🔍 點解要拆解問題？

➊ 心理減壓：

• 大問題似座山 → 拆細變石仔逐粒搬

• 例：公司客滿分跌10% → 拆開「送貨」「產品」「客服」逐part睇

➋ 提升效率：

• 集中火力搞關鍵部分，唔使周圍撲

• 例：用數據發現70%客訴同送貨有關 → 主攻物流

➌ 訓練系統思維：

• 學識「逐層剝洋葱」搵核心問題

• 例：送貨慢 → 再拆「車隊老化」「路線規劃差」等細因

🛠 拆解問題實用工具

🐟 魚骨圖用法（因果圖）

• ➊ 畫魚頭：寫核心問題（例：客滿分跌）

• ➋ 畫主骨：大類別（人/流程/設備/物料）

• ➌ 加細骨：每類再列具體原因

  • 例：「流程」類可寫「倉庫執貨慢」「司機排更亂」

• ➍ 團隊齊齊brainstorm → 貼便條紙更互動

📉 帕累托分析（80/20法則）

• ➊ 收集數據：統計各問題出現頻率

• ➋ 排序影響力：揀出頭20%致命傷

• ➌ 例：

  • 送貨延誤佔投訴60% → 優先處理

  • 產品問題佔15% → 後續再跟

💡 黃金組合：魚骨圖 + 帕累托

• 用魚骨圖列晒所有可能性

• 用帕累托鎖定最關鍵2-3項

• 例：

  • 魚骨圖列出10個送貨問題

  • 數據顯示「車舊」&「路線差」佔80%延誤 → 集中解決

🚨 明確問題要訣

➊ 問到篤：「5W1H」追問法

• Why：點解覺得係問題？（例：客流失增加）

• Who：影響邊班人？（新客定舊客？）

• Where：邊度出事？（某地區定全國？）

• When：幾時開始？（旺季定全年？）

➋ 數據驗證：

• 唔好靠估！Check真實記錄

• 例：客話送貨慢 → 對比過去半年送貨時間數據

➌ 精準定義問題句式：

「[具體現象] 導致 [可量化影響]，發生於 [範圍]」

• 錯誤例子：「客唔滿意」（太模糊）

• 正確例子：「中西部訂單送貨遲2日，令客滿分跌15%」

⚠️ 常見伏位

▸ 混淆症狀與根源：

• 頭痛醫頭 → 送貨慢就狂請司機，但其實係路線規劃差

▸ 數據過期：

• 用舊年調查結果分析今年問題 → 時效錯配

▸ 主觀偏見：

• 「我覺得係產品差」→ 忽略數據顯示送貨先係主因

🏷️ 實戰案例：網店客滿分插水

➊ 明確問題階段：

• 收集數據：發現退貨率升20% + 客訴主要話「貨不對版」

• 精確定義：「商品描述與實物差異導致退貨率增加」

➋ 分解問題：

• 拆開「商品拍攝」「文案描述」「QC流程」三部分

• 👉 用魚骨圖發現：

  • 攝影部燈光問題令色差

  • 文案誇大產品功能

  • QC無檢查實物與描述

➌ 帕累托分析：

• 70%退貨來自色差問題 → 優先升級攝影器材

💬 阿Sir提水：

• 「拆問題似食榴槤--要逐房拆開先食到肉！」

• 「數據係你嘅照妖鏡，照出真兇唔使估」