统计分析（Statistical Analysis）是对定量和定性数据的收集、检查、汇总、处理和解释，以发现其根本原因、模式、关系和趋势。
此工具最适合个人使用，也可由两到三个人组成的小组使用。通常用于以下创新阶段：
- 创建阶段（Creation phase） — 用于进行设计实验和分析数据以做出工程决策。
- 价值主张阶段（Value proposition phase）– 用于评估选项和预测结果，以便可以决定是继续还是终止项目或程序。
- 生产阶段（Production phase）– 用于评估不同的生产替代方案，以保持过程控制并解决问题。
统计分析可用于确定创新设计的五个特征：
- 建立分析数据的性质。
- 估计较大样本或总体的性能。
- 创建创新产品或过程的数学模型。
- 建立模型对实际创新的有效性。
- 通过创新元素的变化来预测性能变化。
统计分析常用工具
对于可变数据：
- 方差分析
- 比较性能差异
- 确定何时产品和过程性能之间的差异显着
- t检验
- 用于评估迭代之间的性能差异
- 实验设计
- 用于评估自变量对从属输出的影响
- 用于建立产品或过程绩效的模型
- 用于预测未来的性能和稳定性
对于属性数据：
- 定量统计分析
- 不变的分析（针对一组数据建立分布）
- 双变量分析（同时分析两个变量）
- 多变量分析（同时分析多个变量）
- 定性分析
- 分析不同数据集得出相似结果的程度
统计思维
我们以一家六西格玛从业人员的情况为例，该航空公司的任务是减少售票柜台的客户服务时间。您想知道的第一件事是当前签发票证的时间长度。要获取此数据，您可以决定在几天内使用秒表来测量50位客户的购票时间，并在一天中随机挑选不同的售票柜台来代表客户群。
有了数据后，您需要进行分析，您应该汇总数据并计算基本统计信息，例如，发行票证的平均时间及其变化。分析之后，您将提出建议以减少平均的出票时间。您可以在将数据分组到不同的范围内，例如下图所示的频率分布，然后确定其平均值和变化。
数据的变化可以有两种类型：一种常发生，另一种很少发生。随机发生的变化称为随机变化，很少发生的变化称为可分配变化。它扰乱了正常的钟形曲线，并使其外观看起来有所不同。统计思维需要对随机变化和可分配变化之间的差异有清晰的了解。随机变化是由于流程周围环境中存在不受控制的变量或情况而发生的。这些不受控制的变量中有很多对过程变化有影响，它们始终存在于过程中，并且难以查明和解决。
例如，在签发车票的时间较长的情况下，随机变化可能是由于一名乘客与另一名乘客之间的轻微变化造成的，例如有人丢了她的机票，或者有人忘记带驾驶执照。其他变化可能是由未经培训的票务代理或计算机停止工作等事件引起的。这种情况会导致意外延迟，从而激怒客户。因此，它将被视为可分配的变化。类似地，温度、相对湿度的波动或上班开车时间的变化都是随机变化。
优点
- 分析结果简洁明了
- 便于理解数据关系，理清思路
缺点
- 现实生活极其复杂，诸多因素常常纠缠交错在一起，仅靠统计分析方法去控制和解释这些因素及其相互关系，是不全面、不深刻的。
- 统计分析方法的运用是有条件的，它依赖于数据资料本身的性质、统计方法的适用程度和研究者对统计原理及统计技术的理解、掌握程度与应用水平。方法选择不当，往往易得出错误的结论。
- 统计决断以概率为基础，既然是概率，就存在误差，因而可以说，统计决断的结论并非绝对正确。
主要参考资料：
Harrington, H. James,Voehl, Frank. The Innovation Tools Handbook, Volume 2: Evolutionary and Improvement Tools that Every Innovator Must Know
