Wawasan Industri 2021: Pembaruan Komprehensif Maret 2021

Pendahuluan

Seiring update utilitas harian kami semakin populer dan menerima lebih banyak perhatian, kami merasa penting sebagai pengelola data untuk mengklarifikasi asumsi kami, sumber bias apa pun yang mungkin kami miliki, dan margin error kami agar organisasi dapat membuat keputusan yang paling terinformasi dari angka kami.

Seperti dengan setiap dataset, data kami mengandung bias, dan oleh karena itu kami melampirkan margin error ke setiap metrik yang dilaporkan kami. Penting bagi praktisi data untuk transparan tentang sumber bias ini, asumsi kami terhadap data, dan bagaimana kami menangani kekhawatiran ini dalam metodologi kami. Ini memungkinkan Anda, pengguna, untuk membuat penilaian Anda sendiri tentang kebenaran klaim kami dan nilai data kami untuk organisasi Anda.

Analogi dengan Metode Survei Tradisional

Jika kita melihat dataset kami dari perspektif survei tradisional (seperti yang Anda lihat di TV untuk siapa yang unggul dalam pemilihan presiden), kita dapat menganggap setiap mesin kami sebagai "orang" yang kita "survei" atau wawancarai. Pertanyaan yang kami tanyakan untuk survei ini adalah sederhana: "Berapa rata-rata utilitas Anda dalam tujuh hari terakhir?" Kami mengambil sampel ribuan "orang" (mesin) di seluruh Amerika Serikat setiap detik melalui armada perangkat Edge yang terhubung cloud kami, dan melaporkan angka ini untuk hari sebelumnya setelah semua "jawaban" "masuk".

Di mana "orang" (mesin) yang kami sampel tinggal.

Seperti dengan setiap survei yang tidak menangkap seluruh populasi, sampel kami tunduk pada bias. Seperti yang diuraikan dalam posting kami sebelumnya, bentuk-bentuk bias tertentu tidak berlaku dalam metodologi kami—terutama yang diemosikan seperti bias persepsi, bias konfirmasi, dan pelaporan berbahaya. Mesin secara otomatis di-survei melalui perangkat lunak setiap detik—mereka tidak dapat "bohong" atau mengatakan ketidakbenaran karena tidak ada kesempatan untuk melakukan itu saat mereka terhubung ke MachineMetrics. Gangguan teknologis juga tidak signifikan, karena utilitas adalah metrik paling dasar yang kami survei dari mesin dan anomali apa pun terdeteksi secara algoritmik dan segera diatasi. Namun, bentuk bias lainnya masih ada bahkan saat Anda menghilangkan elemen manusia.

Sampel Produktivitas Tinggi

Pertama, sampel kami kemungkinan mewakili sampel manufaktur yang produktif tinggi. Ini karena mereka yang mengadopsi teknologi Industri 4.0 adalah bengkel yang lebih berpikir maju, dan oleh karena itu kemungkinan sudah memiliki proses untuk menyederhanakan operasi dan meningkatkan throughput. Kami tidak yakin berapa persen lebih produktif sampel kami daripada manufaktur diskrit "rata-rata", tetapi kami tidak percaya bahwa tren keseluruhan harus dipengaruhi oleh hal ini (artinya, persentase perubahan dari hari ke hari harus serupa untuk sampel produktivitas tinggi vs. sampel produktivitas rata-rata). Ini karena faktor makro seperti libur nasional, kejutan ekonomi, dan onshoring/offshoring harus mempengaruhi bengkel produktivitas tinggi dan rendah relatif sama. Ini penting karena sementara tingkat utilitas keseluruhan yang kami lapor sedikit lebih tinggi, kita masih dapat melihat tren yang sangat jelas seperti efek libur nasional, efek coronavirus, dan efek permintaan konsumen yang tertunda pada manufaktur secara keseluruhan.

Selain itu, kami tidak menangkap Census tingkat populasi yang sempurna dari penggunaan mesin di seluruh Amerika Serikat, karena itu akan memerlukan untuk terhubung ke semua 3-juta+ mesin perkakas (angka 3 juta berasal dari The Association for Manufacturing Technology, yang memperkirakan bahwa ada 3,2 juta mesin perkakas CNC operasional yang memiliki nilai asli di atas $50k).

Sementara kami beraspirasi untuk mencapai 3 juta suatu hari nanti, saat ini kami harus puas dengan fraksi dari ukuran total ini. Kami tidak mengungkapkan ukuran sampel kami yang tepat karena kami menagih harga standar per mesin, dan itu akan mengungkapkan pendapatan rutin tahunan kami, angka yang sebagian besar startup seukuran kami tidak bersedia untuk diungkapkan karena memainkan peran kunci dalam valuasi.

Margin Error

Namun, kami memasukkan margin error sebagai praktik terbaik, yang biasanya adalah apa yang dicoba oleh ukuran sampel. Margin error mempertimbangkan ukuran sampel sebagai proporsi dari ukuran populasi total, serta persentase responden yang merespons afirmatif kepada survei. Dalam kasus kami, tidak ada respons "afirmatif" terhadap survei—kami secara teoretis dapat mengambil 100% utilitas untuk berarti "setiap orang mengatakan ya" dan 0% untuk berarti "setiap orang mengatakan tidak", tetapi ini mencurigakan. Oleh karena itu, kami hanya menggunakan proporsi 50% untuk respons afirmatif dalam perhitungan kami, yang memaksimalkan margin error untuk ukuran survei yang paling konservatif. Anda dapat yakin bahwa margin yang kami laporkan adalah untuk skenario terburuk dengan ukuran sampel kami.

Rumus margin error untuk populasi terbatas. Sumber: Chegg Homework Help

Semakin besar margin error, semakin sedikit kepercayaan pengguna harus memiliki terhadap hasil survei. Margin error kami saat ini mengambang di sekitar +-1,6% hingga +-1,8%. Artinya, kami 95% yakin bahwa, untuk semua 3 juta mesin perkakas di AS, angka utilitas aktual adalah +-1,6% hingga +-1,8% dari yang kami laporkan. Angka utilitas terakhir yang dilaporkan kami untuk 6 Maret 2021 adalah 29,41%, yang berarti kami percaya bahwa sangat mungkin utilitas aktual untuk seluruh populasi mesin perkakas berada antara 27,60% dan 31,21%. Ini berarti perbandingan yang terjadi dalam margin error, sama seperti hasil survei antara dua calon yang dalam margin error, harus dipertimbangkan dengan hati-hati dan dihubungi dengan waspada. Saya pikir kita semua mempelajari ini secara langsung selama siklus pemilihan 2016.

Misalnya, jika utilitas berubah dari 29,0% menjadi 29,4%, ini masih dalam margin error kami dan harus dianggap lebih dari sekadar kegirangan daripada fakta. Jika, however, perubahan ini berlangsung selama banyak hari dan utilitas berubah dari 29% menjadi 31% dalam waktu satu minggu, kami 95% yakin bahwa ini mencerminkan perubahan tingkat populasi. Dalam embodiment lain, jika ini adalah Jumat sebelum 4 Juli dan utilitas berubah dari 29% menjadi 25% pada dasar harian, ini juga lebih dari sekadar kegirangan bahwa ini terjadi, melainkan bahwa ini mencerminkan realitas di lantai produksi di seluruh Amerika Serikat (orang libur Jumat sebelum 4 Juli untuk memulai akhir pekan lebih awal).

Angka +-1,6% hingga 1,8% juga penting dalam dan dari dirinya sendiri. Ini adalah buffer yang harus Anda tetapkan untuk diri sendiri jika Anda melakukan benchmarking utilitas pabrik Anda sendiri terhadap norma industri.

Update Kondisi Industri

Dalam semangat klarifikasi kami tentang margin error, kami ingin menyatakan utilitas sebagai berikut:

Kami 95% yakin bahwa rata-rata bergulir mingguan utilitas hingga kemarin berada antara 27,60% dan 31,21%, dengan estimasi titik 29,41%.

Ini mencerminkan data ekonomi Fed yang menunjukkan bahwa permintaan pabrik di seluruh negara meningkat karena permintaan yang tertunda. Kami melihat bahwa ini adalah utilitas 6 Maret tertinggi dalam empat tahun terakhir, wawasan yang luar biasa.

Ini juga mewakili maksimum lokal yang belum terlampaui sejak Oktober 2018 (tinggi 41-bulan). Ini hampir persis dengan indeks manufaktur ISM, yang juga mencapai 48-bulan tertinggi 60,8 setelah melonjak dari 58,7 di Januari. Data ini dikonfirmasi oleh laporan anekdot tentang kesenjangan tenaga kerja yang parah di manufaktur, karena pemilik pabrik kesulitan merekrut pekerja di tengah persaingan yang meningkat dari Amazon dan lainnya. Manajer lantai produksi meningkatkan upah sebesar 30% untuk bersaing untuk talenta, karena pemain baru masuk untuk merekrut pekerja terampil.

Kami mengakhiri dengan merujuk pada podcast di Wall Street Journal yang menambahkan konteks manusia pada apa yang kami lihat dalam data kami: Where Jobs are Booming.

Kesimpulannya, bisnis baik, hampir terlalu baik. Tetap lakukan pembaruan selanjutnya!