金融业的六西格玛（三）

         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。

其实零售银行是个更加赚钱的业务。目前我国银行业的大多数利润来源仍旧为对公业务，其根本原因还是利率管制，相当于政府通过行政手段使得银行的存贷差维持在一个和国外银行业相比较高的位置。这恐怕也是国有行都对零售业务不太积极，在市场上也没有中小银行活跃的原因吧。

　　但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。

　　2000年以后，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。和轰轰热热的“全民信用卡运动”相映成趣的，是来自2005年10月27日《21世纪经济报道》的一篇名为“上海信用卡诉讼案急增 商业银行数量扩张论酿恶果”的报道。该文作者认为，“仅从10月17日至10月31日在上海法院公布的开庭诉讼中，涉及银行的共有380起，其中涉及信用卡纠纷为226起，占60%的比例。而在此前的7、8、9月份，每个月涉及的信用卡诉讼案件超过300件。”

　　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。

　　以总部在用过的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。2006年，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：

　　1. 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。
　　2. 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
　　3. 测量阶段：建立测量计划，收集数据
　　4. 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
　　5. 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
　　6. 控制阶段：分析阶段性改善目标，进行过程能力分析……
　　7. 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的高端六西格玛工具JMP。JMP继承了SAS在数据挖掘方面的优势，同时和Minitab相比，速度快很多倍，更能够对海量数据进行分析。

　　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影子组合。

　　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！

　　事实表面，统计方法、工具的先进性，不仅仅令使用更加方便、高效，更可以影响六西格玛项目的成功，乃至于某种程度上决定六西格玛项目的成功。目前国内六西格玛事业如火如荼，咨询商为了快速拿到咨询费用，多建立几个“样板客户”，在六西格玛软件工具的选择这一关键步骤上并没有给广大国内客户提供专业的建议和选择，不能不说是当前我国六西格玛推广过程中的一大遗憾。

点击此处查看原文 >>

系统分类: 工业控制   |    用户分类: 无分类    |    来源: 转贴

金融业的六西格玛（二）

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……在春风明媚的外表下，谁知道到底发生了什么？真的成功了么？

     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，远远不止招个标，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，构成了非常大的不确定性。

那么问题就来了：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。席间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。

     工具问题应该不是个问题，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啊。

回头看看韩国的情况吧。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。（直到今天，还有人，甚至一些“咨询顾问”，都坚持认为，excel是个蛮不错的六西格玛工具……）

     几年以后，随着六西格玛渐渐登堂入室，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，忽然成为了问题：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的要求一下凸现了出来。早先被大规模采纳的六西格玛软件一下子居然成为了六西格玛应用的瓶颈。

     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级别）。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（见金融业的六西格玛之一，流程损耗：等待）的一部分？？

     本着严谨、客观的态度，笔者简单测试了国内，也是韩国普遍采用的六西格玛软件Minitab和来自SAS，在国内也有相当一些客户群的“六西格玛高端工具”JMP软件。

     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。测试时除了系统软件外，没有任何其他应用程序占用内存空间和系统资源。对同样的数据，用两种不同的软件进行最近基本的直方图？分析，测试结果大概如下：

     根据上述测试结果，再回来看看韩国六西格玛咨询公司的反馈，笔者认为，其反馈应该是符合客观事实的。Minitab 15在处理百万行级别的数据时，其速度比JMP慢了近20倍，耗时高达55秒，测试完全基本符合上述韩国同仁的反馈。笔者无意就此引导读者选择任何品牌的六西格玛软件，只想就此强调六西格玛软件工具对于大型金融业六西格玛导入的重要性：这一点恰恰是参与各方在早期最容易忽略的因素。

     本文结束前，笔者从美国一家著名的六西格玛机构了解到，美国银行于2008年初将其全球六西格玛软件换成了JMP软件。据称该行换软件的主要原因，也是软件工具的速度和数据量问题。

     在下一篇文章里，我们将进一步分析工具、方法的正确性和先进型对于金融业六西格玛的影响。

点击此处查看原文 >>

系统分类: 软件开发   |    用户分类: 无分类    |    来源: 转贴

金融业的六西格玛（一）

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工具，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。

    在下一篇文章里，我们将进一步分析展开分析金融企业如何成功的开展六西格玛。

点击此处查看原文 >>

系统分类: 软件开发   |    用户分类: 无分类    |    来源: 转贴

JMP和Minitab的比较（系列之一：基本统计分析）

JMP和Minitab是全球公认的两大的个人桌面统计分析软件，在质量管理、六西格玛领域都有广泛的应用。近年来，国内对这个两个软件孰优孰劣的讨论愈来愈多。在此，笔者以个人的实际使用经验为基础，从技术的角度对两者进行全面的分析和比较，力求做到“公开、公平、公正”。

首先，我们从最常用的“基本统计分析”入手。假设需要对同一组数据进行统计分析，要求获得平均值、标准差等描述性统计量，常用样本统计量的区间估计以及与它们关系密切的直方图、箱线图等基本统计图形，并且希望这些结果能以一个简洁、统一的形式表现出来。

用目前最新版的JMP7和Minitab15分别来实现以上要求，顺便提一下，笔者目前已在使用JMP中英文双语版和Minitab英文版，为了便于比较，一下内容都基于英文界面进行。JMP的操作路径为：主菜单Analyze > Distribution以及弹出菜单中的Display Options, Fit Distribution等中的相关选项，得到的结果如图一所示；Minitab的操作路径为：主菜单Stat > Basic Statistics > Graphical Summary，得到的结果如图二所示。