Mở đầu — vì sao bài này quan trọng
Trong hành trình DMAIC, sau khi bạn đã thu thập được dữ liệu (như đã học ở các bài về data collection plan và MSA), câu hỏi đầu tiên luôn là: "Vậy con số này nói lên điều gì?" Bạn đang cầm trong tay một bảng Excel với 500 dòng thời gian xử lý đơn hàng, hay 1.200 mẫu đo độ dày sản phẩm. Một mớ số liệu thô như vậy chưa có ý nghĩa gì cả. Trước khi vẽ biểu đồ, trước khi chạy kiểm định giả thuyết, trước khi tính năng lực quá trình, bạn cần "tóm gọn" đám dữ liệu đó thành vài con số biết nói. Đó chính là vai trò của descriptive statistics — thống kê mô tả.
Trong ba thước đo trung tâm cốt lõi — mean (trung bình), median (trung vị), mode (số phổ biến nhất) — nằm ở trái tim của thống kê mô tả. Nghe thì đơn giản, ai học cấp hai cũng biết tính trung bình. Nhưng tôi cam đoan với bạn: phần lớn những quyết định sai lầm trong dự án Lean Six Sigma không phải vì học viên không biết công thức, mà vì họ chọn nhầm thước đo. Họ báo cáo "trung bình thời gian chờ là 8 phút" trong khi thực tế đa số khách hàng chờ 25 phút — chỉ vì vài giá trị bất thường đã kéo lệch con số. Một Green Belt giỏi không phải người tính được mean, mà là người biết khi nào nên dùng mean và khi nào phải bỏ nó để dùng median.
Bài này sẽ giúp bạn nắm chắc bản chất của ba thước đo central tendency (xu hướng trung tâm), hiểu được điểm mạnh và "tử huyệt" của từng cái, và quan trọng nhất là biết chọn đúng công cụ cho đúng bối cảnh dự án.
Khái niệm cốt lõi
Central tendency là khái niệm chỉ "điểm trung tâm" hay "giá trị đại diện" của một tập dữ liệu. Khi ai đó hỏi "thông thường thì bao nhiêu?", họ đang hỏi về xu hướng trung tâm. Có ba cách trả lời câu hỏi đó, và mỗi cách trả lời theo một logic khác nhau.
Mean — trung bình cộng
Mean là cái mà người Việt quen gọi là "trung bình", tính bằng cách cộng tất cả giá trị lại rồi chia cho số lượng quan sát. Nếu năm đơn hàng có thời gian xử lý là 4, 5, 6, 7, 8 phút, thì mean = (4+5+6+7+8) / 5 = 6 phút.
Mean có một sức mạnh độc đáo: nó sử dụng toàn bộ thông tin trong dữ liệu. Mỗi con số đều góp phần vào kết quả. Đây là lý do mean là nền tảng cho hầu hết các phép tính thống kê nâng cao sau này — từ standard deviation, đến process capability, đến regression. Khi dữ liệu của bạn phân bố tương đối đối xứng, hình chuông (như đa số quá trình ổn định), mean là thước đo lý tưởng.
Nhưng chính cái sức mạnh "dùng mọi giá trị" lại là điểm yếu chết người: mean cực kỳ nhạy cảm với outlier (giá trị bất thường, ngoại lai). Hãy thử thêm vào tập dữ liệu trên một đơn hàng bị kẹt mất 60 phút: 4, 5, 6, 7, 8, 60. Bây giờ mean = 90 / 6 = 15 phút. Một giá trị lạ duy nhất đã làm con số đại diện tăng gấp 2,5 lần, dù năm trong sáu đơn hàng vẫn được xử lý dưới 8 phút. Nếu bạn báo cáo "trung bình 15 phút" cho sếp, bạn đang vẽ ra một bức tranh sai lệch hoàn toàn.
Median — trung vị
Median là giá trị nằm chính giữa khi bạn sắp xếp dữ liệu từ nhỏ đến lớn. Với tập 4, 5, 6, 7, 8, median là 6 (giá trị thứ ba, ở giữa). Nếu số lượng quan sát là chẵn, median là trung bình của hai giá trị giữa. Ví dụ với 4, 5, 6, 7, 8, 60, hai giá trị giữa là 6 và 7, nên median = 6,5 phút.
Hãy để ý: cũng với cái outlier 60 phút kia, median chỉ nhích từ 6 lên 6,5 — gần như không thay đổi. Đó là vì median chỉ quan tâm đến vị trí, không quan tâm đến độ lớn của giá trị ngoại lai. Đây là tính chất robust (vững, kháng nhiễu) của median. Khi dữ liệu bị lệch (skewed) hoặc có outlier, median là người bạn trung thực hơn nhiều so với mean.
Đây là lý do vì sao khi báo cáo về thu nhập, giá nhà, thời gian chờ — những thứ thường có "đuôi dài" với vài giá trị cực lớn — các nhà thống kê luôn ưu tiên median. Khi báo chí nói "thu nhập trung vị của hộ gia đình", họ cố tình tránh dùng mean vì vài tỷ phú sẽ kéo mean lên cao một cách phi thực tế.
Mode — số phổ biến nhất
Mode là giá trị xuất hiện nhiều lần nhất trong tập dữ liệu. Trong 3, 5, 5, 5, 7, 9, mode là 5. Mode đặc biệt hữu ích trong hai trường hợp: dữ liệu phân loại (categorical) và khi bạn muốn biết "tình huống điển hình nhất".
Mean và median không thể dùng cho dữ liệu phân loại — bạn không thể tính "trung bình của màu sắc lỗi" hay "trung vị của loại khiếu nại". Nhưng bạn hoàn toàn có thể nói "lỗi xảy ra nhiều nhất (mode) là lỗi xước bề mặt". Trong Lean Six Sigma, mode chính là nền tảng tư duy của biểu đồ Pareto mà bạn sẽ học sau — xác định loại lỗi, loại nguyên nhân xuất hiện thường xuyên nhất.
Một tập dữ liệu có thể có một mode (unimodal), hai mode (bimodal), hoặc nhiều mode. Khi bạn thấy dữ liệu có hai đỉnh — bimodal — đó thường là dấu hiệu cảnh báo rằng bạn đang trộn hai quá trình khác nhau vào một (ví dụ: trộn dữ liệu của ca ngày và ca đêm, hoặc hai dây chuyền máy khác nhau). Đây là một insight cực kỳ giá trị mà chỉ riêng mean hay median không bao giờ tiết lộ cho bạn.
Mối quan hệ giữa ba thước đo và hình dạng phân bố
Đây là kiến thức mà nhiều người bỏ qua nhưng cực kỳ thực dụng: vị trí tương đối của mean, median, mode cho bạn biết hình dạng phân bố mà không cần vẽ biểu đồ.
- Khi mean ≈ median ≈ mode: phân bố đối xứng, gần với hình chuông chuẩn.
- Khi mean > median > mode: phân bố lệch phải (right-skewed), có đuôi dài về phía giá trị lớn. Mean bị kéo về phía đuôi.
- Khi mean < median < mode: phân bố lệch trái (left-skewed), đuôi dài về phía giá trị nhỏ.
Tình huống thực tế
Ví dụ 1 — Thời gian chờ tại quầy giao dịch ngân hàng (TPBank, chi nhánh Hà Nội)
Một dự án Green Belt tại một chi nhánh TPBank đặt mục tiêu giảm thời gian khách hàng chờ tại quầy. Nhóm dự án thu thập 200 mẫu thời gian chờ trong một tuần. Kết quả ban đầu: mean = 9,2 phút. Quản lý chi nhánh thở phào, vì SLA cam kết là dưới 10 phút — "vậy là đạt rồi".
Nhưng Green Belt phụ trách không vội. Anh tính thêm median = 6,5 phút và phát hiện mean cao hơn median khá nhiều. Điều này báo hiệu phân bố lệch phải. Đào sâu, anh thấy có khoảng 18 khách hàng phải chờ trên 30 phút — đó là những người làm thủ tục mở tài khoản doanh nghiệp phức tạp, bị nhân viên xử lý chậm. Chính nhóm 18 người này đã kéo mean lên.
Bài học rút ra: nếu chỉ nhìn mean 9,2 phút, dự án sẽ "đạt mục tiêu" trên giấy và bị đóng lại. Nhưng median 6,5 phút cho thấy đa số khách được phục vụ nhanh, còn vấn đề thật nằm ở một nhóm nhỏ khách hàng phức tạp. Nhóm dự án đã tách riêng quy trình cho khách doanh nghiệp, và đó mới là cải tiến thực sự. Median đã cứu dự án khỏi một kết luận sai.
Ví dụ 2 — Phân tích lỗi trên dây chuyền lắp ráp (nhà máy điện tử FDI tại Bắc Ninh)
Một nhóm cải tiến tại một nhà máy lắp ráp linh kiện điện tử ở Bắc Ninh thu thập dữ liệu về loại lỗi trong một tháng: lỗi hàn thiếc, lỗi xước vỏ, lỗi sai linh kiện, lỗi nhãn dán. Ở đây mean và median hoàn toàn vô nghĩa — bạn không thể tính "trung bình của loại lỗi".
Thước đo duy nhất có ý nghĩa là mode. Đếm tần suất, nhóm phát hiện mode là "lỗi hàn thiếc" với 1.240 lần xuất hiện trên tổng 3.100 lỗi, chiếm 40%. Đây chính là điểm khởi đầu để nhóm tập trung nguồn lực cải tiến vào công đoạn hàn.
Bài học rút ra: với dữ liệu phân loại, mode là thước đo central tendency duy nhất có giá trị, và nó chính là nền tảng tư duy của nguyên lý Pareto — tập trung vào số ít nguyên nhân gây ra phần lớn vấn đề.
Ví dụ 3 — Phân bố hai đỉnh tại nhà máy may (doanh nghiệp dệt may, Bình Dương)
Một Green Belt đo năng suất (số sản phẩm/giờ) của một chuyền may và tính mean = 45 sản phẩm/giờ. Con số nghe hợp lý, nhưng khi vẽ histogram cô thấy phân bố có hai đỉnh rõ rệt: một cụm quanh 30 và một cụm quanh 58 sản phẩm/giờ. Phân bố bimodal — có hai mode.
Cái mean 45 hóa ra là một con số "ảo": gần như không có công nhân nào thực sự làm ở mức 45/giờ. Đào sâu, cô phát hiện chuyền có hai nhóm: công nhân mới vào (quanh 30) và công nhân lành nghề (quanh 58). Mean đã che giấu hoàn toàn sự thật này.
Bài học rút ra: khi mode hé lộ phân bố nhiều đỉnh, đó là dấu hiệu bạn đang trộn nhiều quá trình hoặc nhiều nhóm con khác nhau. Lúc này không thước đo trung tâm đơn lẻ nào mô tả đúng được; bạn cần tách (stratify) dữ liệu ra rồi phân tích riêng từng nhóm.
Hướng dẫn từng bước
Khi bạn cầm một tập dữ liệu mới trong dự án, hãy làm theo trình tự sau:
- Xác định loại dữ liệu trước. Dữ liệu định lượng (continuous — thời gian, khối lượng, độ dài) hay phân loại (categorical — loại lỗi, ca làm, vùng miền)? Nếu là phân loại, bạn chỉ có thể dùng mode. Nếu định lượng, cả ba thước đo đều dùng được.
- Tính cả mean và median song song. Đừng bao giờ chỉ tính một cái. So sánh hai con số là cách nhanh nhất phát hiện skew. Trong Excel, dùng
=AVERAGE(dải)cho mean và=MEDIAN(dải)cho median,=MODE.SNGL(dải)cho mode.
- So sánh mean với median. Nếu hai con số gần bằng nhau, dữ liệu khá đối xứng — yên tâm dùng mean. Nếu chênh lệch đáng kể, dữ liệu bị lệch hoặc có outlier — hãy nghiêng về median khi báo cáo "giá trị điển hình".
- Vẽ nhanh một histogram hoặc box plot. Con số chỉ kể một phần câu chuyện; hình dạng phân bố kể phần còn lại. Đặc biệt để phát hiện phân bố nhiều đỉnh mà các thước đo trung tâm không lộ ra.
- Truy outlier nếu mean và median lệch nhau. Đừng vội xóa outlier. Hãy hỏi: giá trị bất thường này là lỗi nhập liệu, hay là một tín hiệu thật về một vấn đề trong quá trình? Trong Lean Six Sigma, outlier thường chính là manh mối quý nhất.
- Chọn thước đo phù hợp để báo cáo. Quy tắc thực dụng: dữ liệu đối xứng thì dùng mean; dữ liệu lệch hoặc có outlier thì dùng median; dữ liệu phân loại thì dùng mode. Khi nghi ngờ, hãy báo cáo cả hai và giải thích.
Lỗi thường gặp & mẹo
Lỗi 1 — Dùng mean cho dữ liệu lệch. Đây là lỗi phổ biến nhất và nguy hiểm nhất. Thời gian chờ, thời gian xử lý, chi phí sửa lỗi đa số đều lệch phải. Báo cáo mean trong các trường hợp này gần như luôn vẽ ra bức tranh đẹp hơn thực tế. Mẹo: hễ đo "thời gian" hay "tiền", hãy phản xạ kiểm tra median ngay.
Lỗi 2 — Quên rằng outlier có thể là tín hiệu, không phải nhiễu. Nhiều người tự động xóa giá trị bất thường để "làm đẹp" mean. Nhưng cái đơn hàng kẹt 60 phút kia có thể chính là vấn đề bạn cần giải quyết. Hãy điều tra trước khi loại bỏ.
Lỗi 3 — Tính mean cho dữ liệu thứ bậc (ordinal). Với thang đánh giá hài lòng 1-5, nhiều người tính "mean = 3,7". Về kỹ thuật điều này gây tranh cãi vì khoảng cách giữa các bậc không nhất thiết bằng nhau. Với dữ liệu ordinal, median hoặc mode thường an toàn và đúng đắn hơn.
Lỗi 4 — Bỏ qua mode khi dữ liệu nhiều đỉnh. Nếu chỉ chăm chăm tính mean/median, bạn sẽ không bao giờ phát hiện phân bố bimodal — và sẽ bỏ lỡ insight về việc đang trộn hai quá trình.
Mẹo vàng: Hãy nhớ câu này — "Mean cho phép tính, median cho sự thật, mode cho loại hình." Mean là nền tảng cho mọi phép tính thống kê nâng cao về sau; median cho bạn bức tranh trung thực về giá trị điển hình; mode cho bạn biết loại tình huống nào hay xảy ra nhất.
Bài tập thực hành
Bài 1. Một quầy thu ngân siêu thị ghi thời gian phục vụ (phút) của 9 khách: 2, 3, 3, 4, 4, 4, 5, 6, 25. Hãy tính mean, median, mode. So sánh mean và median — phân bố lệch về hướng nào? Nếu là quản lý, bạn sẽ báo cáo con số nào cho ban giám đốc và vì sao?
Bài 2. Một nhóm dự án thu thập loại khiếu nại của khách hàng tổng đài trong một ngày: Giao hàng chậm (45 lần), Sản phẩm lỗi (30 lần), Thái độ nhân viên (12 lần), Khác (8 lần). Thước đo central tendency nào áp dụng được ở đây? Mode là gì, và nó gợi ý điều gì cho hướng cải tiến?
Bài 3. (Tư duy) Bạn đo độ dày sản phẩm và thấy mean = 5,0mm, median = 5,0mm, nhưng histogram có hai đỉnh tại 4,7mm và 5,3mm. Tại sao mean và median lại "trông bình thường" trong khi quá trình thật ra có vấn đề? Bạn sẽ làm gì tiếp theo?
Gợi ý đáp án bài 1: mean = 6,2; median = 4; mode = 4. Mean lớn hơn median nhiều do giá trị 25 — phân bố lệch phải. Nên báo cáo median (4 phút) vì nó phản ánh đúng trải nghiệm điển hình của đa số khách, đồng thời điều tra riêng vị khách chờ 25 phút.
Tóm tắt
Descriptive statistics là bước đầu tiên biến dữ liệu thô thành thông tin, và ba thước đo central tendency là công cụ nền tảng nhất. Mean dùng toàn bộ dữ liệu, là nền cho mọi phép tính nâng cao, nhưng nhạy cảm với outlier. Median chỉ quan tâm vị trí giữa, nên robust trước giá trị bất thường — lý tưởng cho dữ liệu lệch. Mode là giá trị phổ biến nhất, là thước đo duy nhất dùng được cho dữ liệu phân loại và là nền tảng tư duy của Pareto.
Bí quyết của một Green Belt giỏi không nằm ở việc thuộc công thức, mà ở việc luôn tính mean và median song song, so sánh chúng để phát hiện skew, vẽ nhanh phân bố để bắt các đỉnh ẩn, và chọn đúng thước đo cho đúng bối cảnh. Khi mean và median chênh nhau, đừng làm ngơ — đó là lúc dữ liệu đang thì thầm với bạn về một vấn đề thật trong quá trình. Hãy lắng nghe nó.