六、鎖定問題關(guān)鍵的方法

鎖定What型問題關(guān)鍵的方法和步驟如下：

（1）把問題按不同類別分層，一般可以把同樣的問題信息按4W（What、Where、When、Who）進行分層，收集相關(guān)數(shù)據(jù)和資料。最基本的工具就是分層法。

（2）通過對不同層次進行數(shù)據(jù)分析，觀察哪一種分層方法滿足20/80定律，即關(guān)鍵少數(shù)問題類別占絕大多數(shù)的問題數(shù)量。把符合20/80定律的分類作為What型原因的問題關(guān)鍵。其中最基本的工具是帕累托圖或餅狀圖。

案例4：如何降低交通事故發(fā)生率

下面用大家都熟知并痛恨的交通事故作為案例進行研究。如果你是相關(guān)部門聘請的改進專家，如何幫助交通管轄區(qū)域降低交通事故率呢？首先是要收集交通事故的數(shù)據(jù)，那么如何收集數(shù)據(jù)呢？就按照4W的分層結(jié)構(gòu)做數(shù)據(jù)收集。

對于What類型，可以按不同車型的交通事故數(shù)量收集；對于Where類型，可以按照區(qū)域、道路等，收集交通事故數(shù)量；對于When類型，可以按照每天的不同時間段、一年12個月的不同月份或周一到周日，收集交通事故數(shù)量；對于Who類型，可以按照男女、年齡段或駕齡段等，收集交通事故數(shù)量。

不論按照4W的哪一類分層收集數(shù)據(jù)，其總體數(shù)據(jù)都是一樣的，只是做數(shù)據(jù)收集和分析的視角不同。下面根據(jù)真實案例做分析演練。

“海寧新聞網(wǎng)”記錄了關(guān)于海寧2014年1~11月的交通事故52866次，這些事故的分布如下。

上面是海寧新聞網(wǎng)給出的信息，按照4W進行了分類，但缺少按Who類型的維度分析。如果只是從上面信息判斷的話，你作為專家，下一步應(yīng)該如何做呢？

從When和Where兩個層面分類，問題都很分散。When類型的聚焦度可能還大一點，因為時間按1小時來劃分的話，一天可以劃分成24小時，這樣劃分的話，則7：00~8：00及16：00~17：00的事故率比平均值大很多，如7：00~8：00的事故率是平均值的4.1倍（17.1%/（100%/24））。但是如果只按車輛主要運行的時間的話，一天也許就變成12個小時（7:00~19:00），或者15個小時（6:00~21:00），這樣劃分的話，則上述兩個時間段的事故率的顯著性就降低了。

再按事故的What類型，側(cè)面相撞占所有事故的62.8%，非常顯著。轎車占比56.2%，也很顯著。那么究竟是把“側(cè)面相撞”，還是把“轎車”的事故當作問題關(guān)鍵呢？

作者認為應(yīng)該把側(cè)面相撞當作下一步問題的關(guān)鍵做Why型根本原因，因為轎車雖然占比56.2%，但轎車本來就比客車和貨車的數(shù)量多，所以如果用每輛轎車的事故率和每輛客車的事故率相比，轎車可能就不是問題關(guān)鍵，很難切入問題的本質(zhì)。因此，用車型的事故數(shù)找問題關(guān)鍵，是一個坑。

上面所呈現(xiàn)的數(shù)據(jù)分層方法是不夠的，因為憑常識知道，交通事故主要取決于駕駛?cè)说募寄芎土?xí)慣問題。因此，還應(yīng)該從Who類型的層面假設(shè)不同駕齡的駕駛?cè)嘶虿煌詣e的駕駛?cè)嗽斐傻氖鹿事适欠裼酗@著差異。而這些數(shù)據(jù)應(yīng)該在處理交通事故時有記錄，計算機系統(tǒng)里有數(shù)據(jù)，需要把數(shù)據(jù)提取出來做個統(tǒng)計分析。

由于海寧新聞網(wǎng)沒有給出關(guān)于Who類型的事故率，因此，作者又在網(wǎng)上搜索到“ZoneM戰(zhàn)馬車服”網(wǎng)站上提供的數(shù)據(jù)。其中有如下兩項數(shù)據(jù)都是關(guān)于Who類型的分層所統(tǒng)計出的不同駕齡及男女性別造成的事故占比，下面是2019年全國道路交通事故大數(shù)據(jù)。

從駕齡和性別對應(yīng)的交通事故比例來說，如果2014年海寧市的與2019年全國的是一致的話，那么要分析如何降低海寧交通事故發(fā)生率的話，就可以把性別和駕齡作為問題關(guān)鍵，這樣更容易找到根本原因和解決辦法。

把男性駕駛?cè)藢?dǎo)致交通事故作為“降低交通事故率”的問題關(guān)鍵，分析過程如下圖所示。

在做What型根因分析過程中，鎖定問題關(guān)鍵后，有時候為了更精準地做Why型根因分析，還可以把問題關(guān)鍵做進一步細分。比如這個交通事故的例子，可以把男性造成的交通事故進一步按照駕齡區(qū)分，如下圖所示。

然后，再分別對四個分支問題做Why型根因分析。這四個群體的事故原因有一部分是相同的，有的不同。如果駕齡大于15年的男性駕駛?cè)藢?dǎo)致的交通事故率很低，也可以不必分析。

確定問題關(guān)鍵，最重要的是把握住是否符合20/80定律。雖然What型根因分析沒太多技術(shù)性含量，但卻決定后續(xù)根因分析和問題解決的思路甚至方向。因此，盡可能做不同維度的假設(shè)和分層，收集相關(guān)的數(shù)據(jù)，找準問題的關(guān)鍵。如發(fā)現(xiàn)不符合20/80定律，則需要更換思路。作者在為企業(yè)提供咨詢服務(wù)時就遇到不少同仁包括一些六西格瑪黑帶，他們的改進項目在鎖定問題關(guān)鍵時就出現(xiàn)了方向性錯誤，導(dǎo)致后面的根因分析陷入僵局。特別是在制造業(yè)，在降低產(chǎn)品技術(shù)故障時，最習(xí)慣性地用不同元器件導(dǎo)致的損壞數(shù)量做分類，然后再對“Top3”的元器件進行改進，找供應(yīng)商、采購和研發(fā)等加強供應(yīng)商的質(zhì)量提升。但殊不知，這些元器件本身的問題可能占極少數(shù)，背后的原因主要是設(shè)計缺陷。