良品率很高，客诉却很多，问题出在哪里？

作者绩效通 2024-06-03 16:14 152

一、前言

一家制造型企业近期连续收到多单客户投诉，而且这些投诉还不仅仅是来自于某一款产品或某一家客户，而是同时收到来自不同客户的品质投诉。客户投诉的频频发生，使得老板在会议室里大发雷霆、连连怒拍桌子，会议桌前的相关部门负责人个个低下了头，面色铁青……

二、问题追踪

老板带着各部门负责人连续多日追查跟踪，一边比对检查作业标准、检查手法、检查治具，另一方面每日跟踪检查数据及进行历史数据比对分析。

经过连续3天多的日夜追踪分析，终于找到了问题所在：

①确认了品质部人员的作业标准、作业手法、检查治具都按标准执行。

②但从数据跟踪发现，最近客诉不断的2个多月公司出库抽检的不良率反而有明显的下降！事出反常，于是继续分析其他品质数据。他们从另一组检查数据中发现产品的PPM（PPM是Parts Per Million的缩写，即百万分之一，表示的是不良率或缺陷率，计算公式=不合格品零件总数÷零件总数*1000000）近6个月都比较稳定，且最近2个月的不良率还呈现了恶化的趋势，明显与前面的出库不良率数据相矛盾了！

顺藤摸瓜，发现前面的出库抽检不良率其计算公式=抽检不良批次数÷出库总批次数×100%。由于公司对品质部负责人考核的“出库不良率”指标计算规则就是按批次进行计算。而品质部负责人发现，只要增加出库抽检不良率的分母——出库总批次数，即分子情况相同的条件下，把分母增大，就能有效地把“出库抽检不良率”的结果变小，进而品质部负责人就能通过此绩效指标获得奖励。因此品质部负责人在2个多月之前对生产部门提出了“增加出库频率”的要求。

为了进一步验证“出库抽检不良率”是否真的异常，公司又从人效、返修这两方面数据下手，结果发现最近不良率下降的2个月，人效并没有提升、返修没有下降。根据生产的逻辑，如果生产的不良率下降，作业员大部分时间应该是处于生产比较顺畅的状态，因为良品率上升，所以品质稳定，作业员用于检查、返工维修方面的时间将会减少，从而带来人效例如“人均出库产值”的结果提升（相同的人员相同的作业时间，良品率高的情况下产出更多）。

如果良品率上升并非是直行率的上升（直行率表示生产过程中产品一次性通过所有工序的合格品比率），而是通过返工维修来保证出库的良品率，逻辑上作业员的工时应该会比正常时间增加，而在材料损耗上也会增加。

通过一些相关联的数据分析，也进一步证明了“出库抽检不良率”指标数据的下降纯粹是相关人员玩弄数据带来的所谓品质改善。

三、结论

绩效考核，绩效结果是否可量化、数据是否客观固然非常重要。但如果数据口径不统一，也会直接影响到绩效考核的落地与运行。甚至会引起类似上述案例的问题发生。既然数据口径如此重要，那什么是数据的口径？

数据口径：是一种用于描述、定义和解释数据的方法和标准。其核心作用在于确保数据的准确性和一致性，使得不同的数据使用者能够基于统一的标准理解和利用数据。

例如举本文中的这个关于考核品质部负责人的例子，考核良品率，也可以根据企业的情况进行考核：

=入库良品个数÷入库总个数；（入库成品全检）

=出库抽检良品个数÷出库总个数；（一些企业有相应的品质管理标准，根据产品的品质情况制定相应的抽检标准）

=入库良品批次数÷入库检查总批次数；

再举另一个例子，任何盈利性为目的的企业，都会有销售额这个数据，但销售额简单三个字，这个销售额具体是含税还是未税？是订单销售额还是交货销售额还是回款销售额？部门销售额是否含管理者本人的销售额？（一些业务部的负责人可能是大业务员甚至销冠，其个人销售额贡献占部门50%甚至更多，考核指标希望管理者更多把焦点放在团队管理、人才培养，则有可能考核不含管理者本人的部门销售额结果）

四、结尾

数据口径如何定义标准，除了参考行业内一些惯例外，更多还是应该从企业实际的经营需求出发。数据口径确保了数据的可靠性和一致性，它描述了数据的来源和处理方法，为数据分析结果提供了准确性和可信度的保证。

本文是作者多年做管理咨询的一些经验之谈，一家之言，不足之处欢迎斧正。大家有其他好的方法，欢迎留言评论或私信，共同探讨学习！

本文仅代表作者个人观点，不代表三茅网立场。如因内容、版权等产生的一切纠纷，将由作者本人承担。