对西蒙来讲，如果这世界上有什么能让西蒙最高兴的事，那么一个是跟喜欢的妹子在一起，另一个就是做喜欢的产品了。好了，进入正文：
承接上文，上文讲到了抽样后，两个数学测量工具，一个是平均数，一个是标准差。前者反应数据的集中度，后者反应离散程度。
今天我们介绍另外两种数学测量工具：
1、六西格玛水平(Six Sigma)是对不合格产品的测量评价指标，也可以称为不合格率或差错率水平。六西格玛水平越高，要求产品的不合格率越低。
如下图所示：
_________________________________________________
水平 | 不合格率/差错率 | 含义
6 3.4失误/百万机会 a
5 230失误/百万机会 b
4 6210失误/百万机会 c
3 66800失误/百万机会 d
2 308000失误/百万机会 e
1 690000失误/百万机会 f
__________________________________________________
六西格玛水平指标图
A 卓越的管理、强大的竞争力和忠诚的客户
B 优秀的管理、很强的竞争力和比较忠诚的客户
C 较好的管理和运营能力，满意的客户
D 平平常常的管理，却反竞争力
E 企业资源每天都有三分之一的浪费
F 每天有三分之二的事情出错的企业无法生存
六西格玛是一种驱动经营绩效改进、提高客户满意度的一种方法论和管理模式。内容博大精深。今天介绍六西格玛水平在网站中的应用。六西格玛介绍的是西格玛的六种数据反映的具体含义。也就是说，我们使用六西格玛水平需要计算西格玛数值。西格玛水平实际上就是不合格率（差错率），也是一种判断流程稳定性的指标。西格玛水平越高，差错率越低，说明流程稳定。
要注意的是，在管理应用中，六西格玛水平并不是越高越好，因为失误越低，所付出的控制成本就会越高。在实际工作中，需要在效率和允许的失误数量之间找到一个平衡点。
西格玛数值的计算公式：
对于离散数据，计算西格玛水平的公式如下：
对于计算出的每百万次机会的不合格率，可以通过上面的表格查出对应的西格玛水平。
例如传统B2B网站审核认证资料。客户填写资料时，1000人有8个不合格被打回去，那么经计算，六西格玛水平接近于4个西格玛。
对于连续数据，计算西格玛水平的公式如下：
其中，USL为规格上限，LSL为规格下限，上头有一横的X为平均值，S为标准差。
所谓规格限就是客户限定的范围，超过了这个限定，客户满意度会下降。
比如传统B2B网站审核认证的时间，随机调查100名客户的审核时间，发现超过3小时的时候，绝大多数客户会表示不满，因此，USL为7。对于LSL可以这样理解，在要求审核的时间控制在一个较短的时间内，审核人员的工作强度会提高，高到一个数值后，会引起不满，此处可以假定LSL为1个小时（在实际应用中，应根据人员配置、信息量、工作时间、审核时长等作出具体的数值统计后，计算出一个合理值）
数学测量工具之2
流通合格率：
流通合格率又称为滚动合格率，是流程的每一个步骤、每一道工序的合格率的乘积，用RTY(Rolled Throughput Yield)或者YRT（Yield of Rolled Throughput）表示，它实际上是产品无缺陷通过每个工序的概率。
合格率指质量合格产品占总产品的百分比。但是，在生产过程中每一工序都可能产生缺陷，一些缺陷可以通过返工修复成为合格产品，因此最终的合格率不能反映中间工序返工所造成的损失。而流通合格率将生产的各个步骤都考虑在内，反映出每个步骤的合格率综合起来所造成的损失。而流通合格率将生产的各个步骤都考虑在内，它能够反映出每个步骤的合格率综合起来对产品质量的影响，能够更加准确的反映出流程运行的质量。
简单的讲，流通合格率就是每一个流程中计算一次合格率，流程结束后计算总的合格率。
这个计算方式在流程图分析中可以明显的找到是哪个环节在拖后腿。
比如我们计算订单处理的流通合格率。共有100份订单，在订单处理环节，发现有3份订单客户填写不符合规范，因此合格率为97%；在产品配送环节，发现2份订单产品地址描述不详，其中1份经订单处理人员重新核实后可以配送，另一份只能退订，因此合格数量，为95。接着流程走到投递环节，在物流投递环节发现有6份因联系信息等问题无法投递，因此合格数量为90（95-6+1，最后的1代表的是经过核实可以配送的订单。）如下图：
____________________________________________________________
环节 | 订单数量 | 合格数量 | 合格率
订单处理 100 97 97%
产品配送 97 95 97.94%
物流投递 96 90 93.75%
____________________________________________________________
订单流通总合格率为： 97% X 97.94% X 93.75% = 89.06%
对比传统合格率的计算方式为 90 ÷ 100 = 90%
我们可以形象地称这种方法为细分合格率计算法。
以上是产品经理在运营产品的时候常用的分析方法，很简单是不？好吧，西蒙之后会推出加强版！吼吼~
数据分析有了结果之后，我们需要对结果进行处理，数据分析的结果结合我在【链接：《产品经理如何量化关键需求指标》】里对关键质量特性做出的说明，可以确定我们的改进目标。而数据分析的结果就是量化现状水平与目标之间的差距。
差距往往不是用“有些”“有一点”“有很多”这种形容词来描述的，差距在哪里？怎么量化差距是多少？用数据说话——这就是产品经理说话更有王八之气的所在！
当然，识别出差距的好处是可以使改进的目标更加具体化。
例如：假设产品邮寄天数的均值为4.85天，而项目设置的改进目标为3天，因此项目团队可以围绕1.85天开展工作，分析通过改进哪些环节能够缩短1.85天。
至此，这个小系列就讲述完毕，之后西蒙会推出加强版，重点介绍各种数据分析统计工具。
___________________________________________________________________
写字不易，且读且珍惜，转载请注明出处：SimonK @http://www.cnblogs.com/simonk/
更博时间：
周一到周五每天一更，时间22:00-23:40之间
周六/周日/法定节假日 不定期
欢迎订阅！
下节预报：除了流程之外，网站需要哪些度量指标？下节介绍网站常用的度量指标。
___________________________________________________________________