8.2.3　基础数据统计与分析

当项目团队通过信息系统导出以及现场观察拿到所需的原始数据之后，我们需要进行数据预处理，然后进行统计分析。

数据属性是一个数据的特性，例如文本、数字、时间等，属性不同的数据间无法进行简单的加减运算。

当我们拿到一组数据之后，需要明确其变量名和变量值。例如，最近一周门诊患者的年龄是多少？如果答案是50岁，那么，年龄是变量名，表示研究单位的研究特征；50岁是变量值，表示变量的观察结果。

此外，如果最近一周只来了一位患者，那么患者年龄很好描述，直接就是该患者的年龄；如果最近一周来了300位患者，那么年龄的变量值怎么确定呢？这时候，我们一般都会说平均年龄40岁。平均年龄就是代表这300位患者年龄的一个特征值，与平均值类似的还有8.2.3　基础数据统计与分析

当项目团队通过信息系统导出以及现场观察拿到所需的原始数据之后，我们需要进行数据预处理，然后进行统计分析。

数据属性是一个数据的特性，例如文本、数字、时间等，属性不同的数据间无法进行简单的加减运算。

当我们拿到一组数据之后，需要明确其变量名和变量值。例如，最近一周门诊患者的年龄是多少？如果答案是50岁，那么，年龄是变量名，表示研究单位的研究特征；50岁是变量值，表示变量的观察结果。

此外，如果最近一周只来了一位患者，那么患者年龄很好描述，直接就是该患者的年龄；如果最近一周来了300位患者，那么年龄的变量值怎么确定呢？这时候，我们一般都会说平均年龄40岁。平均年龄就是代表这300位患者年龄的一个特征值，与平均值类似的还有年龄的中位数——300位患者年龄按大小顺序排列之后中间的数；年龄的众数——出现次数最多的年龄数字。平均值、中位数、众数，能够告诉我们这一组数据的集中趋势。平均值的特点是容易受到数据中极端值的影响，可能一个很大的数字就把平均值拉低或者拉高了；中位数不受极端值的影响，但有时候无法反映所有数据的特点；众数也不受极端值的影响，但也只包含了部分数据的特点。

如果遇到诸如最大最小年龄、年龄差距有多大之类的问题，这几个数值就失效了，这时候就需要另一个概念——离散趋势。它反映了各个变量值远离中心值的程度，常见的有极差、标准差（方差）以及四分位距。极差，是最大值与最小值的差；标准差，数字越大说明观察值的波动越大；四分位距，指的是一组数组按大小排序之后，处于25%、50%、75%位置上的数，中位数即为处于50%位置上的数。

一般来说，此处常见的数据统计是指寻找一组数据的平均数、中位数、最大值、最小值、标准差，并据此进行相关性分析、假设检验等。

日常改善工作中，EXCEL就能解决我们遇到的大多数常见问题，如果对数据处理有更高的要求，还可以使用SPSS、miitab、matlab等软件。

需要注意的是，统计会撒谎。马克·吐温曾经引用过前英国首相本杰明·迪斯雷利的一句话：“谎言有三种，谎言、该死的谎言，以及统计学！”我们可以通过下面三个小故事来理解统计中可能存在的问题。年龄的中位数——300位患者年龄按大小顺序排列之后中间的数；年龄的众数——出现次数最多的年龄数字。平均值、中位数、众数，能够告诉我们这一组数据的集中趋势。平均值的特点是容易受到数据中极端值的影响，可能一个很大的数字就把平均值拉低或者拉高了；中位数不受极端值的影响，但有时候无法反映所有数据的特点；众数也不受极端值的影响，但也只包含了部分数据的特点。

如果遇到诸如最大最小年龄、年龄差距有多大之类的问题，这几个数值就失效了，这时候就需要另一个概念——离散趋势。它反映了各个变量值远离中心值的程度，常见的有极差、标准差（方差）以及四分位距。极差，是最大值与最小值的差；标准差，数字越大说明观察值的波动越大；四分位距，指的是一组数组按大小排序之后，处于25%、50%、75%位置上的数，中位数即为处于50%位置上的数。

一般来说，此处常见的数据统计是指寻找一组数据的平均数、中位数、最大值、最小值、标准差，并据此进行相关性分析、假设检验等。

日常改善工作中，EXCEL就能解决我们遇到的大多数常见问题，如果对数据处理有更高的要求，还可以使用SPSS、miitab、matlab等软件。

需要注意的是，统计会撒谎。马克·吐温曾经引用过前英国首相本杰明·迪斯雷利的一句话：“谎言有三种，谎言、该死的谎言，以及统计学！”我们可以通过下面三个小故事来理解统计中可能存在的问题。（1）A和B谁的回答更有助于问路者？

问路者：加油站在哪里？

A.往东731米。

B.顺着这条路往前开3分钟左右，看到一个麦当劳右转，加油站就在右前方100米左右的地方。

（2）针对同一城市的教育情况，A和B谁说的对？

A.我们的教育水平正变得越来越糟！去年有6成学校的年级平均分低于前一年。

B.我们的教育水平正变得越来越好！去年有8成学生的考试成绩高于前一年。

（3）针对同一餐厅里工作人员的收入，A和B谁说的对？

A.我们的收入水平挺高的，年收入的平均数达到100万元了。

B.我们的收入水平一点儿都不高，年收入的中位数才6万元。

第一个故事是关于“准确”和“精确”的差异，虽然A的说法更精确，但是明显对于问路者来说，帮助没有B的大。第二个故事是关于统计分类对象“学校”与“学生”的差异，两个人拿到的可能是同样的数据，但是A是按照学校来分类统计分析，B是按照学生来分类统计分析，对象不同，结论完全不同。第三个故事是关于“平均数”和“中位数”的差异，很明显餐厅里有极少数人的收入特别高，大部（1）A和B谁的回答更有助于问路者？

问路者：加油站在哪里？

A.往东731米。

B.顺着这条路往前开3分钟左右，看到一个麦当劳右转，加油站就在右前方100米左右的地方。

（2）针对同一城市的教育情况，A和B谁说的对？

A.我们的教育水平正变得越来越糟！去年有6成学校的年级平均分低于前一年。

B.我们的教育水平正变得越来越好！去年有8成学生的考试成绩高于前一年。

（3）针对同一餐厅里工作人员的收入，A和B谁说的对？

A.我们的收入水平挺高的，年收入的平均数达到100万元了。

B.我们的收入水平一点儿都不高，年收入的中位数才6万元。

第一个故事是关于“准确”和“精确”的差异，虽然A的说法更精确，但是明显对于问路者来说，帮助没有B的大。第二个故事是关于统计分类对象“学校”与“学生”的差异，两个人拿到的可能是同样的数据，但是A是按照学校来分类统计分析，B是按照学生来分类统计分析，对象不同，结论完全不同。第三个故事是关于“平均数”和“中位数”的差异，很明显餐厅里有极少数人的收入特别高，大部分人都是“被平均”了。

随着信息的过载、传播速度的加快，以及数字化的普及，我们能够抓取到的数据量比20年前多了很多倍，这导致了一个新概念的出现——大数据。大数据对我们的统计分析，至少带来两个方面的影响。一方面是面对某一问题，由于数据量太大，以前只能采取抽样的方式进行处理，但是现在可以直接抓取全部的数据，采用计算机进行建模计算，这样可以避免抽样方法带来的误差；另一方面是对于影响因素的判断，以前只能通过分析寻找有限的因素之间的关系，例如医院门诊量与天气的关系，但是现在可以通过大数据找到更多以前没有想到的影响因素，例如房价与医院门诊量的关系、外卖数量与医院门诊量的关系等。大数据可以帮助我们从更多、更深、更全的视角去寻找各种因素之间的关系，从而帮助我们建立预测、管理的模型，更好地为患者服务，提升医院竞争力。

8.2.4　数据可视化

项目团队对数据进行了预处理后整理出的数据表如表8-4所示，你的体验和结论分别是什么？

表8-4　患者等待时间数据表分人都是“被平均”了。

随着信息的过载、传播速度的加快，以及数字化的普及，我们能够抓取到的数据量比20年前多了很多倍，这导致了一个新概念的出现——大数据。大数据对我们的统计分析，至少带来两个方面的影响。一方面是面对某一问题，由于数据量太大，以前只能采取抽样的方式进行处理，但是现在可以直接抓取全部的数据，采用计算机进行建模计算，这样可以避免抽样方法带来的误差；另一方面是对于影响因素的判断，以前只能通过分析寻找有限的因素之间的关系，例如医院门诊量与天气的关系，但是现在可以通过大数据找到更多以前没有想到的影响因素，例如房价与医院门诊量的关系、外卖数量与医院门诊量的关系等。大数据可以帮助我们从更多、更深、更全的视角去寻找各种因素之间的关系，从而帮助我们建立预测、管理的模型，更好地为患者服务，提升医院竞争力。

8.2.4　数据可视化

项目团队对数据进行了预处理后整理出的数据表如表8-4所示，你的体验和结论分别是什么？

表8-4　患者等待时间数据表（续）（续）