組織策略|打造學習型組織:解決組織混亂&系統思考的法則

組織策略討論會議示意圖

一、解決組織混亂

儘管組織策略採用TQC看似能夠應用於所有事情,從減少缺點、解決存貨管理問題、到設計以客戶為中心的商品,仍有一些狀況是現有的TQC工具與方法是無法應付的。尤其當要解決一個種類的問題時,TQC是有許多不足的,Russell Ackoff將這類的問題形容為「混亂」(a mess):

定義組織混亂:組織複雜性與時間延遲都會使組織混亂

了解什麼是「混亂」是一件重要的事情 — — 混亂就是一個系統的問題。這件事的重要性在於,傳統的管理方式是將混亂的問題進行拆解、一一解決,並假設如果我們解決了它所有的小部分,就解決了整個問題。

但記得⋯⋯如果你將一個系統拆解成小部分,並讓每個部分都盡可能地有效獨立運作,那麼整體而言,它便沒辦法盡其可能有效地運作了。因此,解決混亂的方法,並不是將構成它的問題的解決方案組合而成,這是絕對基本的。

「組織『混亂』的複雜性與時間延遲」,是為了將「組織混亂」歸納成一個根據組織複雜性(單位的數量及它們互聯的複雜程度)及程序的時間延遲(計劃的當前週期時間)的模型。「模糊」變數通常伴隨著Ackoff口中的「混亂」,因為這種系統通常既不清晰、也無明確定義。組織為了解決那些涉及高度組織複雜性、長時間延遲、及模糊變數的問題所付出的努力,提供了進步的機會,也藉由系統的品質管理來提升學習。

二、組織複雜性

大多數公司在初期能進步得快速且相對輕鬆,不外乎有兩種原因:有可能是因為當時的情況相當糟糕,所以無論什麼樣的合作,都能立竿見影;或者是因為多數早期的計劃,是隨著僅要求最小跨功能合作的單一功能單位而進化。這些初期的計劃通常是Joe Juran所提倡的「拔靴法」(bootstrapping)策略的一部份,其中,在TQC哲學的價值在組織策略的應用中被證明後,組織內的其他功能單位也慢慢地採納此理論。而採納的過程卻相當地緩慢,且隨著牽涉到的跨功能合作層級越來越多,所需要的時間就越長。

有個研究顯示,TQC計劃中的進步程度,主要是受到其組織的複雜性影響,而非計劃本身。如果你知道Edward Baker,也就是福特的品質管理與統計方法經理,那麼這個發現可能並不會令人太過意外。Baker解釋了由上而下組織在溝通時的困難:

以組織策略階層為例:建立對系統的共識是組織學習的核心議題

試想有個組織,在高級主管底下有六個階層,及各三位的控制幅度(span of control),這便有1,093個人。更重要的是,有586,778個潛在的二人端口,更代表著潛在的內部供應商與消費者關係。這1,093個人依賴著另一方來完成他們的工作,但是他們的相互依存關係並非相當明確。

即使只管理其中少數幾個供應商與消費者關係,也可以是個艱鉅的任務。如果對此相互依存關係沒有完全的認識,可能會採取導致不理想結果的行動。舉例來說,採納即時化(Just-in-Time,簡稱JIT)生產制度的Xerox經理,要求供應商在他們需要之前,先保留庫存,「解決」了他們的庫存問題;他們將一個好點子「注入」系統中的一小部分,卻沒有顧及全局,嚴重地破壞了過去幾年來他們精心維護的供應商關係。在系統品質管理的模型中,建立對於整個系統的共識,是組織學習最核心的議題。

想多學習系統思考? 可參考 Omplexity設計的 Live 線上視訊班的課程

想多了解系統繪製顧問服務? 聯絡我們

三、時間延遲

另一個早期TQC計劃成功的歸因,在於這些系統之間的時間延遲相對較短。舉例來說,減少特定生產步驟的缺點,代表可獲得即時的數據,並藉由分析數據來查看其背後的含義。這個流程步驟通常僅需要幾分鐘至小時來完成,而非幾天或幾個月,因此,根據蒐集到的數據來有信心地立下結論,是相當切實可行的。然而,當計劃的時間延遲變得極長,例如某個耗時好幾年的產品研發過程,想要操作即時的實驗就變得很不切實際,現有的數據有用性也會變得相當地有限。我們或許可以調整過程中的小步驟,但無法從整體中的意涵獲得洞見。

以軟體開發為例:數次審視計畫比一次性回顧更佳

例如,某個研究動態軟體開發的計劃,顯示了強調預估計劃完成的準確度,會讓準確度提升,卻需要付出更高的成本與更長的完成時間。研究結果顯示,計畫的時間規劃會大幅度地影響人們的決策。由於特定計劃所帶來的壓力與洞察力不一,不同的預測也會導致不同的計劃產生。學者使用系統動力學的模型,跑了兩個有不同預測的64,000傳送源指令軟體。在基礎模擬的情況下,方法一計算出了2,359天的估計值,而它實際上消耗了3,795天,有38%的失誤率。而方法二得到了5,900天的估計值(比方法一高出了150%),而最終消耗了5,412天,僅有9%的失誤率。儘管方法二的準確率較高,卻也導致了更高支出的結果 — — 比方法一多耗了43%的天數。有了這樣的模擬測試,我們應從計劃開始之際,每隔幾個月便觀察並獲得洞見,而非一次性地回顧。

四、模糊變數

根據Juran的說法,TQC 應用於組織策略規劃的三個法則分別為「查看數據」、「查看數據」、跟「查看數據」。可測量的結構資料,就像是能夠啟動TQC的引擎;而就算是以國際認可的機械過程取得的單位,例如每分鐘的單位、或是每單位的磅數等,要取得可信的好數據,並不容易。隨著要測量的物體變得逐漸不清,取得數據這件事情就變得更加困難。模糊變數所包含的概念,例如時間壓力對於生產力的影響、送貨延遲對於需求的影響等,或是其他可能只有在直覺上才能獲得的資訊。而模糊變數所產生的議題,非常有可能隨著服務業試圖導入TQC而增加。

以漢諾威保險為例:建立模型能視覺化關聯性

在漢諾威保險(一個財產與意外保險公司)的案例中,探討了管理索賠辦公室的動態性,並點出理賠支付的金額與調整品質之間的關聯。透過一個建立於系統動力學模型之上的決策遊戲,理賠經理體驗到他們的決策是如何侵蝕品質,並導致了更高的理賠。儘管沒有可測量的結構資料,模型框架讓經理人能夠視覺化並體驗到時間壓力、工作強度、時間效率、與品質標準之間的關聯性。

系統思考「法則」

系統思考提供很好的框架,讓人理解系統互聯的本質,及其長短期間彼此如何相互作用,使混亂顯得較有條理。多年來,已經有特定的系統原則提供框架,讓人在不用了解各個組成部分的詳細知識下,了解整個系統的動態性含義。《第五項修煉:學習型組織的藝術與實務》的作者Peter Senge,表示複雜的系統通常會受下列幾項法則影響:

  1. 今日的問題來自於昨日的「解方」
  2. 你越用力去推,系統的反彈越大
  3. 行為常常看似正往好的方向發展 — — 直到它急轉直下
  4. 簡單的解決方法通常無效
  5. 快即是慢
  6. 解藥可能比疾病本身來得更糟
  7. 因果在時空之中並不是密切相關的
  8. 小小的改變可能會造成重大的結果,但那些有最高槓桿點的地方,通常也是最不顯眼的
  9. 魚與熊掌可以兼得,但不是在同時
  10. 把大象分成兩半,並不會讓你獲得兩隻小象
  11. 不要責怪

系統拒絕改變的阻力

以上的法則為真,是因為複雜的系統因果關係在時空中通常並不密切相關,然而,我們通常有著相反的假設與行動。我們根據看似明顯的罪魁禍首而採取行動,才發現我們的解決方法卻加劇了當初試圖想要解決的問題。這些無意的後果,是複雜系統拒絕改變它們行為的傾向,所產生的結果。像這樣的政策阻力,其最常見的原因是因為有許多的「補償反饋」關係,儘管有外部的干預,仍試圖維持內部原有的平衡。就是這樣的反饋,導致了在更不好的行為前,有較好行為產生的規律。

舉例來說,「把負擔轉移給干預者」的原則,起因於有意幫助別人的行為。然而,它也製造了破壞個體幫助自己的能力的無意後果。大象的比喻則呈現了「不可分割的整體」的概念,也就是說,將大象一分為二並不會製造兩隻大象,而是製造了混亂。

複雜系統的基本本質

上述「法則」在乍看之下顯得違反直覺,是它們常見的特徵。這不僅僅只是巧合而已,違反直覺的行正為是複雜系統的基本本質。將線性思考與統計工具,應用於解決非線性及動態性的問題,通常只會導致後續遭遇更多困境。而且在一個系統中,有延遲與多個回饋環路的存在,我們立意良好的「治療」,通常只會製造比我們起初想要治療還要更糟的疾病。在這種原始意圖會導致不理想結果的情況下,我們需要新工具的幫助。

想多學習系統思考? 可參考 Omplexity設計的 Live 線上視訊班的課程

想多了解系統繪製顧問服務? 聯絡我們

更多閱讀 組織策略|打造學習型組織:全面品質管制與組織學習

Source: Toward Learning Organizations: Integrating Total Quality Control and Systems Thinking