有用的想法2 : 不貳過,不只是不貳過

在我的工作旅途中,一個公司文化深深影響了我:「不貳過」

hwchw閱讀約 2 分鐘

有用的想法2 — 不貳過,不只是不貳過

有用的想法2 : 不貳過,不只是不貳過

在我的工作旅途中,一個公司文化深深影響了我:「不貳過」

在產品問題發生的時候,會有下面的步驟來讓問題不會發生第二次

  1. 先解決問題(治標):
    不管是系統還原、快速上一個修復版本,或先把功能藏起來,總之就是在最短的時間,讓系統回復正常的運作,特別是系統最重要的功能.
  2. 尋找問題發生的真正原因並解決(治本):
    主要目的就是要去解決他為什麼會發生,了解真正的原因,對這個原因做適當的處理,好讓之後這個問題不會再發生一次
  3. 那如果找不到問題的話呢?
    如果是資訊不夠,就加上紀錄資訊的方式,好讓下一次不會再面對資訊不夠的問題,如果有懷疑,就針對懷疑做出假設性的修復,並且放上監控機制去觀察,如果觀察一段時間他就沒發生了,也許這個懷疑就是真實的

第一段主要是分享,面對一個產品上的問題,可以讓問題「不貳過」的過程.而今天我想分享的是除了產品上,「不貳過」還可以怎麼樣去理解這個想法:

不貳過,不只是不貳過

字面上會覺得 「過」 可能是過錯,我覺得解釋成「問題」會更貼切且實用.我們來看一段情境:

客戶:「嗨,你們這個產品有哪些功能啊?」我:「喔,我們的功能啊!有這個這個,那個那個,還有這個那個。」客戶:「謝謝喔!你說明的很詳細,很高興能跟你們公司合作」

聽起來很順利,對吧?

過了幾天,同樣的客戶來了:

客戶:「嗨,有點不確定如果我們需要產品可以這樣這樣,你們這個產品目前可以辦到嗎?」我:「喔!可以啊,你只要這樣這樣,那樣那樣就可以囉!」客戶:「嗨,謝謝你喔,你們產品不錯」我心裡:「疑?這個上次好像有提到過啊」

以這個情境來說,沒有任何過錯,但是可能是個問題:
有沒有可能產品的描述是沒有被記錄的呢?
有沒有可能有紀錄產品功能的文件,但是客戶不知道在哪邊呢?
有沒有可能客戶的習慣是,他遇到問題就會直接找你呢?甚至可能是客戶公司的標準作業流程喔

發現了嗎?
這個情境的背後可能藏著許多問題.

這邊我想說明一下「問題」
問題就是期望跟現實之間有落差
我所期望的是這類型的問題,客戶可以不透過我們就能夠解決
我希望達到的目標是真的有系統狀況,客戶沒辦法,才找我們幫忙處理
好讓我們可以前進的更快更有效率

那我要怎麼讓這些問題,不會發生第二次呢?
讓我們套用第一段

  1. 先解決問題(治標):
    先回答客戶的問題,眼前的狀況就可以先解除,也就是情境中,我的回答
  2. 尋找問題發生的真正原因並解決(治本):
    *首先你要先認同這是個問題,是個問題才需要解決
    *要怎麼知道是不是個問題呢?就問自己想要什麼,或是可以想,這件事情有沒有影響我什麼?
    *發現問題以後,就會有後續的解決方法了,畢竟我們都是解決問題的專家對嗎 ?
  3. 那如果找不到問題的話呢?
    找不到問題,但是你認為是有問題存在的,那就先試試看一些方法囉
    比如:
    如果你每次的回答中都加上「這個功能方面的詢問,在我們給的產品使用說明書第幾章節中有很詳細的描述喔,如果有哪裡可以寫的更好的,也歡迎提供一些回饋讓我們知道跟改善.」
    可能第一次加上這句後,客戶還是來問了,也許你可以認為客戶的標準流程裡面沒有去看,或是客戶看不懂,再來就可以往下做後續的安排了!
題外話:關於解決問題,不一定是解決跟沒解決的差異,如果不能完全解決,就看他有沒有變得更好,怎麼說呢?
用上面的例子來看,可以嘗試建立 共同語言 來縮短整個回覆的時間,我沒有解決讓客戶沒來問,但是當客戶來問的時候我可以用最小的能量去回答他。關於共同的語言,過後可以再用另外一篇文章來描述他

不貳過,不只是不貳過

好的工作者,可以讓事情往好的地方去.
不一定是有什麼錯,只是它沒有往你嚮往的好的地方前進

試試看!

  1. 先了解什麼是好的地方:
    可能是對自己好,或是對團隊好,或是對公司好,或是對客戶好,或是對大家都好,這個也許可以在別篇文章裡面多描述一些,不過只要是好的都不錯啦!
  2. 比較你認為好的跟現況的差異,得到你想不貳過(不讓他再發生)的問題
  3. 解決這個問題,事情就會往下一步前進

最後,希望往你心中更好的方向前進的你,可以在這篇文章中獲得一些幫助到你的點,謝謝收看我們下次見!

作者

hwchw

Writing on AI-native organization design, OD, leadership, and the future of work. Long-form essays and field notes from the intersection of human systems and machine intelligence.

hwchw 的其他文章 →