一.流程到底谁说了算数？

万科股权之争吸睛无数，“争”的焦点在于在股份制公司里，到底谁说了算。按照通行规则，大股东，确切的说，控股股东对公司拥有最终的发言权。那么，流程的控股股东是谁呢？

按照六西格玛的基本原理，流程的输出y取决于过程（f）和输入（x），即：

帕累托原理告诉我们，尽管影响流程的因子无数，但起关键作用的总是少数因子。问题在于在众多的因子中，哪个或哪些因子才是关键因子呢？进一步讲，哪个因子是流程的控股股东呢？众所周知，股东之所以叫股东，是因为持有公司的股份，股东所持股份越多，这个股东发言权就越大，因此股东持股比例决定了股东的影响力。但因子所持流程的股份比例如何计算呢？

英国统计学家罗纳德•费舍尔( Ronald Aylmer Fisher，1890～1962）利用方差分析（Analysis of Variance，简称ANOVA）解决了谁是流程控股股东的问题。

二.方差分析原理

从六西格玛角度看流程，流程的波动（变异）导致其输出的缺陷，因此寻找变异源是改善的前提条件。衡量波动的统计量有极差、标准差、方差、四分位差等多种方式。费舍尔发现方差是分析变异源的最有效的统计量。为此费舍尔定义了F分布（F为费舍尔英文名—Fisher的首个字母；以单因子为例，假设因子有l个水平，每个水平都有m个数据）：

其中SS为平方和，f为自由度。下图为3个不同自由度组合的F分布示意图：

方差分析的统计学计算原理为：

因子给y带来的方差份额（比例）为：

三.方差分析对数据的要求

1、对输出（y）的要求

1）数据独立；2）数据正态；3）过程稳定；4）等方差。

2、对输入（x）的要求

1）分类数据，或；2）连续数据：分成若干个水平。

四.方差分析的案例分析

百度外卖从客户服务部得到反馈，A区域客户对外卖送餐时间的抱怨增多：送餐时间时快时慢，最多相差1倍以上。客户的不满很快反映到订单数量上，日外卖订单数环比减少35%。为了迅速扭转这样的不利局面，A区管理层成立了改善小组，目的是提高订单的交付效率。经过小组的头脑风暴，初步确定了一些因子：快递员、天气、交通工具、订单APP……

这些因子到底哪些才是根因呢？哪个因子才是“控股因子”呢？这不能靠感觉和经验决定，于是改善小组制定了数据收集计划：选取最有代表性的M小区作为研究对象，选择递送距离和楼层等没有显著差异的客户作为抽样对象，收集到三名快递员（鲍勃、丽娜和杰克）的以下数据（单位：分钟）：

经验证，数据符合独立、正态和等方差要求，过程基本稳定。改善小组首先进行了单因子方差分析，结果如下：

分析结论：P=0.000，在95%的统计置信度下，三个快递员的订单递送时间的均值有至少有一个与其他显著的不同（丽娜最短，鲍勃最长）。也就是说，从统计学角度，快递员确实是影响订单交付速度的显著因子。另一方面，从R方（R-Sq）=62.57%得知（这是理论值，实际以R方（调整）为准），快递员之间的交付时间差异占订单总波动的62.57%。可以理解为，如果快递员都向交付最快最快的丽娜那样，订单交付时间能减少62.57%的波动，快递员确实是影响订单交付的控股股东！

由于R方只有62.57%，也就意味着还有（1-62.57%）=37.43%的波动还不知道是哪些因子造成发的，需要找到它们才能结案。改善小组在收集数据时已经考虑到了天气因素，其相关的数据如下：

对上述数据实施多因子的方差分析（本例中应用一般线性模型）结果如下：

从上述方差分析的结果中我们看到R方=97.52%，即影响订单交付波动的97.52%的原因都在分析模型中了（实际以R方调整为准），我们基本锁定了所有显著的对象，它们分别是：

1）员工（P=0.000，R方=715.02/1142.68=62.57%）

2）天气（p=0.000，R方=213.47/1142.68=18.68%）

3）员工与天气的交互作用（p=0.000，R方=185.85/1142.68=16.26%）

我们得到结论：影响订单交付最大的因子是快递员，其次是天气。快递员和天气存在交互作用。

从上述的交互作用图看出，鲍勃对天气变化最敏感，而丽娜对天气变化最不敏感，需要找到他们对天气变化差异的具体原因，再实施针对性的改善。

从上述案例我们看到，方差分析不但能够确定哪些因子是显著因子，还能够确定这些因子对结果变化的影响程度：我们依此就能确定哪个因子是流程的控股股东了。