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（21页珍藏版）》请在冰豆网上搜索。
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
2.3.1北京地区工资水平与生产效率方差分析
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。
2.3.2郑州地区工资水平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
2.4.1北京地区学历与生产效率方差分析
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
2.5.1北京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北京生产效率与工作年限之间的对应关系，见图10：
图1 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2 郑州员工工作年限与生产效率方差分析
根据图11结果显
升级会员 