품질개선 활동을 하다보면 통계의 툴에 억매여서 본질을 간과할 때가 있다.
이점에서 품질혁신 리더가 알아야 할 3가지 포인트를 소개 한다.

■ 우리는 귀무 가설이 사실이라고 주장 할 수 없다.

통계적 가설검정을 할때 "귀무가설 기각실패" 라는 결론이 "귀무가설이 사실" 이다 라고
증명하는 것은 아니다. "귀무가설 기각실패"라는 것은 단지 우리가 귀무가설을 기각할
충분한 증거가 없다는 것을 의미할 뿐이다.

품질개선을 하면서 우리의 분석 결과를 해석할 때 이 점을 항상 알고 있어야 하며 같이
개선 활동을 하는 팀원들에게도 분석한 결과를 이해시켜야 한다. 또한 가설검정을 하기 전에
우리가 세운 가설을 명확하게 정의한 다음 시작하고 목표에 적합한 검정방법을 선택해야 한다.

■ 이상치는 그냥 무시하면 안되며 추가 조사가 필요하다.

우리는 품질개선 활동을 하다보면 우리가 원하지 않는 귀찮은 결과가 데이터 속에 있는
것을 볼 때가 있다. 즉, 한두개가 허용 마아진으로 부터 벗어나 있을 수 있다.

이런 경우 이 데이터들을 그냥 삭제하여 무시해 버리려는 유혹을 받는다.
분석을 위한 전제조건을 둔화시키는 값에 대해서는 여러가지 다른 방법으로 데이터를
살펴보고 왜 그 데이터가 구해졌는지 반드시 이해하도록 노력해야 한다

■ 속성 데이터의 일치도 분석은 그냥 하나의 선택적인 분석일 뿐이다

속성데이터에 대한 측정시스템이 얼마나 잘 실행되고 있는지 평가하려고 할 때
속성 데이터 일치도 분석을 사용하는데, 속성 데이터라야 한다는 패러다임을
떨쳐 버려야 한다. 속성 데이터 일치도 분석외에도 다른 네가지 방법이 있다.

먼저, 기저에 있는 연속형 변수를 측정하는 방법, 변동이 심한 제품의 속성을
측정하는 방법, 어떤 한 속성을 가진 제품의 변수를 측정하는 방법, 그리고
어떤 한 속성을 가진 제품의 속성을 측정하는 방법이 있다.