文/Thomas Pyzdek 编译/杜蘅
“吉姆，怎么才能让我们知道你的项目取得了某些进步？”六西格玛的倡导者提问道。这位黑带候选人一脸的迷茫：“哦，应该是听到赞助商说他对结果很满意吧。”认证委员会的成员们面面相觑。
“但是你提供给我们的衡量办法只有在项目完成的时候才能得到，”另外一名委员会成员仍然充满希望地问，“在开始做这个项目之前，难道你没有仔细地衡量过主要流程的可变输出吗？”这位黑带候选人摇了摇头。
“可以了。谢谢，吉姆。我们会联系你的。”认证委员会的女主席说。最终吉姆没有获得认证。
上图是发生在现实生活中的真实一幕。
认证标准要求参评黑带的项目能够产生一种可以以某个尺度来衡量的改进，而且这个尺度对客户、股东或者员工来说都很重要。这种可以衡量的改进，需要某个基础来进行比较，例如，相对一个基线度量来说，就可以说某个变化是向好的方向发展的。吉姆只能表明在项目完工后原有事物仍然运行良好，但是他却不能回答如下的问题：“它现在比你开始这个项目之前变得更好了吗？”如果不能回答这个问题，他显然不能说明这个项目确实带来了一些改进。同样，不借助于基线度量，委员会就不能够确定事情到底是变好、变差还是根本就没有什么变化。因此，吉姆要么去找历史数据来证明他是对的，要么就得用另外一个项目来参加认证评选。
输入也很重要
关键输出变量(或者叫做质量关键)是非常重要的，但是关键输入变量也是很重要的。六西格玛阐明了所有利害关系人想要的结果，明确了取得这些成果所必需的驱动力和根本原因；在企业尝试解决根本原因的时候，巧妙地运用数据给它们以帮助指导；它还能通过一种系统的方法来实现持续的提高。统计思考之所以成为六西格玛一个必要的组成部分，是因为它有两个作用：
1.为区分特殊原因产生的变异与一般原因产生的变异提供指导方针。
2.通过数据来验证原因和结果的模型，这样人们的注意力就会集中到根本原因上来。
没有统计思考就无法避免迷信学习。下面的这部分文章节选自斯金纳(BF Skinner)的经典论文《鸽子的迷信》，它用一个实验室实验描述了这种现象：
无论我们在什么时候向人们展示强化作用……我们都必须假定条件反射发生了，尽管我们根本没有注意到表现出这种行为的那个生物体的具体表现。有一个简单的实验可以表明事实确实是这样的。
让一只鸽子处于一种稳定饥饿的状态，但是保证每餐都按时供应，使其体重减轻到原来的75%，并且每天都让它在一个实验用的笼子里呆上几分钟。笼子连着一个进食槽，可以荡到笼子旁边，这样鸽子就可以吃到里面的食物。在每次进行强化刺激的时候，通过一个螺线管和一个延时继电器，使进食槽在荡到笼子旁边后保持五秒钟的时间。
在时间间隔有规律的情况下，如果用一个时钟来代替这个进食槽，而不管鸽子的行为如何，操作性条件反射通常都会发生。在八个笼子中的六个里，鸽子由此而产生的反应是如此的清楚，以至于两个观察者在计数实例时的意见几乎完全一致。一只鸽子由于条件反射而习惯于在笼子里逆时针地走动，在两次强化刺激之间要转两到三圈；另一只则不停地用头撞笼子上面几个角落之中的一个；第三只则形成了另外一种“挑起东西”的反应，好像是把它的头放在一个看不见的横木下面，不停地往上举。
两只鸽子的头和身体形成了一种钟摆式的运动：头向前伸，迅速地从右向左摆，然后慢慢地移回去；身体基本上随着头的运动而运动，如果运动的范围比较大，它的脚就会跟着走几步。另一只鸽子则由于条件反射而习惯于做一种类似啄地板的动作，但它并不会真的触到地板，或者只是迅速地掠过。如果鸽子还在适应笼子的环境或者进食槽不是按一定规律地出现在鸽子的面前，以上这些反应就都不会表现得很明显。
条件反射的训练过程是浅显易懂的。在进食槽出现的时候，鸽子碰巧正做出某些反应；结果它就慢慢习惯性地做出这种反应。如果到下一次进食槽出现的时间间隔不够长以至于产生了消逝，那么再次出现“偶发性事件”的可能性则非常大。这进一步强化了这种反应，而接下来的强化作用也变得更加可能。的确，有一些反应没有受到强化作用，而有些强化作用在还没有反应发生的情况下已经出现，但最终的结果还是强化作用的态势得到了显著的发展。
统计思考避免迷信学习
人当然不是鸽子，但是他们也会从观察周围环境的信号中学习。例如，统计学上有一个现象叫做“回归均数”。简单地说，“回归均数”阐明了这样一种现象：一次相对远离均数的测量很可能产生一种更接近均数的结果。管理人员一般都会在事情变得“失去控制”的时候再采取行动，然后对那些他们感觉是非典型的结果进行观察。这是因为随着这些非典型结果而来的很可能是一些更接近正常情况的结果，所以即使事实上这种做法于事无补，管理人员也会从他们预期的结果中受益。因此管理人员得出了这样一个结论：他们的这种做法收到了有利的结果，因此，他们会强化这种做法。没有好的统计指导方针，管理人员往往相信是他们的做法促成了所观察到的那些结果，所以他们就会像那些鸽子一样重复他们的强化行为。
统计思考在两个方面最大限度地避免迷信学习：首先，它能够通过提供源自统计学的指导方针来让管理人员明白，一个观察到的结果是由某个可以很容易就确定的重要原因带来的，而不是许多个偶然凑到一起的并不重要的原因促成的。统计思考为管理人员提供了一组分析工具(通常是以图表的形式)，帮助他们了解动态过程行为随着时间的变化情况。其次，统计思考能够获得强大的实验设计工具支持。这些工具能通过前馈而不是反馈帮助项目管理人员研究原因和结果的模型。
前馈的含义是，管理人员发展出预测性的模型，然后通过仔细地检验它们预测未来的能力来测试它们。经过研究专家预测与现实结果(即错误)两者之间的不同来协助管理人员确定他们的模型是否犯了系统性的错误。与从有利的结果中迷信学习不同的是，我们可以操控前馈模型，以产生既远离均数又接近均数的结果。一个计划周密的实验设计(DOE)项目肯定会包含这样确定的趋势。
统计思考也会让管理人员的注意力集中到变异和一般上来。他们的统计指导方针和实验将可变性与计算结合起来。这是非常关键的，因为客户感受到的是变异。如果没有六西格玛统计精密性，管理人员很可能只看到一般品质，却因此而失去了品质的这个关键的组成部分。