并非所有的数据都是平等的。因此，在做其他事情之前，了解数据的类型以及如何使用它们总是必不可少的。正如了解你的对手会告诉你该用哪种技术对付他们一样，了解你处理的是哪种数据也会告诉你该用哪种工具。因此，评估您拥有的数据类型很重要。在质量控制中，两类数据主要用来衡量一个项目的质量——属性数据和变量数据。

什么是属性数据(attribute data)？

有些数据是定性数据，具有质量特征或属性，以测量方式描述。这些数据可以分类统计。这类数据称为属性数据。这些数据以尺寸、重量或其他符合或不符合产品规格的属性进行定性描述。属性数据到处都是。例如，电话区号、服装尺寸、通过或不通过评估；所有这些都可以称为属性数据。这些数据清楚地定义了一个产品是否实现了一致性，不管它是否实现了一致性。例如，如果今天应该下雨，要么下雨，要么不下雨。这就像是一个“是”或“否”的场景，意思是“是”或“否”。因此，属性数据可以用数字来衡量，也可以用“是”或“否”来记录和分析。

什么是可变数据(variable data)？

如果您可以有意义地添加或减去数据的值，那么您就是在使用所谓的可变数据或连续数据。continuous这个名称是指这样一种观点，即这种类型的数据可以具有连续刻度的任何值，比如水银温度计上的温度读数。可变数据是用来测量长度、宽度、温度、时间、强度、厚度、压力等物理特性的数据。这些是可以通过测量获得的定量数据。例如，一所房子里的孩子数量只能是一个整数值，就像一所房子里不能有1.5或2.3个孩子一样；你只能有一个或两个孩子。因此，您可以从每户家庭中获取整数度量值，并执行某种数学计算，例如从数据中得出平均值或标准偏差。这就是从属性数据设置变量数据的方法。

变量与属性的区别

定义

–可变数据是可通过测量获得的定量数据，即可用于测量某些物理特性（如长度、宽度、温度、时间、强度、厚度、压力等）的数据。变量意味着测量值可以在给定范围内的任何地方变化。另一方面，属性数据是具有质量特征或以度量方式描述的属性的定性数据。属性数据可以用数字来衡量，也可以用是或否来记录和分析。

自然

–变量数据是可以有意义地加或减的数据，这意味着您可以对变量数据执行数学运算。例如，通过计算特定地区每个家庭的儿童人数，可以计算数据的平均值或标准差。能够对数据执行数学运算是从属性数据设置变量数据的关键。相反，您不能执行任何数学运算，也不能对属性数据进行任何类型的分析。属性数据只能计数，也可以说是或否。

示例

–属性数据无处不在。例如，电话区号、服装尺寸、通过或不通过评估；所有这些都可以称为属性数据。在质量控制中，要检验的产品可能有缺陷，也可能没有。一个产品只有两种可能的结果。属性数据可以分为计数类型和是或否类型。可变数据的例子包括水银温度计中的温度读数、一所学校所有学生的平均绩点分数、你在购物上的花费、汽车的汽油里程、液体的密度、柱子的高度、道路的长度或任何有价值的东西。

变量与属性数据：比较图

总结

简言之，可变数据是以尺寸、权重或其他特征定量描述质量的数据，而属性数据是以度量描述质量特征或属性的定性数据。尽管属性数据非常重要，因为它表明您已经满足了客户的要求，但您基本上不能对属性数据进行任何类型的分析，除非您将属性数据转换为变量数据。变量数据更灵活，因为您可以对数据执行数学运算，以便对数据执行更彻底的分析。变量通常需要比属性更小的样本。