모든 데이터 포인트가 동일하게 가치가 있는 것은 아니다.
연속형 데이터 100 포인트와 이산형 데이터 100 포인트가 있다면 연속형 데이터 100 포인트에서
훨씬 많은 이해를 이끌어 낼 수 있기 때문이다.

이러한 미세한 정도의 차이가 우리가 데이터 세트에서 배울 수 것에 어떻게 영향을 미치는가?
예를 들어 키위 박스 무게를 합격과 불합격의 비율인 속성(Attribute) 데이터를 생각해 보자.
키위 100 상자에 대해 1kg 이하인 것은 불량품으로 분류하여 각각의 상자는 오직 두값만 가진다
이 결과를 막대그래프로 표현해 보면 다음과 같다.

만일 키위 박스 사이를 1kg 그리고 1kg 이상, 1kg 이하로 구분하기 위해서 저울눈금의 정밀도를
올리면 이제 키위 박스의 무게를 세가지 범주로 나눌 수 있고 파이차트로 표현해 보면 다음과 같다

이 차트는 우리가 가진 100개의 데이터 포인트를 이해하는데 아주 조금더 도움을 받을 수 있다.
기준값인 1kg보다 더많이 나가는 박스가 1kg보다 적은 박스 보다는 많다하는 정도이다.
그러나 데이터로 부터 끌어낼 수 있는 정보의 양은 매우 한정되어 있음을 알 수 있다.

만일 각 키위 박스를 g 단위로 측정한다면, 연속형 데이터를 위한 도구를 사용할 수 있게 되고
어떻제 진행되고 있는지 좀더 좋은 그림으로 분석할 수 있게 된다.

박스의 평균은 1003.4g 이지만 표준편차가가 28g 으로써 변동성이 크서 데이터의 범위가 넓어서
최소값이 899g, 최대값이 1114g 이나 된다.

연속형 데이터로 키위 박스의 무게를 측정할 수 있게되면 I-MR Chart를 통해 생산공정관리의
흐름도 알 수 있다.
 

이산형 데이터로 공정을 관리한다면 현재 공정이 좋다 좋지않다라고 만 판단할 수 있지만
연속형 데이터로 공정관리를 하면 공정관리를 좀더 세분화하여 관리할 수 있게 해준다.
그리고 어느 시점에 변동이 많은지도 관찰할 수 있고 즉각 대책을 수립할 수도 있게 해준다.