Einschränkungen der Unternehmensstatistik

Unternehmensstatistiken können ein leistungsfähiges Werkzeug zur Diagnose von Problemen in Ihrem Unternehmen sein. Statistiken sind jedoch kein Allheilmittel. Einschränkungen in der Fähigkeit der Statistik, Fragen zu unseren Unternehmen zu beantworten, und die inhärente Einschränkung unseres Verständnisses von Statistiken verringern deren Anwendbarkeit. Wenn Sie einige gängige Fallstricke von Unternehmensstatistiken kennen, können Sie feststellen, wo diese Zahlen Sie in Ihrem Unternehmen in die Irre führen könnten.

Schwierigkeit des Verständnisses

Die Forschung hat gezeigt, dass Menschen Schwierigkeiten haben, statisch zu denken. Die Vorstellung, dass eine Statistik Teil einer Verteilung möglicher Zahlen ist, ist relativ uninteressant. Unternehmer neigen daher dazu, Merkmale wie Basiszinsen zu vernachlässigen.

Angenommen, ein Unternehmen hat einen Test entwickelt, um Betrug zu erkennen, der zu 99 Prozent genau ist. Wenn der Betrugsanteil in der Gesamtbevölkerung nur bei 1 von 1.000 liegt, ist die Wahrscheinlichkeit, dass Sie Betrug entdeckt haben, viel geringer. Tatsächlich beträgt die Wahrscheinlichkeit eines Betrugs bei einem positiven Testergebnis nur 9 Prozent. Da die Basisrate des Betrugs so niedrig ist, kann ein positives Testergebnis nicht viel Aufschluss über die tatsächliche Wahrscheinlichkeit eines Betrugs geben.

Frequenz

Statistische Tests in der Wirtschaft werden häufig von einem häufigen Ansatz aus durchgeführt, der für die Fragen, die wir stellen, möglicherweise nicht repräsentativ ist. In Produktionsprozessen hat dies häufig die Form einer Fehlertoleranz. Angenommen, ein Unternehmen produziert Bleche, die 3 mm dick sind. Das Unternehmen kann sagen, dass Platten im Dickebereich von 2, 95 mm bis 3, 05 mm akzeptabel sind. Wenn das Unternehmen Platten mit einer Dicke von 3, 02 mm herstellt, sind die Platten aufgrund der Qualitätsstandards des Unternehmens akzeptabel und können statistisch gesehen nicht wesentlich größer als 3 mm sein. Eine Übergewichtung in der Produktion könnte jedoch das Unternehmen Geld kosten.

Kleine Mustergrößen

Im Allgemeinen neigen Menschen dazu, die Auswirkung der Probengröße schlecht zu bestimmen, wenn die Probengröße klein ist. Beispielsweise kann ein Vorarbeiter die Wahl haben, täglich eine kleine Flaschenproduktion oder jeden zweiten Tag eine größere Serie durchzuführen. Das Unternehmen hält einen Produktionslauf für erfolgreich, wenn weniger als 1 Prozent der Flaschen fehlerhaft sind. Bei allen anderen Konstanten glauben die meisten, dass es gleich wahrscheinlich ist, dass die 1-Prozent-Grenze bei jedem Produktionslauf überschritten wird. In kleineren Serien haben zufällige Schwankungen jedoch einen größeren Einfluss auf die Gesamtzahl der Defekte. Bei größeren Auflagen neigen diese Schwankungen dazu, sich auszugleichen.

Ergebnis-Bias

Bei der Verwendung von Statistiken als betriebswirtschaftliches Diagnosetool leiden Manager häufig unter einer Ergebnisvoreingenommenheit. Manager können beispielsweise den Prozentsatz fehlerhafter Produkte verwenden, um festzustellen, ob ein Produktionsprozess einwandfrei ist. Wenn viele Fehler gefunden werden, untersuchen Manager normalerweise den Prozess und versuchen, die Ursache des Problems zu ermitteln. Es ist jedoch nicht sinnvoll, eine geringe Anzahl fehlerhafter Produkte zu untersuchen. Wenn die Anzahl der fehlerhaften Produkte nicht eindeutig ist, muss der Manager entscheiden, ob er eine Untersuchung durchführen soll.

Untersuchungen haben gezeigt, dass das Management mit der Leistung des Managers weniger zufrieden ist, als wenn der Manager die Mängel untersucht und kein systematisches Problem in der Produktion findet, als wenn er ein Problem aufdeckt. Dies tritt auch dann auf, wenn der Manager keine Ahnung von den Ergebnissen seiner Ermittlungen hatte, bevor er damit begann.