部長「現場修理データを分析して」
故障の修理は部品交換だけでなく、
ちょっとした清掃などで完了することがあります。
説明書読んでね！と言って終わる修理。
このあたりも削減しないといけないので、
データ分析が必要になる。
しかしこれがまた、難しい仕事です。
ちゃんと書いていない
修理業者「手直しで完了しました。」
この一言でどう分析しろと…
これが本当に多い。
「手直し」って便利な言葉なので、多用されます。
データとしては何をしたか全くわからず、電話で聞くしかない。
「手直しって書くの禁止！」
としても、「調整しました」とか書いてくるので、イタチごっこ。
「具体的に何をしたか？の記入を！」というところから始まります。
当たり前のことですが、ちゃんとやっていなかった。
データ分析する前に修理業者の教育から始まります。
そのため、過去データがあまり参考にならず、
改善要望をするにもなかなか苦しむことになる。
ちゃんと書いてあっても
製品をよく知っている人じゃないと理解できない。
構造を知り尽くしている人なら簡単に想像できても、
全く知らないデータ班が見ても意味不明な内容。
でも無理矢理に分析するので、わけのわからん分析結果になる。
「ホースが折れていましたので直しました。」
これを無知ならそのまま「ホース折れ」と分類する。
製品を知っている人なら「この症状なら〇〇の部分のホースだな。品番はこれ。」と。
正確なデータの分類ができます。
改善するならこのレベルのデータ分析が必要です。
したがって、製品の原因調査をしている人じゃないとできない仕事。
データ班に依頼しても、ゴミデータしか作れない。
ここが品質保証部のデータ分析の難しいところです。
結局、原因調査チームや現場対応チームが中心となり活躍することになる。
なんとも矛盾した状況になっていました。
ものすごい件数
有料修理は数万件とかのデータになる。
無料修理を減らすことが目的なら、無料修理データを分析すればいい。
しかし、「対策効果を確認せよ」だと、有料データまで分析が必要。
基本的には修理は有料なので、無料修理の10倍以上はある。
ここは分析する計画をしっかり立てないと失敗する。
分析してどうするのか？
ここを最初に決めて、製品を絞って分析します。
「フィルター改良したから、前後での件数を見て」
というものは比較的簡単。
率を見るだけなら、ごく一部の品番を見ればいい。
代表品番のフィルターに関するデータだけを抽出し、全部見るだけ。
ここも製品に詳しくないと「代表品番」がわからない。
データ分析計画を作るのも、やっぱり原因調査チーム。
データ分析は製品に詳しくないとできない。
もしデータ班に配属された場合、気合いで製品を覚えるべし。
～
データベースとかエクセルとか、こんなのが使えても意味がない。
データ内容を把握できてこそ、目的を達成できます。
不明な場合は修理業者に電話もするので、製品知識がないとできない仕事。
パソコンが得意だからと、データ分析を受けると痛い目に遭うので要注意だ。
