◀ 第六章 质量与质量意识

解决多窗口办理业务排队问题 , 经常用的是叫号的方式。

实际上 , 叫号并没有缩短窗口业务办理的总时间 , 即来办理业务需要排队等候的总时间没有缩短 。但使用叫号的方式能提高要办理业务的人员的总体满意度 , 其原因就在于减少了每个人等候时间的差异 ,即变异得到了管理。

同样地 , 通过适当拓展就可以知道 , 在城市上下班高峰期选乘地铁而不是公交 、 自驾或打车 , 通勤时间就得以有效保障 ; 进行长途旅游时 , 在高铁和飞机两个选项中 , 高铁无疑是更可预期的 ; 在一个陌生的城市中选择在知名的连锁餐厅就餐 , 而不是贸然去当地餐馆就餐 , 也是为了餐食的可预期 。 这些都是基于变异管理的典型安排。

所谓变异 , 就是一项事务出现了意料之内以及不在意料之内的变动 。 而变异 管 理 , 就 是 针 对 这 些 变 异 所 采 取 的 方 式 方 法 。 变 异若能控制 , 我 们 就 对 其 进 行 控 制 ; 若 不 能 控 制 , 我 们 就 做 好 风 险预案。

二、禀赋效应与前景理论

上文提到了卡尼曼与特沃斯基的前景理论 , 这个理论与认知心理学中的禀赋效应相关 。 由于禀赋效应对于经济 、管理学的影响很大 ,因此 , 有必要展开论述。

禀赋效应 , 即拥有后被赋予的额外价值 。禀赋效应是指一旦个人拥有某个物品 , 那么他对该物品价值的评价要比未拥有之前高 。它是由理查德 ·塞勒于 1980 年提出的 。这一现象可以用行为金融学中的“ 损失厌恶 ” 理论来解释 。该理论认为一定量的损失给人们带来的效用减少要多过相同的收益给人们带来的效用增加 。 因此 , 人们在决策过程中对利害的权衡是不均衡的 , 对 “ 避害 ” 的考虑远大于对 “ 趋利 ” 的考虑。

我们所说的敝帚自珍 , 既有勤俭节约的意思 , 也有禀赋效应的原因。

禀赋效应能够被量化记录 , 主要是出于人们对损失的畏惧—人们在卖出商品时往往索要过高的价格 , 即当人们放弃一件东西时 , 他

177

效率免费：管理需要知道的常识

对这件 东 西 的 估 值 高 于 他 得 到 它 时 的 估 值 。 这 也 可 以 被 称 为 “ 损失规避 ”。

前景理论也可翻译成展望理论 。卡尼曼与特沃斯基创立的前景理论 , 就是基于禀赋效应在人们经济行为上的体现 。实践证明 , 该理论在行为经济学理论中得到了广泛应用 。为此 , 卡尼曼获得了 2002 年度的诺贝尔经济学奖 ( 特沃斯基在 1996 年去世了 , 诺贝尔奖只颁发给在世的人) , 一个心理学家跨界获得了诺贝尔经济学奖。

在前景理论提出之前 , 解释人的风险决策行为 , 在经济学上是基于理性人假设的期望效用函数理论。

期望效用函数理论假定人都是理性的 , 个人主观追求的效用函数不同 , 以及对各种可能性发生所认为的主观概率不同 , 导致了判断和决策因人而异。但为保持理性 , 效用函数必须具有一致性 (同一个结果有同样的效用) , 主观概率也必须满足贝叶斯定理等概率论基本原理。

如果某个随机变量 X 以概率 Pi 取值 xi , i = 1 , 2 , … , n , 而某人确定得到 xi 时 的 效 用 为 u ( xi ) , 那 么 , 该 随 机 变 量 带 给 他 的 效 用便是 :

U (X) = E [ u (X) ] = P1 u (x1 ) + P2 u (x2 ) + … + Pnu (xn)

其中 , E [ u (X) ] 表示关于随机变量 X 的期望效用 。 因此 , U (X) 被称为期望效用函数 。另外 , 要说明的是 , 期望效用函数失去了保序性 , 不具有序数性。

而前景理论通过一系列实验观测 , 发现人的决策选择取决于结果与前景 ( 预期与设想) 之间的差距 , 而非结果本身。

一方面 , 人在决策时会在心里预设一个参考点 , 然后衡量每个结果是高于还是低于这个参考点 。对于高于参考点的收益型结果 , 人们往往表现出风险厌恶 , 偏好确定的小收益 ; 对于低于参考点的损失型结果 , 人们又表现出风险喜好 , 寄希望于通过好运气来避免损失 ( 见图 6. 4)。

另一方面 , 人对于概率的反应也有一定程度的非线性 : 对小概率事件会反应过度 , 对大概率事件则会估计不足 。这一现象导致了阿莱悖论 , 却是人的真实心理反应 。例如 : 中彩票概率虽小 , 但总有人做发财梦 ; 出车祸概率虽小 , 多数人还是愿意买保险 , 让保险公司盈利。

178

◀ 第六章 质量与质量意识

价值函数

参考点

收益

损失

图 6. 4 前景理论

而期望效用理论认为 , 期望对概率的依赖则总是线性的— 只有纯理性的人才会这样。

前景理论是一种行为经济学理论 , 属于实证性的经济学范畴 , 描述人们事实上是怎样做的 。用通俗的话 , 可以将其表达为 : 同样金额收益所获得的喜悦效应 , 抵消不了同样金额损失的痛苦。

前景理论的关键之处是参考点 , 即图 6. 4 中横坐标和纵坐标的交汇点。

这个交汇点不是我们常使用的坐标系的 “ O ” , 而是对于个体或类似群体来说 , 收益与损失转换时的参考点 , 是喜悦与痛苦的参考点。这个参考点左边为损失 , 右边为收益 , 上边为喜悦 , 下边为痛苦 。 因此 , 是收益还是损失 , 是喜悦还是痛苦 , 取决于参考点锚定的标准。只是这个锚定会飘忽不定 : 因人 、 因事 、 因时 ( 势) 、 因地等而异 ,需要动态评价。

1. 前景理论的锚定参考点因人而异

经验丰富的商人显然已经学会正确面对这个参考点 , 不会因为自己的喜好和忧伤而错误地评价收益与损失—这也是商人能获取收益的原因之一 。 巴菲特说 : “ 在别人贪婪的时候恐惧 , 在别人恐惧的时候贪婪。” 这句话很好地诠释了成功商人的理性 。 因此 , 普通人确实需要向成功的商人学习。

因拥有的可支配收入太少 , 对于穷人而言 , 花钱就意味着损失 ,

179

效率免费：管理需要知道的常识

只能在不同损失间作比较 。 阿比吉特 · 班纳吉与埃斯特 · 迪弗洛在《 贫穷的本质 : 我们为什么摆脱不了贫穷》[3] 中提出 , 穷人只关注眼前需求 、短视 , 不会从长计议 ( 积蓄 、学习 、投资等) , 从而无法摆脱贫穷 。他们只是看到了一个方面 , 另一个方面是应理解穷人为何在支出时存在难以延迟满足的心理。

2. 其他影响前景参考点的因素

对于同一个人而言 , 因价值观很难改变 , 故其锚定参考点存在均值回归现象 。但依然存在因事 、 因时 ( 势) 、 因地的波动情形。

• 因事。

个人对一个特定事物的关注 , 是存在疲劳期的 。特别是对于反复发生的事情而言 , 一个人的倦怠感会让他/她对此事物情感的参考点上升 , 也可以说是 “ 情感免疫 ” 的阈值提升了 。 比如 , 一个人的初恋以失败告终 , 其受到的感情冲击是极大的 , 受的伤也极深 ( 自我感受)。

绝大多数人走出初恋失败的阴影后 , 对于后续感情的处理都会从容一些—属于他/她的纵坐标的参考点向上移了 。 同样 , 也存在参考点向下移动的情况—他/她会因此有走向极端的可能 (“ 为什么受伤的总是我 ” ) , 从而无法自拔。

• 因时 ( 势)。

“ 识时务者为俊杰 ” , 处于时代潮流的人 , 被时代左右是必然的。例如 , 在一段时间内 , 一个人所处的环境是洋溢着信心还是充满了沮丧 , 对于他/她的收益 、损失参考点有较大的影响。

一个人在充满信心时会高估收益而忽略了会产生的损失 ( 参考点向右偏移) , 沮丧时则会预估损失而不奢求收益 ( 参考点向左偏移)。而实际上 , 事情的发生多数不会被预期左右 。宠辱不惊是一个人不被时 ( 势) 左右心情的最好体现。

• 因地。

地域不同 、文化不同 , 在参考点上存在很大的差异 。身处其中的人可能没有觉察 。 随着人们的交流不断增加和深入 , 差异性会被更多地关注到 。一个人 “ 入乡随俗 ” 后 , 其参考点会依据当地的文化习俗调整 , 以适应该地域的工作与生活 。 只是这需要时间 , 调整时间的长短因人而异。

180

◀ 第六章 质量与质量意识

心理学发现的禀赋效应 , 以及与实证经济学结合形成的前景理论( 当然还有其他心理学发现) , 最终促进了行为经济学的发展 。鉴于行为经济学的研究不断有新的发现 , 相应的行为经济学教材总在更新 ,我在此推荐大卫 · R. 贾斯特的《 行为经济学》[4] 。

芝加哥大学的经济学教授理查德 · 塞勒进一步发展了禀赋效应和前景理论 , 并获得了2017 年度诺贝尔经济学奖。

理查德 ·塞勒的三部曲 , 感兴趣的读者可以读一读 。首选《 助推 :如何做出有关健康 、财富与幸福的最佳决策》[5] 这本通俗读物 ;《 “ 错误 ” 的行为 : 行为经济学的形成》[6] 讲述了塞勒行为经济学的学术道路 ; 《 赢家的诅咒》[7] 则是一本论文集 , 普通读者读起来会觉得有些晦涩难懂。

三、信度和效度

在进一步阐述变异管理之前 , 让我们先了解一下两个名词的意思 :信度和效度 。这两个词最初源于人力资源管理关于对人才测评的应用。如今 , 这两个词的应用已经相当广泛。

• 信度 ( Reliability) 即可靠性 , 是指采取同样的方法对同一对象重复进行测量时 , 其所得结果相一致的程度 。从另一方面来说 , 信度就是指测量数据的可靠程度。

• 效度 ( Validity) 即有效性 , 是指测量工具或手段能够准确测出所需测量的事物的程度。

效度是指所测量到的结果反映所想要考察内容的程度 , 测量结果与要考察的内容吻合度越高 , 则效度越高 ; 反之 , 则效度越低 。 打靶图很好地解释了信度和效度之间的关系 , 如图 6. 5 所示。

信度低、效度高 信度高、效度低 信度低、效度低 信度高、效度高

图 6. 5 打靶的信度和效度

181

效率免费：管理需要知道的常识

可以想象一下 , 用一把枪对着靶标打了 10 枪 , 出现了图中的四种结果。

图中从左往右分别为 :

• 信度低、效度高 : 打得不稳 , 但打得挺准。

• 信度高、效度低 : 打得挺稳 , 但打得不准。

• 信度低、效度低 : 打得既不稳又不准。

• 信度高、效度高 : 打得既稳又准。

信度高 、效度高 , 无疑是变异管理所追求的终极目标 。 管理的策略也分为两个方向 , 或者说两个优先次序 : 先提高信度和先提高效度。

最初的质量管理思想 , 都是先努力提高效度 , 再提高信度 , 结果却发现收效甚微— 因为在信度不够高的情况下 , 效度难以系统性提升 。改为先全力提高信度 , 再努力提高效度后 , 收益大大增加 。这也是戴明系统管理以及后续发展出来的六西格玛质量管理的着力点。

拿上面打靶的例子来说 , 就是先练习打稳 , 后练习打准。

四、变异管理的统计学基础

统计学不只是统计数据 , 还包括在面对不确定性时做预测 , 评估概率 、预估风险 , 是知识 。在当今的社会中 , 数据是不缺乏的—互联网如此发达 , 以至于作为个体的人可获得数据的途径多到数不胜数。要知道 , 掌握了数据不代表掌握了知识 , 没有从数据中发现规律和趋势 , 数据就只是数据。

统计学关注的概率有用吗? 答案是肯定的 。 当你懂得基本统计学的概率以后 , 就会有一个全新的看待事物的角度 , 从而在更多的时候 ,更平静地看待事情发展的结果。

统计学是一门基础课程 , 是很多自然学科 、社会学科研究的基础。统计学涉及的内容还是很庞杂的。

五、正态分布

在对属于正态分布的数据进行分析时 , 可以快速判断数据是处在系统偏差内 , 还是有异常情况 。正态分布曲线如图 6. 6 所示。

182

◀ 第六章 质量与质量意识

68.2%

95.5%

99.7%

图 6. 6 正态分布曲线

如图所示 , μ 为所统计正态分布数据的平均值 , σ 为正态分布数据的标准方差 ; μ±3σ 可覆盖该正态分布数据出现的 99. 7%的概率。

在实际工作中的数据统计分析 , 对于系统情况的判断以及系统改进有着指导性作用。

• 如果所测得的数据超出了 μ± 3σ 覆盖的范围且确认无误 , 需要验证该数据是否出现了人为错误。

• 如果数据处在μ±3σ 覆盖的范围内 , 即使该数据看似 “ 异常 ” ,也可认为该数据是处在系统内的 ; 此时 , 分析这些异常数据 , 对系统进行优化提升 , 就是系统改进的方向 。 系统改进后 , 消除了异常数据 ,这个系统的 σ 也会随之变小 , 从而对于异常数据变得更为敏感。

当平均值 μ 与设定的标准值有差额时 , 若难以控制 , 则可以通过优化系统来缩小 σ 值从而达到控制变异的目的 , 以保证 μ± 3σ 处在设定的标准值偏差内 。此方法是六西格玛质量管理的理论基础。

考虑到 实 际 工 作 中 可 获 得 的 数 据 量 还 是 很 有 限 的 , 也 可 采 用95. 5%置信区间 , 即依据 μ±2σ 所设定的取值范围 , 来评价数据是否在系统可控范围内—这样更契合实际情况。

让我们举一个管理工作中的实际例子 , 来尝试说明此问题。

在一条手工生产线上 , 每天质量人员会记录每个人因人为错误造成产品不合格返工的情况 。某一天质量人员记录的错误数如表 6. 1所示。

183

效率免费：管理需要知道的常识

表 6. 1 员工错误数记录

如果仅从数据上看这张表 , 那么 H04 员工无疑是最优秀的 , 仅有4 个人为错误 ; H06 员工最糟糕 , 有 23 个人为错误 。那是不是就以此结果对相应的员工进行奖惩呢?

不要着急 , 这个时候要算一下系统界限 , 以确定这些人为错误是否超过了系统边界 。计算系统界限简明的方法如下 :

平均值 μ = 113/9 = 12. 56 ;

标准差 σ = 5. 32。

—用办公软件的表格的标准差函数就能算出来。

变异上限 =μ+2σ = 12. 56+ 10. 64 = 23. 2 ;

变异下限 =μ -2σ = 12. 56- 10. 64 = 1. 92。

对于上下限范围 μ ± 2σ , 系统的置信度可以达到 95. 5% 。也就是说 , 通过统计的数据来看 , 没有任何人超出系统界限 , 人为错误处于系统偏差内 。 即这 9 个员工在犯人为错误这件事情上 , 都是处在这个系统误差范围内的 。 他们处于同一个水平区间 , 个体之间没有好坏之分。

同时 , 一天统计的数据本就无法判定员工控制人为错误的水平。如果想减少人为错误 , 就要整体提高系统水平 , 仅靠奖惩在很多时候是不可行的。

184

◀ 第六章 质量与质量意识

有了这层认识 , 就知道了很多事情都有可能发生 , 虽然一时难以做到宠辱不惊 , 但是至少心里要明白 , 事情的发生有其必然性 , 在意过程是需要的 , 但太在意结果就没有必要了。

比如 , 我们常去一家中餐厅吃饭 。有一天 , 一道爱吃的菜品味道不好 , 那么和店家商量更换就行 , 不必因为这次不愉快而产生以后不再来的想法 。西餐厅通常在菜品一致性方面做得很好 。预制菜兴起后 ,很多连锁中餐厅的菜品一致性也得到了保证 , 只是没有了之前 “ 开盲盒 ” 的乐趣。

通过正态分布的概念 , 我们将把内容延伸到均值回归的现象 , 此内容在前文中已进行了详细阐述。

六、变异能控制的 : 需要系统性的思维方式

变异管理是基于数据统计基础延伸而来的 。 因此 , 谈论变异管理需要先有数据 。 戴明有句名言 : “ 除 了 上 帝 , 任 何 人 都 必 须 用 数 据说话。”

在质量管理领域 , 系统性思考的数据分析 , 直观地体现了变异管理中关于对变异控制的核心工作 。如图 6. 7 所示的质量改进 , 是信度和效度都成功的示例—这个结果想必是人们梦寐以求的 , 也是很多质量管理工具推出前需要画的 “ 饼 ” , 以激发人们尝试的想法与激情。方法都知道了 , 人们是否相信? 人们能否坚持? 我们需要知道的是 ,最终的实现都将是困难重重的。

质量控制（运营期间）

图 6. 7 质量改进

185

效率免费：管理需要知道的常识

在图中 , “ 质量控制的新区域 ” 相较于 “ 质量控制的初始区域 ”波动幅度小 , 同时解决了 “ 偶发性峰值 ” 问题 , 这是信度提升的表现 。质量改进后 , “ 慢性浪费 ” 现象得以减少 , 效度得以提升 。需要特别说明的是 , “ 偶发性峰值 ” 需要判断是否超出了系统范围 , 如果超出 , 则是错误所致 ; 如果在系统内 , 则是系统本身的问题。

分析问题 , 找到改进的机会 , 解决问题后进行评估—这些结论都有个大前提 : 基于客观 、有效的数据统计 。其中 , 客观是最难的 ,因为人总有证实偏差的倾向。

在 ISO 9000 最初的质量管理体系要求中 , 对企业机构设置曾有“ 三分五独 ” 的建议 , 其目的就在于从机构设计上避免证实偏差 , 以获取客观的数据 , 并且在企业内部实现权力制衡 。后来 , 大概是因为组织机构的 “ 三分五独 ” 设置要求太高了 , 仅适用于大型企业或组织 , 而 ISO 9000 质量管理体系面向的是所有类型的企业和组织。

• “ 三分 ” : 策划、执行和审核 , 这三类机构 ( 每个机构可能由一个或多个部门组成) 需分开 , 三类机构之间的成员不得兼任;

• “ 五独 ” : 顾客相关、设计相关、采购相关、 生产相关、质量相关 , 需独立设置职能部 门 。 需要说明的是 , “ 五独 ” 未能找到相关资料予以佐证 , 所表述的内容可能有误。

在公司治理中 , 不知是不是巧合 , 也要求 “ 三分开 , 五独立 ” ,只是具体要求上与质量体系要求的 “ 三分五独 ” 不一样。

• “ 三分开 ” : 是指公司与其股东 , 尤其是控制股东在财产、 财务、人事等方面分开 , 以保持公司的独立性。

• “ 五独立 ” : 资产独立 ( 或资产完整) 、 业务独立、人员独立、财务独立、机构独立。

信度和效度的数据获取 , 需要经历一个摸索和迭代的过程 。通常 ,不在于有没有数据 , 而在于有没有想到要收集那些数据 。 同时 , 收集数据时 , 会发现可获取的数据很多 , 获取哪些数据取决于准备支付多少鉴定成本。

在如今的大数据时代 , 人工智能技术已经可以通过三维分析来识别人的行为动作 , 并通过数据分析 , 来解决人工作时存在的 “ 浪费 ” ( 动作的冗余 、无谓的搬运等) 的问题 。 同时 , 它可以识别错误动作 ,

186

◀ 第六章 质量与质量意识

以及可能涉及的安全风险行为。

七、变异是不能控制的 : 做好应急预案

首先要清楚 , 无论是个人还是企业 , 都是有能力边界的 。超出自己能力边界的事情 , 只能影响 , 无法控制。

当面对变异 , 既无法通过变异管理提高信度 , 也无法通过变异管理提高效度时 , 就只能选择大度了 , 即大度地接受变异带来的任何结果。

当然 , 提前做好应急预案是此时唯一可以做的。

如今 , 中国各级政府以及企事业单位 , 都要面对突发事件 , 也就是变异无法控制的情况 , 编制应急预案并适时进行演练—这是十分必要的 , 不能纸上谈兵 。这些年 , 中国在应对自然灾害时的应急响应与管理系统较以往已经得到了大幅改善 , 应急管理能力无疑是强有力的 。应急预案流程如图 6. 8 所示。

启动 计划

对突发事件的分析、监测 ，并构建预警、通报、启动机制

动态监控调整

评估

执行事后处理 ，评估应急处置效果 ，寻找改进的可能

图 6. 8 应急预案流程

变异管理的应急预案与风险管理是相对应的 。风险管理的研究涉及范围较广 , 风险的概念有两个关键组成部分 : 伤害发生的概率 、伤害造成的后果 ( 可能的严重程度) 。

风险可以理解为 “ 伤害发生的概率× 伤害的后果 ” 。 因此 , 可以通过风险管理降低伤害发生的概率或减轻伤害造成的后果 , 以达到管理风险的目的 。风险管理也就是 “ 收益—风险分析 ” 的过程 , 主要分为识别风险 、分析评估风险 、控制风险以及监督风险控制措施的有效性

187

效率免费：管理需要知道的常识

四个过程 , 这四个过程是循环改进的过程。

在风险管理中 , 变异管理通过控制风险发生的概率来降低风险。

参考书目

[1] W. 爱德华兹 ·戴明 . 钟汉清 , 译 . (2016) . 转危为安 . 机械工业出版社 .

[2] 詹姆斯 ·K. 埃文斯 , 威廉 · M. 林赛 . 焦叔斌 , 译 . ( 2010) . 质量管理与质量控制 . 中国人民大学出版社 .

[3] 阿比吉特 ·班纳吉 , 埃斯特 ·迪弗洛 . 景芳 , 译 . ( 2013) . 贫穷的本质 : 我们为什么摆脱不了贫穷 . 中信出版社 .

[4] 大卫 ·R. 贾斯特 . 贺京同 , 高林 , 译 . (2016) . 行为经济学 . 机械工业出版社 .

[5] 理查德 ·塞勒 , 卡斯 ·桑斯坦 . 刘宁 , 译 . ( 2018) . 助推 : 如何做出有关健康 、财富与幸福的最佳决策 . 中信出版社 .

[6] 理查德 ·塞勒 . 王晋 , 译 . ( 2018) . “ 错误 ” 的行为 : 行为经济学的形成 . 中信出版社 .

[7] 理查德 ·泰勒 . 高翠霜 , 译 . (2018) . 赢家的诅咒 . 中信出版社 .