摘要：一、质量管理数字化闭环建设思路质量之于品牌，就如健康之于人。质量管理在企业中承担着守护底线、保障经营的重责，维护着企业运转的健康。由此可见，对于一个品牌来说，尤其是以产品品质为核心价值点的品牌来说，质量管理是非常的重要的。然而，质量管理是需...
质量之于品牌，就如健康之于人。质量管理在企业中承担着守护底线、保障经营的重责，维护着企业运转的健康。
由此可见，对于一个品牌来说，尤其是以产品品质为核心价值点的品牌来说，质量管理是非常的重要的。然而，质量管理是需要付出成本的。其中既包括人员管理成本，还包括送检费用、验货费用等成本。对于企业来说，既需要通过管理降低质量问题带来的潜在风险成本，又要在合理的范围内减少管理成本。
所以，对于质量管理系统来说，最核心的价值就在于三个方面：保障商品品质、保证合规经营、控制管理成本。
为了达成以上三个目标，可以借助互联网技术+大数据，通过规则及策略设定，搭建基于PDCA的全链路电商商品质量数字化闭环管理体系，整体结构如下图：
首先，搭建一套有效服务与业务的线上化正、逆向质量管理业务系统。
其次，在实现全链路质量管理线上化的基础上，针对风险管理、标准管理、送检合规管理、质检管理、VOC管理以及异常管理六大业务管理模块先后进行功能优化、拓展，实现前后业务管理流程的数据串联，以及内外部产品系统打通，形成质量管理业务流程的精细化、防呆化、数字化、闭环化管理。
最后，六大业务管理模块的所有信息及数据，通过质量数据与决策中心，存储于数据库，全链路数据进行串联、沉淀、分析后，实现自动化执行、自助化分析、自动化决策；同时质量数据与决策中心的所有信息及数据决策反哺于六大业务管理模块，不断助力和推动商品质量改善和迭代。
KPc”>
1、最上层是应用终端，系统为内部质量管理人员和外部检测机构提供了不同的工作台，包括pc和移动端应用。
2、在标准流程引擎这一层，对于质量管理的正向流程，包括质量设计质量检测，以及逆向流程，舆情管理和异常管理进行了全链路的线上化建设。
3、对质量管理信息系统进行了结构化，数字化和指标化的数据存储和数据加工，并通过数字化沉淀来辅助系统建立质量策略中心。从而实现业务规则的灵活配置、系统任务的自动分发、自动化去执行与决策。
4、基于网易技术的通用服务能力进行的底层支持。
1、系统主要通过海量舆情的自动监控，和迭代任务自动转化来实现。其中包括舆情信息的全量收集以及利用AI算法技术打造信息分类引擎，包括数据清洗、语义分析、标签匹配、舆情筛选四个核心步骤。
2、对业务监控规则进行系统化加工和沉淀。并通过异常触发引擎进行自动化的监控并触发改进任务。
3、系统会自动指派处理人，并依据8D异常处理流程进行线上任务跟进及监控。系统会把任务实时推送给工厂端，从而能够快速推进制造商改进商品品质，提升产品体验。
1、建立标准的线上管理流程，来规避人员操作参差不齐带来的风险。针对上下游进行数据化的指标同步，对质检过程进行精细化和完整性的保障。并将结果进行自动化的同步，并将管理经验更新到经验库中，避免问题重复发生。
2、对异常的监控进行自动化的管理。确保异常能够快速及时的得到处理和反馈。
3、对于商品的整个生命周期管理，针对关键的业务节点，系统会实时校验，来规避多角色协同带来的管控风险。
1、将所有角色协同从线下搬到了线上。为内部和外部多个不同的角色建立工作台，来处理系统分发的任务，极大减少线下信息的流转。
2、在核心业务流程线上化的基础上，建立系统自动化流程引擎。通过五个核心步骤进行任务的过滤，对于系统可替代人工的执行任务和决策任务进行自动化的处理，剩余的再分发给相应的业务，从而大幅减少的低决策成本的执行工作。
3、对于业务的执行情况进行可视化的执行监控。通过超时预警、催办等功能，能够有效提升处理效率。
积木要一块块搭，楼要一层一层的盖，系统也要一步一步演进。就像盖楼需要提前设计好图纸一样，没有完整的规划和思路会让系统杂乱无章，最终能力没有纵向提升，成了烂尾楼。
对于质量管理系统的规划，可以从三个方面进行，包括流程层、数据层和策略层。
首先，进行流程层的线上化建设。这里既包括核心链路执行线上化，又包括核心管理工具线上化。通过线上化，可以规范管理，减少因为人为因素带来的管理变数，保障管理的稳定性；不仅如此还可以以将管理经验及时有效的进行沉淀，同时提高协作效率。
其次，进行结构化数据层建设。通过数字化沉淀、串联、匹配将管理进行完整闭环，并为策略能力建设奠定基础。具体可以概括为四个步骤：1、通过流程线上化建设将核心信息数字化落地建设 2、将质量管理前期的质量标准指标数据，与质检过程数据&售后舆情数据进行精准匹配 3、通过售后质量数据反向验证及评估质量管理过程和质量设计4、通过数字化闭环产出改进建议。
最后，进行策略层建设。策略系统的建设可以分为两个不同的阶段，第一个阶段是沉淀业务策略规则，并结合动态业务数据进行自动化测算，从而给出决策依据；这个阶段的规则及参数还是需要人工来调配，但是系统可以通过决策模拟器和仿真验算的方式来辅助规则的制定。第二个阶段是通过累计历史算例，通过算法和机器学习，系统可以给出规则参数调整的建议，将规则、数据、测算全过程全部实现系统自动化，系统决策实现黑盒化，系统真正开始替代人工。
以上，就是质量管理系统的系统建设路径和思考，欢迎大家一起交流。
本文由 @欣欣张 原创发布于人人都是产品经理，未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议
