运用精益六西格玛提升人力资源管理水平（李旭东）(2)

1.3在流程分析中，一定要对自变量进行科学的量化赋值，通过多次排查确定关键因子

在具体工作中，传统的人力资源管理也会针对流程进行分析，以查找问题的主要原因，并针对该因素进行优化以改善结果。但是由于缺乏科学的量化措施，传统的分析方法很容易被浮在问题表面上的各种次要因素所迷惑，难以准确找到问题的根本所在。如果具体问题中的自变量较多，流程复杂，采用传统的分析方法往往会迷失方向，最终导致作出错误的判断。精益六西格玛对数据的量化要求可以有效还原数据的真实性，使流程分析避开次要因素的干扰，挖掘出埋藏在迷雾深处的关键因子，保障流程分析的客观性和科学性。

以人力资源管理中经常开展的员工离职率分析为例。由于员工离职的原因较为复杂，并且显性原因和隐性原因相互交叉，主要原因和次要原因相互影响，离职率分析属于一个较为典型的复杂流程分析。传统人力资源管理对离职率的分析一般通过离职谈话或离职调查对员工离职原因进行分类（主要原因、次要原因），并通过对各类离职原因进行计数，统计离职原因的出现频率，以此来确定造成员工离职的关键因子，再进行风险评估后采取相应措施加以改善。但这样的分析由于缺乏定量数据的支撑，分析结果可能存在较大风险，有时甚至和真实原因完全相反。

以下是某单位针对员工离职倾向所作的一个调查：

目前本单位有15名员工存在离职倾向，目前排名第一、第二的主要离职原因分别是：

（1）目前收入与预期收入相比偏低。（被8人列为主要原因，占比53%；被3人列为次要原因）

6

（2）职业生涯发展不理想，晋升空间有限。（被3人列为主要原因，占比20%；被6人列为次要原因）

按传统人力资源管理方式分析，在可能离职原因排名顺序出来之后，首先要针对排名第一的能离职原因进行分析，是否本单位岗位收入水平低于市场上行业平均水平，是否需要进一步提高这些员工的收入水平。但是奇怪的是通过比较发现本单位的岗位收入水平已经普遍高于了市场上行业平均水平，为什么收入还会成为离职原因之首呢？通过重新设计问卷，请有离职倾向的员工对本人认为的各类离职原因根据影响程度从轻微到严重（取数值1到10）进行赋值，这一次统计的结果发生了有趣的变化：

（1）目前收入与预期收入相比偏低，赋值总和为48分。（被8人列为主要原因，赋值总和为37分；被3人列为次要原因，赋值总和为11分）

（2）职业生涯发展不理想，晋升空间有限，赋值总和为65分。（被3人列为主要原因，赋值总和为26分；被6人列为次要原因，赋值总和为39分）

为什么在这次调查中收入问题对离职的影响程度总得分数反而会明显低于晋升问题对离职的影响程度总得分数呢？通过进一步深入调查，了解到收入问题的实质是部分员工因为上层职位有限，长期缺乏岗位晋升，导致对收入不满。而一开始员工本人也认为自己的不满是来源于收入偏低，而通过对收入与晋升进行赋值，这才认识到其实自己不满的是单位设计的职业发展途径不畅。因此，解决问题的关键因子是晋升机制，改善的重点不是盲目提高岗位的收入待遇，而是根据不同岗位序列的特点，尽快建立和完善有效的员工成长晋升机

7

制。

2以系统分析为核心，将传统人力资源管理的单因素简单分析提升为精益六西格玛的综合性体系分析

传统人力资源管理在流程分析过程中，对自变量的定义、描述以及赋值等方面存在简单化、理想化的特点，对于复杂流程的分析往往流于片面化和表面化，而精益六西格玛通过建立标准的潜在失效模式与后果分析体系（简称FMEA：Failure Mode and Effects Analysis）,对造成结果的所有自变量从严重程度(S)、发生频度(O)、探测度(D)三个维度进行量化评价，以三者的乘积确定自变量的风险系数（简称RPN：risk priority number)，在以此确定流程中关键自变量的基础上，通过进一步分析以聚焦有效的改善方向与方法，并允许对改善结果进行客观比较和量化评估。

2.1深入调查，排除干扰，确保自变量具有较高的探测度（可信度）

由于人力资源管理的几乎所有流程都涉及到“人”这个最活跃、最不稳定的因素，因此在查找自变量时，必须综合分析，深入调查，尽最大可能排除干扰因素影响，力求聚焦最真实的关键影响因素，找准改善流程的正确方向。

仍以某单位对考勤管理中迟到、早退的分析为例。该单位通过考勤记录发现某员工今年以来几乎每月都有三次迟到记录，经与其谈话了解其迟到原因，该员工称将主要原因是为了小孩读书方便在学校旁边租房居住，由于租住地距厂区通勤车发车地较远且交通较为拥堵，导致每月总会发生几次迟到，并保证今后将提前搭乘公交车，尽量不再迟到。应该说该职工的解释合情合理，且保证今后会严格遵守纪律，

8

说明谈话也起到了警示效果。但是考虑到其迟到所具有的规律性不太符合逻辑（交通拥堵不可能正好每月造成三次迟到），于是决定作进一步调查。经核实，该员工租住地距通勤车发车地仅公交车五站路距离，且有三路公交车可直达，正常情况下乘车时间不超过15分钟，交通拥堵也是小概率事件，至此可初步判断该员工陈述的迟到原因不成立。通过进一步了解,该员工承认迟到的主要原因是本部门规定迟到四次记旷工一个，对迟到三次以下的，一般没有予以经济考核，所以主观上形成了“可以迟到三次”的惯性思维。至此，通过对自变量的排查，去除了表面上的自变量“租住地距通勤车发车地距离”，而确定了隐藏在表面之下的关键自变量“考勤管理与考核制度”，进而通过按迟到时间、迟到次数予以分级，针对不同的等级对考核金额进行量化，以提高经济考核的威慑力度来改善出勤正点率。

2.2结合数据中的附加信息，对自变量发生频度进行综合分析，以进一步确定关键因子

自变量的发生频度，在某种意义上可以等同于自变量对结果的影响程度,因此自变量的发生频度是衡量自变量是否关键因子的重要指标。但如果在对自变量发生频度进行分析时忽略了相关的附加信息，那么分析的效果和作用将大打折扣。因此，在流程分析的时候，必须结合相关的附加信息，对自变量的发生频度进行综合分析，进一步挖掘出隐藏在频度数据背后的的更多信息和深层次原因，从而找到解决问题的正确途径。

以下是某单位2013年员工离职统计表：

表1：

序号

员工 年龄 主要离职原因 9

1 2 3 4 5 6 7 8 9 10 A B C D E F G H I J 24 37 28 24 35 25 25 23 39 28 离家太远，父母不放心自己 收入偏低，生活压力大 在本单位发展前途不乐观 女朋友不喜欢西昌，要求一起离开 夫妻长期分居 不习惯倒班 工作太累，压力大 不适应西昌人文环境 父亲在老家患病，无人照顾 通过亲戚在广东找到了更好的工作 如果单纯从主要离职原因的发生频度分析，每个人的主要离职原因几乎都不完全相同，无法做进一步的分析判断。但是如果结合离职员工的年龄重新进行梳理，就会发现有新的信息呈现出来。

以下是按照年龄排序之后重新梳理的员工离职情况统计表：

表2：

序号 1 2 3 4 5 6 7 员工 I B E C J G F 年龄 39 37 35 28 28 25 25 主要离职原因 父亲在老家患病，无人照顾 收入偏低，生活压力大 夫妻长期分居 在本单位发展前途不乐观 通过亲戚在广东找到了更好的工作 工作太累，压力大 不习惯倒班 10