• 一分钟读懂PDCA 循环


    这是与你分享的第 ② 种思维方法:PDCA 循环;

    原文来自WX公众号【运营进阶之路】

     

      什么是PDCA循环?


    PDCA 循环因为经戴明博士在日本推广应用,所以,又称“戴明环”。

    PDCA 循环分为4个阶段,如下:

    • P(Plan):计划,确定方针和目标,确定活动计划;

    • D(Do):执行,实地去做,实现计划中的内容;

    • C(Check):检查,总结执行计划的结果,关注效果,找出问题;

    • A(Action):行动,对总结检查的结果进行处理,成功的经验加以肯定并适当推广、标准化;失败的教训加以总结,以免重现,未解决的问题放到下一个PDCA循环。

      PDCA循环的八个步骤  


    PDCA循环的四个阶段又可以细分为以下八个步骤:

      步骤一:分析现状,找出问题  

    分析现状,找出目前存在的问题,发现问题是解决问题的第一步,是分析问题的前提。

      步骤二:分析各种影响因素或原因  

    找出问题后分析产生问题的原因,可以使用头脑风暴法等多种集思广益的科学方法,尽可能把导致问题的所有原因都罗列出来。

      步骤三:找出主要因素  

    即找出影响问题的主要因素。

      步骤四:拟定措施,制定计划  

    针对导致问题的主要因素制定出有操作性的计划。在制定计划时可使用5W2H 原则,即需要计划好预计达成的目标、采取的措施、执行人员、执行地点、执行时期、成本等内容。

      步骤五:执行、实施计划  

    即按照预定的计划,在实施的基础上,努力实现预期目标的过程。实施过程中也包括对工作计划的调整(比如人员变动、时间变动等等),此外,在这一阶段应同时建立起数据采集,收集实施计划时的原始记录和数据等文档。

      步骤六:检查计划执行结果  

    使用采集的数据来检查效果,确认目标是否完成。若是未出现预期目标,首先应确认是否有严格按照计划实施对策,若是有严格按照计划执行,则说明对策失效,需要重新确定最佳方案。

      步骤七:标准化  

    对有效的措施进行标准化,制定成工作标准,组织有关人员培训,巩固已取得的成绩。

      步骤八:问题总结  

    对于这一循环未解决的问题,或者新出现的问题进行总结,为开展新一轮的PDCA循环提供依据,并转入下一个PDCA 循环的第一步。

      PDCA循环的特点  


    一、大环套小环  

    如果把整个企业的工作作为一个大的戴明循环,那么各个部门、小组还有各自小的戴明循环,就像一个行星轮系一样,大环带动小环,一级带一级,有机地构成一个运转的体系。

      二、阶梯式上升  

    PDCA 循环不是在同一水平上循环,每循环一次,就解决一部分问题,取得一部分成果,工作就前进一步,水平就提高一步。到了下一次循环,又有了新的目标和内容,更上一层楼。

      案例分析  


     举个常见的例子,以需要增加社区平台人数为例:

    • Plan:先确定清楚目标是什么?即增加社区平台用户人数。随后拟定方案,制定计划。当然,计划应尽可能详尽,计划包含预计增加的人数、采取的措施、执行人员、执行渠道、执行时期、成本等内容;

    • Do:实施计划;实施的过程中需要记录可获取的各项数据;

    • Check:检查事项是否完成;对比定下的目标,检查实际增加人数是否达到了目标数量;

    • Action:复盘总结。若是达成目标,总结规律,优化流程,传承经验。也可以进一步思考,执行方案过程中,是否有办法可以更快的达成目标?有没有出现新的问题?若是没有达成目标,思考阻碍目标达成的阻碍点在哪?继续开展新一轮的PDCA循环,并转入下一个PDCA 循环的第一步。

    - End -

    我猜,也许你还想看...

    >> 5W2H分析法——你肯定听过的一种思维工具

    >> 你真的懂如何进行用户调查么?

    >> 精选互联网运营必读的 8 本书籍

     

     

  • 相关阅读:
    爬虫(4)_代码分析
    python(32)——【shelve模块】【xml模块】
    python(31)——【sys模块】【json模块 & pickle模块】
    python(30)——【random模块】【if __name__ =='__main__'】【os模块】
    机器学习与Tensorflow(7)——tf.train.Saver()、inception-v3的应用
    机器学习与Tensorflow(6)——LSTM的Tensorflow实现、Tensorboard简单实现、CNN应用
    机器学习与Tensorflow(5)——循环神经网络、长短时记忆网络
    机器学习与Tensorflow(4)——卷积神经网络与tensorflow实现
    机器学习与Tensorflow(3)—— 机器学习及MNIST数据集分类优化
    机器学习与Tensorflow(2)——神经网络及Tensorflow实现
  • 原文地址:https://www.cnblogs.com/sumie/p/10056481.html
Copyright © 2020-2023  润新知