外科医生接受“专家医生”的建议，这些“专家医生”对于某一种手术或在特定的诊断领域非常专业。

以上变化对质量领域有何影响？一个明显的趋势是一项新的相关工作岗位的出现：数据科学家。数据科学家采用数据管理工具和软件，通过使用预测分析方法来探索大型在线数据库中测量结果（通常在云中储存）的相似处。 这些评价可以支持基于预测结果的组织决策，这种预测结果为未来提供洞察力而不是可能性。很明显，技术能够促进统计思维的广泛应用。

但是，这种技术获取方式的转变对质量领域意味着什么呢？一般来说，学术研究是工业工程和统计新方法的主要来源。 而现在，这些领域的课程包括系统思维和数据科学，分别适用于工业工程和统计专业的学生。有时，这些领域被确定为独立的研究学科。

越来越多的组织需要将他们的数据分析资源划分为两种：发展战略洞察力和市场定位（数据科学）以及管理日常工作（质量）。这一安排挑战了对质量管理价值的认识，并提出了关于“小数据分析”重要性的问题，这种“小数据分析”关注于实时、基于数据的问题原因调查，并确保通过一个稳定的过程来产生一致性的质量。

这个日常管理系统中的许多控制机制可以通过机器人技术或其他使用传感器系统、数据监视器或遥测的自动化来实现，这些系统由人工智能系统来提供支持，而人工智能系统则通过一个对改变生产系统设置的适应反馈机制来提供相应的纠正措施信号。

质量的演变

为什么我们仍然需要质量专业人员？质量专业是否因为技术可以取代一些质量功能而被认为不重要啦？我们能做些什么来改变这种观念，并在接下来的20年里重塑我们的专业形象？我们如何才能让决策者相信自动化的小数据分析并不能取代质量专业人员和大数据？

约瑟夫·朱兰在其题为《最后一句话》的重要讲话中说到：21世纪将是“质量的世纪”。我们必须采取行动确保朱兰的预言成为现实。

首先，让我们阐明质量专业人员如何思考和工作的根源。我们通过对工业和质量的历史进行比较，以了解我们所遵循的原则、方法和工具是如何随着时间的推移而逐步成熟起来的。“质量4.0”将被证明是与“工业4.0”相匹配的配套产物。正如在前几个发展时期出现的情况一样，工业进步与质量发展之间是一种相互作用的关系，而这种相互作用关系则通过采用一致性方法来推动社会的诸多变化（简要说明见下表）。