2023-12-22｜数据分析
不靠经验硬撑：数据分析的横向复制要从波动中寻找真因
一次可信的数据分析交付，应当说明问题从哪里来、数据如何采、方案如何试、结果由谁验。本期结合老化与可靠性验证，重点复盘横向复制。
不能改变判断和行动的数据，只是信息展示；能追溯并推动闭环的数据才是管理资产。
1. 这期为什么值得做
制造数据分析通过统一定义、可靠采集、分层比较和异常追溯，把数据转化为判断、优先级和行动，而不是增加报表数量。 在老化与可靠性验证中，SMT、插件、总装、电气安全、老化测试和量产导入需要在版本、物料、工艺与产能上同步成熟。因此，本期不从工具名称出发，而先回答：平均值背后的产品、班组、设备、物料和时间波动是否被分层。
本期切口：识别相似产品、设备和区域，先做适配评审再推广。判断是否有效，必须能够回到真实对象、真实数据、真实责任和真实结果。
2. 先收集这些事实
- 同一指标在不同部门结果不同
- 数据只能看到结果，不能定位原因
- 报表更新后没有触发责任动作
- 场景约束：SMT、插件、总装、电气安全、老化测试和量产导入需要在版本、物料、工艺与产能上同步成熟
- 优先警惕：追求设备稼动和试产进度，容易把版本错用、测试瓶颈、返修回流和阶段问题带入量产
这些信号不是结论，而是进入现场调查的入口。应继续按产品、班组、设备、物料批次、时间段或异常类型分层，避免用平均值掩盖波动。
3. 指标不能缺少什么
方法口径
数据质量至少评价完整率、准确率、及时率和一致率；异常分析应保留分母、时间范围和样本边界。
本期证据
保留分母和样本边界，结合趋势、分层、Pareto与异常点验证主要变化来源；现场至少保留BOM与程序版本、设备停机、测试CT、FPY、老化通过率、问题关闭率与产能验证记录。
数据必须说明来源、分母、时间范围、版本和异常样本。无法追溯到订单、产品、工序、设备或责任对象的数据，不宜直接用于评价个人或判断项目收益。
4. 由小试验走向标准
- 建立复制清单，逐项确认差异、风险、责任与验证证据
- 按产品、班组、设备或缺陷类型分层
- 把异常绑定责任、期限和验证结果
- 先定义业务问题与指标口径
- 确认数据源、责任和采集频次
- 用改善前后实绩复核收益、波动和副作用，确认关闭证据
- 将有效方法写入标准、点检、系统规则与复盘节奏
5. 项目责任矩阵
主责：IT／数字化定义问题边界、方法、数据口径与阶段交付物，对专业判断负责。
协同：业务Owner与数据Owner提供真实现场条件与约束，参与试点并及时暴露异常。
验收：流程负责人按安全、质量、成本、交付和收益证据判断是否进入下一阶段。
系统固化主数据、权限、接口与审计日志必须同步更新版本、生效日期、维护责任与异常升级规则。
6. 常见偏差与防再发
- 只看平均值掩盖波动
- 图表漂亮但没有行动阈值
- 频繁调整口径导致趋势不可比
- 追求设备稼动和试产进度，容易把版本错用、测试瓶颈、返修回流和阶段问题带入量产
- 相关性只能缩小调查范围，不能直接当作根因
任何方法都不能脱离产品特性、工艺风险、人员技能、设备能力和客户要求直接复制。先验证边界，再扩大范围，才能避免把局部经验变成新的系统风险。
7. 关联知识与项目
8. 今天完成一个验证
选一个典型对象记录一组真实基准验证一个主要假设固化一条有效标准
今日动作：建立复制清单，逐项确认差异、风险、责任与验证证据。完成后不要急于宣布结案，先确认数据是否可复现、现场是否能维持、责任是否已经移交。
工程者手记
坚持的力量：真正的坚持，不是每天重复同一句话，而是每天把一个问题看得更深一点。 不能改变判断和行动的数据，只是信息展示；能追溯并推动闭环的数据才是管理资产。