所有文章
应用场景2026年9月7日 · 2 分钟阅读时间

七个流程仿真,逐一算清

简而言之

七个完整计算的示例模型显示出相同的模式:处理时间以分钟计,流转时间以天计,差距由位于利用率最高步骤之前的等待时间构成。在发票审批中,瓶颈位于实质性审批,在报价流程中位于成本核算,在投诉处理中位于回询,在入职流程中位于预约链,在服务台中位于二线支持,在审批流程中位于高峰日,在人员甄选中位于回复时间。在七个案例中有五个显示出最有效的杠杆并非增加人员,而是减少波动。

Inhaltsverzeichnis

Hinweis:所有数字来自示例模型,不是客户数据。它们的选择符合典型的数量级。请替换为您自己的数据。模式保持不变。

七个流程,每个都按相同格式:出发情况、各步骤负载、结果、最有效的杠杆。

1. 发票审批

每月 1 200 张发票,五个步骤,审批作为兼职分布在 14 人之间。

步骤处理时间负载
扫描2–4 min41 %
在 ERP 中录入6–14 min79 %
业务审批3–6 min高,非常分散
记账科目4–8 min62 %
支付批次每周 2 次

结果: 处理时间 20–30 min,流转时间 8–12 个工作日。五到八天耗在业务审批前的等待。

最有效的杠杆: 不是票据识别。OCR 缩短了录入时间,之后审批仍然面对全部工作量。瓶颈随之迁移,流转时间几乎没有下降。设置额度和代理规则效果更大且几乎不花钱。详细说明

2. 报价流程

每月 60 个询价,四个步骤,技术估算由两位专家负责。

步骤处理时间容量
录入询价10–20 min销售内勤
技术估算2–8 h2 人,亦承担项目工作
商务审查30–60 min1 人
审批与发送15 min销售管理

结果: 流转时间 P50 = 6 天,P90 = 19 天。估算时间的分散(简单与复杂相差 4 倍)产生了大部分等待时间。

最有效的杠杆: 按复杂度区分询价。简单报价绕过估算,直接用价格表处理。P90 在不增加容量的情况下降到 8 天。原因是:等待时间随分散度呈二次增长。两条队列优于一条混合队列。

为何这比节省成本更有价值: 在报价中,流转时间影响中标率,而不是成本。第二个回复的人会丢失那些他已估算过的订单。

3. 投诉处理

每月 400 件,其中 35 % 需向客户或供应商询问。

结果: 无需询问的案件:流转时间 P50 = 1.4 天。需询问的案件:P50 = 9 天。混合后得到的平均值为 4.1 天,但没有任何单一案件会体验到这个平均值。

结论: 瓶颈不是处理本身,而是需询问案件的双重等待:一次等待处理人,一次等待回复。

最有效的杠杆: 避免询问而不是加速询问。在接收表单中设置一个必填项,覆盖最常见的三个询问理由,可将询问率从 35 % 降至 12 %。P50 降至 2.2 天。

教训: 对两类行为截然不同的案件求平均不是一个指标,而是一种掩饰。

4. 员工入职

每月 12 人入职,七个相关方(人事、IT、用人部门、楼宇、数据保护)。

与其他示例的不同之处: 工作量极小,各环节负载均低于 20 %。但流转时间仍为三周。

原因: 缺乏的不是容量,而是时间点。每个步骤不是在等空闲的处理时间,而是在等相关责任人在某一天记得去做。七个相关方各自有大约两天的响应时间,合计两周,而没人因此处于饱和状态。

最有效的杠杆: 并行化而非加速。IT 账户、门禁卡和工作位置不是依次完成,而是由一个事件触发同时办理。流转时间从 21 天降至 9 天。

5. IT 服务台

每月 900 张工单,两级处理,20 % 升级。

步骤处理时间负载
初次受理(Level 1)5–15 min74 %
Level 230–180 min91 %

结果: 80 % 的工单在同一天解决。那 20 % 被升级的工单 P50 = 4 天,P90 = 13 天。它们几乎产生了所有投诉。

最有效的杠杆: 不是增加 Level 2 人员,而是降低升级率。每减少一个百分点的升级,都会对 91% 负载的步骤产生超比例的减压,因为那里的等待时间随 ρ/(1−ρ) 下降:从 91 % 降到 85 % 时,等待时间仅剩一半。

6. 行政审批流程

每年 2 400 份申请,分布极不均匀:40 % 集中在两个月内。

年平均: 负载 71 %。看起来很健康。

高峰周: 负载 148 %。队列那时每天都在增长,并且数月才能消化掉,因为消化速度仅为容量与到达量之间的差额,而不是整个容量。

结果: 平稳季度的流转时间 9 天,高峰过后的流转时间 46 天。相同的部门,相同的人。

最有效的杠杆: 将工作提前而不是增加人手。如果在淡季可提前处理 20 % 的申请(预约、预审、期限管理),高峰期负载可降到 100 % 以下,46 天的问题即可消失。

教训: 对于季节性流程,年度平均是最具误导性的指标。

7. 人员遴选

每月 80 份申请,6 个岗位,五个步骤含面试时间安排。

结果: 首次回复时间 P50 = 8 天,P90 = 21 天。申请人从第 10 天起可观察到拒绝率明显上升。

结论: 瓶颈不是筛选,而是安排首次面试的时间:三个日历、两周的前置期、没有固定规则。

最有效的杠杆: 固定时段。每位相关者日历中每周预留两小时,申请人自选。P50 降至 3 天。没有人因此增加工作量,仅是时间分布不同。

七个示例的共性模式

示例处理时间流转时间最有效的杠杆
发票审批25 min8–12 天金额阈值,代理
报价3–9 h6–19 天按复杂度区分
投诉20–40 min1.4 / 9 天避免询问
入职4 h21 天并行化
服务台15–180 min0 / 4 天降低升级率
审批45 min9 / 46 天平滑高峰
人员遴选2 h8 天固定时段

三点观察:

  1. 处理时间与流转时间相差两到三个数量级。 任何仅针对处理时间的措施,都针对了错误的数值。
  2. 在七个案例中有五个最佳杠杆是免费的。 降低分散度、并行化、平滑高峰、避免询问。均无需投资,也不易作为项目来销售。
  3. 显而易见的杠杆几乎从未是最佳选择。 增加人手、更快的软件、更多自动化:有用,但很少能触及时间真正消耗的地方。

常见问题

为什么吞吐时间远比处理时间长?

因为中间存在等待。一个工单在大部分时间并未被处理,而是放在一个篮子里,直到有人有产能。在行政流程中,90 到 99% 的吞吐时间是等待时间。所以,任何仅仅加快处理的措施,都只是作用于两个数字中较小的那个。

这些数字真实吗?

它们是示例模型,不是客户数据,并已明确标注为示例。数量级与行政和服务类流程中的典型情况相符。价值在于模式,而非绝对值:请代入您自己的数量和产能,发现的结构通常保持不变。

为什么降低波动常常比增加产能效果更好?

因为等待时间与变异系数的平方成比例增长。把波动减半,会将其对队列的贡献减少到四分之一。产能的作用则通过因子 ρ/(1−ρ) 体现,只有在接近极限时反应强烈。实际含义是:按类型分离工单、平滑输入、消除追问。通常这比增加一个岗位便宜。

我如何判断我的流程是否符合 Onboarding 模式?

判断方法是:各处利用率都很低但吞吐时间仍然很长。那时问题不是产能不足,而是注意力:每个步骤都在等某一天有人想起去做。此处的杠杆是并行化和由事件触发,而不是增加人员。

这些模型应包含多少个步骤?

五到十个,就像所有七个示例那样。更细的建模不会移动瓶颈:瓶颈位于利用率最高的位置,而且它大致同样明显。额外的步骤会增加输入工作并产生一种输入数据不支持的准确性感。

FlowVisual

在您自己的流程上进行计算验证

FlowVisual 会把本文中的数字变成一个可运行的模型,使用您的数量、您的产能、您的利润率。

Guide: seven steps to the number