Python 是工具，六西格瑪是理念。
Python是可以應用於資料科學和分析方面的，也是一種高階程式語言，內建資料結構。
六西格瑪是一種嚴格集中的改善流程管理質量的工具，它的形成綜合了很多先進的管理理念，並以其完美的商業追求促進質量成本最大限度的降低，以最終實現六西格瑪的質量水平，提升財務狀況，並真正增強企業的競爭力為目的。
如果你已經是六西格瑪綠帶或黑帶，你可能對六西格瑪中使用的各種分析方法很熟悉，如描述性統計、假設檢驗方法、圖形方法，如箱形圖、控制圖等。
在傳統的六西格瑪綠帶或黑帶培訓專案中，Excel、Minitab或JMP將被用於執行各種分析。
這些工具通常是選單驅動的，因此不需要任何程式設計技巧來執行分析。
另一方面，如果看一下資料科學的發展，它是非常誘人的。資料科學和分析的主要目標是利用資料進行決策。因此，精益六西格瑪和資料科學之間有著緊密的聯絡。
在資料科學中，有許多工具在使用，但Python和R是非常流行的。 你或者會發現，根據KDNuggets，MS Excel仍然是分析學的常用工具之一。其中，Python的受歡迎程度和應用領域正在大幅增加。
因此，對於經過認證的精益六西格瑪綠帶或黑帶或有志之士來說，如何在Python中進行所有六西格瑪分析的知識不僅是邁向資料科學的合理第一步，而且也是對簡歷或履歷的寶貴補充技能。
雖然資料科學中有許多先進的方法和演算法，但所有這些方法和演算法的基礎是資料預處理、描述性統計、假設測試，這構成了EDA（探索性資料分析）的一部分。
以下是精益六西格瑪的分析可以在Python中非常容易地進行。
- 描述性統計
- 柱狀圖、分佈曲線、置信度
- 波譜圖
- 樹幹和葉子圖
- 散點圖
- 多重線性迴歸
- 方差分析
- T檢驗
- 比例測試
- 卡方檢驗
- SPC（控制圖 - mR、XbarR、XbarS、NP、P、C、U圖）
如果你沒有任何程式設計背景，不要擔心，學習在Python中進行上述分析並不十分困難。你需要了解初步和基本的編碼規範，如資料結構、語法等，之後透過在Python中選擇合適的包，你就可以進行必要的分析。
當然六西格瑪與python的結合並不是必須的，但對某些職業人士，例如本身是IT程式人員或IT專案管理者，他們善於使用程式語言的話，能把Python和六西格瑪兩者同時使用相信會是豈不令人更刮目相看？
