पेरेटो चार्ट Villefredo Pareto के शोध पर आधारित है। उन्होंने पाया कि उनके द्वारा शोध किए गए इतालवी शहरों की लगभग 80 प्रतिशत संपत्ति केवल 20 प्रतिशत परिवारों के पास थी। पेरेटो सिद्धांत को अन्य क्षेत्रों में लागू किया गया है, अर्थशास्त्र से लेकर गुणवत्ता नियंत्रण तक। परेटो चार्ट में हालांकि कई नुकसान हैं।
बनाने में आसान लेकिन समस्या निवारण में मुश्किल
पेरेटो सिद्धांत के आधार पर, किसी भी प्रक्रिया में सुधार उन 20 प्रतिशत मुद्दों पर ध्यान केंद्रित करना चाहिए जो अधिकांश समस्याओं का कारण बनते हैं ताकि सबसे अधिक प्रभाव पड़े। हालांकि, पेरेटो चार्ट का एक नुकसान यह है कि वे मूल कारणों पर कोई अंतर्दृष्टि प्रदान नहीं करते हैं। उदाहरण के लिए, एक पेरेटो चार्ट प्रदर्शित करेगा कि सभी समस्याओं का आधा हिस्सा शिपिंग और प्राप्त करने में होता है। असफलता मोड प्रभाव विश्लेषण, सांख्यिकीय प्रक्रिया नियंत्रण चार्ट, रन चार्ट और कारण-और-प्रभाव चार्ट को सबसे बुनियादी कारणों को निर्धारित करने की आवश्यकता होती है जो पेरेटो चार्ट द्वारा पहचाने गए प्रमुख मुद्दे हैं।
एकाधिक पारेटो चार्ट की आवश्यकता हो सकती है
पेरेटो चार्ट दिखा सकते हैं कि प्रमुख समस्याएं कहां हो रही हैं। हालाँकि, एक चार्ट पर्याप्त नहीं हो सकता है। अपने स्रोत की त्रुटियों के कारण का पता लगाने के लिए, पारेतो चार्ट के निम्न स्तर की आवश्यकता हो सकती है। यदि शिपिंग और प्राप्त करने में गलतियाँ हो रही हैं, तो यह दर्शाने के लिए आगे के विश्लेषण और अधिक चार्ट की आवश्यकता है कि ऑर्डर-टेकिंग या लेबल-प्रिंटिंग में सबसे बड़ा योगदानकर्ता है। पेरेटो चार्ट का एक और नुकसान यह है कि जितना अधिक बारीक विवरण के साथ बनाया जाता है, एक दूसरे की तुलना में इन कारणों की दृष्टि खोना भी संभव है। पेरेटो विश्लेषण में मूल पेरेटो चार्ट से दो से तीन परतों के नीचे मूल कारणों का शीर्ष 20 प्रतिशत भी एक दूसरे की तुलना में होना चाहिए ताकि लक्षित फिक्स पर सबसे अधिक प्रभाव पड़े।
गुणात्मक डेटा बनाम मात्रात्मक डेटा
पेरेटो चार्ट केवल गुणात्मक डेटा दिखा सकते हैं जिन्हें देखा जा सकता है। यह केवल एक विशेषता या माप की आवृत्ति को दर्शाता है। पेरेटो चार्ट बनाने का एक नुकसान यह है कि उनका उपयोग समय के साथ डेटा की औसत, इसकी परिवर्तनशीलता या मापी गई विशेषता में गणना करने के लिए नहीं किया जा सकता है। इसका उपयोग माध्य की गणना करने के लिए नहीं किया जा सकता है, एक नमूने से एकत्र किए गए डेटा का अनुवाद करने और वास्तविक दुनिया की आबादी की स्थिति का अनुमान लगाने के लिए आवश्यक मानक विचलन या अन्य आंकड़े। मात्रात्मक डेटा और उस डेटा से गणना किए गए आँकड़ों के बिना, मूल्यों का गणितीय रूप से परीक्षण करना संभव नहीं है। गुणात्मक आँकड़ों की आवश्यकता है कि क्या कोई प्रक्रिया विनिर्देश सीमा के भीतर रह सकती है या नहीं। जबकि पेरेटो चार्ट दिखा सकता है कि कौन सी समस्या सबसे बड़ी है, इसका उपयोग यह गणना करने के लिए नहीं किया जा सकता है कि समस्या कितनी खराब है या कितनी दूर तक बदलाव एक प्रक्रिया को विनिर्देश में वापस लाएगा।