提升流程效率四大策略，探讨OA系统在推动企业提案改进活动中的管理之道

创新是企业的持续动力，为充分调动全体员工的智慧，激励员工主动参与公司各项优化工作，众多企业通过不同方式鼓励和奖励优化提案活动。然而，在优化过程中，仍存在诸多挑战。

OA系统为确保优化管理能长期有效执行，实现优化管理信息化，利用建模功能，在OA系统中构建统一的优化提案上报、优化制度发布学习、优化提案评价体系、优化提案推广跟踪平台。

1、优化提案提报

为确保提案优化提交人能按公司要求详细提报优化内容，OA系统设计了提案优化流程，并设置了必填项，统一优化提案上报途径和格式，便于归档。

2、优化提案流程

优化提案流程提交后，需经部门负责人审批，触发个人提案审批评审流程。相关专家收到流程后，可在线评分。

3、优化评审说明

为保证评审不受他人干扰，评审情况不可见，将提案评审通过子流程实现。

为智能化管理优化提案，OA系统可自动计算奖励金额，极大减轻相关负责人员工作量。

4、优化提案门户

首页可直接查看优化提案优化管理门户，为各层级人员提供帮助：

1）新员工可在此学习优化制度，学习他人提出的优秀优化；

2）企管及优化评审参与人，可在此了解最新需审批的优化；

3）所有人均可在此查阅优秀优化；

4）优化负责人在此发布各月优化的汇报情况。

5、优化分析报表

每个人的优化提案数据实时记录，为绩效考核提供依据；

同时，将提出的提案数量与正在实施的优化数量形成对比，哪条产品线提出的优化意见多、实施效率最高，一目了然。为产品线优化提供一定支持。

OA系统通过电子化优化管理流程，实现统一优化提案流程，规范提案提交标准；提升提案统计效率，可随时随地评审；强化优化提案实施执行力，知识转化为价值；吸引更多人参与，让知识分享成为常态。

物流系统优化的原则

对于大多数企业而言，物流系统优化是其降低供应链运营总成本的最大商机。然而，物流系统优化过程不仅需投入大量资源，还需付出巨大努力、克服困难、精心管理。

美国领先的货运计划解决方案供应商Velant公司总裁和CEO Don Ratliff博士，凭借30余年为企业提供货运决策优化解决方案的经验，在2002年美国物流管理协会（CLM）年会上提出了“物流优化的10项基本原则”，并认为通过物流决策和运营过程的优化，企业可获得降低物流成本10%-40%的商业机会。这种成本节约必然转化为企业投资回报率的提高。

设定的目标必须是定量和可测量的。

制定目标是确定预期愿望的方法。要优化某个事情或过程，就必须确定如何判断目标对象是否已被优化。使用定量目标，计算机可判断一个物流计划是否优于另一个。企业管理层可了解优化过程是否提供可接受的投资回报率。

模型必须真实反映实际的物流过程。

建立模型是将物流运营要求和限制条件转化为计算机能理解和处理的东西的方法。例如，我们需要一个模型来反映货物如何组合装车。一个非常简单的模型无法充分反映实际物流情况。如果使用简单的重量或体积模型，许多计算机认为合适的载荷将无法实际装车，而实际上更好的装载方案可能因计算机认为不合适而被放弃。因此，如果模型无法真实反映装载过程，则优化系统给出的装车解决方案要么无法实际执行，要么在经济上不合理。

数据必须准确、及时和全面。

数据驱动了物流系统优化过程。如果数据不准确，或相关数据不能及时输入系统优化模型，则由此产生的物流方案值得怀疑。对产生可操作的物流方案的物流优化过程而言，数据也必须全面和充分。例如，如果卡车的体积限制了载荷，仅使用每次发货的重量数据是不充分的。

系统集成必须全面支持数据的自动传递。

因为物流系统优化需要同时考虑大量数据，所以系统集成至关重要。例如，要优化每天从仓库向门店送货的过程，需要考虑订货、客户、卡车、驾驶员和道路条件等数据。人工输入数据的方法，即使是少量数据，也会因耗时过长和易出错而无法支持系统优化。

系统优化方案必须以一种便于执行、管理和控制的形式来表述。

由物流优化技术给出的解决方案，除非现场操作人员能执行，管理人员能确认预期的投资回报已实现，否则就是不成功的。现场操作要求指令简单明了，易于理解和执行。管理人员则要求有关优化方案及其实施效果在时间和资产利用等方面的关键指标信息更综合、更集中。

算法必须灵活地利用独特的问题结构。

不同物流优化技术之间最大的差别在于算法的不同（借助计算机的过程处理方法通常能找到最佳物流方案）。关于物流问题的一个无可争议的事实是，每种物流优化技术都具有某种特点。为了在合理时间内给出物流优化解决方案，就必须借助优化的算法进一步开发优化技术。因此，关键问题是：（1）这些不同物流优化技术的特定问题结构必须被每个设计物流优化系统的分析人员认可和理解；（2）所使用的优化算法应具有一定的灵活性，使其能够“调整”到可以利用这些特定问题结构的状态。物流优化问题存在大量可能解决方案（如，对于40票零担货运的发货，存在1万亿种可能的装载组合）。如果不能充分利用特定问题结构进行计算，则意味着要么算法将根据某些不可靠的近似计算给出一个方案，要么计算时间过长（可能是无限长）。

不同物流优化技术之间的主要差异在于算法的多样性（依托计算机的处理方式往往能探寻最优物流路径）。关于物流问题的一个不可否认的事实是每种物流优化技术都具备独特的特性。要在合理的时间内提供物流优化解决方案，就必须借助优化的算法来进一步拓展优化技术。因此，核心问题在于：（1）每个设计物流优化系统的分析人员都必须认同并理解这些不同物流优化技术的特定问题结构；（2）所采用的优化算法应具备一定的灵活性，以便能够“调整”至能利用这些特定问题结构的状态。物流优化问题存在众多可能的解决方案（例如，对于40票零担货物的运输，存在一万万亿种可能的装载方式）。若无法充分利用特定问题结构进行计算，则可能导致算法基于某些不可靠的近似给出方案，或者计算时间过长（可能是无限长）。（计算）

计算平台必须具备充足的容量，在可接受的时间内提供优化方案。

由于任何实际的物流问题都存在众多可能的解决方案，因此，任何具有一定规模的问题都需要相当的计算能力作为支撑。这种计算能力应确保优化技术不仅能找到最佳物流方案，还能在合理的时间内提供最佳方案。显然，对于在日常操作环境中运行的优化技术而言，它必须在几分钟或几小时内提供物流优化方案（而非花费数天的计算时间）。采用动用众多计算机同时计算的强大集群服务和并行结构的优化算法，可以比使用单一PC机或基于工作站技术的算法更快地提供更优的物流优化解决方案。（人员）

负责物流系统优化的人员必须具备支撑建模、数据收集和优化方案所需的管理和技术专长。

优化技术是“尖端科技”，希望火箭发射后能正常运行而无需“火箭专家”维护是不现实的。这些专家必须确保数据和模型的准确性，必须确保技术系统按设计状态运行。现实中，如果没有具备适当技术专长和领导经验的人员组织管理，复杂的数据模型和软件系统要正常运行并获得必要支持是不可能的。没有他们的辛勤工作，物流优化系统难以实现预期目标。（流程）

商业流程必须支持优化并具备持续的改进能力。

物流优化需要应对运营过程中出现的众多问题。物流目标、规则和流程的变更是系统的常态。因此，不仅要求系统化的数据监测方法、模型结构和算法等能够适应变化，而且要求它们能够捕捉机遇并推动系统变革。如果不能在实际的商业运行中对物流优化技术进行监测、支持和持续改进，必然导致优化技术的潜力无法充分发挥，或者只能使其成为“摆设”。（投资回报）

投资回报率必须得到验证，需考虑技术、人员和操作的总成本。

要验证物流系统优化的投资回报率，需关注两点：

一是如实估算全部优化成本；二是将优化技术提供的解决方案逐条与标杆替代方案进行对比。

在计算成本时，企业对使用物流优化技术的运营成本存在低估现象，尤其是在企业购买的是“供业余爱好者自行开发”的基于PC的软件包时。此时，企业需要拥有一支训练有素的使用者团队和开发支持人员在实际运行中调试技术系统。在这种情况下，有效使用物流优化技术的实际年度运营成本很少低于技术采购初始成本（如软件使用许可费、工具费等）。如果物流优化解决方案的总成本在第二年下降，则很可能该解决方案的质量也会相应下降。

在计算回报时，需做三件事：一是在实施优化方案之前，根据关键绩效指标（KPI）测定基准状态；二是将实施物流优化技术解决方案后的结果与基准状态进行对比；三是对物流优化技术系统的绩效进行定期评估。

要准确计算投资回报率，必须采用良好的方法确定基准状态，深入理解投入的技术和人力成本，评估实际改进程度，并持续监测系统行为绩效。然而，由于绩效数据很少直接可得，且监测过程需要持续进行，因此，很少有公司能真正了解其物流优化解决方案的实际效果。