成功的感受总是如此相似，而失败的原因则总是各不相同。

　　人人都渴望成功。各家金融公司对于自己的“成功”，无一例外的总结成：高层支持，战略重视，制度改造，工具正确……在春风明媚的外表下，谁知道到底发生了什么?真的成功了么?

　　魔鬼总在细节里。对于大型项目，涉及面广，牵涉的利益太多，没有详细的组织，周密的计划，严谨的执行，和对困难的充分估计，失败倒应该是缺省值。金融业六西格玛的推行，远远不止招个标，然后把项目全部交给一个咨询公司那样简单。

　　当我们研读彼岸的成功，并准备按图索骥，一展宏图的时候，可曾想过，在这些简单成功法则的背后，有着多少不可告人的困难，痛苦，犹豫，秘密?

　　六西格玛的核心，是将统计方法所代表的量化分析手段作为问题分析和决策支持的主要依据，在企业组织内部推行。而推行是需要人和制度的支持的，如果说方法、工具是基础，那么“人事”部分则可以理解为上层建筑。六西格玛的成功除了要求统计方法、统计工具的正确性之外，还要求和人相关的部分的高度可控性：恰恰是这一部分，构成了非常大的不确定性。

　　那么问题就来了：淮南之桔，如何成为淮北之枳?这实在是个全人类的话题。历史上对此事的争论汗牛充栋，其过程不乏惊险、血腥。好在终于有了些可以参照的结果，比如“洋为中用”，“师夷长技以制夷”，还有“拿来主义”。

　　就技术层面而言，一个良好的制度设计，是可以让不可控变成部分可控，从而部分复制先验的成功模式的。这里，我们首先讨论六西格玛成功的基础部分，也就是工具和方法问题。

　　带着这样的想法，笔者在不久前参加的某国际六西格玛组织在国内举办的研讨会上，偶遇韩国一家六西格玛咨询机构的管理人员。席间谈及韩国金融业的六西格玛推行现状，该高管坦言：很难说是“成功”了。原因其实非常简单，也是众人从未想过、考虑过的非常基础的问题：工具问题。

　　工具问题应该不是个问题，因为那么多的专业六西格玛咨询公司，他们的基础职责，就是给客户培训，让他们用上正确的统计方法和软件工具啊。

　　回头看看韩国的情况吧。早期进行六西格玛导入的时候，对统计方法和软件工具根本没有考虑过，主要原因在于，早期导入的确不需要太复杂的工具和方法。不要说专业软件工具，哪怕使用Excel也可以解决不少问题。(直到今天，还有人，甚至一些“咨询顾问”，都坚持认为，excel是个蛮不错的六西格玛工具……)

　　几年以后，随着六西格玛渐渐登堂入室，被管理层认可，六西格玛的应用也从早先的试验项目渐渐扩展的各业务部门，早期没有过多考虑的问题，忽然成为了问题：金融行业的数据量大，业务繁重，对软件工具的平台兼容性、速度、可处理的最大数据量等硬指标的要求一下凸现了出来。早先被大规模采纳的六西格玛软件一下子居然成为了六西格玛应用的瓶颈。

　　举例来说，一个中等规模的银行，每天的交易数据超过100GB是非常普遍的(大银行甚至可以到TB级别)。这样数据并不算大，甚至不能称其为“海量数据”，却使得软件工具的重要性被空前提升了。

　　且不说多达上百GB的数据了，1、2百万行，几十列的数据对于金融业是再普通不过的日交易记录(或者call center每日呼叫记录)了。目前主流的六西格玛软件，到底能不能处理大数据量?能够以什么样的速度处理大数据量?六西格玛工具如何才能避免成为金融业流程损耗(见金融业的六西格玛之一，流程损耗：等待)的一部分??

　　本着严谨、客观的态度，笔者简单测试了国内，也是韩国普遍采用的六西格玛软件Minitab和来自SAS，在国内也有相当一些客户群的“六西格玛高端工具”JMP软件。

　　测试平台采用DELL笔记本电脑，2G主频的Intel芯片，2G内存，Windows XP平台。分别测试了100万行(2列)，200万行、300万行数据。百万行级别的数据量是金融行业常见的数据容量。测试时除了系统软件外，没有任何其他应用程序占用内存空间和系统资源。对同样的数据，用两种不同的软件进行最近基本的直方图?分析，测试结果大概如下：