《数据驱动，结果导向—基层效能提升实战课》

《数据驱动，结果导向—基层效能提升实战课》

主讲：杨朝盛老师

【课程背景】

许多企业管理层其实都遇到基层队伍的普遍性问题，比如班组长、技术人员依赖经验作判断，平时习惯用“我觉得”、“根据我的经验”、“我看是一定是XX问题”、“大概是”、“或许是”等，很粗糙且无法令人信服；再比如职能部门的职员汇报工作大都充斥着“得到提升”、“完成改善”、“目标达成”、“很重要”、“很严重”等，缺乏量化数据和严谨逻辑的支撑，让管理层心里没底，不知道到底做成了什么样，总结来说，主要表现为三个特征：

数据堆砌，缺少分析：生产日志、故障记录、库存数据、交付报表、客户反馈信息等原始数据，仅仅做一些简单的堆砌，没有数据分析，更不懂得如何分析、使用何种工具分析？

措施制定，仅凭经验：改进措施凭经验制定，缺乏数据佐证和验证，试错成本太高，如投入一定成本后发现没有效果。

结果模糊，无法量化：首先，目标制定没有做量化指标，导致执行毫无方向；其次，改善结果也没有数据支撑，无法证明其实际效益，更无法证明是否达到既定的目标；第三，汇报成果仅用“基本完成”、“效果很好”等定性表述，无法和管理层使用数据语言达成共识，沟通困难。

杨朝盛老师有着多年的企业一线团队管理和现场问题解决的经验，善于使用各种数据分析工具来精准识别数据隐含的规律和异常，如直方图看数据分布、柏拉图抓重点项、散布图看相关性等；杨老师还具备中高层任职的丰富经历，具有经营层面的宏观视野，懂得如何从企业经营与生产运营层面来看待基层团队的工作效能提升，从意识到工具，帮助基层团队显著提升其综合工作效能。

本课程融合科学管理方法与制造业现场管理的特性，提供多种实用工具的课堂训练，对基层团队的结果导向意识、数据驱动效能提升的能力进行全面的塑造，夯实基层骨干力量，为企业安全生产、成本控制、保质保量保交付奠定坚实的管理基础。

【课程收益】

结果导向意识：基层骨干具备鲜明的结果导向意识。

目标与结果量化能力：基层骨干学会用SMART原则制定工作目标，用数据精准呈现工作结果。

掌握数据分析工具：基层骨干掌握10+核心管理和数据分析实用工具，显著提升数据分析能力和工作效率。

【课程对象】

班组长、车间主任、技术人员、职能部门人员

【课程时间】

1天（6小时/天）

【课程大纲】

一、我任务完成了，我也很努力，领导为啥还是不满意？

1. 我任务都完成了，为啥领导还是不满意？

1983105283845故事启迪：挖井不出水=挖了个坑

2. 我那么努力，为啥领导还是不满意？

故事启迪：排队买火车票的故事

3. 数据背后的商机

故事启迪：啤酒与尿布的故事

4. 以结果为导向，让数据开口说话

完成了任务≠结果是好的

工作很努力≠结果是好的

你以为的很苍白——请让数据开口说话！

课堂练习：请3名学员代表（班组长1名、技术人员1名、职能部门人员1名）分别将自身上个月KPI达成情况向你的上级进行汇报，写在白纸上。大家来找茬，老师点评总结。

二、如何制定一个合适的目标？

1. 目标制定太低或太高利弊

目标制定太低利弊分析

目标制定太高利弊分析

2. 目标管理（MBO）

工作目标的来源

873760388620目标管理（MBO）

SMART原则

课堂练习：请一名学员代表利用SMART原则制定一个现场或产品改进的目标（最好是实际遇到的案例）。

三、透过数据看本质

1. 数据的类型有哪些？

连续型数据

离散型数据

2. 数据的分布

总体与样本

数据分布

三种重要的连续型随机变量数据分布

均匀分布：X~U（a,b）

指数分布：X~E（λ）

正态分布：X~N（μ,σ2）

三种重要的离散型随机变量数据分布

两点分布：X~B（1,p）

二项分布：X~B（n,p）

泊松分布：X~P（λ）

3. 数据的采集方法

查检表

三种常用抽样方法

简单随机抽样

分层抽样

系统抽样

4. 数据的描述方法

描述性统计方法

分布的位置或者中心趋势

样本均值

中位数

众数

散布的程度

极差

样本方差

样本标准差

统计图示法

条形图

直方图

箱体图

折线图

散布图

雷达图

气泡图

课堂练习：准备1~2组实际生产和质量数据，应用相应工具对数据进行解读。

辅助工具：Minitab（或EXCEL）

5. 数据本身质量如何？

计量误差确认

测量系统分析（MSA）

重复性和再现性分析（GRR）

偏倚和线性分析

属性量具一致性分析

四、用数据驱动问题解决与决策

1. 生产过程有没有异常？

控制图

八大控制图及选择方案

八大判异法则及选择原则

如何识别量具分辨力不足？

如何识别数据造假？

过程能力分析（Cp、Cpk）

2. 达到了几个西格玛水平？

西格玛水平的计算：

DPU/DPO/DPMO计算

缺陷率与σ水平对照表

3. 有问题该咋办呢？

先把问题说清楚

5W2H

数据驱动原因分析：

SIPOC

5why

头脑风暴法

FTA

FMEA

相关性分析

假设检验

因果图

基于数据的改善：

快赢改进（短期措施）

DMAIC

矩阵图

防错技术（预防措施）

4. 改善成果怎么体现？

数据说话，量化呈现：

1-page

3A

8D

“数据驱动、量化呈现”报告的原则

案例分享：分享一份六西格玛改善项目的PPT报告，阐述数据驱动改善、结果量化呈现的基本技巧和原则。

五、课程配套工具包

模板范本及参考资料包

Minitab（V21+）软件安装与使用指南

经典8D模版