Wat is statistiek in Lean Six Sigma?

“You have three lies: lies, damned lies and statistics.” Benjamin Disraeli zei dit al in de negentiende eeuw, en toch is statistiek onmisbaar geworden in kwaliteits- en procesverbetering.

Data verdraait de waarheid niet. Het legt haar juist bloot. Wie zonder cijfers werkt, verbetert op gevoel. Wie met statistiek werkt, verbetert op feiten.

In dit artikel lees je wat statistiek is, waarom het een centrale rol speelt in de Measure en Analyse-fase van DMAIC, en wat het verschil is tussen beschrijvende en inferentiële statistiek.

Wat is statistiek?

Statistiek is het vakgebied dat zich bezighoudt met het verzamelen, ordenen, analyseren en interpreteren van gegevens. Het doel is uitspraken te doen over een geheel op basis van een beperkte set meetwaarden.

In heel veel situaties is het niet mogelijk of te kostbaar om alles te meten, of het kost simpelweg te veel tijd. Stel dat je de gemiddelde lengte van mannen wilt weten. Het is natuurlijk onmogelijk om alle mannen ter wereld te meten. Hier komt de steekproef om de hoek kijken. Met een beperkt aantal metingen kun je toch een redelijk betrouwbare uitspraak doen over de gemiddelde lengte. Dat is precies wat statistiek mogelijk maakt: van een steekproef naar een conclusie over de gehele populatie.

Twee begrippen zijn hierin belangrijk. Een populatie is de volledige verzameling van alle gevallen waarover je een uitspraak wilt doen. In ons voorbeeld zijn dat alle mannen ter wereld. Een steekproef is een representatieve selectie uit die populatie, waarop je metingen uitvoert. Hoe beter de steekproef aansluit op de populatie, hoe betrouwbaarder de conclusies. Statistiek helpt je ook om te beoordelen hoe groot die betrouwbaarheid is.

Waarom is statistiek zo belangrijk in Lean Six Sigma?

Statistiek is een breed begrip. Maar binnen procesverbetering heeft het een heel concrete functie. Lean Six Sigma is een data-gedreven methode, en dat betekent in de praktijk dat je aannames niet accepteert als vertrekpunt. Je toetst ze.

In veel verbeterprojecten wordt nog gestart op basis van ervaringen, vermoedens of onderbuikgevoelens. Statistiek dwingt je om daar doorheen te kijken. Niet omdat gevoel geen waarde heeft, maar omdat gevoel alleen niet genoeg is om een proces structureel te verbeteren.

Zo was ik een keer bij een organisatie die het gevoel had dat een bepaald proces niet goed ging, omdat medewerkers veel klaagden en er ook kritische geluiden kwamen van klanten. Toen we dit proces gingen meten en analyseren, bleek het best mee te vallen. Er waren andere processen die veel urgenter waren, en dat hebben we met data aangetoond.

Dat is geen uitzondering. Dit soort situaties komen vaker voor dan je denkt, en het is precies waarom statistiek zo’n centrale rol speelt in de Measure en Analyse-fase van DMAIC.

Hier stel je vast hoe het proces er werkelijk voor staat, los van wat mensen denken of verwachten. Statistiek geeft je daarvoor drie concrete mogelijkheden:

• Je legt de huidige procesprestatie objectief vast.
• Je toont aan of een waargenomen probleem significant is of op toeval berust.
• Je bewijst aan het einde van het project dat de verbetering daadwerkelijk effect heeft gehad.

Meten is weten, maar alleen als je begrijpt wat je meet en hoe je de uitkomst interpreteert. Precies daar speelt statistiek een onmisbare rol.

Twee hoofdvormen van statistiek

Binnen statistiek wordt onderscheid gemaakt tussen beschrijvende en verklarende statistiek. Beide komen terug in Lean Six Sigma, maar op verschillende momenten en met een ander doel.

Beschrijvende statistiek

Beschrijvende statistiek richt zich op het samenvatten en weergeven van data. Je beschrijft wat je ziet in je dataset, zonder daar conclusies aan te verbinden die verder gaan dan de data zelf. Denk aan de gemiddelde doorlooptijd van een aanvraagproces, de spreiding in verwerkingstijden of hoe vaak een bepaald type fout voorkomt.

Verklarende statistiek

Verklarende statistiek, ook wel toetsende of inferentiële statistiek genoemd, gaat een stap verder. Hier gebruik je de data uit je steekproef om uitspraken te doen over de gehele populatie. Je toetst hypotheses en onderzoekt verbanden tussen variabelen. Dit komt vooral naar voren in de Analyze-fase van DMAIC, waar je wilt weten welke factoren de variatie in een proces veroorzaken.

Beschrijvende versus verklarende statistiek

Beschrijvende statistiek vertelt je wat er is. Verklarende statistiek helpt je begrijpen waarom het er is en of het ook buiten je steekproef geldt. In een Lean Six Sigma-project gebruik je beide: eerst beschrijven, dan verklaren.

Beide vormen van statistiek komen uitgebreid aan bod in eigen artikelen. In het artikel over beschrijvende statistiek lees je welke kengetallen je gebruikt en hoe je ze berekent. In het artikel over verklarende statistiek lees je hoe je hypotheses toetst en verbanden tussen variabelen onderzoekt.

Eerst de basis

Beschrijvende en inferentiële statistiek bouwen voort op een aantal basisbegrippen. Zo is het belangrijk om te weten wat het verschil is tussen een populatie en een steekproef, tussen kwantitatieve en kwalitatieve data, en hoe je de notatie van statistiek leest. Die begrippen komen steeds terug als je met data werkt in een Lean Six Sigma-project. In het artikel over basisbegrippen van statistiek lees je er alles over.

Statistiek als fundament van procesverbetering

Statistiek is geen doel op zich binnen Lean Six Sigma. Het is het fundament waarop goede beslissingen worden genomen. Je gebruikt beschrijvende statistiek om te begrijpen wat er in een proces gebeurt, en inferentiële statistiek om te achterhalen waarom het gebeurt en of je conclusies ook buiten je steekproef gelden. Samen geven ze je de tools om niet op gevoel te verbeteren, maar op feiten. Dat is waar Lean Six Sigma om draait.

Wil je leren hoe je statistiek toepast in een echt verbeterproject? Bekijk onze online Lean Six Sigma opleidingen en ontdek welk niveau bij jou past.