Beperkingen van bedrijfsstatistieken

Bedrijfsstatistieken kunnen een krachtig hulpmiddel zijn voor het diagnosticeren van problemen in uw bedrijf. Statistieken zijn echter geen wondermiddel. Beperkingen in het vermogen van statistieken om vragen over onze bedrijven te beantwoorden en de inherente beperking van ons vermogen om statistieken te begrijpen, verminderen hun toepasbaarheid. Het begrijpen van enkele veelvoorkomende valkuilen van bedrijfsstatistieken kan u helpen te identificeren waar deze cijfers u op een dwaalspoor kunnen brengen in uw bedrijf.

Moeilijkheidsgraad van begrip

Onderzoek heeft aangetoond dat mensen het moeilijk hebben om statisch te denken. Het idee dat een statistiek deel uitmaakt van een verdeling van mogelijke cijfers is relatief niet intuïtief. Als zodanig hebben bedrijfseigenaren de neiging om kenmerken, zoals basistarieven, te verwaarlozen.

Stel dat een bedrijf een test heeft ontwikkeld om fraude te detecteren die voor 99 procent klopt. Als het aandeel van fraude in de gehele populatie slechts 1 op 1.000 is, is de kans dat u fraude hebt ontdekt veel lager. In feite is de kans op fraude die bestaat, gegeven een positief testresultaat, slechts 9 procent. Omdat de basisfrequentie van fraude zo laag is, kan een positief testresultaat ons niet veel inzicht geven in de werkelijke kans dat fraude heeft plaatsgevonden.

Frequentie

Statistische tests in het bedrijfsleven worden vaak uitgevoerd vanuit een frequentistische benadering, die mogelijk niet representatief is voor de vragen die we stellen. In productieprocessen neemt dit vaak de vorm aan van een tolerantie voor fouten. Stel dat een bedrijf vellen metaal produceert die 3 mm dik zijn. Het bedrijf kan zeggen dat vellen binnen de diktes van 2, 95 mm tot 3, 05 mm aanvaardbaar zijn. Als het bedrijf 3.02 mm dikke vellen produceert, zijn de vellen acceptabel op basis van de kwaliteitsnormen van het bedrijf en statistisch gezien is dit mogelijk niet significant groter dan 3 mm. Overgewicht in de productie kan het bedrijf echter geld kosten.

Kleine monsterformaten

Over het algemeen hebben mensen de neiging om het effect van de steekproefomvang slecht te bepalen wanneer de steekproefomvang klein is. Een voorman kan bijvoorbeeld de keuze hebben om dagelijks een kleine serie flessen te maken of om de andere dag een grotere serie. Het bedrijf beschouwt een succesvolle productie als minder dan 1 procent van de flessen defect is. Al het andere is constant, de meesten denken dat het even waarschijnlijk is dat ze de drempel van 1 procent overschrijden met gebruik van de productieserie. Bij kleinere productieseries hebben willekeurige fluctuaties echter een groter effect van het totale aantal defecten. In grotere runs neigen deze fluctuaties zelfs tot zichzelf.

Uitkomst vooroordeel

Bij het gebruik van statistieken als een bedrijfsdiagnosetool hebben managers de neiging om vooroordelen te beïnvloeden. Managers kunnen bijvoorbeeld het percentage defecte producten gebruiken om te bepalen of een productieproces deugdelijk is. Als er veel defecten worden gevonden, zullen managers meestal het proces onderzoeken en proberen de oorzaak van het probleem te achterhalen. Het heeft echter geen zin om een ​​laag aantal defecte producten te onderzoeken. Wanneer het aantal defecte producten niet doorslaggevend is, moet de manager kiezen om te onderzoeken.

Onderzoek heeft aangetoond dat als de manager de defecten onderzoekt en er geen systematisch probleem is met de productie, het management minder tevreden zal zijn met de prestaties van de manager dan wanneer hij een probleem ontdekt. Dit gebeurt ook al had de manager geen idee van de uitkomst van zijn onderzoek voordat hij ermee begon.

Aanbevolen

Hoe u een bedrijfscredietscore opbouwt
2019
Tabbladen invoegen in een Adobe PDF
2019
Hoe kan Force Field Analysis in een organisatie werken?
2019