PPG六西格玛之提升员工健康指数和生产力
PPG六西格玛之提升员工健康指数和生产力
PPG工业公司始建于1883年，是全球著名的制造企业，产品包括涂料、玻璃、玻璃纤维及化学品等，在全球居于行业先导地位，连续51年位居财富500强之列，2004年被《财富》杂志评为全球最受称羡的化学品公司之首。
现在，PPG已将六西格玛理念和方法论以及基于交互式可视化六西格玛软件JMP的数据分析用于公司各个领域的持续改善，包括质量、生产、研发、运营以及人力资源管理等等。其中的一个成功，是用来提升员工的健康指数和生产力，同时控制医疗保健成本。
Alberto Colombi是PPG全球工业企业的医疗主管，为了有效帮助PPG员工保持健康、高效，他常常思考：相比于传统的医疗试验，有没有一套更加行之有效的研究方法，能够分析特定人群的健康状况？ Colombi的目标是以工厂的人群作为对象来研究慢性疾病，而PPG的37000名员工分布在北美、拉丁美洲、欧洲和亚太等全球广大地区。
“如果你想针对不同人群来研究慢性疾病，”Colombi说，“那传统双盲式医疗试验模式就会显得不那么有效。因为不能在同一时间，只分析一种疾病或者一种风险因素。”事实上，每一名员工也可能面临着不止一种的慢性疾病风险，并且对每一种疾病都会存在许多种风险因素。
而更进一步，在寻求改善PPG员工健康状况的过程中，有没有可能通过关注并解释与健康状况有关的多因子之间的相互作用，来减少不确定性、准确评估健康状况？使用JMP六西格玛及数据发现软件，答案是肯定的。伴随着这项研究的成功，面临的第二个关键问题是：为了改善健康状况，PPG应该将其有限的资源投到哪里呢？
将过程改善的理念运用到医疗保健
Colombi在几年前接受过六西格玛的培训。他首先想到的是运用在生产流程中进行过程改善的六西格玛原理，也可能适用于医疗保健领域。
他设想了一个流程，这个过程以“良好的健康”状况开始。这个流程会受到诸多因素的影响，并有可能最终输出一个“缺陷”——一种慢性疾病。
“虽然我们并不‘生产’病人。但如果你有‘生产流程’这一理念，清楚流程要经过输入、生产和产出，并且去发现是什么因素导致了最后的缺陷。那就有可能防止它的发生。”
Colombi从列举导致慢性疾病的因素开始。以29个工地的数据作为样本，了解有多少改善健康状况的措施正在实施，工地人群的健康风险概况（如肥胖、高血压或者抽烟的员工的所占比例），改善后的结果（有多少员工患过心脏病、中风），成本效应如何（既包含治疗的直接成本，也包含生产力损失的间接成本）等等。并从众多变量中寻找最能影响最后结果的因素。
Colombi的流程是这样的：
 建立一个商业问题的基本模型
 确定如何最好地表现不确定性
 创建一套详尽的选择
 进行定量分析，确定最优决策。
基于JMP的顿悟
Colombi说：“我们需要一个有效的工具针对改善健康的结果进行多因子决定因素的分析。这个工具就是JMP，利用多元分析和建模功能，让我们能够在同一时间分析处理多个变量。并通过主要成分分析，分析变量对模型的影响大小。”尽管分析过程无法直接指出因果关系，但确实指出了哪些是高风险因素，将资源投资到哪儿会最有效。
Colombi博士使用JMP的预测刻画器来探索压力、肥胖和抑郁与各工地的平均医疗成本以及工人的健康补偿之间的关系。
随着研究的深入，Colombi和他的团队想知道：有关健康饮食的宣传是否到位？餐厅能否提供新鲜水果？有多少心脏病在特定的工作环境中发生？
同时，他们也在利用JMP，研究、检验工人们的补偿金，分析有哪些上游变量可能影响支付的频率和数量。他们最终得出一个结论：肥胖是一个必须提到的主要因素。“我认为，我们需要采取可行的办法帮助员工减轻体重，这将可以帮助我们不仅在治疗心血管疾病方面，也在工人的补偿金支付方面，拥有成本优势。”Colombi解释到。
在PPG，工地中的肥胖员工越多，给予的补偿金平均额越高。
在享受乐趣中改善健康状况
得出结论后，PPG开始帮助员工降低体重。有几个工厂赞助了“Biggest Loser”竞赛以及“Triple Holiday Challenge”活动。活动要求员工们在感恩节、圣诞节和新年中，经营一个农场，改变餐厅菜单，并因地制宜地开发健身项目，维持他们的体重。Colombi说，“虽然减肥是很严肃的事，但我们提供了一种愉快的方式。让大家充分地享受活动带来的乐趣。”
Colombi还评价了JMP起到的作用：“可视化数据分析，交互性体验。是JMP让我们与统计数据如此近距离地交流，让图形化变得如此有价值。当然了，最终的目标是预防疾病，提高企业的生产力。让员工变得健康，不仅能降低医疗保健成本，也能保证员工的最佳状态。”
Colombi 还提到：“我们通过JMP发现了什么是重要的，更让人们信服这些重要的东西与我们息息相关，然后让我们积极行动改变现状。这是一项转化型研究——将决策分析转变成行动的研究。”
PPG工业公司始建于1883年，是全球著名的制造企业，产品包括涂料、玻璃、玻璃纤维及化学品等，在全球居于行业先导地位，连续51年位居财富500强之列，2004年被《财富》杂志评为全球最受称羡的化学品公司之首。
现在，PPG已将六西格玛理念和方法论以及基于交互式可视化六西格玛软件JMP的数据分析用于公司各个领域的持续改善，包括质量、生产、研发、运营以及人力资源管理等等。其中的一个成功，是用来提升员工的健康指数和生产力，同时控制医疗保健成本。
Alberto Colombi是PPG全球工业企业的医疗主管，为了有效帮助PPG员工保持健康、高效，他常常思考：相比于传统的医疗试验，有没有一套更加行之有效的研究方法，能够分析特定人群的健康状况？ Colombi的目标是以工厂的人群作为对象来研究慢性疾病，而PPG的37000名员工分布在北美、拉丁美洲、欧洲和亚太等全球广大地区。
“如果你想针对不同人群来研究慢性疾病，”Colombi说，“那传统双盲式医疗试验模式就会显得不那么有效。因为不能在同一时间，只分析一种疾病或者一种风险因素。”事实上，每一名员工也可能面临着不止一种的慢性疾病风险，并且对每一种疾病都会存在许多种风险因素。
而更进一步，在寻求改善PPG员工健康状况的过程中，有没有可能通过关注并解释与健康状况有关的多因子之间的相互作用，来减少不确定性、准确评估健康状况？使用JMP六西格玛及数据发现软件，答案是肯定的。伴随着这项研究的成功，面临的第二个关键问题是：为了改善健康状况，PPG应该将其有限的资源投到哪里呢？
将过程改善的理念运用到医疗保健
Colombi在几年前接受过六西格玛的培训。他首先想到的是运用在生产流程中进行过程改善的六西格玛原理，也可能适用于医疗保健领域。
他设想了一个流程，这个过程以“良好的健康”状况开始。这个流程会受到诸多因素的影响，并有可能最终输出一个“缺陷”——一种慢性疾病。
“虽然我们并不‘生产’病人。但如果你有‘生产流程’这一理念，清楚流程要经过输入、生产和产出，并且去发现是什么因素导致了最后的缺陷。那就有可能防止它的发生。”
Colombi从列举导致慢性疾病的因素开始。以29个工地的数据作为样本，了解有多少改善健康状况的措施正在实施，工地人群的健康风险概况（如肥胖、高血压或者抽烟的员工的所占比例），改善后的结果（有多少员工患过心脏病、中风），成本效应如何（既包含治疗的直接成本，也包含生产力损失的间接成本）等等。并从众多变量中寻找最能影响最后结果的因素。
Colombi的流程是这样的：
 建立一个商业问题的基本模型
 确定如何最好地表现不确定性
 创建一套详尽的选择
 进行定量分析，确定最优决策。
基于JMP的顿悟
Colombi说：“我们需要一个有效的工具针对改善健康的结果进行多因子决定因素的分析。这个工具就是JMP，利用多元分析和建模功能，让我们能够在同一时间分析处理多个变量。并通过主要成分分析，分析变量对模型的影响大小。”尽管分析过程无法直接指出因果关系，但确实指出了哪些是高风险因素，将资源投资到哪儿会最有效。
Colombi博士使用JMP的预测刻画器来探索压力、肥胖和抑郁与各工地的平均医疗成本以及工人的健康补偿之间的关系。
随着研究的深入，Colombi和他的团队想知道：有关健康饮食的宣传是否到位？餐厅能否提供新鲜水果？有多少心脏病在特定的工作环境中发生？
同时，他们也在利用JMP，研究、检验工人们的补偿金，分析有哪些上游变量可能影响支付的频率和数量。他们最终得出一个结论：肥胖是一个必须提到的主要因素。“我认为，我们需要采取可行的办法帮助员工减轻体重，这将可以帮助我们不仅在治疗心血管疾病方面，也在工人的补偿金支付方面，拥有成本优势。”Colombi解释到。
在PPG，工地中的肥胖员工越多，给予的补偿金平均额越高。
在享受乐趣中改善健康状况
得出结论后，PPG开始帮助员工降低体重。有几个工厂赞助了“Biggest Loser”竞赛以及“Triple Holiday Challenge”活动。活动要求员工们在感恩节、圣诞节和新年中，经营一个农场，改变餐厅菜单，并因地制宜地开发健身项目，维持他们的体重。Colombi说，“虽然减肥是很严肃的事，但我们提供了一种愉快的方式。让大家充分地享受活动带来的乐趣。”
Colombi还评价了JMP起到的作用：“可视化数据分析，交互性体验。是JMP让我们与统计数据如此近距离地交流，让图形化变得如此有价值。当然了，最终的目标是预防疾病，提高企业的生产力。让员工变得健康，不仅能降低医疗保健成本，也能保证员工的最佳状态。”
Colombi 还提到：“我们通过JMP发现了什么是重要的，更让人们信服这些重要的东西与我们息息相关，然后让我们积极行动改变现状。这是一项转化型研究——将决策分析转变成行动的研究。”
没有找到相关结果
已邀请:
RSS Feed
0 个回复