व्यावसायिक सांख्यिकी की सीमाएं

व्यावसायिक आँकड़े आपके व्यवसाय में समस्याओं के निदान के लिए एक शक्तिशाली उपकरण हो सकते हैं। हालांकि, आंकड़े रामबाण नहीं हैं। हमारे व्यवसायों के बारे में सवाल का जवाब देने के लिए सांख्यिकी की क्षमता में सीमाएं और आंकड़ों को समझने की हमारी क्षमता में निहित सीमा उनकी प्रयोज्यता को कम करती है। व्यावसायिक आँकड़ों के कुछ सामान्य नुकसानों को समझना आपको यह पहचानने में मदद कर सकता है कि ये आंकड़े आपकी कंपनी में आपको कहाँ तक भटका सकते हैं।

अंडरस्टैंडिंग की कठिनाई

शोध से पता चला है कि लोगों को सांख्यिकीय रूप से सोचने में कठिनाई होती है। यह विचार कि एक आंकड़ा संभव आंकड़ों के वितरण का हिस्सा है, अपेक्षाकृत अनपेक्षित है। जैसे, व्यवसाय के स्वामी आधार दर जैसी विशेषताओं की उपेक्षा करते हैं।

कहें कि एक कंपनी ने धोखाधड़ी का पता लगाने के लिए एक परीक्षण तैयार किया है जो 99 प्रतिशत सटीक है। यदि पूरी आबादी में धोखाधड़ी का अनुपात 1, 000 में केवल 1 है, तो आपने जिस धोखाधड़ी का पता लगाया है वह बहुत कम है। वास्तव में, सकारात्मक परीक्षण के परिणाम को देखते हुए मौजूदा धोखाधड़ी की संभावना केवल 9 प्रतिशत है। क्योंकि धोखाधड़ी की आधार दर इतनी कम है, एक सकारात्मक परीक्षा परिणाम हमें वास्तविक अवसर में बहुत अधिक जानकारी नहीं दे सकता है कि धोखाधड़ी हुई है।

आवृत्ति

व्यवसाय में सांख्यिकीय परीक्षण अक्सर एक निरंतरवादी दृष्टिकोण से आयोजित किए जाते हैं, जो हमारे द्वारा पूछे जाने वाले प्रश्नों का प्रतिनिधि नहीं हो सकता है। उत्पादन प्रक्रियाओं में, यह अक्सर त्रुटि के लिए एक सहिष्णुता का रूप ले लेता है। कहें कि एक कंपनी धातु की चादरें बनाती है जो 3 मिमी मोटी होती है। कंपनी कह सकती है कि 2.95 मिमी से 3.05 मिमी की मोटाई वाली शीट स्वीकार्य हैं। यदि कंपनी 3.02 मिमी मोटी शीट का उत्पादन कर रही है, तो शीट कंपनी के गुणवत्ता मानकों के आधार पर स्वीकार्य हैं, और सांख्यिकीय रूप से, यह 3 मिमी से अधिक नहीं हो सकता है। हालांकि, उत्पादन में अधिक वजन के कारण कंपनी के पैसे खर्च हो सकते हैं।

छोटा सा नमूना आकार

सामान्य तौर पर, नमूना आकार छोटा होने पर लोग नमूना आकार के प्रभाव को खराब रूप से निर्धारित करते हैं। उदाहरण के लिए, एक फोरमैन के पास रोज़ाना बोतलों का एक छोटा सा उत्पादन रन पूरा करने का विकल्प हो सकता है या हर दूसरे दिन बड़ा रन हो सकता है। कंपनी एक उत्पादन रन को सफल मानती है जब 1 प्रतिशत से कम बोतलें खराब होती हैं। बाकी सभी स्थिर, अधिकांश सोचते हैं कि समान रूप से उत्पादन रन के आकार का उपयोग करके 1 प्रतिशत सीमा से अधिक होने की संभावना है। हालांकि, छोटे उत्पादन रन में, यादृच्छिक उतार-चढ़ाव में दोषों की कुल संख्या का बड़ा प्रभाव होता है। बड़े रनों में, ये उतार-चढ़ाव खुद भी बाहर निकल जाते हैं।

स्वागत योग्य पूर्वाग्रह

व्यापार निदान उपकरण के रूप में सांख्यिकी का उपयोग करते समय, प्रबंधक परिणाम पूर्वाग्रह से ग्रस्त होते हैं। उदाहरण के लिए, प्रबंधक यह निर्धारित करने के लिए दोषपूर्ण उत्पादों के प्रतिशत का उपयोग कर सकते हैं कि क्या उत्पादन प्रक्रिया ध्वनि है। यदि कई दोष पाए जाते हैं, तो प्रबंधक आमतौर पर प्रक्रिया की जांच करेंगे और समस्या के स्रोत को निर्धारित करने का प्रयास करेंगे। हालांकि, दोषपूर्ण उत्पादों की कम संख्या की जांच करने का कोई मतलब नहीं है। जब दोषपूर्ण उत्पाद गणना अनिर्णायक होती है, तो प्रबंधक को यह चुनना होता है कि क्या जांच करनी है।

अनुसंधान से पता चला है कि यदि प्रबंधक दोषों की जांच करता है और उत्पादन में कोई व्यवस्थित समस्या नहीं पाता है, तो प्रबंधन प्रबंधक के प्रदर्शन से कम संतुष्ट होगा यदि उसने किसी समस्या का खुलासा किया है। यह तब भी होता है, जब प्रबंधक ने अपनी जांच के परिणाम की कोई धारणा नहीं की थी जब उसने इसे शुरू किया था।

अनुशंसित