数据生产效率分析报告.docx
《数据生产效率分析报告.docx》由会员分享，可在线阅读，更多相关《数据生产效率分析报告.docx（16页珍藏版）》请在冰豆网上搜索。
数据生产效率分析报告
数据生产效率分析报告
1数据生产效率整体情况
1.1各工序间平均生产效率基线
数据大赛已经结束，根据大赛积累的数据结果统计，各生产工序之间的生产效率基线，如下表1：
表1 内业一天平均生产效率
单位：
平方公里
工序
每小时平均生产效率
一天平均生产效率
按90%折算
总面积
需要的天数
内业一天平均生产效率
信息录入平均生产效率
0.51
4.07
3.66
300
81.94
影像处理平均生产效率
9.03
72.25
65.03
300
4.61
更新平均生产效率
0.73
5.88
5.29
300
56.69
矢量化平均生产效率
0.32
2.58
2.32
300
129.20
总天数
185.89
1.61
根据表1得出以下结论：
1）信息录入一天平均生产效率为4.07平，按90%折算，为3.66平。
2）影像处理一天平均生产效率为72.25平，按90%折算，为65.03平。
3）更新一天平均生产效率为5.88平，按90%折算，为5.29平。
4）矢量化一天平均生产效率为2.58平，按90%折算，为2.32平。
根据以上数据得出（按90%折算），内业一天的平均生产效率为1.61标准平方公里/人日，如果加工一个300平方公里的项目，内业生产约为186天。
（未包含嵌道和配图）
1.2项目评审时生产效率之间对比
目前毛利润评审时内业平均生产效率按1.4标准平方公里/人日进行评审，根据数据技能大赛数据统计结果建议在以后的毛利润评审过程中可以提高内业生产效率的评估，可以按整体内业一天的平均生产效率，建议值为1.6标准平方公里/人日，也可以按各个工序的一天平均生产效率，最后进行累加来评审项目的毛利润。
2影像矢量化数据分析
因信息录入、影像处理、更新嵌道等工序员工参与较少，在这里将不作为主要对象进行分析，可详见原始数据的统计，《数据技能大赛效率分析.xlsx》。
影像矢量化作为数据加工主要工序，本次对矢量化做主要分析，主要从以下几个方面进行了统计：
1）最快用时与最慢用时进行了对比；
2）最快一天生产效率与最慢一天生产效率进行了对比；
3）排名靠前与排名靠后之间进行了对比；
4）根据现有员工工资水平对比；
5）根据员工学历进行了对比；
6）根据员工入职年限进行了对比分析；
7）根据部门分工对比；
8）根据地区状态进行了对比。
说明：
因考题题量较大，有部分员工没有在规定的时间内完成，并且根据评分结果分析，后面完成矢量成果质量还达不到规定的要求，最后在统一时间内提交比赛成果，这样会造成统计的生产效率会偏高。
2.1矢量化最快用时与最慢用时之间对比
1.制作1.17平方公里矢量化最快用时及最慢用时，并根据大赛时间原始数据，折算成一天8小时计算，统计出一天的平均生产效率，见表2：
表2 最快与最慢用时对比
标准面积
最快用时
最慢用时
最快一天生产效率
最慢一天生产效率
平均一天生产效率
1.17
2:
15
4:
00
4.16
2.34
2.58
从表2中可以看出，最快一天与最慢一天的平均生产效率之差为1.82平，速度快了近43.75%，说明排后的员工技能提升的空间很大。
2.2前10名与后10名之间对比
1.分别统计前10名，前30名，前50名以及后10名，30名，后50名的生产效率，见表3：
表3 前10名与后10名之间对比
前10名平均
生产效率
前30名平均
生产效率
前50名平均
生产效率
后10名平均
生产效率
后30名平均
生产效率
后50名平均
生产效率
3.57
3.15
2.93
2.34
2.34
2.34
从表3中可以看出，前10名生产效率与后10名生产效率之差为1.23平，速度快了近34.45%，后50名员工的平均生产效率为2.34平，效率低的占据比例较大，技能分布严重不平衡，排名靠后的不但生产效率较低，而且质量平均得分不高，是影响整个项目进度、质量的根本原因。
2.3根据员工工资水平生产效率对比
通过统计工具分析对找出北京生产效率与工资水平之间的对应关系，见图1：
说明：
因统计工具不识别字母进行分析，只当作文本，故用数字1－8代替A－H来进行分析。
图1 北京地区工资水平与生产效率方差分析
根据图1结果显示，P值为0.169大于0.05，说明不同工资水平员工之间相关性不强，和生产效率没有必然的联系，而R-Sq＝28.67%说明组内差异较大，也就说，同一级别工资水平的员工生产效率差距较大，可能原因：
北京地区员工工序较为复杂，需做更新、嵌道、配图、管理协调等工作，不单纯只以矢量化工作效率支付工资，可能造成其相关性不强，并且人员级别分类也比较明显，有项目经理、事业部主管、项目组长、质量检查人员等，可能存在分配不平衡的问题，根据均值也可以找出北京地区工资水平与生产效率标准对应关系如下：
1）要达到D类的工资水平，一天的生产效率需要达到2.7526平；
2）要达到E类的工资水平，一天的生产效率需要达到2.8103平；
3）要达到F类的工资水平，一天的生产效率需要达到3.0469平；
4）要达到H类的工资水平，一天的生产效率需要达到3.1813平；
5）G类员工主要为项目经理，在这里不予以详细统计。
通过统计工具分析对找出河南生产基地生产效率与工资水平之间的对应关系，见图2：
图2 郑州地区工资水平与生产效率方差分析
根据图2结果显示，P值为0小于0.05，说明组间其相关性非常密切，可能存在的原因是：
工序较为简单，主要从事矢量化的纯技术工作，工资水平差异不大，都在某个范围之内，R-Sq＝25.46%说明组内差异较大，D、E的人员较少，所以样本量很少，D类的人数只有2人，E类的人数只有1人，可能会引起组内差异，但是可以根据均值了解郑州生产基地工资水平与生产效率标准对应关系如下：
1）A、B类的生产效率不具有参考价值。
（主要由于A、B类员工有部分题没做完，在此不做分析）
2）要达到C类的工资水平，一天的生产效率需要达到2.8822平；
根据目前公司现有员工工资水平，统计得出以下结果，见表4：
表4 员工工资水平平均生产效率对比
类别
种类
人数
平均生产效率
质量平均分
备注
根据工资水平
H
4
3.18
48.99
G
4
2.85
46.22
主要为项目经理
F
4
3.05
49.46
E
8
2.76
45.35
D
8
2.78
52.34
主要为质检员工
C
19
2.81
45.44
B
54
2.48
46.37
A
37
2.37
28.22
从表4中可以看出，H类员工的平均生产效率为3.18平，平均质量得分为49.46分，A类员工的平均生产效率为2.37平，平均质量得分为28.2分2，H类员工比A类员工快0.81平，质量得分多21.24分。
根据表4得出如下生产效率的分布情况，见图3：
图3 员工工资水平平均生产效率
从图3可以看出：
工资级别越高，平均生产效率越高，H类平平均生产效率最高3.18平，G类平均生产效率比F类人员平均生产效率低，主要是因为G类人员为项目经理，D、E类的水平相差不大，但是比C类的生产效率低，主要是因为有部分员工为质检员，拉低了D、E类的平均生产效率。
A、B员工平均生产效率较低，分别为2.37和2.48平，与H类平均生产效率相比差距较大。
根据表4得出如下质量平均水平的分布情况，见图4：
图4 员工工资水平质量平均分
从图4可以看出：
质量得分B－H类的相差不是特别明显，但是A类员工的质量等分特别低，是造成项目质量主要返工及出现质量问题的主要原因，所以提高A类员工技能水平显得非常重要。
建议：
提高A、B类员工的生产效率及质量尤为重要，人员名单可以从《数据技能大赛效率分析.xlsx》查找，可以组织有针对性的培训或其他措施来提高A、B类员工的生产效率及技能。
2.4根据员工学历历状况生产效率对比
通过统计工具分析对找出北京生产效率与学历之间的对应关系，见图5：
图5 北京地区学历与生产效率方差分析
根据图5结果显示，P值为0.984大于0.05，不同学历间相关性不强，说明学历与生产效率没有必须的联系，不能说学历高的人生产效率就高。
而R-Sq＝0.11%说明组内差异较大，根据均值也可以看出北京地区学历与生产效率标准方差分析均值偏差不大，本科组间的偏差较大，查看源有数据后发现主要原因有本科实习生，拉大了分值差距。
2.4.2郑州地区学历与生产效率方差分析
通过统计工具分析对找出河南生产基地生产效率与学历之间的对应关系，见图6：
图6 郑州地区学历与生产效率方差分析
根据图6结果显示，P值为0.510大于0.05，不同学历组间相关性不强，说明学历与生产效率没有必须的联系，不能说学历高的人生产效率就高。
R-Sq＝1.3%说明组内差异较大，根据均值也可以看出郑州地区学历与生产效率标准方差分析，本科与专科学历的均值相差不大，与中专的均值稍大一些，本科组间的偏差较大，查看源有数据后发现主要原因有本科实习生，拉大了分值差距。
根据目前公司现有员工学历状况，统计得出以下结果，见表5：
表5 员工学历状况对比生产效率
类别
种类
人数
生产效率
质量平均分
备注
根据学历状况
本科
10
2.63
44.15
专科
72
2.61
43.57
中专
56
2.53
40.06
从表5中可以看出，学历越高生产效率和质量得分相对越高，表面看与之有关，但通过方差分析学历与生产效率无关，说明不是影响效率的主要原因。
根据表5得出如下生产效率的分布情况，见图7：
图7 员工学历状况对比生产效率
从图7可以看出：
本科学历与专科学历差距不是十分明显，而专科学历与中专学历生产效率与质量得分差距稍微大些，本科学历与中专学历平均生产效率偏差为0.1平，偏差率不到3%，说明学历不是影响生产效率的主要原因。
根据表5得出如下质量平均水平的分布情况，见图8：
图8 员工学历状况对比质量平均分
从图8可以看出：
本科学历与专科学历差距不是十分明显，而专科学历与中专学历生产效率与质量得分差距稍微大些，说明学历也不是影响质量得分的主要原因。
建议：
在人才引进方面，重要的是考核员工技能及工作经验方面等要求，而评价学历是次要因素。
2.5根据员工入职工作年限生产效率对比
通过统计工具分析对找出北京生产效率与工作年限之间的对应关系，见图10：
图10 北京员工工作年限与生产效率方差分析
根据图10结果显示，P值为0.002小于0.05，说明生产效率的高低与工作年限的长短有密切关系，入职年限越长生产效率就越高，R-Sq＝55.01%说明组间差异较小，也就是说入职年限同一级别的生产效率差别不是很大，根据均值也可以看出北京地区入职工作年限与生产效率标准方差分析均值波动比较大，入职4和6年以上的均值反需比入职3年和5年员平均生产效率低，主要是因为入职6年的员工大都为项目经理，入职4年的员工大都为质检员，他们偏重于本岗位的工作，对于纯矢量化工作的生产效率就较低，然而入职未到1年平均生产效率非常低是需重点提高的对象。
2.5.2郑州员工工作年限与生产效率方差分析
通过统计工具分析对找出郑州生产基地生产效率与工作年限之间的对应关系，见图11：
图11 郑州员工工作年限与生产效率方差分析
根据图11结果显示，P值为0.054接近于0.05，R-Sq＝5.52%说明组内差异较大，从均值可以看出郑州地区入职工作年限与生产效率标准方差分析均值随着入职时间越长，平均生产效率越高，与图10相比较而言，整体的平均生产效率较低，北京最高的平均生产效率为3.23平，而郑州最高的平均生产效率为2.58平，偏差为0.65平，偏差率20.12%。
1.根据公司员工入职年限，统计得出以下结果，见表9：
表9 工作年限对比生产效率
类别
种类
人数
生产效率
质量平均分
备注
根据入职年限
4年以上
11
2.98
49.97
2-3年
17
2.84
50.47
1年以上
32
2.59
48.6
未满1年
72
2.45
35.54
从表9中可以看出，入职4年以上员工的平均生产效率为2.98平，质量平均得分为49.97分，入职未满1年员工的平均生产效率为2.45平，质量平均得分为35.54分，入职4年以上员工的平均生产效率比入职未满1年快0.53平，质量平均得分多14.43分，说明入职年限越长，生产效率和质量得分越高。
根据表6得出如下生产效率的分布情况，见图12：
图12 工作年限对比生产效率
从图12可以看出：
平均生产效率与工作年限有直接的关系，工作年限越长平均生产效率越高，当入职为2－3年内的员工生产效率基本上可以达到一个稳定值。
入职不到2年的员工平均生产效率都不高分别为2.59平和2.45平，对照图13，入职1年以上的员工可能对本次大赛比较偏重质量而导致平均生产效率下降，质量平均分基本达到要求。
根据表6得出如下质量平均水平的分布情况，见图13：
图13 工作所限对比质量平均分
从图13可以看出：
对未满1年的员工质量质量平均得分较低，为35.54分与最高分相差14分之多，偏差接近30%，其他入职年限的员工质量平均分偏差不大，相对稳定。
建议：
必须提高未满1年入职员工的技能水平，通过培训，或1对1的传帮带等方法来引导，提高此部分员工的技能。
如果都达到C类员工生产效率水平，即每人每天增加近0.4平的工作量，这将会大大提高数据生产的工作效率，并且会提高工作产品的质量，减少返工的工作产品，从而达到控制成本的目的。
2.6根据部门之间生产效率对比
通过统计工具分析对找出北京生产效率与部门之间的对应关系，见图14：
图14 北京地区部门间的生产效率方差分析
根据图14结果显示，P值为0.624大于0.05，不同部门间的相关性不强，可能原因：
北京地区员工工序较为复杂，需做更新、嵌道、配图、管理协调等工作，造成其相关性不强，并且人员级别分类也相对较多，有项目经理、事业部主管、项目组长、质量检查人员等，R-Sq＝3.2%说明组内差异较大，从均值可以看出北京地区相对比较稳定，质量管理部均值较低，和其工作性质有关，工程部与政府事业部相关不大，不到0.1平。
通过统计工具分析对找出郑州生产基地生产效率与部门之间的对应关系，见图15：
图15 郑州地区部门间的生产效率方差分析
根据图15结果显示，P值为0.021小于0.05，说明生产效率与部门间有密切关系，可能存在的原因是：
工序较为简单，主要从事矢量化的纯技术工作，技术水平差异不大，都在某个范围之内，R-Sq＝10.76%说明组内差异较大，郑州地区不同部门间的平均生产效率波动较大，均值由2.36至2.71平不等，虽然郑州地区部门的平均生产效率差距不是特别明显，但是与北京相比差距还是比较明显，拿郑州通用产品部平均生产效率2.42平与北京工程部平均生产效率2.85平相比，偏差0.43平，偏差率为15.88%。
1.根据部门分工，统计得出以下结果，见表7：
表7 部门之间生产效率对比
类别
种类
人数
生产效率
质量平均分
备注
根据部门统计
工程部
24
2.85
45.49
企业应用部
20
2.66
42.64
通用产品部
52
2.42
36.06
政府应用部
23
2.57
50.23
政府事业部
4
2.91
55.23
全部为项目经理，参与员工较少并且入职时间比较长
质量控制部
9
2.36
42.05
从表7中可以看出，政府事业部的平均生产效率为2.91平，质量平均得分为55.23分，通用产品部平均生产效率为2.42平，质量平均得分为36.06分，政府事业部比通用产品部平均生产效率快0.49平，质量平均得分多19.17分，说明通用产品部生产效率提高空间的很大。
根据表7得出如下生产效率的分布情况，见图16：
图16 部门之间生产效率对比
从图16可以看出：
不同部门的平均生产效率不同，并且差距较大，政府事业部平均生产效率最高，主要是因为参与人较少共4人参与比赛，其次为工程部平均生产效率为2.85平，主要为北京地区的参赛人员，平均生产效率最低的为质量控制部，这和其工作性质有关，其次较低的是通用产品部平均生产效率为2.42与工程部偏差为0.43平，偏差率为15.09%，所以提高本部门乃至整个郑州地区的平均生产效率具有重要意义。
根据表7得出如下质量平均水平的分布情况，见图17：
图17 部门之间质量平均分对比
从图17可以看出：
不同部门的质量平均得分不同，并且差距较大，政府事业部质量平均得分最高为55.23分，主要是因为参与人较少共4人参与比赛，其次为政府应用部质量平均得分为50.23分。
质量平均得分最低的为通用产品部为36.06分，与政府事业部偏差19.17分，偏差率为34.17%，其次较低的是质量控制部和企业应用部，分别为42.05和42.64分，所以提高本部门乃至整个郑州地区的质量平均得分具有重要意义。
建议：
可以通过部门间的竞争提高部门的生产效率。
2.7根据不同地区生产效率对比
2.7.1地区间的生产效率方差分析
通过统计工具分析对找出生产效率与地区之间的对应关系，见图18：
图18 地区间的生产效率方差分析
根据图18结果显示，P值为0，小于0.05，说明两个地区的相关联性强，R-Sq＝16.49%说明组内差异较大，从均值可以看出北京与郑州相差较大。
1.根据地区状态，统计得出以下结果，见表8：
表8 北京与郑州两地生产效率对比
类别
种类
人数
平均生产效率
质量平均分
备注
按地区统计
北京
28
2.84
45.49
河南
106
2.50
42.75
从表8中可以看出，北京地区平均生产效率为2.84平，平均质量得分为45.49分，郑州地区平均生产效率为2.50平，平均质量得分为42.75分，平均生产效率偏差为0.34平，偏差率11.93%。
3统计分析
1.生产效率低的主要原因与工作年限有关，并且两个不同地区间和部门间协作也有关系。
与工资水平、学历等不是直接关系，入职未满1年员工的平均生产效率为2.45平，入职达到1年以上的平均生产效率为2.59平，入职2-3年的平均生产效率为2.81平，入职4年以上员工的平均生产效率为2.98平，所以在入职2-3年应达到一个稳定值。
入职未满1年员工的质量得分为35.54分，人数达到72人之多主要在郑州生产基地，这部分员工质量平均分低也是造成返工率高及影响进度的主要群体，所以提高未满1年入职员工的技能水平，通过培训，或1对1的传帮带等方法来引导，提高此部分员工的技能。
如果都达到C类员工生产效率水平，每人每天增加近0.4平的工作量，这将会大大提高数据生产的工作效率，并且会提高工作产品的质量，减少返工的工作产品，从而达到控制成本的目的。
2.生产效率低主要分布在工资水平A、B类层，并且人数较多，达91人之多，占员工总数的66％，一天平均生产效率2.43平，与C类工资水平员工生产效率2.81平相差近0.4平，差距十分明显，所以提高生产的主要对象为A、B两类员工，如果按每人天提高0.4平，也就是达到C类员工平均生产率水平，然而A、B两类员工一天就可以多做36平，100天就3600平，相当于一个省的主要城市的面积，并且提高到C类员工的平均生产水平不是很难。
3.拿工资水平来讲，生产效率越高，应当工资级别越高，但是通过方差分析，可能存在不合理的现象，D、E类的水平相差不大，但是比C类的生产效率低，主要是因为有部分员工为质检员，拉低了D、E类的平均生产效率。
质量得分B－H类的相差不是特别明显，但是A类员工的质量得分特别低，造成项目整体质量下滑。
A类员工的质量等分特别低，是造成项目质量主要返工及出现质量问题的主要原因，提高A类员工技能水平显得非常重要。
4.根据部门统计的结果：
数据事业部平均生产效率较高，主要因为参与员工工作经验比较丰富，入职年限较长，质量控制部平均生产效率较低，与工作性质有关，偏重于质量检查，其他几个部门的对比，工程部效率较高，主要是北京员工，北京员工相对比较稳定。
郑州三个部门，通用产品部效率较低，需通过其他方式提高生产效率。
5.技能水平与学历关系不是很大，但总体来讲，学历越高生产效率相对较高，但差距不是特别明显。
从区域来讲，北京地区生产效率比郑州高，但是工资水平也相对要高些。
综上所述，提高A、B类及对入职未满1年的员工的生产效率极其重要，这类员工占数据事业部总体人员的比重也很大，另外郑州生产基地的几个部门生产效率需通过有效的方法来提高部门间的生产效率。
4改进建议
4.1确定目标
1）管理层需明确提出提高生产效率的目标：
如今年的内业整体一天生产效率为1.61平，明年的目标可以制定为一天生产效率为1.8平（参考值），管理层要有合理的计划和一系列的措施来实现这一目标，并且与管理层的绩效挂钩作为一项重要任务提高生产效率。
2）整体目标定制好后，制定各工序间的目标，如：
影像处理一天的生产效率为65.03平，那么明年影像处理一天的生产效率为70平左右，其他工序类似确定目标；
4.2建立统一的工艺标准体系
从大赛的结果来看，有部分人员因对标准的理解不一致而造成生产效率低下，哪些该画哪些不该画不统一，哪些细画哪些该粗画不清楚，最后都统一细画，这样造成很多时间的浪费，说白了就是做了不该做的事情或客户根本不关注的范围，本来只需1分钟就能完成的，结果画10分钟才完成，而源于这一现象主要是对标准的不理解或标准没有明确的描述，所以工艺标准的制定及正确理解工艺标准的意义也是十分重要的。
因此数据事业部需完善对工艺标准的制定及加强培训使员工能够正确理解工艺标准。
4.3建立有效的培训体系
1）根据大赛的原始数据，找出水平较低的员工，分析偏差并且组织有效的、有针对的进行培训，编制合理的培训教材，并制定具有可执行性的计划；
2）按计划执行培训，跟踪培训实施情况，合理的评价培训质量及考核培训效果。
如：
编号YXSL052员工目前矢量化一天生产效率为2.11平，通过培训半年后可以达到2.5平。
4.4人才培养、引进
1）生产效率与入职年限有直接的关系，相对来讲，入职时间越长，平均生产效率就越高，故减少有经验员工的离职率，也是提高生产效率的一项措施。
2）招聘时应更多的考虑有工作经验的员工，最好有两年本行业的工作经验，学历作为次要因素。
3）通过对数据的积累，挖掘有潜质的员工，进行重点培养。
4.5建立激励机制
1）可将生产效率的指标作为评定和考核员工工资的主要依据，工作效率越高相对来讲工资待遇就高。
2）建立员工技能档案库，每半年对ＡＢ类员工进行一次考核评定，并每半年进行对比分析技能水平的差异，然后进行分析总结，对提高较快的员工给以奖励，对提高慢的再采取其他方法帮助其提高技能水平。
3）可以通过竞赛方式部门之间进行竞争，以提高部门整体的生产效率，如通用产品部目前生产效率为2.42平，如果每人天提高0.4平，就是2.82平，达到C类水平（C类2.81平），通用产品部部门员工配置52人，按照此标准提高的话，一天可多做20多平
升级会员 