통계 기법을 개발할 때 우리는 독립적이고 동일하게 분포된
랜덤 변수 모음이 있다는 가정으로 시작한다.
이 가정은 데이터가 동질적이라는 가정과 동일하다.
그리고 이 가정은 통계 기법의 비밀스러운 토대이다.
데이터가 동질적인 한 통계 기법은 알려진 대로 작동한다.

그러나 데이터가 동질적이지 않으면 통계적 카드는 무너진다.
기술 통계는 더 이상 설명할 수 없으며, 프로세스 매개변수는 더 이상 일정하지 않다.
결과적으로 통계적 추론이 잘못되었다.
아무리 정교하더라도 어떤 계산도 동질성 부족으로 인해 발생하는 문제를 극복할 수 없다.
데이터 분석의 비밀은 데이터가 동질성이 거의 없다는 것이다.

실제 데이터는 확률 모델에 의해 생성되지 않는다.
시간이 지남에 따라 혼란과 변화를 겪을 수 있는 작업방식 및 프로세스에 의해 생성된다.
이러한 데이터를 분석할 때 단순히 데이터가 동질적이라고 가정하고
통계적 카드 집을 구축하는 것은 좋지 않다.
오히려 데이터가 비동질적일 때 우리가 조사해야 할 것은 동질성 부족 그 자체 이다.
왜냐하면 아리스토텔레스가 우리에게 가르쳤듯이
우리 과정에서 혼란과 변화의 원인을 이해하는 열쇠는 동질성의 부족이기 때문이다.

프로세스에 영향을 미치는 요소에 대한 통찰력을 얻기 위한 연구에서
최상의 분석은 항상 필요한 통찰력을 제공하는 가장 간단한 분석이 될 것이다.
프로세스가 변경되면 프로세스 매개변수를 추정할 필요도 없고 가설을 테스트할 필요도 없다.
프로세스 변경이 언제 발생 하는지 알아야 프로세스를 최대한 활용하지 못하게 하는
지정 가능한 원인을 발견할 수 있다.

이를 위해 프로세스 동작 차트의 강력함과 단순성을 능가할 수 없다.
데이터에 동질성이 부족한 경우 차트를 통해 프로세스에 영향을 미치는
할당 가능한 원인에 대해 알아볼 수 있다.
데이터가 동종인 경우 차트를 사용하면 데이터가 단일 모집단에서 나온 것처럼
데이터 분석을 진행할 수 있다.
이것이 동질성 문제를 해결하기 위해 프로세스 동작 차트를 사용하여 시작하지 않는
데이터 분석 시도에 결함이 있는 이유이다.

도널드 J. 휠러 글 중에서