TA的首页优思学院｜金融业也需要六西格玛吗？
原载于优思学院知乎号
20世纪90年代以后，全球服务业，尤其是金融业开始逐渐接受六西格玛。美国金融业巨头在引入六西格玛方面起到了积极的榜样作用。
花旗、美洲银行、美林、AIG等大型金融业集团先后将六西格玛作为一定范围内的改善方法，进而大规模在全球范围内推广。后来者也纷纷效法，并且大有赶超之势：汇丰银行的“卓越运营”（Operational Excellence）部门在全球范围内主导了一场宏伟的六西格玛战略，并且获得了非常客观的投资回报。这使得金融行业成为全球六西格玛应用的一个非常重要而又庞大的市场。
在管理新名词、新概念漫天飞舞，咨询顾问众多的今天，六西格玛这个略带神秘感的管理方法如何得以登堂入室，并且受到高高在上的金融业高级主管们推崇？国内的金融企业，又应该如何从中得到经验、教训和发展的动力？
首先要认清的是，和CRM, ABC, SPM, BSC之类的理念不同，六西格玛原本并不是什么新玩意。而在制造业，六西格玛就更不是什么新鲜事了。直到今天，仍然有不少制造企业“没有推行六西格玛” ——千万不要被文字所迷惑，早在六西格玛诞生以前，它的“前身”，也就是利用统计方法改善质量这一事实，已经存在很久了。从摩托罗拉把用于质量改善的一系列统计工具和项目推行方法打包成“Six Sigma”以后，枯燥的统计方法一下子被提升到了管理工具包的层面：不仅仅是统计手段，还有系统改进、流程改善等附加手段。
伴随着近三十年来经济全球化的大潮和企业竞争的不断升级，六西格玛也从质量改善方法逐渐被拓展到对其他关键业务功能和指标的改善，如成本，库存，采购，市场，销售，研发、人事等。六西格玛甚至被应用于对其他企业管理、运营系统进行改善，如市场上有些制造企业声称他们使用六西格玛成功提升了该企业的SAP软件应用效率！
而在金融行业，六西格玛可以发挥作用的方面也已经被先行者们反复证明了。和制造业不同，金融业的主要产品是服务，产生产品的过程完全来自事先设计的“业务流程”。流程的好坏，直接决定了客户眼中的产品质量，最终在客户端以“客户满意度”的形式、在内部以“流程效率”的形式表达出来。
以贷记卡挂失为例，来看看国内某银行的流程：
首先客户要通过电话挂失（否则就要去银行两次才能够挂失），通常对银行繁琐而又语焉不详的语音电话需要相当的耐心去适应。
电话挂失后1周，客户需要亲自上门，记住，不是该行任意一家营业部的门，而是该卡初始发卡行的门
经过5－60分钟不等的排队时间，去填写挂失申请单
填完后，柜台工作人员用各种公章私章在4、5联单据上乒乒乓乓盖好
如果你需要办理新卡以取代丢失的卡，那么你还要填写贷记卡申请单据，尽管你知道你早已填写过一份，并且那一份也许已经被输入银行的运营系统，原始单据正躺在银行的某一个仓库里头
填写完毕后，仍然是乒乒乓乓的盖章；然后，谢天谢地，领到一张新卡片
如果你直接注销已经挂失的卡，那么在完成挂失后，还要填写另一张注销单据，以完成注销
为什么一件简单的挂失需要这么多复杂的流程和漫长的客户等待时间？客户为什么要为这些根本不需要的“冗余流程” 买单？对银行来说，一个优秀的银行企业，是不应该把投资人和客户的钱浪费在根本不产生价值的流程上的。不幸的是，直到今天，这样的浪费和冗余普遍存在于国 内金融业。通常，我们把这种浪费和冗余统称为流程损耗（Process Waste）。
下面，我们大概分析一下银行业的流程损耗（Process Waste）主要体现在哪些方面：
1.等待
等待是国内银行业的最典型也最明显的问题。比较常见的等待有：
门店排队，等待服务
银行内部审批、排班导致的客户等待，分为现场等待和非现场等待
流程设计导致的等待，如办理信用卡时的信用审核等待、挂失银行卡的等待
2．流程冗余
收集一些并不需要的信息
重复收集早已收集的信息
放权不够，过度审批
3．缺陷：
产品设计缺陷：有些银行产品一推出就存在不少先天缺陷，如网上银行安全性，电话银行的录音电话应答设计等
流程系统性缺陷
人为缺陷：错把30000当3000给客户
4．人和物的过度移动
营业所工作人员，尤其是内务管理人员每天要上上下下前前后后在不大的营业空间内走上好几公里路，不夸张。因流程设计使得人员过度移动，又反过来影响流程效率，令流程损耗增加；各种单据、物品在银行内部随审批、保管的需要被过度移动同样带来不必要的浪费和损耗。
5．库存
服务业也有库存。和制造业类似，各种中间处理单据、未完成的工作任务都以库存文档的显示体现。库存占用了不必要的空间和资源，增加了流程等待时间，降低了运营效率。
在基本分析了银行业的流程损耗后，我们不难看出，一个结果良好设计的业务流程是多么重要。不好的流程，不仅仅可以产出巨大的浪费，还可以产生质量低下的服务产品，和不满意（进而导致流失）的客户。
成功的感受总是如此相似，而失败的原因则总是各不相同。人人都渴望成功。各家金融公司对于自己的“成功”，无一例外的总结成：高层支持，战略重视，制度改造，工具正确……在明媚的外表下，谁知道到底发生了什么？真的成功了吗？
魔鬼总在细节里。对于大型项目，涉及面广，牵涉的利益太多，没有详细的组织，周密的计划，严谨的执行和对困难的充分估计，失败倒应该是缺省值。金融业六西格玛的推行，远远不止进行招标，然后把项目全部交给一个咨询公司那样简单。
当我们研读大洋彼岸的成功，并准备按图索骥，一展宏图的时候，可曾想过，在这些简单成功法则的背后，有着多少不可告人的困难，痛苦，犹豫，秘密？
六西格玛的核心，是将统计方法所代表的量化分析手段作为问题分析和决策支持的主要依据，在企业组织内部推行。而推行是需要人和制度的支持的，如果说方法、工具是基础，那么“人事”部分则可以理解为上层建筑。六西格玛的成功除了要求统计方法、统计工具的 正确性之外，还要求和人相关的部分的高度可控性：恰恰是这一部分本身就具有非常大的不确定性。那么问题就是：淮南之桔，如何成为淮北之枳？这实在是个全人类的话题。历史上对此事的争论汗牛充栋，其过程不乏惊险、血腥。好在终于有了些可以参照的结果，比如“洋为中用”，“师夷长技以制夷”，还有“拿来主义”。
就技术层面而言，一个良好的制度设计，是可以让不可控变成部分可控，从而部分复制先验的成功模式的。这里，我们首先讨论六西格玛成功的基础部分，也就是工具和方法问题。
带着这样的想法，笔者在不久前参加的某国际六西格玛组织在国内举办的研讨会上，偶遇韩国一家六西格玛咨询机构的管理人员。谈及韩国金融业的六西格玛推行现状，该高管坦言：很难说是“成功”了。原因其实非常简单，也是众人从未想过、考虑过的非常基础的问题：工具问题。
照理说工具问题应该容易解决，因为那么多的专业六西格玛咨询公司，他们的基础职责，就是给客户培训，让他们用上正确的统计方法和软件工具。
我们再来看看韩国的情况吧。早期进行六西格玛导入的时候，对统计方法和软件工具根本没有考虑过，主要原因在于，早期导入的确不需要太复杂的工具和方法。不要说专业软件工具，哪怕使用Excel也可以解决不少问题。
几年以后，随着六西格玛逐渐深入，被管理层认可，六西格玛的应用也从早先的试验项目渐渐扩展的各业务部门，早期没有过多考虑的问题就凸显了出来：金融行业的数据量大，业务繁重，对软件工具的平台兼容性、速度、可处理的最大数据量等硬指标有着非常高的要求。早先被大规模采纳的六西格玛软件这时居然成为了六西格玛应用的瓶颈之一。
举例来说，一个中等规模的银行，每天的交易数据超过100GB是非常普遍的（大银行甚至可以到TB级）。这样数据并不算大，甚至不能称其为“海量数据”，却使得软件工具的重要性被空前提升了。
且不说多达上百GB的数据了，1、2百万行，几十列的数据表对于金融业是再普通不过的日交易记录（或者call center每日呼叫记录）了。目前主流的六西格玛软件，到底能不能处理大数据量？能够以什么样的速度处理大数据量？六西格玛工具如何才能避免成为金融业流程损耗的一部分？
本着严谨、客观的态度，下面对JMP软件的测试数据供参考：
测试平台采用DELL笔记本电脑，2G主频的Intel芯片，2G内存，Windows XP平台。分别测试了100万行（2列），200万行、300万行数据。百万行级别的数据量是金融行业常见的数据容量。测试结果是，如果对100万行数据进行操作，JMP耗时约3秒。当数据量扩大到500万行时，JMP只需要大约9秒钟。
出于服务业特别是金融行业大数据量的特点，对大数据量的支持和运算能力对这个行业六西格玛的实施就显得尤为重要了，也日渐成为六西格玛实施者考虑的重要议题之一。一些企业在六西格玛实施之初使用了简单的统计分析工具，这些工具在一定程度上暂时满足了相关人员的分析要求，随着需要分析的数据量的增加，就要求这些企业对六西格玛统计分析软件进行重新选择，就会产生较大的转型成本，也给相关工作人员带来较大的不适应性。近来美国银行用JMP代替了其原来使用的统计分析软件就是案例之一。
随着六西格玛在企业内部的深入，所有的部门都将与此息息相关。我们建议企业在选择六西格玛软件时，应该从企业自身的实际出发，选择适合企业自身特点和要求的六西格玛统计分析软件，让六西格玛管理方法在尽量短的时间内发挥其应有的效能。
和制造业不同，金融业的一切都和流程紧密相连。流程某种程度上说就是金融业的产品，客户满意度，就是对这种产品的关键考量指标。从业务类型来说，这两年以信用卡业务为代表的零售银行在国内特别的热火朝天。其原因，我想更多是由于国有大银行在对公业务方面有着多年的根基，规模上有着先天优势，而众多以后来者身份出现的股份制商业银行自然把目光转向了零售银行。其实零售银行是一项更加赚钱的业务，零售银行是银行业朝市场化运营发展的极其关键的一步。中国银行业的将来，得零售者得天下。一些股份制商业银行开始拓展信用卡业务。最近两年，人们更是经常收到信用卡推销电话。
另一方面，客户对于银行信用卡业务的不满意也逐渐抬头，“推销的时候热情有加，退卡的时候态度恶劣”，“收钱积极，服务推诿”等反馈屡见不鲜。在不少客户的眼里，信用卡简直就是个陷阱。
所有这些现象，不由使我们反思：零售银行的市场份额如何理性扩大？如何对不同的客户群体推广不同的卡产品？如何进行合理的信用评分和信用风险监控？六西格玛如何提升信用卡业务的服务质量？
各家银行的销售策略决定了发卡时的信用选择。而这些行为，无论严谨，还是随意，都把问题推到了售后服务部门：推销得时候，总是热情有加的。以某世界级大银行为例，该行的信用卡售后服务主要通过电话银行、网上银行和邮件三个渠道进行。而和客户互动效果最好的，就是电话银行。电话银行的客户满意度，相当大的决定了客户对于整个服务体系的满意程度。该行推进了一系列六西格玛改进活动，以提高电话银行的客户满意度：
在开展项目之前，该行开展了一系列VOC（客户之声）项目，以了解目前客户满意度处于何种水平，以及目前水平和市场平均水平、市场最好水平之间的关系，以确立改进方向
定义阶段：确定待改善的业务流程，通过一系列定性分析方法确定影响满意度的关键输入参数
测量阶段：建立测量计划，收集数据
分析阶段：用统计方法和高级建模方法对数据进行分析、交叉验证分析结果
改善阶段：模拟现实工作环境数据，对步骤4产生的满意度方程进行反复验证，并工具验证结果有选择的进行具体改善
控制阶段：分析阶段性改善目标，进行过程能力分析……
提升改善目标，扩大改善范围，进入持续改善阶段
在该行的六西格玛项目中，对高端统计方法的正确使用对于缩短项目周期、提升项目的效果起到了非常关键的作用。以分析阶段为例，面对庞杂的业务数据，如何一下子找到影响满意度的关键指标殊为不易：因为这些数据逻辑关系复杂，各种X因素之间交互影响很多，如果没有一个先验的“满意度模型”，用统计方法需要大量的时间、非常专业的统计人员进行分析和反复证明。
为了解决这个问题，他们大胆采用了数据挖掘方法中的决策树进行建模。数据挖掘是金融业大量采用的高端建模方法。和传统统计方法不同，数据挖掘更善于发现大规模数据中的复杂逻辑关系，并且迅速建立模型。而决策树又是数据挖掘工具中最易读、易用的建模方法。而来自call center的数据量容量巨大，对统计工具的吞吐量、速度和建模能力都提出了很高的要求。
在这个项目中，该行采用了全球数据挖掘领导厂商SAS的高端六西格玛统计发现软件JMP。
通过数据挖掘，对日电话量高达几十万乃至于上百万的客户电话数据进行满意度相关的模型分析，该行在短短1天之内就确定了关键X因子，并且找到了最佳的X因子组合。接下来，用多元回归对数据挖掘结果进行交叉验证，进一步保证不同分析方法对于同一数据进行分析的一致性。而后续的模拟、改进项目表明，该行的客户满意度迅速提升到了一个令人满意的水平，并且通过这个六西格玛项目大大降低了call center的运营成本，达到每年节约200万英镑的规模！
事实表明，统计方法、工具的先进性，对金融业六西格玛项目的成功具有非常重要的作用。
20世纪90年代以后，全球服务业，尤其是金融业开始逐渐接受六西格玛。美国金融业巨头在引入六西格玛方面起到了积极的榜样作用。
花旗、美洲银行、美林、AIG等大型金融业集团先后将六西格玛作为一定范围内的改善方法，进而大规模在全球范围内推广。后来者也纷纷效法，并且大有赶超之势：汇丰银行的“卓越运营”（Operational Excellence）部门在全球范围内主导了一场宏伟的六西格玛战略，并且获得了非常客观的投资回报。这使得金融行业成为全球六西格玛应用的一个非常重要而又庞大的市场。
在管理新名词、新概念漫天飞舞，咨询顾问众多的今天，六西格玛这个略带神秘感的管理方法如何得以登堂入室，并且受到高高在上的金融业高级主管们推崇？国内的金融企业，又应该如何从中得到经验、教训和发展的动力？
首先要认清的是，和CRM, ABC, SPM, BSC之类的理念不同，六西格玛原本并不是什么新玩意。而在制造业，六西格玛就更不是什么新鲜事了。直到今天，仍然有不少制造企业“没有推行六西格玛” ——千万不要被文字所迷惑，早在六西格玛诞生以前，它的“前身”，也就是利用统计方法改善质量这一事实，已经存在很久了。从摩托罗拉把用于质量改善的一系列统计工具和项目推行方法打包成“Six Sigma”以后，枯燥的统计方法一下子被提升到了管理工具包的层面：不仅仅是统计手段，还有系统改进、流程改善等附加手段。
伴随着近三十年来经济全球化的大潮和企业竞争的不断升级，六西格玛也从质量改善方法逐渐被拓展到对其他关键业务功能和指标的改善，如成本，库存，采购，市场，销售，研发、人事等。六西格玛甚至被应用于对其他企业管理、运营系统进行改善，如市场上有些制造企业声称他们使用六西格玛成功提升了该企业的SAP软件应用效率！
而在金融行业，六西格玛可以发挥作用的方面也已经被先行者们反复证明了。和制造业不同，金融业的主要产品是服务，产生产品的过程完全来自事先设计的“业务流程”。流程的好坏，直接决定了客户眼中的产品质量，最终在客户端以“客户满意度”的形式、在内部以“流程效率”的形式表达出来。
以贷记卡挂失为例，来看看国内某银行的流程：
首先客户要通过电话挂失（否则就要去银行两次才能够挂失），通常对银行繁琐而又语焉不详的语音电话需要相当的耐心去适应。
电话挂失后1周，客户需要亲自上门，记住，不是该行任意一家营业部的门，而是该卡初始发卡行的门
经过5－60分钟不等的排队时间，去填写挂失申请单
填完后，柜台工作人员用各种公章私章在4、5联单据上乒乒乓乓盖好
如果你需要办理新卡以取代丢失的卡，那么你还要填写贷记卡申请单据，尽管你知道你早已填写过一份，并且那一份也许已经被输入银行的运营系统，原始单据正躺在银行的某一个仓库里头
填写完毕后，仍然是乒乒乓乓的盖章；然后，谢天谢地，领到一张新卡片
如果你直接注销已经挂失的卡，那么在完成挂失后，还要填写另一张注销单据，以完成注销
为什么一件简单的挂失需要这么多复杂的流程和漫长的客户等待时间？客户为什么要为这些根本不需要的“冗余流程” 买单？对银行来说，一个优秀的银行企业，是不应该把投资人和客户的钱浪费在根本不产生价值的流程上的。不幸的是，直到今天，这样的浪费和冗余普遍存在于国 内金融业。通常，我们把这种浪费和冗余统称为流程损耗（Process Waste）。
下面，我们大概分析一下银行业的流程损耗（Process Waste）主要体现在哪些方面：
1.等待
等待是国内银行业的最典型也最明显的问题。比较常见的等待有：
门店排队，等待服务
银行内部审批、排班导致的客户等待，分为现场等待和非现场等待
流程设计导致的等待，如办理信用卡时的信用审核等待、挂失银行卡的等待
2．流程冗余
收集一些并不需要的信息
重复收集早已收集的信息
放权不够，过度审批
3．缺陷：
产品设计缺陷：有些银行产品一推出就存在不少先天缺陷，如网上银行安全性，电话银行的录音电话应答设计等
流程系统性缺陷
人为缺陷：错把30000当3000给客户
4．人和物的过度移动
营业所工作人员，尤其是内务管理人员每天要上上下下前前后后在不大的营业空间内走上好几公里路，不夸张。因流程设计使得人员过度移动，又反过来影响流程效率，令流程损耗增加；各种单据、物品在银行内部随审批、保管的需要被过度移动同样带来不必要的浪费和损耗。
5．库存
服务业也有库存。和制造业类似，各种中间处理单据、未完成的工作任务都以库存文档的显示体现。库存占用了不必要的空间和资源，增加了流程等待时间，降低了运营效率。
在基本分析了银行业的流程损耗后，我们不难看出，一个结果良好设计的业务流程是多么重要。不好的流程，不仅仅可以产出巨大的浪费，还可以产生质量低下的服务产品，和不满意（进而导致流失）的客户。
成功的感受总是如此相似，而失败的原因则总是各不相同。人人都渴望成功。各家金融公司对于自己的“成功”，无一例外的总结成：高层支持，战略重视，制度改造，工具正确……在明媚的外表下，谁知道到底发生了什么？真的成功了吗？
魔鬼总在细节里。对于大型项目，涉及面广，牵涉的利益太多，没有详细的组织，周密的计划，严谨的执行和对困难的充分估计，失败倒应该是缺省值。金融业六西格玛的推行，远远不止进行招标，然后把项目全部交给一个咨询公司那样简单。
当我们研读大洋彼岸的成功，并准备按图索骥，一展宏图的时候，可曾想过，在这些简单成功法则的背后，有着多少不可告人的困难，痛苦，犹豫，秘密？
六西格玛的核心，是将统计方法所代表的量化分析手段作为问题分析和决策支持的主要依据，在企业组织内部推行。而推行是需要人和制度的支持的，如果说方法、工具是基础，那么“人事”部分则可以理解为上层建筑。六西格玛的成功除了要求统计方法、统计工具的 正确性之外，还要求和人相关的部分的高度可控性：恰恰是这一部分本身就具有非常大的不确定性。那么问题就是：淮南之桔，如何成为淮北之枳？这实在是个全人类的话题。历史上对此事的争论汗牛充栋，其过程不乏惊险、血腥。好在终于有了些可以参照的结果，比如“洋为中用”，“师夷长技以制夷”，还有“拿来主义”。
就技术层面而言，一个良好的制度设计，是可以让不可控变成部分可控，从而部分复制先验的成功模式的。这里，我们首先讨论六西格玛成功的基础部分，也就是工具和方法问题。
带着这样的想法，笔者在不久前参加的某国际六西格玛组织在国内举办的研讨会上，偶遇韩国一家六西格玛咨询机构的管理人员。谈及韩国金融业的六西格玛推行现状，该高管坦言：很难说是“成功”了。原因其实非常简单，也是众人从未想过、考虑过的非常基础的问题：工具问题。
照理说工具问题应该容易解决，因为那么多的专业六西格玛咨询公司，他们的基础职责，就是给客户培训，让他们用上正确的统计方法和软件工具。
我们再来看看韩国的情况吧。早期进行六西格玛导入的时候，对统计方法和软件工具根本没有考虑过，主要原因在于，早期导入的确不需要太复杂的工具和方法。不要说专业软件工具，哪怕使用Excel也可以解决不少问题。
几年以后，随着六西格玛逐渐深入，被管理层认可，六西格玛的应用也从早先的试验项目渐渐扩展的各业务部门，早期没有过多考虑的问题就凸显了出来：金融行业的数据量大，业务繁重，对软件工具的平台兼容性、速度、可处理的最大数据量等硬指标有着非常高的要求。早先被大规模采纳的六西格玛软件这时居然成为了六西格玛应用的瓶颈之一。
举例来说，一个中等规模的银行，每天的交易数据超过100GB是非常普遍的（大银行甚至可以到TB级）。这样数据并不算大，甚至不能称其为“海量数据”，却使得软件工具的重要性被空前提升了。
且不说多达上百GB的数据了，1、2百万行，几十列的数据表对于金融业是再普通不过的日交易记录（或者call center每日呼叫记录）了。目前主流的六西格玛软件，到底能不能处理大数据量？能够以什么样的速度处理大数据量？六西格玛工具如何才能避免成为金融业流程损耗的一部分？
本着严谨、客观的态度，下面对JMP软件的测试数据供参考：
测试平台采用DELL笔记本电脑，2G主频的Intel芯片，2G内存，Windows XP平台。分别测试了100万行（2列），200万行、300万行数据。百万行级别的数据量是金融行业常见的数据容量。测试结果是，如果对100万行数据进行操作，JMP耗时约3秒。当数据量扩大到500万行时，JMP只需要大约9秒钟。
出于服务业特别是金融行业大数据量的特点，对大数据量的支持和运算能力对这个行业六西格玛的实施就显得尤为重要了，也日渐成为六西格玛实施者考虑的重要议题之一。一些企业在六西格玛实施之初使用了简单的统计分析工具，这些工具在一定程度上暂时满足了相关人员的分析要求，随着需要分析的数据量的增加，就要求这些企业对六西格玛统计分析软件进行重新选择，就会产生较大的转型成本，也给相关工作人员带来较大的不适应性。近来美国银行用JMP代替了其原来使用的统计分析软件就是案例之一。
随着六西格玛在企业内部的深入，所有的部门都将与此息息相关。我们建议企业在选择六西格玛软件时，应该从企业自身的实际出发，选择适合企业自身特点和要求的六西格玛统计分析软件，让六西格玛管理方法在尽量短的时间内发挥其应有的效能。
和制造业不同，金融业的一切都和流程紧密相连。流程某种程度上说就是金融业的产品，客户满意度，就是对这种产品的关键考量指标。从业务类型来说，这两年以信用卡业务为代表的零售银行在国内特别的热火朝天。其原因，我想更多是由于国有大银行在对公业务方面有着多年的根基，规模上有着先天优势，而众多以后来者身份出现的股份制商业银行自然把目光转向了零售银行。其实零售银行是一项更加赚钱的业务，零售银行是银行业朝市场化运营发展的极其关键的一步。中国银行业的将来，得零售者得天下。一些股份制商业银行开始拓展信用卡业务。最近两年，人们更是经常收到信用卡推销电话。
另一方面，客户对于银行信用卡业务的不满意也逐渐抬头，“推销的时候热情有加，退卡的时候态度恶劣”，“收钱积极，服务推诿”等反馈屡见不鲜。在不少客户的眼里，信用卡简直就是个陷阱。
所有这些现象，不由使我们反思：零售银行的市场份额如何理性扩大？如何对不同的客户群体推广不同的卡产品？如何进行合理的信用评分和信用风险监控？六西格玛如何提升信用卡业务的服务质量？
各家银行的销售策略决定了发卡时的信用选择。而这些行为，无论严谨，还是随意，都把问题推到了售后服务部门：推销得时候，总是热情有加的。以某世界级大银行为例，该行的信用卡售后服务主要通过电话银行、网上银行和邮件三个渠道进行。而和客户互动效果最好的，就是电话银行。电话银行的客户满意度，相当大的决定了客户对于整个服务体系的满意程度。该行推进了一系列六西格玛改进活动，以提高电话银行的客户满意度：
在开展项目之前，该行开展了一系列VOC（客户之声）项目，以了解目前客户满意度处于何种水平，以及目前水平和市场平均水平、市场最好水平之间的关系，以确立改进方向
定义阶段：确定待改善的业务流程，通过一系列定性分析方法确定影响满意度的关键输入参数
测量阶段：建立测量计划，收集数据
分析阶段：用统计方法和高级建模方法对数据进行分析、交叉验证分析结果
改善阶段：模拟现实工作环境数据，对步骤4产生的满意度方程进行反复验证，并工具验证结果有选择的进行具体改善
控制阶段：分析阶段性改善目标，进行过程能力分析……
提升改善目标，扩大改善范围，进入持续改善阶段
在该行的六西格玛项目中，对高端统计方法的正确使用对于缩短项目周期、提升项目的效果起到了非常关键的作用。以分析阶段为例，面对庞杂的业务数据，如何一下子找到影响满意度的关键指标殊为不易：因为这些数据逻辑关系复杂，各种X因素之间交互影响很多，如果没有一个先验的“满意度模型”，用统计方法需要大量的时间、非常专业的统计人员进行分析和反复证明。
为了解决这个问题，他们大胆采用了数据挖掘方法中的决策树进行建模。数据挖掘是金融业大量采用的高端建模方法。和传统统计方法不同，数据挖掘更善于发现大规模数据中的复杂逻辑关系，并且迅速建立模型。而决策树又是数据挖掘工具中最易读、易用的建模方法。而来自call center的数据量容量巨大，对统计工具的吞吐量、速度和建模能力都提出了很高的要求。
在这个项目中，该行采用了全球数据挖掘领导厂商SAS的高端六西格玛统计发现软件JMP。
通过数据挖掘，对日电话量高达几十万乃至于上百万的客户电话数据进行满意度相关的模型分析，该行在短短1天之内就确定了关键X因子，并且找到了最佳的X因子组合。接下来，用多元回归对数据挖掘结果进行交叉验证，进一步保证不同分析方法对于同一数据进行分析的一致性。而后续的模拟、改进项目表明，该行的客户满意度迅速提升到了一个令人满意的水平，并且通过这个六西格玛项目大大降低了call center的运营成本，达到每年节约200万英镑的规模！
事实表明，统计方法、工具的先进性，对金融业六西格玛项目的成功具有非常重要的作用。
RSS Feed