为什么这很重要

服务团队承担着许多对客户没有帮助的工作:重复的审批、没人读的报告、丢失信息的交接、因为第一次回答没抓住要点而被重新打开的工单。每一项单独看起来都合情合理。合在一起,它们消耗的时间比有用的工作还多,让每项服务都比必要的更慢、更昂贵。

精益思想提供了一套看清这一点的词汇。它问客户重视什么,追踪产生这些价值的步骤,并把其余的标记为需要减少的浪费。改善(kaizen)是一个日语词,意为“变得更好的改变”,它提供了减少浪费的方法:由最贴近工作的人,随时进行许多小的改进。不需要大张旗鼓的重新设计。

这两种理念都来自制造业,尤其是丰田生产方式,并且都已被改造用于软件和服务。它们构成了 ITIL 4 指导原则“聚焦价值”、“保持简单实用”和“通过反馈迭代推进”的基础(见主题 1.5 — ITIL 指导原则)。本主题解释关键理念,说明如何把它们用于服务工作,以及它们可能被如何误用。

核心概念

精益制造与丰田生产方式。 精益是对源自丰田生产方式的生产方法的统称,丰田生产方式是在第二次世界大战后发展起来的。其目的是向客户交付价值、减少浪费并改善流动。维基百科关于精益制造和丰田生产方式的文章给出了背景。“精益”一词在 20 世纪后期关于汽车生产的研究之后广为流传。

价值与浪费。 在精益的语境中,价值是客户愿意为之付费、或者缺了就会注意到的东西。浪费,日语称为“muda”,是任何消耗资源而不增加价值的活动。精益还提出“muri”(对人员或设备的过度负担)和“mura”(工作的不均衡)。这三者合称为“三 M”。

七种浪费,转译到服务工作。 制造业中经典的七种浪费在服务中有对应的形式:

经典浪费 在服务工作中,例如
搬运 在许多队列之间传递工单
库存 积压着永远不会有人去做的请求
动作 在许多系统中查找信息
等待 请求在等待审批时处于闲置
过量生产 没人要求的报告和功能
过度加工 没有增加安全性的审批步骤
缺陷 导致重复工单的不正确的修复

许多精益作者还补充了第八种:人员未被利用的才能。在软件领域,Mary 和 Tom Poppendieck 在其精益软件开发的著作中改造了这份清单,维基百科对此有描述。

流动与拉动。 精益组织工作的方式,是使其顺畅流动,并在有产能时才启动新工作,而不是把它推进来。相关工具见主题 2.3 — 流动与看板。

尊重人。 丰田的精益建立在两大支柱上:持续改进和尊重人。在实践中,这意味着请做工作的人去发现问题并提出修复方案,而不是从外部强加变更。裁减人员却称之为改进的精益项目,是对这一理念的误用。

改善(Kaizen)。 通过小变化实现的持续改进。维基百科把改善描述为组织中每个人都使用的方法,其变更小到可以迅速尝试。典型的改善循环使用计划—执行—检查—行动(PDCA)循环:计划一项变更,尝试它,检查结果,然后采纳或调整。见主题 3.15 — 持续改进。

去现场看(gemba)。 “Gemba”是工作发生的地方。精益实践要求管理者和改进者到那里去,观察并提问,而不是依赖报告。对服务团队来说,gemba 可能是服务台、工单队列或与客户的一次通话。

根因工具。 精益使用一些简单方法,如“五个为什么”(反复追问为什么,直到找到可以采取行动的原因)和 A3 问题解决法(结构化的一页纸总结)。它们支持问题管理(见主题 3.3 — 问题管理)。使用时要小心:问五次“为什么”可能引向一个要责怪的人,而不是系统中的原因。

防错。 Poka-yoke 是指设计某一步骤,使错误难以发生或被立即发现的做法。在服务工作中,它可以是必填字段、模板、流水线中的检查,或在高风险操作之前的确认。自働化(autonomation,有时称为 jidoka)指在检测到故障时停止流程,现代的类似做法是在测试失败时停止的流水线。

停线。 丰田工厂中的安灯拉绳(andon cord)让任何工人在看到问题时都可以停止生产线。转译到服务中,就是任何人都可以提出可能伤害客户的问题,团队把这一信号视为有用而不是干扰。

精益与敏捷。 精益思想影响了敏捷软件开发,二者有重叠:小批量、反馈、持续改进、尊重人。本指南强调持续的干系人参与、持续改进和对可运行变更的持续交付,精益对此提供支持。

这些视角如何契合。 精益与改善是敏捷视角的改进引擎。AI 可以在审查下发现工单中暗示浪费的规律。自动化在你简化之后去除重复的手工步骤。分析显示工作在哪里等待、缺陷在哪里产生。

最佳实践

  1. 从客户的角度定义价值。 对每项服务,写下客户重视什么。把流程中的每一步标记为增值的、必要但不增值的,或浪费。
  2. 去现场看。 花时间待在工作发生的地方,观察真实的请求,并与做这些事的人交谈。报告不能替代这一点。
  3. 先去除浪费,再自动化。 先简化流程。把一个浪费的步骤自动化,只会使浪费的产生成本更低,而不会使它变少。
  4. 让最贴近工作的人去改进它。 给团队时间、权限和尝试变更的简便方式。迅速评审他们的想法,并告诉他们结果如何。
  5. 让改进小而快。 目标是几天内就能尝试的变更。把它们当作带有明确预期和检查日期的实验来运行。
  6. 修复原因,而不是责怪人。 出问题时,问是系统中的什么允许了它发生。使用根因方法来查找原因,避免停留在“人为失误”。
  7. 对重复的步骤做防错。 在错误发生超过一次的地方,增加必填字段、模板、检查和确认。
  8. 让任何人都能停线。 建立一种安全的方式,让人们对变更或事件响应提出关切。感谢提出者。
  9. 保留一块改进看板。 把改进想法、状态和结果展示在团队和干系人能看到的地方。
  10. 不要把精益当作裁员的幌子。 如果改进导致裁员,人们就不再提出改进。说明节省下来的时间将用在哪里。

与团队讨论的问题

我们的客户从这项服务中重视什么?我们做的哪些事情,即使停止了他们也不会注意到? 这个问题把价值与活动区分开。团队常会发现没有人使用的报告、审批或检查。如果可能,询问客户的看法。追问:选择一项活动停止一个月,并由一位负责人留意是否造成损害。

经典浪费中,我们最常看到哪些?每一种最近的例子是什么? 使用七种浪费的表格。人们通常首先说出等待和返工。请要求拿出真实的工单或事件。追问:挑出耗时最多的那种浪费。

上一次有人提出改进是什么时候?这个想法后来怎么样了? 这个问题检验改进体系。你可能会听到想法石沉大海,或者提出建议就意味着被分配去做。问问回应花了多长时间。追问:商定一个回应时间和一份可见的清单。

哪些重复发生的错误,我们可以使之不可能发生,或者至少让它显而易见? 找出一再发生的错误:错误的分类、缺失的字段、在错误的系统上运行的命令。问问一个简单的防护措施会是什么样子。追问:选择一个错误和一个要尝试的防护措施。

我们在哪些地方是系统允许了错误,却责怪了人? 这个问题探究文化。评审常以“要更小心”收尾。问问是什么使错误容易发生,什么能使它更难发生。追问:用系统的措辞重写某次过去评审的结论。

AI 如何帮助我们发现浪费?我们如何检查它是对的? AI 可以对工单分组、发现重复的问题,并建议可自动化的候选项。它也可能编造规律。问问谁来检查它发现的内容的样本。追问:先选一批工单样本,手工检验它的分组。

实践:一个服务管理示例

一家政府福利机构运营着一个回答申请相关问题的联络中心。员工说他们整天都在“追着要信息”。参加过一门简短精益课程的团队负责人决定到现场去。她和坐席们一起坐了三天,针对 120 个电话,记录了每个来电者来电的原因以及坐席做了什么。

她发现,120 个电话中有 40 个是关于同一份申请的重复来电,因为第一位坐席看不到保存在另一个系统中的状态。另有 25 个是关于一封使用了来电者看不懂的措辞的信函。坐席在每次通话中花了很大一部分时间在四个屏幕之间切换。

团队在六周内尝试了三项小改变:用几句平实的话重写令人困惑的信函,并在一批申请人中测试;增加一个显示从另一个系统提取的申请状态的屏幕;并为最常见的五个问题制作一页纸的指南。坐席们提出了第四项改变:一份通话记录模板,减少跨班次的重复解释。每项改变试行两周,并在每周的简短会议上评审。

变化在于:团队所跟踪的样本中重复来电减少了,坐席们报告切换屏幕的情况也少了。仍然困难的是:状态屏幕依赖由另一个部门拥有的集成,对方尚未同意对其进行维护;除了询问来电者之外,团队没有好办法衡量他们是否看懂了那封信;一位经理还问这些改变节省了多少坐席工时,这诱使人们去统计一个数字。负责人把重点放在来电者的体验上,并与她的经理约定,节省下来的时间将用来减少积压,而不是裁员。

四种视角

产品与交付团队

从用户的角度定义价值,去掉不服务于它的功能和步骤。使用小实验,对重复的步骤做防错,并把运维问题当作设计变更的信号。

服务与运维团队

你们每天都看到浪费。把它记录下来,把例子带到改进看板上,并尝试小的修复。当一项变更或响应可能伤害客户时,使用停线。

领导层与治理

去现场看。问团队他们想改变什么,并给他们时间去做。保护提出问题的人。明确说明精益不是削减成本的项目。

客户与用户

你知道自己重视什么。告诉提供者哪些步骤对你毫无意义、哪些有帮助。如果你提供了反馈,期待听到有什么改变。

敏捷、AI、自动化与分析

敏捷

精益与改善提供了改进的习惯:小变更、频繁反馈、干系人参与,以及信任人们去改进自己的工作。注意:改进看板可能变成另一份没人评审的待办事项列表(backlog);保持清单简短并经过评审。

AI

AI 可以对工单聚类、发现重复的问题,并建议浪费在哪里。每种用法都需要负责人,并由人检查样本。注意:AI 的总结可能发现的只是工单分类方式造成的假象;要对照实际工作核实。见主题 5.1 — 服务管理中的 AI。

自动化

对在浪费已被去除、流程趋于稳定之后仍然存在的步骤进行自动化,例如路由请求或更新状态,并保留日志和撤销的办法。注意:自动化可能把糟糕的流程固化下来,使改变更困难;每次重大自动化之后进行评审。见主题 6.1 — 自动化策略。

分析

度量工作在哪里等待、多频繁地被重做,以及重复联系花费多长时间。注意:统计“节省的工时”会招致夸大的说法,并可能损害信任;也要跟踪客户和团队的体验。见主题 7.6 — 流程与价值流分析和《服务管理度量》一书。

常见失败模式

  • 把精益当作削减成本。 人们停止提出改进。说明收益将如何使用,并信守承诺。
  • 隔着距离做改进。 顾问重新设计了他们从未观察过的东西。去现场看,并让做工作的人参与。
  • 把浪费自动化。 一个糟糕的流程被写成了脚本。先简化。
  • 责怪个人。 评审以“人为失误”结束。寻找系统中是什么允许了它发生。
  • 改进想法消失无踪。 人们不再提建议。迅速回应并展示清单。
  • 庞大的改进项目。 变革耗时一年,成效甚微。倾向于带检查的小实验。
  • 把节省当作目标。 数字被夸大。度量客户成果和体验。

成熟度模型

维度 起步 发展 标准化 管理 协同
价值与浪费 价值被默认存在 识别出一些浪费 按服务定义价值与浪费 跟踪并减少浪费 减少浪费的行动在各服务和供应商之间协调
改进习惯 靠危机推动改进 少数倡导者 带评审的定期小实验 度量并分享结果 改进融入团队并跨合作伙伴
问题解决 责怪 有一些根因分析 使用标准的根因方法 追踪原因直至预防 学习在整个组织中共享
防错 罕见 临时的防护措施 针对已知的重复错误设置防护 度量防护措施的效果 防护措施内建于所有工具和流水线

检查清单

  • 我们写下了每项服务的客户重视什么。
  • 我们去了工作发生的地方并观察了真实的工作。
  • 我们把各步骤分类为增值、必要或浪费。
  • 改进想法可见、迅速得到回应并被跟踪。
  • 我们把变更当作带检查日期的小实验来尝试。
  • 评审在系统中寻找原因,而不是责怪。
  • 我们为重复的错误增加了防护措施。
  • 我们说明了改进收益将如何使用。

AI 提示词

为评审把各步骤分类为价值或浪费。

这是我们 [服务] 流程中的步骤,包括每一步由谁做以及大致耗时:[粘贴步骤]。
请针对每一步,提出它是为客户增加价值、必要但不增值,还是看起来是浪费,给出一行理由,以及一个与执行者确认的问题。不要建议移除任何东西。
请列出你不确定的事项。

在工单中发现重复的问题。

下面是已去除个人数据的工单标题和第一条消息:[粘贴样本]。
请把它们分成最多八个主题,统计每个主题的数量,并为每个主题原文引用两个简短例子。不要猜测原因。
请列出你不确定的事项。

把根因笔记转化为关于系统的问题。

这是最近一次故障的总结:[粘贴总结]。
请把它改写为一系列关于是我们系统中的什么允许了故障发生的问题,避免责怪,并为每个问题提出一个可考虑的防护措施。不要陈述总结中没有的原因。
请列出你不确定的事项。

AI 技能

主要来源

  • 大野耐一(Taiichi Ohno),Toyota Production System: Beyond Large-Scale Production(1988):创始人对这些理念的叙述。
  • Mary 和 Tom Poppendieck,Lean Software Development: An Agile Toolkit(2003):把精益思想改造用于软件。
  • Wikipedia, "Lean manufacturing" 和 "Kaizen":附有延伸阅读的中立概述。
  • Wikipedia, "Lean software development":针对软件工作的改造。

参考文献

  1. Lean manufacturing — Wikipedia — https://en.wikipedia.org/wiki/Lean_manufacturing
  2. Kaizen — Wikipedia — https://en.wikipedia.org/wiki/Kaizen
  3. Toyota Production System — Wikipedia — https://en.wikipedia.org/wiki/Toyota_Production_System
  4. Muda (Japanese term) — Wikipedia — https://en.wikipedia.org/wiki/Muda_(Japanese_term)
  5. Lean software development — Wikipedia — https://en.wikipedia.org/wiki/Lean_software_development
  6. Gemba — Wikipedia — https://en.wikipedia.org/wiki/Gemba
  7. Poka-yoke — Wikipedia — https://en.wikipedia.org/wiki/Poka-yoke
  8. Andon (manufacturing) — Wikipedia — https://en.wikipedia.org/wiki/Andon_(manufacturing)
  9. Five whys — Wikipedia — https://en.wikipedia.org/wiki/Five_whys
  10. Value-stream mapping — Wikipedia — https://en.wikipedia.org/wiki/Value-stream_mapping