【流程】跑遍银行去销户,服务流程大不同

上次借由一次快递,写了一篇关于顺丰如何优化「揽件」的流程(【案例】寄顺丰快递,说流程优化),大家可以看到流程优化对于业务效率提升的巨大作用。这次我想借由自己注销银行卡的经历,分享一下各银行销户的服务流程。 缘起 从上大学开始申请第一张银行卡至今,我都不知道总共申请了多少,典型的卡奴一族了;因为某些缘故,我就想彻底清理一下沉睡的银行卡,因此分阶段地跑银行办理了销户业务,这些银行分别是: 中国银行(无卡销户)、工商银行、华夏银行、农业银行(无卡)、储蓄银行、招商银行、民生银行(信用卡)。 作为一个重视顾客体验的零售人,我在每家银行的感受大相径庭,有让人欣喜的,有办理不了的,也前后耗费一个多小时的;表面上的顾客体验,背后反映出来的是业务的流程质量。 不论是否用业务流程来描述和定义,业务流天然存在,所有业务部门都工作在业务流或者支撑业务流的支撑活动中。 流程是对业务流的一种表现方式,是优秀作业实践的总结和固化,目的是为了不同团队执行流程时获得成功的可复制性。 ——华为轮值CEO徐直军 既然自己如今在做流程优化项目,不妨就以神秘顾客兼流程顾问的身份,对这些银行的流程作出评价,并提出自己的一点点建议。 经历 在所有的银行业务中,按照我的体验做一个体验排序,我想应该是这样的: 招商银行(best)——农业银行(good好)——工商银行/华夏银行(中立)——中国银行(worse负面)——储蓄银行(worst极度负面) 我简单说一下几个银行的特点,一览如下: 招商银行:办理时间快,无卡销户无需补卡,手续简单,服务态度好; 农业银行:办理时间快,无卡销户无需补卡,签单子少;营业员业务能力有空间; 中国银行:办理时间漫长,无卡忘记密码销户,需要先挂失,等七天,再销户剪卡,填写大量的确认单,还是A4大纸;补办的卡片没摸一下呢,就剪掉了,绝对的浪费; 储蓄银行:无卡销户,但在同城另一个营业厅办理的卡片,竟然需要到开户区的营业厅办理,因为时间问题至今未办理;特别负面。   流程化的认识 优秀的流程应该兼容多种条件,从而减少流程的复杂化;比如无卡销户VS持卡销户、忘记密码VS记得密码、关联存折或副卡VS无关联存折或副卡、有余额VS无余额、有关联业务如基金或第三方存管VS无关联业务,如此等等。 也就是说,优秀的业务流程能够考虑多种业务可能,不断地总结最优实践,从而在顾客服务中作出快速的判断,流程快捷而不失安全。 1、关键业务问题(CBI),销户过程中,要验证流程中所能想到的各种情形,并作出针对性的处理;比如有基金账户,第三方存管等。 2、关键成功因素(CSF),既然存在多种情形,关键的成功要素就在于对各种情况的组合处理,聚焦重点,而不能因为补卡等对流程无意的工作影响了流程效率和顾客体验。 可以说,银行销户流程的的关键业务问题和关键成功因素,都是对顾客销户条件的持续判断,从而根据流程路径选择最终的业务操作;越是条件复杂,流程优化就越有价值和意义,对于银行和顾客均是如此。 考虑到上述的条件,我们不妨简要地用流程图展示如下: 在这个流程图中,我们呈现了身份验证、(多次)密码验证、关联卡确认、第三方业务确认、挂失申请等主要的流程节点,而没有体现 补卡、余额转移、年费收取等环节。真实的业务流程如果要展开,流程节点应该会翻两倍,增加多处密码验证、多处咨询、多处回执确认等步骤。   本例中流程优化的要点 标准的流程优化过程应该从IS流程图中发现影响流程绩效的“断点”,然后在优化过程中形成SHOULD流程图。鉴于不同的银行实际上在执行不同的IS流程步骤,比如中国银行的补卡等,而我其实仅仅从顾客的角度体验了一二,难以作出标准的IS流程图,在此,我想从顾客体验的角度,修正实际业务中的流程断点,从而作出必要的流程调整。 1、严格地防错机制,强化安全流程 在流程优化过程中,可能会存在很多没有增值意义的环节,比如反复的密码验证和身份验证,多个环节的主管确认等等,这是高度的安全需求引发的反复验证。行业的特征要求银行的出错率要求要比快递企业低几个量级;因为银行即使百万分之一的出错概率,就意味着全年有大量的诉讼,需要大量的人工二次验证甚至赔偿。 在这个问题上,银行的问题并非太少,也并非太多,我们还不能贸然去减少安全核查的环节。 2、减少不必要的环节 在中国银行的销卡过程中,存在非常明显的流程浪费:补卡。我的两张卡都是大学期间缴学费的学生卡,同时关联了存折。在招商银行都实现了无卡取款的今天,中国银行却要用7天的时间为我补卡两张卡,两张存折,然后在我看到它们的时候,再在我面前用剪刀剪掉,还非常礼貌地告诉我,“那您看着,我帮您把卡剪掉作废”。 比较而言,招商银行、农业银行等多个银行都可以在无卡的情况下实现销卡业务,节省的可不只是七天的时间,还有卡片的费用(虽然我交了40元补卡费“购买”了两张卡两本存折),最重要的,还有我对这家银行顾客服务的损失。 3、合并非关键必要环节 在实际销卡过程中,中国银行签署的单据最多,很多都是A4大的确认,其实并无多大用处,但有是必要的环节,拿不妨把简单的信息确认、回执等合并在一起;甚至,随着互联网的发展,很多单价可以直接以电子回执的方式,而不是纸质的方式给顾客确认。 在发票都在电子化的今天,银行的业务流程显然有些僵化不堪了。 PS批评一下「储蓄银行」 差点忘了批评一下储蓄银行,我大学期间在学校门口营业厅办理的储蓄卡,竟然在同一个城市另一个区不能办理销户? 我当时问了一句,“你们真的是同一家银行吗?” 结果营业员微笑一下回答说,“对不起,我们的系统这样子,还请你去开户的营业厅办理销户。” 再见,十年之后,再无储蓄。   结语 流程是一门工具,一种语言,也是一种思考方式;在跟随王翔老师学习之后,我犹同腰间别了几把钥匙,在寄快递、办理银行业务时,甚至在点外卖时,我都可以据此思考运营的艺术。 流程是一种思考方式,不妨读一下我前几日的总结篇,【流程】流程化组织——契约精神和工具理性,在很多中小企业,特别是家族企业,流程代表的是西方的契约精神和工具理性,我们却往往把它作为一把刀,乱捅一番,然后言曰,“果然无意,断然弃之”。   By David.Wu 2017/9/18 关联文章: 【流程】流程化组织——契约精神和工具理性 【案例】寄顺丰快递,说流程优化Continue reading “【流程】跑遍银行去销户,服务流程大不同”

【数据】好书慢读《深入浅出数据分析》(下)

今天继续为大家分享《深入浅出数据分析》by Michael Milton,适合数据分析的入门者。 全书共计13个章节,尤以前六章为要,对于数据分析的思路入门大有好处,后面几章侧重于工具,建议结合Tableau等工具学习,在Tableau系列中我会逐步讲到。 前四章的导读分享,请点击:【数据】好书慢读《深入浅出数据分析》(上) Chapter 5 假设检验 关键词:证伪、网络关系、诊断性 这一章内容很短,却极其重要,它试图努力告诉我们几个简单而深刻的原理: 各个变量之间的线性关系,可以负相关,也可以正相关; 但现实世界中的各种原因多呈网络关系,而非线性关系;线性等于直觉,网络关系却复杂的多的多; 假设检验的核心是证伪,而不是证实;证实的思路会不可避免地受“确认偏误”的影响,有意无意地忽略看似不相关的要素; 通过观察「诊断性」对证据和假设进行比较,从而帮助对假设排序,找到否定性最小的假设,也就是最不容易不证伪的假设。 数据分析的过程,就是不断的假设,证伪,再假设,再证伪的反复过程,直到我们找到一些有见地的洞察,才是阶段性成果。 关键是,什么是证伪? 简单的说,证伪是一种思维方法,它假设可以被验证的才可能是科学的,而科学通过不断的验证之路不断螺旋前进;证伪是一种工具,可以用来弥补芸芸大众习以为常却脆弱的“证实”方法。 以后,我会给大家介绍「证伪」的鼻祖、科技哲学的大师,卡尔·波普,以及他著名的几本书,比如《猜想与反驳》、《开放世界及其敌人》,他有一个响当当的标签是:马克思主义的掘墓人。 更好地理解“证伪”的思想,是每个人心智成熟,避免很多思维偏误的重要方法之一;数据分析其实就是微观世界的科学研究,需要在不断证伪中前进,后面第六章贝叶斯统计和第七章主观概率,其实就是这个内容的进一步展开。 「诊断性」,是证据所具有的一种功能,能够帮助你评估所考虑的假设的相对似然。如果证据具有诊断性,就能帮助你对假设排序。 既然现实世界多半是网络关系而非线性关系,我们就可以用相关性代替因果必然性对假设作出判断,用证据和每一个假设作出比较,用加号和减号及诊断性来评定这些假设。(如图P160) 如果一个证据平等地支持所有的假设,这个证据就失去了诊断性——不能给假设带来任何进展; 通过判断证据对于多个假设的支持程度,我们可以找到最好的假设,从而降低商业的风险。 你会说,这么讲太抽象了,如何持续的验证假设呢?这就是后面两章的重点。 Chapter 6 贝叶斯统计 这是全书最艰涩难懂的章节,也是极易挑战内心常识的内容。在此我不去引用复杂的公式,仅作内容的笔记。书中用了一个特别虚拟的案例,“得蜥蜴流感的概率”形象地表达了贝叶斯统计的公式。 生活中充满了预测,每一次预测都是此前的经验和最新观察整合的结果,足球队的守门员,巡逻的警察,也在做一次次的预测和行动。统计学家和科学家的高明,在于对我们如何对外部作出预测做了模型化的分析,贝叶斯理论就是经典。 关于运动员的预测分析,不妨读一下这篇文章:奥运闭幕 运动员们一定要夸一波,下面的贝叶斯的图,就来自于这篇文章。 “贝叶斯理论就是一种基于前期经验的预测模型,其不仅充分利用先验信息(基础概率),而且将预测模型与普通回归模型的预测结果进行比较,最后做出更优的结论。” 贝叶斯规则为我们提供了概率分析的工具,特别是涉及到基础概率(或者称为事前概率)的时候。而且,贝叶斯规则可以不断地加入新证据,然后把之前的结果作为基础概率,从而估算新的条件概率。 贝叶斯统计,能帮你利用基础概率和波动数据做到明察秋毫。……它提供了一种把新信息整合到分析中的精确方法。 条件概率即以一件事的发生为前提的另一件事的发生概率。   基础概率谬误,即忽略事前数据并因此作出错误决策。……避免基本概率谬误的唯一办法就是对基础概率提高警惕,而且务必要把基础概率整合到分析中。 在分析概率问题上,作者提出了一个很好的建议,即把概率问题转化为整数问题来处理,比如1%的概率,那就假设有100或者1000个单位。 我们的大脑生来不擅长处理概率数字,因此将概率转变为整数,然后进行思考,是避免错误的一个有效办法。   Chapter 7 主观概率 刚入门的数据分析者会以为数据分析师就是处理和分析数据而已,其实不然,正如作者所言,“优秀的数据分析师同时也是优秀的沟通者”,分析师还需要在沟通中获得数据,特别是主观数据的客观化处理,比如主观概率,“主观概率是一种向别人精确地传达你的想法和信念的富有启发性的表达方法。” 每个人都在使用主观概率,只是大多数人用“很大程度上”、“一定”、“极不可能”、“大概”之类的方式来表达他的主观概率,因此也就难以被充分的运用;而数据分析师则试图用精确的方式传达,比如说,“我认为明天下雨的概率是90%”、“有75%的员工评价难以和新来的副总沟通 ”。 数据分析师要引导“主观概率”的表述语言,这是减少摩擦、提高决策的准确性的基础。 如果用一个数字形式的概率来表示自己对某事的确认程度,所用的就是「主观概率」。 主观概率是根据规模进行分析的巧妙办法,尤其是在预测孤立事件却缺乏从前在相同条件下发生过的事件的可靠数据的情况下。 主观概率是对分歧内容和分歧大小的一种精确规范,分析师用主观概率帮助自己抓住问题焦点,以图问题解决。 用精确的主观概率代替模糊的判断之后,我们就可以使用统计的工具来评价了,比如用标准方差判断分歧程度(数据点的离散程度)等。 所以,理性主义文化兴盛的公司,会有一种“凡事用数据说话”的传统,会议上也很难听到“大概可能也许是,然而未必不见得;似乎大家都觉得,不过我们不敢说”(引子梅贻琦)。 当然,主观概率也会随着新的证据不断的变化,而且,“使用主观概率不能保证主观概率的正确性”,如何修改主观主观概率?这就用到了上一章节的内容:贝叶斯规则。 通过贝叶斯规则,不断地修正主观概率,「使用贝叶斯规则求主观概率的根本在于,找到在假设成立的条件下,证据出现的概率。」   Chapter 8Continue reading “【数据】好书慢读《深入浅出数据分析》(下)”

【数据】好书慢读《深入浅出数据分析》(上)

为了学习数据分析,买了好多前辈们推荐的书,今天为大家分享一本大部头的好书——《深入浅出数据分析》by Michael Milton,以供大家入门和参考。 全书共计13个章节,尤以前五章为要,对于数据分析的思路入门大有好处,后面几章侧重于工具,建议结合Tableau等工具学习,在Tableau系列中我会逐步讲到。 Chapter 1 分解数据 数据无处不在。……熟谙一切数据分析技术方法的分析者会比其他人技高一筹:他们知道如何处理所有的数据材料,如何将原始数据转变成推进现实工作的妙策,如何分解和构建复杂的问题和数据集,进而牢牢把握工作中的各种问题的要害。 优秀的数据分析师是以形成决策建议为目标的,而不是抛出信息推卸掉自己解决问题和建议决策的义务;而明智的决策建议源自于清晰地认识问题,未确定问题就进行数据分析,如同没有目标的旅途;不过我偶然用漫步数据的方式随机寻找分析目标,这也是一种学习的方法。 因而,数据分析要认清问题,进而解决问题。优秀的数据分析师能帮助客户思考自己的问题,进而改善业务。作者提出了“确定——评估——分解——决策”的数据分析基本流程,也值得我们学习。 如何确定问题和分解,作者给出了两个要点: 把大问题划分为小问题,避免问题模糊不清。 比如说,我们难以一下子回答“销售为什么下降?”,但是可以分为“顾客减少”,“客单价可能下降”,“商品购买频次下降”等小问题。 将数据分解为更小的单元,找到比较对象。 在确定问题基础上,数据分析师进而要评估数据,这就需要形成自己明确的假设,而不是纯粹描述性的说明;在决策过程中,更要清晰地传达自己的意见和建议。 我又想起来《你的灯亮着吗》这本书,它说,“永远不要以为找到了问题的答案,但是永远不要停下寻找的脚步。”为什么,因为昨天的我们解决不了今天的问题,昨天的“心智模式”未必适应今天的需要。 心智模型 作者这一章提到了心智模式,并且强调“统计模型取决于心智模式”。 心智模式是每个人在成长过程中必然会遇到的,或多或少,或直接或间接,或激烈或温和地,在这一方面,很多书都可以帮我们入门,比如《第五项修炼》、《批判性思考指南》、“mindset”等等,以后有时间我会分享。 心智模式,就是我们业已形成的对假设和观点,有些是先天禀赋,更多是后天形成的,这些假设和观点会大大地影响我们对于数据的判断和理解。我的经验告诉我,只有在无知的状态下,才会觉察不到心智模式的影响,就像井底的青蛙不知道外面的天空有多大。 心智模式应当包括你不了解的因素。知道自己“不知道”,有助于避免自己进入数据分析的盲区。比如看到供应链的商品销售同比普遍增长了30%,并不能说供应链的整体操盘能力提高了,这是没有必然关系的。 数据分析需要理解数据,更要清晰地懂得业务,这就是数据分析师匮乏的重要原因。好的数据分析师会逐步扩大认知的边界,不断调整自己的心智模式,这也意味着未知的边界越来越长。 世上没有傻问题 2 检验你的理论 一个好实验往往能让你摆脱观察数据的无限依赖,能帮助你理清因果联系;可靠的实证数据将让你的分析更有说服力。 统计和分析最基本的原理之一就是比较法。数据分析通过相互比较才会有意义。 如果你看到有人举着标记“65”的牌子,肯定一头雾水,单纯的数字是没有意义的;如果改为了“65岁退休”,数字就具备了数据的价值;但是仅仅如此,你依然无法准确明白老人想表达什么。当你和过去的“60岁退休”以及西方的“55岁荣休”做比较是,数据分析才有价值。如果有越多的数据作为比较,分析结果就会更加精确。 除了样本要大,还有两个建议,一是尽可能去除“污染数据”,它们会让数据分析结果失真,比如辛辛苦苦做了很久的门店销售分析,不料没有剔除退货数据,那就坏了;二是要有控制组对照,这是统计学的基础要求。 3 寻找最大值(最优解) 这一章节提出来的橡皮鸭和橡皮鱼的问题,就像小时候计算几只兔子、几只鸡一样。对于给定条件,总有一个最优解在那里。最优化问题需要一定的条件: 要有明确的约束条件,比如一只鸡只有两条腿,一只兔子四条腿,约束的条件才能成为固定的参数;  有明确的目标,比如计算几只鸡、几只兔子; 任何最优化问题都有一些约束条件,和一个目标函数。 寻找最大值的最好办法就是公式了,一般二元一次方程久可以解决类似的问题;而在表格中,有“规则求解”(solver)的功能可以实现输入约定条件,输出考核结果。如果画在xy轴图上,很可能是类似于价格曲线的样子,阴影部分就是合规但并非最优的答案集合。 现实中没有多少数兔子和鸡的例子,多半都是多种约束条件,因此作者说: 你的模型只是描述了你规定的情况……你的目标应该是尽量创建最有用的模型,让模型的不完美相对于分析目标变得无足轻重。 数据分析师要自己评估数据分析出必要性,从而确定假设条件,并按照目标不断地校正才对。   4 数据图形化:图形让你更精明 从最早的联机分析,到数据挖掘,再到数据可视化的展现,商业智能的每一次进步都在简化它的表达方式,从而更好地被理解和传递。毕竟,感性思维和形象化思维几乎是每个人的天性,“数据表远非你所需”。 作者总结了数据图形化的三个要点,这是应该铭记在心的: 要体现数据。不得不说,我特别赞同《大数据》作者涂子沛的那句封面语,“除了上帝,任何人都必须用数据说话”。 要有正确的比较。没有比较就没有意义,没有正确的比较,就不会有数据的洞察。 使用“多元图形”,展现多个变量。 在Excel中,我们难以做到深入的数据洞察,这个时候就需要类似于Power BI或者Tableau之类的大数据分析平台,比如我用Tableau做的某商品价格点分布(下图,关键数据做了隐秘化处理),体现了不同月份的成交价格点和销售数量,反映了不同时段的销售数据对比,包含了月份、单价、销售数量等多元化数据。 从上面的图中我们看到,此商品三月之前价格相对稳定,四月开始执行促销,销售数量也出现了短期增长,但六月之后,单价和销售双双下滑。根据这个图,可以复盘此商品的操盘策略,努力实现追求价格和销售的平衡。 是不是觉得这是一本好书了?做笔记同时的复读,自己也是受益匪浅。 这不是一本武侠秘籍,却是入武林的好法门。 ​ 2017/9/7  David.Wu 

【数据】用Tableau 制作会员散点图

昨天看了《大数据》(涂子沛 著)中一个章节“商务智能的前世今生”,对BI有了更加深入的印象,简而言之,可以用下面的一张图来表示。这其中“关系型数据库”和“数据仓库”是基础,商务智能的重要工具和展现应该是联机分析+数据挖掘+可视化设计的结合。 Tableau的底线是基于关系数据库自己搭建的数据立方(Cube),然后通过独有的数据引擎做抽取和整理,最终实现可视化的表达。 在之前的博文中我们说,“清晰的业务分析思路应该先于数据分析的技术”,我们应该按照先确立数据分析的目的,然后开展数据工作。 数据分析的方向和目的 周年庆的分析是阶段性的业务分析,整体的维度指标围绕业务的几个重要主题:商品、会员和员工;在对比的层面,我们要对比去年的相关指标,特别是体现增长性和健康度的指标,如品类的毛利率水平、会员的结构分布与贡献度、员工的投入产出效率等。 具体而言,我们可以建立以下的分析框架: 宏观指标:两个对比期的商品销售、毛利额/毛利率、消费会员数及平均贡献、员工的贡献对比。 会员维度 生理轴分布下的消费会员数量(及占比)、会员消费贡献、 会员贡献分布与极值分析,可以分门店卡和非门店卡。 与2016年的比率对比 商品维度: 品类层面:品类的贡献,品类销售数量与单价,品类客单价 门店层面:可比门店的商品运营指标,看增长率,会员会员 ABC商品分布,或者20/80分布,看销售贡献与毛利贡献 员工维度: 促销员的人效产出,可以按照厂家促销员、星级分类 与去年同期对比   下面,我们以「会员分析」之「散点图分布」为例: 1、ETL 抽取、整理和加载 这几阶段,Tableau相关的几个功能是:导入数据源、整理数据字段、数据抽取与优化,还可以包含字段的“别名”、“分组”等。 比如对于要排序的字段,可以通过别名实现自定义排序;还可以使用通用的名词。     另外,个人不建议把数据库中的英文标题一律改为中文,因为这样会阻碍之后增加和编辑字段的难度。当然,一些难以理解的英文字段,也可以增加汉语后缀。 2、增加计算字段 在消费明细中,有一些字段是没有的,需要通过「计算字段」自行添加,从而更好地辅助数据分析;同时,这也是阶段性代替数据仓库,增加数据分析的维度。 因为数据是商品的消费明细单,从会员的角度计算人均消费金额和人均消费数量,就需要使用全局fixed函数,当我们把两年的数据合并在一起,还需要把两年的数据分开,从而做对比。因此,我们增加了两个计算字段: 会员消费金额:{ FIXED YEAR([XSSJ]),[CardCode]:round(SUM([xsje]),1)} 会员消费数量 :{ FIXED YEAR([XSSJ]),[CardCode]: SUM([xssl])} 3 制作散点图 有了会员的两个核心字段,我们就可以做会员的分布了,把「人均消费金额」和「人均消费数量」分别放到 列 和 行 字段中,并把度量改为维度,于是就形成了一个空间;之后把会员数据放到空间里,形成了分布图。 然后就是增加筛选原则,比如排除「店内卡」,按照年份作为页面。于是,就有了会员散点图。 其他的可视化与上述类似,提前设定字段,简单的字段可以直接在列/行中输入,比如输入 SUM([xsje])/COUNTD([New_DH])  直接计算平均订单金额。     结语 学习Tableau两个月了,期间也教公司的一些同事,有的人会仿照表格的方式去做,这是一个误区,最好的方式是,定好目标,然后准备元素,之后拖动可视化。   20170905

【流程】流程化组织——契约精神和工具理性

导语: 公司近日邀请《流程圣经》译者王翔老师为公司中高层举行了一次流程优化学习;有了详读《流程圣经》的基础,这次学习颇有益处,与我的管理风格、假设大相契合。分享于斯,以飨后人。   受王翔老师教诲,我想尽可能以连贯的方式,较为框架性地介绍流程与管理、绩效、责任、组织等企业重要概念的关系,从而从管理者的角度理解流程优化的目的、方法和要点。 管理与流程 流程与责任 流程与绩效 管理风格、流程位置 流程的误区与要点 1 管理,为什么需要流程 众所周知,企业的目的是盈利,而盈利通过为顾客创造价值来实现,这个从获取和识别顾客需求到交付商品和服务,并确保顾客满意的过程就是公司的业务流。 根据波特的价值链理论,企业价值创造的活动可以分为主要活动(primary acticities)和支持活动(support activities)。主要活动是生产、营销、运营、服务等面向商品和顾客的活动,因此也是直接创造价值的活动;而支持活动是HR、财务、战略管理等服务上述价值创造的活动。对于管理的作用,我们可以借鉴陈春花教授的观点,她说, “管理始终为经营服务;管理只对绩效负责。 “管理是一种分配,分配的是责任,而不是权力。” ——陈春花 因此,企业的基本活动,或者说主要活动是直接创造价值的活动,智慧型的管理活动持续提高和改善价值创造过程的绩效;简而言之,企业基本活动创造顾客价值,管理活动提高价值创造过程的绩效。 更深一步问,管理活动和价值创造活动的关联的纽带是什么?谁承担两类活动的联动轴? ——可以是依赖人治的命令,也可以是依赖规则的流程。 初创企业多半通过行政式的命令来连接管理与执行,优点在于可以保证效率,缺点是错误会被放大,因此随着时间这种管理的边际效应会递减;而职业化的企业,特别是理性主义兴盛的西方公司,通过标准化的流程连接二者,流程反映真实的业务流,总结和固化优秀实践,从而保证不同团队执行流程时获得成功的可复制性。 流程,是管理升级的艺术,借助流程加快形成学习曲线和经验曲线,从源头上确保了绩效和产出的效率。 流程是对业务流的一种表现方式,是优秀作业实践的总结和固化,目的是为了不同团队执行流程时获得成功的可复制性。         ——华为轮值CEO徐直军 好的流程,充满了管理的智慧,但是又看不到管理的影子——管理的成本往往是无形的、间接的,因此很容易被忽视的;   2 流程与责任 我们说流程是管理活动和运营活动的逻辑化和物理化,或者说,流程就是企业业务活动的真实反映,是业务的抽象化投影。所以,有好的流程,也有坏的流程。好的流程会优化绩效,提高效率;坏的流程则会增加管理成本,就像为了和尚公平的分粥设置分粥委员会、监督委员会、化缘委员会一样。 好的流程有助于确认责任,通过流程,可以洞察“组织、流程和岗位”三个层面的相互关系,按图索骥,“循规蹈矩”,从而发现制约绩效提升的组织和岗位空隙(the white space); 好的流程也要承担责任,进而把流程责任转移到对流程优化负责的管理活动中;流程承担责任,避免了执行人员背负管理责任的责权利不对等问题,引导管理者更多地关注流程改进和优化,而不会损害执行人员的积极性。 流程的可贵,在于借以清晰地界定两种责任,问责和责任,即accountabality and responsibility。这是中国很多家族企业、私人企业的某种通病,遇到问题先追究终端个人的责任,而不是追问机制的问题。 问责——间接责任——对“成果”担责 责任——直接责任——对“执行”担责   3 流程与绩效 企业的意义在于创造价值,创造价值的过程需要绩效来衡量;一切无助于绩效改善的管理都是没有意义的。流程作为一种管理工具,也要通过绩效(Performance)来实现,可以说,“不以绩效改进为目的的流程优化都是耍流氓。” 要知道,《流程圣经》一书英文版的标题,就是 Improving Performance (绩效提升),而绩效改进的来源,在于“组织架构中的空白地带”(the white space of theContinue reading “【流程】流程化组织——契约精神和工具理性”