Moderne Datenanalyse in Six Sigma – neue Potentiale für eine bewährte Methode

Kostenloser Download

Weiterbildungsprogramm für Führung & Management

Kostenloser Download

Lean-Lexikon – Ihr Nachschlagewerk für den Arbeitsalltag

12. December 2022
Qualität
0 Kommentare

Wie gut können moderne Datenanalyse-Methoden Six Sigma Projekte ergänzen? Ergibt das überhaupt Sinn? Und wenn ja, welche kritischen Faktoren sollten Sie in der Praxis beachten, damit der Einsatz von Data Analytics Tools in Six Sigma wirklich von nachhaltigem Erfolg gekrönt wird?

Prof. Dr. Bert Leyendecker geht diesen Fragestellungen auf unserer Konferenz Qualität 2023 nach. In diesem Beitrag gibt der Experte bereits einen Einblick in den erfolgreichen Einsatz der Datenanalyse in Six Sigma Projekten.

Prof. Dr. Bert Leyendecker

Professur für Produktionswirtschaft und Projektmanagement | Hochschule Koblenz

Zum Profil

Six Sigma trifft auf moderne Datenanalyse

Als vor mittlerweile fast vier Jahrzenten Six Sigma aus der Taufe gehoben wurde, war die Leistungsfähigkeit der den Mitarbeitern zur Verfügung stehenden Computer noch sehr eingeschränkt. In vielen Unternehmen musste man Ende der 80er Jahre noch Zeiten im Rechenzentrum anmelden, wenn größere Berechnungen anstanden. Mit einer Statistiksoftware nun selbstständig eigene Produktionsdaten auswerten zu können und Prozessoptimierung auf eine solide Datenbasis stellen zu können, war damals eine Revolution! Diese Zeiten sind lange vorbei. In vielen Unternehmen stehen Daten in großen Mengen zur Verfügung. Und auch die Rechenleistung zur Auswertung ist nicht mehr problematisch. Was liegt also näher, als eine datenbasierte Prozessoptimierungsmethode wie Six Sigma anzureichern mit den modernen Tools der Datenanalyse.

Datenqualität kann zur Hürde werden

Neues und Bewährtes kann zusammengeführt werden, daraus entwickeln sich neue Potenziale. Doch, Vorsicht, es ist nicht alles Gold, was glänzt! Nur weil eine Datenmenge groß ist, heißt das nicht, dass es auch verwertbare und wertvolle Informationen gibt, die sich darin verstecken. Auch ein großer Datensatz kann „leer“ sein. Und in der Praxis stellt mangelnde Datenqualität häufig eine große Hürde dar, die es zu überwinden gilt, bevor aus Daten sinnvolle Schlussfolgerungen gezogen werden können. Welche kritischen Erfolgsfaktoren sind also zu beachten?

Erfolgsfaktoren bei der Datenanalyse in Six Sigma Projekten

Hier ein paar Beispiele:

Die Fragestellung klären

Was will ich mit meinen Daten herausfinden? In welches Six Sigma Projekt ist meine Datenanalyse eingebunden. Eine klare Zielstellung hilft, die Richtung der Analyse festzulegen. Gerade die Kombination von Data Analytics mit der Stringenz des DMAIC-Zyklus macht die Kombination so stark. Ohne DMAIC kann ein Data Analytics Projekt in die Beliebigkeit abrutschen. Es besteht die Gefahr in die Falle der „Happy Data Analytics“ abzurutschen – also der Datenanalyse um der Datenanalyse Willen. Auf der anderen Seite kann aber das klassische Six Sigma ohne die Erweiterung um moderne Data Analytics Methoden an seine Grenzen kommen. Denn lange nicht mehr alles, was sich heute an Datenstrukturen findet, ist mit Multipler Regression oder den anderen klassischen Methoden aus dem DMAIC Zyklus zufriedenstellend auswertbar.

Die Datenqualität bewerten und verbessern

Die Datenqualität ist selten einfach „auf Anhieb gut“. Suchen Sie Ausreißer, offensichtliche Fehler, Datensituationen, die technisch nicht möglich sind. Je mehr Plausibilitätsprüfungen Ihnen einfallen, umso zuversichtlicher können Sie in die Datenanalyse starten. Und wundern Sie sich nicht, wenn es zunächst ein paar Tage oder Wochen dauert, bis eine hinreichende Datenqualität erreicht ist und alle Fragezeichen um Ihre Daten geklärt sind. Klärt man offene Fragen nicht, können fehlerhafte Daten die Analyse sehr schnell in die falsche Richtung führen und für komplette Verwirrung sorgen.

Die Analysemethoden abwägen

Es muss nicht immer gleich das Neuronale Netz sein. Verschaffen Sie sich einen Überblick über verfügbare Methoden, Anwendungsgebiete und alternative Auswertungsanasätze.

Schlussfolgerungen ziehen und bewerten

Ziehen Sie die Schlussfolgerungen immer mit einem größtmöglichen gesunden Menschenverstand. Dazu müssen zwingend dann auch die „Prozesskenner“ mit im Boot sein. Wenn Sie Ihre Schlussfolgerungen nur im Kreise der Data Analytics Spezialisten ziehen, ohne Beteiligung derjenigen, die die Prozesse seit Jahren kennen, ist eine irregeleitete Interpretation der Ergebnisse fast unvermeidbar. Typisch ist zum Beispiel, dass man ohne die Einbindung der Prozess-Profis eine Menge „Erkenntnisse“ aus den Daten zieht, die sich am Ende als Trivialitäten entpuppen.

Kostenloser Download

BE THE BEST: Seminarprogramm 2023

Holen Sie sich neue Impulse für Ihren Alltag! Wir geben in diesem Seminarprogramm zum Thema Führung & Management praktische Tipps und passende Seminarempfehlungen, mit denen Sie Ihre größten Herausforderungen im Daily Business erfolgreich meistern.

Gefällt Ihnen, was Sie lesen? Teilen Sie diesen Beitrag oder hinterlassen Sie uns einen Kommentar!

Kommentare

Keine Kommentare

Kommentar schreiben

* Diese Felder sind erforderlich

Die Management Circle AG mit Sitz in Eschborn im Taunus ist spezialisiert auf die berufliche Weiterbildung in Form von Seminaren, Konferenzen und Kongressen für Fach- und Führungskräfte.

© Management Circle 2023