Data Analysis Plan (Plan de Analisis de Datos)

En el uso de Six Sigma dos tipos de planes son muy conocidos y son de las buenas prácticas de aplicación; se tratan de una parte de plan de medición de datos (data measurement plan) que debe ser la herramienta que cierre la fase de definición del proyecto o la que abre la fase de medición de datos, y de otra parte de plan de control (control plan) que suele cerrar la fase de control del proyecto. Menos conocido y muy probablemente casi sin usar, pero de ninguna forma menos importante, es el plan de análisis de datos (data analysis plan).


Una vez que se haya recolectada la data de las diferentes X (entradas) y las Y(salidas) planificadas y por el plazo definido en el plan de medición, que se hará con ella? Se supone que una recolección de datos responde a necesidades que son, entre otras:

1- confirmar datos históricos por vía de pruebas estadísticas
2-  obtener conjuntos de medición más actualizados y por ende más representativos del contexto actual del proceso
3- medir parámetros/características que pueden ser relevantes en la solución buscada pero que no se medían antes
4- completar números de datos disponibles en algunos parámetros donde la frecuencia de generación es baja y en consecuencia no se dispone de suficientes datos para un análisis significativo
5- medir parámetros/características bajos condiciones controladas diferentes a los históricos, o bajo las condiciones que debieron ser pero sin seguridad que los históricos fueron medidos bajo dichas condiciones
6- una combinación de estas necesidades

Independientemente de los propósitos de la recolección de datos frescos, la lógica es analizar este nuevo conjunto de medición, con fines de incrementar el grado de comprensión de la situación y poder tomar decisiones y acciones más acertadas. Un análisis robusto requiere primero un plan de análisis de datos  (data analysis plan)


Los métodos de análisis deben ser identificados en el plan y serán determinados por las variables de interés, el tipo de datos recolectados, los propósitos iniciales de las mediciones hechas, la distribución que representan, y el número de muestras. La definición de métodos de análisis es la tercera entrada del plan y es crítica, (siendo la primera la variable dependiente o independiente que se midió en el plan de medición, y la segunda el objetivo del analisi a efectuar), puesto que diferentes tratamientos de análisis de un mismo conjunto de datos puede reflejar diferentes aspectos de la estructura oculta de la data. Los métodos analíticos son

exploratorios: especialmente pero no limitados a las necesidades tipo 2, 3 y 5 definidos arriba. Es decir cuando lo que se espera de los datos no es muy claro
descriptivos: aplican para las necesidades tipo 3, 4 y 5 entre otras. En resumen cuando se requiere un resumen de los hallazgos y definir los resultados de la muestra.
Inferencial: enfocado a las necesidades 1,2, 5 en particular, pero con alcance en todas.


Seguido al método a usar se debe listar las herramientas estadísticas de primera intención. De primera intención porque el resultado del uso de una herramienta puede conducir a la aplicación de otra.  El análisis exploratorio de datos, AED, usa herramientas como Box Plot, histograma, Multivari, estratificación, análisis de distribución (distribución fitting), normal probability Plot, Run charts y unas más comunes como Pareto, Pasteles, gráficos de línea. El análisis descriptivo de datos, ADD, contempla la aplicación de las estadísticas descriptivos como media, moda, mediana, cuartiles, desviación estándar, tendencia central, varianza, coeficiente de variación, sesgo (skewness) y curtosis entre otros, mientras que el análisis inferencias de datos, AID, usa pruebas estadísticas, regresión, correlación etc y dentro de cada uno una larga lista de técnicas. Es el campo más amplio de análisis de datos.

Por último el plan de análisis de datos debe también contemplar

1- el tratamiento de datos faltantes, datos a censurar, outliers, en fin todo el tema de limpieza de datos (data cleaning) para un análisis coherente y sin violar los requerimientos de tamaño de muestra y no ocurrir en errores tipo 1 y 2.
2- fecha estimada de finalización de la fase de análisis. Recuerden que demasiados análisis llevan a la parálisis.
3- reponsables.