1、精益六西格玛方法论与企业文化的结合；
2、改善活动与企业战略方向的结合；
3、改善部门在企业组织架构中的定位；
4、针对不同背景员工的培训体验；
5、改善文化氛围的建立；
6、以及不同行业数理统计工具使用的区别。
我们正处在在外部环境瞬息万变的时代，每天都会诞生如苹果、特斯拉这种颠覆性创新的企业，不仅行业内企业之间的竞争越来越激烈，跨界竞争也愈演愈烈。一个曾经如日中天的企业有可能在下一刻轰然倒下；当前处于市场行业支配地位的企业，也许很快就会变成明日黄花。在这样的时代，如何在满足客户需求的前提下，不断适应新的挑战，实现企业生存与发展，变成了企业掌舵人需要考虑的头等大事。
精益六西格玛管理的理论体系，在经历了几十年的实践和扩充之后，包含的内容已经越来越广。从最早的改善六西格玛专注于现有流程改善；到设计六西格玛把六西格玛思想推广到前端或研发端，强调一开始就做对，不光是流程设计，包括产品/服务的可靠性设计，都要尽可能一开始就从客户需求出发（因为越晚发现问题的存在，修复起来的成本是以指数为数量级增加的）；再到创新六西格玛促使企业拥有自己的产品演化战略并不断创新（仅仅局限于设计以及改善，都没有办法保证企业立于不败之地）；最后，不仅要专注于日常的改善活动，企业还要有正确的发展战略，进行有效的策略管理，确保改善是帮助企业在正确的道路上开疆扩土，而不是在错误的方向上渐行渐远。
简单来说，这套久经考验的方法论经历了从追求零缺陷的“精益六西格玛质量改善方法论”，到可以解决各种问题的“问题解决方法论”，再到现在谈得更多的“战略计划和执行方法论”。越来越像是帮助企业解决生存和发展问题的方法论，而不是简单的流程改善。精益六西格玛方法论与其他管理工具（如项目管理工具，创新工具，战略规划工具）之间的界限已经越来越不明显，而是整合到一起变成了一揽子帮企业排忧解难，提升竞争力的解决方案。这样的一套解决方案，从理论上适用于所有类型的行业和企业，甚至可以帮助我们指点生活的点点滴滴，形成独特的人生观和价值观。但是，在实际操作中，还是要学会灵活应用，因地制宜。在经历了从制造业到服务业转型的种种困难并小有心得之后，下面粗浅的谈一些经验，希望能引起更多的思考和共鸣。
一、 方法论如果要想在企业有效执行，一定要与企业现有情况密切结合
很多企业，并不是从创业之初就推行六西格玛，而且在不断发展过程中，已经形成了自己赖以生存的企业文化之后再推行。精益六西格码方法，不管是做项目各个阶段的叫法，角色的命名，培训的天数和内容，都有一套已经成熟的来源于摩托罗拉和GE的标准模式。尽管方法非常好，每个企业也毋庸置疑地需要通过好的管理方法来使得自己提升竞争力，但是如果想要六西格玛在一家企业落地生根，还要根据该企业的实际情况与企业的业务类型，员工背景、管理风格、绩效评估方式以及企业价值观进行有效的融合。具体来说：
（一）、 与公司业务类型相结合
为了实现和不同企业或同一个企业内部不同的业务的对接，在传统的DMAIC步骤的基础上，应该还在Define之前引入“Recognize”阶段，这个阶段帮助把这套理论与你要服务的业务向结合。虽然，不管在什么样的企业，方法论的本质都不会发生改变。然而，识别改善项目的方法却因业务不同而大相径庭。主要因素有：服务业和制造业的不同；高产能流程和低产能流程的不同；追求硬性成本节约，软性客户体验提升还是安全方面的改善的不同；商业，政府和军队类客户可能也有不同。因此，公司和业务部门的领导找到一套有效的能和公司战略目标结合的改善机会识别的方法对于精益六西格玛的成功非常关键。比如，在客户服务部门，与客户直接相关的业务流程属于高产能流程，平均每天都要执行成千上万次；但是有些支持流程，如某些特殊产品的退换货流程，不仅需要跨部门合作，还会低产能流程，发生频次并不高；同样是服务客户的流程，有些改善关注提高效率，有些则关注服务质量提升；此外，一些由行政部门发起的项目，其主要目的是提高信息安全性；所以看起来并不是所有的项目都能像传统的改善项目一样，直接和硬性成本节约相结合，有些是没有办法直接联系到财务指标的。
（二）、与员工背景相结合
有些企业，尤其是制造业，员工普遍为理工科背景，对于数理统计等工具的接受度会好一些；但是对于服务业的员工，员工的教育背景更为庞杂，什么样的学科毕业的员工都有，而且水平层次不齐，接受起来就会比较困难，需要循序渐进。此外，服务业本身用到传统六西格玛里面的数理统计工具要少一些，类别型数据分析，价值流分析，流程优化与再造会多一些。因此，不管是改善机制的建立，还是课程设计和项目辅导都要因地制宜，因企业而异。
（三）、与管理风格相结合
有些企业的管理风格属于自上而下的，在还没有看到改善项目的成果之前，最高管理者就会走在前面，摇旗呐喊，要求各部门给予充分的配合，甚至强制性设置项目指标；但是有些管理者则以结果为导向，并不喜欢摇旗呐喊，而是需要改善部门自己与各部门协调，设计出大家都认为切实有效的项目运作机制，并在取得一定成绩后才予以全面支持；精益六西格玛的推行，一定要与管理层的意愿达成一致，得到中高层管理者的一致支持，才能事半功倍，否则在推行过程中，会产生大量的内耗，而且效果不佳。比较常见的障碍是，并不是从上到下每个层级的管理者都能意识到持续改善对于企业生存和部门运营的重要性，而是只看重个人的一亩三分地，希望下属的人员越多越好，觉得人越多越好办事儿，这本身与精益理念里面提倡的持续优化是相矛盾的，因此大型的变革一定是自上而下的，最好跟各团队的年度绩效绑定在一起。
Minitab公司曾经在全美境内对约200个处于不同级别的改善项目的参与者进行过调查，让他们从39个关键要素中进行投票，结果显示影响项目成败最终要的前三个因素为项目选择，管理层支持和方法论的执行，占约80%的票数。其中前两项其实都是跟管理者支持力度有非常大的关系，因为与公司业务结合的项目选择也主要是管理者参与，这两项就占到了55%的重要性。
（四）、与绩效评估相结合
改善部门作为支持部门，改善方法论所强调的价值观，与员工绩效的结合直接决定了员工是否有积极性。经过对比几个企业的使命、愿景或领导力准则发现，基本上企业常见的价值观跟精益六西格玛所强调的价值观虽然用词不同，但是总体精神上是相互吻合的，比如：客户至上，崇尚行动，主人翁精神，创新，用数据和事实说话等等。因此，可以将企业现有价值观和精益六西格玛方法论进行有机结合，员工在项目改善后所表现出来的能力，要么直接和绩效结合，要么有助于员工绩效评估。这样才能更好的在企业内部推广全员改善文化。
以作者所在的企业为例，企业创始人贝佐斯倡导的14项领导力准则，虽然分企业遍布全球，但是企业文化的推广非常深入人心，每个办公室的墙面上，每一份文档的开头，每一个员工的绩效评估都跟这套方法紧密结合。因此改善部门在进行方法论和内部认证推广的时候，有效的结合这些领导力准则，告知员工在完成项目和认证之后，哪些方面的能力在绩效考核中可以进行实例参考，从而激发了员工的积极性，有利于改善项目的顺利推广。
二、 日常改善项目，只有与企业战略相结合，才会给公司带来收益
通常，改善项目的来源通常分为两种：或者是自下而上，由员工提出；或者是自上而下，由领导分配。自下而上改善项目的好处是具备及时性，可以及时解决当前发生的问题，而且可以充分运用每一个员工的能动性，积少成多，虽然单个项目的影响都很小，甚至很难计算收益，但是累积起来对于企业有相当可观的贡献；但是，员工自发的项目很难结构性地提前部署，缺乏系统性以及前瞻性。为了实现每年的营运目标，应该做哪些改善项目，应该年初自上而下地从团队目标进行分解，直接授权给一些经验丰富的项目负责人进行推进。这两个方面对公司改善文化的建立都非常重要。
更进一步，在自上而下的分解项目之前，企业有正确的战略方向也无比重要，为了解决当前获利和未来成长的两手悖论，企业需要有双运营系统，一方面要维持现有业务能够不断的改善，满足客户需求，保持竞争力；另一方面，也要放眼未来5-10年，提前部署，而在新业务部署过程中，也一样可以用到精益六西格玛的工具，比如策略规划和实施，创新思维，DFSS设计六西格玛，D-FMEA和P-FMEA（产品设计和流程设计风险评估），流程成熟度监测等。在运作的比较好的企业中，精益六西格玛的方法论甚至可以变成整个企业的工作方式。
双运营系统在不同的企业中有不同的称呼，但是实质上都是殊途同归；观察不同的优秀企业可以发现，他们在这方面都有完善的体系。以亚马逊为例，每年企业高层都要聚集在一起讨论来研究未来几年的发展方向。一方面，企业除了维持现有运营之外，总会有两个团队走在研发未来的前沿，进行新产品和新服务的设计；另一方面，企业有非常好的氛围鼓励所有疯狂的点子，只要员工有很好的创意，都可以提出来获得企业在资源方面的支持实现内部创业。不得不说该机制的存在确实可以在企业内部鼓励创新，帮助企业不断进步，同事激发员工的创造性和积极性。比较有名且广为人知的创新的例子有：kindle电子书的发明和AWS云计算业务的诞生。这两个业务的诞生都得益于亚马逊不止看到眼前的获利，而是一切以客户的需求为出发，放眼未来。因为kindle电子的书的发明，在当时看来，对于卖纸质书起家的亚马逊来说，本身就是在自己革自己的命，但是正如杰夫·贝索斯在每年的致股东信中强调的，亚马逊要做一下长期（long term）的公司，公司的战略本身就是放眼未来，而非只是活在当下。那么公司如何把这样的理念贯彻到每一个部门呢，举一个范围更小的例子，比如目前亚马逊全球的客服中心都存在一种一线员工可以在家处理电话运营模型，这样可以提供给员工更多的便利，也给业务带来更加灵活的成本架构，这个点子就是客服部门的员工在员工大会上脑洞打开的提议，并被公司通过技术手段实现的。更小一点的例子，每天客户看到的界面上都多达十几处在做A/B测试，员工提出的来的哪怕是页面的微小改善，都可以通过测试来捕捉用户的反应，从而根据哪种方式对客户更好进行改变，通过试错而不是否定来对待一些改善的点子。
三、 改善部门相对于运营，是支持部门，如何管理利益相关人至关重要
在跟同行交流的过程中，无数次听到改善部门的职位不好做，因为改善部门不直接创造价值，只是协助别人做改善，这一点在本人的工作实践中也深有感受。改善部门的领导者往往和其他运营部门的领导者平级，企业往往会通过完成的项目数量和财务收益来衡量改善部门的绩效，在这种激励机制下，很容易形成改善部门和运营部门之间抢功劳的局面，如果部分运营部门的管理者不支持改善项目，改善部门的位置会很尴尬，改善项目的推进也会遇到重重阻力；而且部门之间会因为这个项目到底算不算改善项目而争执。前面提到过，现在几乎企业遇到的所有问题——不管是创新项目，设计项目，流程再造项目，流程改善项目，还是快速改善，都可以在这套理论体系中找到解决方案。而实际上，企业管理者不会在意这个业绩是谁做的，只要能达成最终目标就行。
基于上述考量，较为理想的状态是：管理者授权改善部门帮忙统筹和管理所有的从上而下以及从下而上的项目，改善部门培训相应的方法论给项目负责人，颁发奖励和证书以及项目的跟踪和管理。在这个过程中，改善人员一定要学会把展现成绩的机会留给项目的实际负责人和部门领导，这样才会获得长期的支持和合作机会。至于改善部门自身绩效的衡量，应当从如下角度思考：如果每一个部门都在用改善部门提出的方法论和机制来运作项目，那么就是改善部门最大的功绩。尤其是对于后期导入持续改善方法论的企业，改善部门自身的定位是这套方法论在企业中是否可以长期存在的关键因素。
四、员工培训，不需要墨守成规，要根据实际情况循序渐进，潜移默化
早期使用精益六西格玛工具的主要是工厂、电子企业，员工背景大部分是理工科背景，而且工作中常用的图表和员工的思维模式和精益六西格玛也是比较贴近的。随着六西格玛理论被逐渐推广到各行各业，需要被培训和指导的人有些是文学艺术类专业，有些是销售人员，有些是经常和客户打交道的，工作没有固定死板流程的人员。给这些人培训，如果不想引起员工抵触情绪并且易于被员工理解和接受，就需要经过深思熟虑。建议做到以下几点：
1）尽可能把培训的案例切换成与本行业相关的案例。
所有岗位，不管是否写在纸面上，都有其业务必要流程，只要有流程作为参考，就很容易把改善方法论与该行业进行适配。下面是几个工具的使用案例，即可以有制造业的案例，也可以是服务业的案例。
下图为SIPOC，上边是物流中心，类似制造业；下边是客服中心的，类似服务业：
另外一个服务业的数据收集示意图案例：
2）要把参与改善项目与个人发展相结合。
让员工感觉到改善不光是为企业省钱，为客户解决问题，而是实现企业，客户，自身的三赢局面。大部分有进取心的员工通常还是更看重在个人能力的提升，如果他们能在培训和项目实践过程中，不断提升自身能力，那么员工的积极性就不是问题；
3) 培训时长需要根据行业特点进行灵活调整。
在传统制造业的改善项目培训中，往往采用第一批黑带直接20天，绿带10天的模式。而在竞争激烈、工作节奏快的互联网行业，员工基本是一个萝卜一个坑，长时间高难度的培训已经不适合，需要把培训内容按照难度横向打散成不同的难度级别，每个难度都能把方法论讲完整，但是难度要循序渐进。比如按照难度不同可以将培训内容分为四个级别：半天的基本知识普及，主要培养员工发现和升级问题的能力；一天的方法论培训只讲基本思路和管理类工具，主要培养员工独立领导内部团队，解决简单问题的能力；然后三天的升级培训介绍更深入的管理类工具和数据图形化分析工具，帮助员工开始使用数据并领导一些较大范围的项目，其中图形分析理解起来要比统计推断分析更容易，适于大部分员工理解和使用；第四个级别的培训可以进一步针对资质比较好，管理者期望继续培养的员工提供更深入的数理统计培训，这个级别的培养通常是为了培养下一任导师和培训师而设置。除了培训内容的设置，对于工作节奏非常快的互联网企业，开发在线培训也是一个不错的思路。这样员工可以根据自己的时间和节奏灵活的安排培训，而且对于跨过公司来讲，还可以通过这种方式保持全球范围内培训资料的标准化。因此，不光是培训内容和时长，培训形式的创新也可以在不同行业有不同的常识。
下面为经过实践，在服务业比较适合的培训/认证级别，时长和培训内容。
五、好的意愿不起作用，好的机制才有效，让一线员工参与不是你说说就会有人去做
在企业推行精益六西格玛的过程当中，遇到另一个很大的困难是，流程很完善，模板很漂亮，规则很清晰，但是没有人使用和执行。我很欣赏亚马逊创始人杰夫·贝索斯的一句话：“好的意愿不起作用，好的机制才有用”，这点类似DMAIC里面的Control阶段，只不过用词更加直观。他认为机制包括三个方面的内容：好的解决方案，好的执行，再加上检验机制。
亚马逊在04年引入这一理念，而且聘请了在这方面非常有经验的Lean专家，Marc Onetto，来做运营副总裁，他曾任GE医疗集团运营负责人。同时在所有的涉及一线运营的部门(包括库房，客服，配送，风控等)都配备了改善经理和改善推广专员以及数据分析师的岗位，来收集一线员工反馈，帮助一线员工完成改善，改善部门已经成为组织架构的一部分，变成了一种长效机制，而不是只有在企业领导想要推广六西格玛的时候才专门设立的临时性部门。
另外一个非常典型事例：有一次，企业高层到客服中心进行Gemba Walk，有一个一线员工反映同一个物品的退换货已经发生了多次，贝索斯反思，为什么我们明明已经知道这个产品有问题，还要反复发货给客户，反复发生退换货，导致客户不满意和各种运用成本的的浪费，为什么我们不像丰田公司一样在客服中心使用类似Andon的方法，如果一线员工发现这个产品有问题，在满足一定条件的情况下，可以操作一键下架的动作，等到前端的各个部门调查之后确定产品没问题再重新上架。随后亚马逊就正式启动了这一流程，让人难以想象的是，通常被认为是很边缘的一线客服人员，拥有把零售团队畅销产品一键下架的莫大权利，而且为了使得这一机制完善，设立了专门的人员分析下架的产品，有完整的后续处理和追踪流程，而且有相应的指标来衡量这一流程的有效性，且这一指标会在管理会议上和其他指标一样被管理层检视（摘自：Mckinsey Quarterly Feb of 2014 - When Toyota met e-commerce: Lean at Amazon by Marc Onetto）。
从上述事例中可以看出，好的解决方案不光要有好的方法工具，还要有切实的手段保证能长期有效的实施，甚至需要在组织架构上实现变革。这个例子也从另一个角度说明了，丰田的方法不止在制造业有效，转换思路就可以用在各种行业。
只有通过这些落实的机制，才能保证企业创建真正的卓越文化。改善机制也是一样，他不光是一个口号，必须落到实处，要有切实可行的组织架构和指标监控体系结合。在不同企业中应用这些方法，并不是照猫画虎，而是要切实和自身的DNA相融合。
六、数理统计方法没有任何行业限制，只要能转化成数字，对计算机来说都一样
刚进入亚马逊时，被很多人质疑，“这套方法论只在传统制造业有效，在这里根本不实用，用不上”，通过作者近两年的实践，证明上述质疑完全是错误的。服务业和制造业对数理统计工具的应用，原理上是相同的，差异仅仅是具体数学方法以及数学模型上的差别。比如：
1）服务业离散数据比较多，制造业连续数据比较多，可能T假设检验和普通回归分析在服务业中就会使用的少一些，因为服务业以分类数据为主，但是还可以用卡方独立性建议或者逻辑回归。数理统计的方法从一开始就按照数据类型给出了不同的解决方案，因此一定可以找到合适的方法。
2）服务业最容易衡量的连续数据是时间，我们通常讲解的工具都是假设连续数据正态，而时间又偏偏不正态，但是不正态也没关系，因为有中心极限定理在，很多情况下都可以近似正态来处理，这样的话控制图就可以自由使用，对于不正态数据的假设检验可以用中位数检验来做，或者还可以用非正态分布的模型去拟合。再不济，得益于互联网服务的大数据，可以用非参数的方法去分析。无非就是以前在制造业不常用的方法在服务业变得更加常用而已。下图为服务业某个时间指标的图形化汇总，通常都是长长的右拖尾。
3）服务业往往会出现非独立数据，还会存在各种周期性数据，非独立数据和周期性数据还可以用时间序列的方法来分析。作者在参加MBB培训时，咨询公司提供的案例里面绝大部分都是来自服务业，作者私下猜测可能是因为美国前些年制造业都已经发生转移，美国国内现存的行业大部分都是服务业，所以使用这些工具的自然也就是服务业。这些案例可以非常好的反击上面的质疑言论。业务流程是所有行业，所有部门都有的，有流程就会有关键输入和输出，输入和输出只要可以量化测量就可以变成数据或数字，只要有数据就可以按照数据类型，数据分布找出合适的数据统计方法来帮助解决问题。系统中有的数据都可以拿来直接用，系统中没有的数据一样可以通过传统数据抽样的方式来收集。
给服务业的人做讲解，只要停留在图形层面就可以做很好的入门普及，因为统计工具对他们来说很难听懂，容易望而却步。下面是常用的图形总结，基本上可以解决绝大部分项目的问题。当然，并不是说，有了图形就不做统计验证，而是告诉项目人按照连续数据至少30，离散数据至少100的样本量收集完之后，员工只需要能做图和以这种直观易懂的方式汇报给老板。统计检验可以由有经验的改善团队的成员协助完成，并添加到报告当中（假设检验结果不显著，可以再增加样本量）。
单个Y图形化分析常用图标如下：
此外，在拥有海量数据的互联网企业，获取数据已经不像传统行业那么简单，需要拥有数据库专业背景的Business Intelligence（BI）和Business Analyst（BA）来完成。因此，在任何改善大会当中，相对于传统的改善组织架构，互联网和大数据类的企业通常会多一个数据分析师的角色。在这种企业，如果数据库中有的数据，通常可以拿到一段时间的全样本数据，而不需要抽样；如果数据库中没有的话，才需要人工抽样收集。拿到几乎全部数据，对于做决策是非常好的，但是同时要注意脏数据的剔除。
综上所述，就是不管是在服务业，制造业还是政府机关，这些优秀的方法论都是一样有效。但是如何真正发挥它的效率，需要因地制宜的来使用。
该文分6篇首发在“精益教练”服务号，经过作者授权，现全文发送。
联系客服
