳伪、漏诊）,注意几点：,1.拒绝具有说服力，接受没有说服力。,2.越小，说服力越强。,3.小，就大；、的取值根据实际需要。,假设检验错误类型,0.000,0.001,0.002,0.003,0.004,0.005,0.006,Y,Estim Mean,3198.9487691,True Mean,3198.9487691,Hypoth Mean,3000,Std Err Mean,74.921803932,Beta,0.1872991439,Power,0.8127008561,2500,2600,2700,2800,2900,3000,3100,3200,3300,3400,3500,X,二类错误（Prob,）,一类错误（Prob,）,一、单样本和目标值作比较,目的：,确定1个变量的均值和目标值是否存在显著性差异.,在实际工作中,我们想知道以下问题：,例如:1.系统方案的评审是否在规定的期限内完成。,2.设计人员的水平是否达到某一个水平,.,通过比较分析我们就可以解决以上问题,单样本和目标值作比较,案例,为了衡量结构平台人员的技术水平是否某一要求,公司组织对结构设计人员进行了专业方面的考试,分别收集了设计人员的考试成绩,以评估分数作为衡量设计水平的指标,公司要求评估分不能低于85分.试问设计人员的设计水平是否能达到公司的要求?,我们可以抽样一些人员的考试成绩，使用比较分析的方法对此下结论.,假设:,原假设H,0,:,85 对立假设H,:,Basic Statistic DistributionNormality,数据正态性检验结果,结果:,根据P值来判断.P值0.05,数据属于正态分布.P值等于0.982,因此数据符合正态分布,点击OK,输入要比较的值,2.平均值的比较,StatBasic Statistic Distribution1 Sample t,案例分析结果,统计结论:,P-Value=0.1180.05,因此没有充分的理由拒绝原假设.,实际结论:,不能说设计人员的水平不符合公司的要求,二、二个样本均值比较,目的：,确定2个变量或者1个变量在2个水平的均值（或者方差）之间是否存在显著性差异,在实际工作中,我们想知道以下问题,例如:1.二个不同产品之间的设计缺陷是否相同？,2.2个设计小组的设计速度是否相同?,.,通过比较分析我们就可以解决以上问题,注意：2个样本的均值比较前必须先比较方差是否相等,二个样本均值比较,案例,为了比较2个产品经营业绩,分别收集了某期内的有效值.试问2个产品的业绩是否存在显著性差异?,我们可以使用比较分析的方法对此下结论.,假设:,原假设H,0,:,1,=,2,对立假设H,:,1,2,StatBasic Statistic DistributionNormality,1.先验证正态性,(A小组),结果:,根据P值来判断.P值0.05,数据属于正态分布.P值等于0.221,因此数据符合正态分布,数据的正态性结果(B小组),结果:,根据P值来判断.P值0.05,数据属于正态分布.P值等于0.08,因此数据符合正态分布,2、进行方差比较,StatBasic Statistic Distribution2Variances,假设:,原假设H,0,:,1,2,=,2,2,对立假设H,:,1,2,2,2,方差比较结果,结果分析:P值大于0.05,说明它们的方差是相等的,数据为正态分布时,数据为非正态分布时,3.比较均值是否相等,StatBasic Statistic Distribution2 Sample t,选择方差是否相等,比较均值是否相等(续),案例分析结果,统计结果:,P-Value=0.2150.05,因此采纳原假设.,实际结论:,2个设计小组的实际质量没有显著性的差异.,三、配对数据的二个样本均值比较,配对数据的均值比较,配对数据指两组样本之间的每一对数据除了我们关注的,因素外,其它引起样本值差异的原因基本上一致。,目的：确定两者之间均值是否存在显著性差异,例如:,10个评委对2个竞聘干部打分成绩是否有显著差异。,配对数据的One-to-One平均值比较可以转化为One-to-Standard比较。,将配对数据对应一一相减，得到一组新的数据，将这组新数,据看作一个样本3，对它的均值进行是否等于0进行比较。这,样，问题就转化为One-toStandard比较，其中Standard,均值为0，差未知，应该用T检验。,转化后的假设陈述:,原假设H,0,：,3=0 对立假设H,：,3 0,假设:,原假设H,0,:,1,=,2,对立假设,H,:,1,2,假设的描述,四、多个样本的均值比较,多个样本的平均值比较,目的：,确定多个变量的均值之间是否存在显著性差异.,在营销部门中,我们想知道以下问题,例如:1.几个产品的单个合同有效值率是否有差异?,2.5个产品事业部延迟交货时间是否有差异?,.,通过比较分析我们就可以解决以上问题,案例,练习：,保险成本项目，平安保险公司相比较不同地区保险成本，在各地区抽取了报险金额为120万元的保单10份。试问平均值是否有显著性差异？试说明那一个地区的保险成本低于1500元。,NO.,陕西,上海,广东,江苏,辽宁,1,763,1335,596,3742,1632,2,1335,1262,3742,1833,5078,3,596,217,1632,375,3010,4,3742,4100,1448,2010,671,5,1632,2948,1833,743,2145,6,4365,3210,5078,867,4063,7,1262,867,1183,1233,1232,8,1448,3744,375,1072,1456,9,1833,1635,3010,3105,2735,10,5078,643,3200,1767,767,操作步骤,Stat ANOVA One-way,假设:,原假设H,0,:,1,=,2,=,3,.=,.,n,对立假设,H,:,其中任意一个与其它不相同,续上,案例分析结果,从图中我们可以得出什么结论？,P值为多少？统计的结论是什么？实际的结论是什么？,