任何一个企业都要面对三个核心环节：销售、生产、资源（人财物），因此计算机软件和数据应用也在这三个方面应运而生：客户管理（CRM）、流程管理（BPM）、资源管理（ERP），下面我们就分别介绍这几个主要领域的变迁和趋势。

传统CRM客户管理系统是以客户为中心建立的一个客户信息收集、管理、分析和利用的信息系统，以客户数据的管理为核心，记录企业在市场营销和销售过程中和客户发生的各种交互行为，以及各类有关活动的状态，提供各类数据模型，为后期的分析和决策提供支持。

随着信息化系统的不断探索，当下CRM系统已经从早期的主要以记录和收集客户资料、管理销售的单点式管理延伸到了覆盖企业“营销、销售、服务”一体化的客户全旅程的业务范围上来。

医院PRM，即病人关系管理系统（Patient Relationship Management），是指在医疗机构中应用病人关系管理的理念和技术，PRM通过综合管理患者信息、提供个性化服务和建立良好的患者关系，实现医院与患者之间的有效沟通和互动。主要功能有：客户档案、投诉中心、随访中心、决策分析、呼叫中心、短信中心、营销管理和系统管理。这些主要的功能给缓解医患关系带来很大的帮助。

由于国外医疗市场是开放市场，市场竞争就需要更加重视客户管理，PRM除了关注服务病人的个案管理之外，还重点着眼于对市场的深度数据分析，包括当地经济收入、人口变化、疾病谱变化等的数据分析，从而找到细分市场的商机。国内医疗是一个封闭市场，行业政策不允许医院做营销，因此这里就不详细阐述，有兴趣的读者朋友可以自己上网找找相应的研究文章。

一般来说，任何企业（包括医院）的生产和服务流程都需要关注三个核心环节：质量、风险和效率，终极目标都是为了控制和减少成本。生产环节中的数据应用最早起源于二战期间的美国企业，但真正意义上把数据应用和统计学深入植入流程控制的先驱和标准性人物是威廉·爱德华兹·戴明（William Edwards Deming）博士，也就是很多管理者经常挂在嘴边的PDCA循环的发明人，也称戴明循环。经过几十年的企业管理经验的积累，涌现出了更多成熟的管理模式，其中最著名的BPM管理模式要数六西格玛管理（6 Sigma），该模式大量使用了数据分析。

在我们介绍六西格玛之前，首先需要了解下六西格玛模式中两个最重要的分析工具——质量管理分析工具：统计流程管理（Statistical process control，缩写SPC）和风险管理分析工具：失效与后果分析（Failure mode and effects analysis，缩写FMEA）。

■SPC

SPC是企业广泛应用的品质（质量）管理的分析方法，由沃特·休哈特在1931年指出“变异”存在于生产过程的每个方面，而我们是可以通过使用简单的统计工具如抽样和概率分析来了解变异。该方法采用管制图统计方法来监测和管理相关流程，以助于确保流程的高效运行，生产出更多符合规范的产品，减少返工或报废的浪费。关键工具包括趋势图、控制图，对持续改进的关注以及实验设计。当代企业的生产线早在上世纪60年代开始就已广泛运用统计过程控制。美国贝尔实验室科学家沃特·安德鲁·休哈特是该方法的发明者。

图1 管制图

图1是一个典型的流程管制图（control chart），我们可以看到图中流程中有两处波动点：①说明可能有某个特别的影响因素导致流程出现极值情况；②说明流程已经完全偏离了正常轨迹，要么是因为做出了某些改进工作；要么是因为异常行为导致整体流程改变，就需要及时纠偏。

管制图的内涵是流程数据的支撑，其管制的上下线设置都有严格的统计值规定，通常采用 +/-3 sigma 区间，允许一定的容错空间。但在有些精密流程中，可能控制在 +/-1 sigma，甚至是更低的区间，达到保证流程稳定性的目的。

SPC在国外的医疗行业也有广泛的研究和应用，制定医疗质量标准的美国卫生保健研究和质量机构（Agency for Healthcare Research and Quality，AHRQ）在其官方网站发布的白皮书中积极倡导医院采用SPC改善流程和提升医疗质量，医院管理中相关的研究结果也是非常之多。不过国内医院在这块的研究基本还不多，处于初期阶段，有兴趣的读者朋友可以朝这个方向上努力，搞出来一些研究成果。

■FMEA

事后补救不如事中控制，事中控制不如事前预发，防范于未然才是管理的最高境界， FMEA就是基于这个出发点应运而生的。从上世纪50年代，美国海拉曼公司首次开发FMEA并使用到海军新式战斗机操作系统设计过程。到1993年包括美国三大汽车公司（通用，福特，克莱斯勒）和美国质量管理协会在内，美汽车行业集团（AIAG）组织采用并编制FMEA参考手册。如今FMEA已经成为IAFT16949体系必备要求，并成为质量管理行业最为底层而且核心的管理工具。

FMEA产生的原因十分有趣：在持续的生产制造过程中，工程师和科学家发现“直觉，往往容易出错！”。这体现在操作工总是觉得自己组装不会出错，工程师总是觉得自己发现的小缺陷没有必要更改，负责人总感觉自己管理的制程没问题。直觉往往在一定程度上放大了我们对周遭环境因素的感知，但也能蒙蔽事实背后的真正原因。FMEA的出现的意义在于，人类已经开始发现只有不断深挖，追根溯源的，才能找到工艺的最优解，实现良率最大化。

然而，FMEA的推进过程并不是一帆风顺的，因为人性的多样化。在工作和生活当中，大家会看到，身边的人往往分两拨：一种是“差不多就得了，能达到自己的最低要求即可”类，还有一种是“刨根问底，要搞清楚底层道理和背景故事”类。之所以这样分类是因为两种不同做法体现了其人生观和价值观底层逻辑的不同。前者只希望和和气气开心就好，而后者一定要实现方案的最优化。这本没有对与错的价值观其实在生活中都能够和平相处，毕竟是各过各的生活，大家开开心心就好。可是一旦放在质量管理的世界里，就会出现水火不相容，谁都看不起谁的情形。原因在于，质量管理的底层逻辑是“墨菲定律”（图2）。

图2 墨菲定律

墨菲定律的解读是：如果事情有变坏的可能，不管这种可能性有多小，它总会发生。对于可能存在的风险，“差不多”先生觉得可以一笔带过，而“零缺陷”先生觉得要不断分析其中的根本原因，然后找到解决对策。FMEA就是由第二类人提出和优化，并且在这几十年的不断迭代中，已经逐渐变为一种考虑问题的思考方式。

FMEA是企业广泛应用的可靠性设计的分析方法，应用于制造业产品生命周期的各个阶段，在服务行业的应用也在日益增多。失效原因是指加工处理、设计过程中或项目/物品/服务本身存在的任何错误或缺陷，尤其是那些将会对消费者造成影响的错误或缺陷。

FMEA可以帮助企业预测故障发生的概率和严重程度，从而制定相应的预防和维护策略，旨在对系统范围内潜在的失效风险加以分析，以便按照严重程度加以分类，或者确定失效对于该系统的影响。FMEA管理模式主要有以下两大优势：

▷降低成本与资源利用：通过分析故障模式及其潜在影响，企业可以优化资源的利用，降低维修和维护成本。通过提前预防故障，可以减少产品召回、维修和报废等成本，提高效益。

▷提升客户满意度：通过减少故障发生和改进产品质量，有助于提高客户满意度。可靠的产品和系统能够满足客户的需求，提供更好的使用体验，增强客户对品牌和组织的信任和忠诚度。

图3 FMEA的八大步骤

FMEA有著名的八大步骤（图3），虽然每个企业在实施细节上有些差异，但基本都会遵循这些顺序。FMEA看上去是一种规矩的制定，但对系统分析①则需要充分用到数据分析，因为数据是真实反映客观情况，是不会说谎的。同理在进行失效分析②的时候不但需要有资深的行业专家的深度参与，更需要建立成熟的数据模型来找到导致失效的主要和次要的风险因素，从而达到对它们的有效管控和处理的目的。

近年来，随着人工智能等前沿新技术的广泛应用，人工智能 （AI） 和机器学习 （ML） 正在通过自动化风险评估流程来改变 FMEA 方法。传统的 FMEA 需要跨职能团队手动识别故障模式及其相关风险，人工智能驱动的算法则可以分析大量数据集、历史故障信息和工艺参数，以自主识别潜在的故障模式并评估其风险。这不仅加快了FMEA流程，还减少了风险识别中人为错误的可能性。

FMEA在国内外的医疗行业都有着广泛的应用，尤其在临床用药、手术操作、日常护理等过程中的风险管理，相关的研究成果也非常丰富，本文就不详细例举。

本文中的内容大多是基于我本人在从业过程中的切身体会和对讨论议题的个人看法，若有不妥之处，敬请谅解，也欢迎在评论区留言。感谢大家的点赞、评论加关注。咱们下期再见！