数据支持的重要性：理解背景、现状、目标和问题

不是所有重要的事情都可以量化，如客户和员工的满意程度、与供应商的合作紧密程度等。对于这些难以量化的重要因素，也没有必要一定去量化。

对于许多与时间、数量、面积、频次等紧密相关、可以量化的问题，具体的数据就十分重要了，用以刨除掉模糊的、过于主观的评价:“高”和“低”，“多”和“少”，“快”和“慢”，这些都是模糊的、容易导致误解的概念。必要的数据支持是重要的，可以帮助更为准确地理解。在多数情况下，对于背景、现状、目标、问题的描述，都应有数据来支持，来帮助理解和准确表达。

一方面，对数据要有较高的要求，但另一方面，要避免不必要的数据收集和分析。只要有必要的数据就够了，数据也应是容易从现场采集的，数据处理应是简单的、容易被人理解的、通常不需要复杂的统计分析处理。过度地采集和分析数据也是浪费，为什么需要这种数据?现有的数据在什么方面不能满足需求?得到这种数据会有什么样的好处?这些问题都有助于避免数据的过度采集和处理。

还要小心数据是怎么来的，谁统计的，怎么统计的。因为这些都会影响数据的可靠性和解读数据。如果不小心，就可能掉进数据陷阱里。(www.xing528.com)

许多工厂可能还使用了设备自动采集数据，比如停机原因，当停机时设备可记录停机时间。这样的数据就一定可以信赖吗?数据的质量还是依赖人。设备只记录了时间，什么原因则需要人录入。由于线上设备间有少量的在制品，所以设备问题不一定会影响产出。如果完整地记录各站的停机时间，就会发现损失时间明显超出了生产线的实际损失，所以记录员就会有意地去掉一些损失来平衡。使用这样的记录来进行损失原因的分析，会有多大程度的误导?

数据怎么来的，怎么记录和计算的，这些问题一推敲，就会发现好多手里拿到的数据都可能误导判断。