基于移動辦公的員工定性指標定量化考核方法研究

李澎林，張慧珂，李 偉

(浙江工業大學 計算機科學與技術學院，浙江 杭州 310023)

基于移動辦公的員工定性指標定量化考核方法研究

李澎林，張慧珂，李 偉

(浙江工業大學 計算機科學與技術學院，浙江 杭州 310023)

當前的員工定性指標考核方法主要是憑借考核者的主觀印象進行考核，導致考核結果容易出現偏差，有失公平.針對人為考核方法的主觀隨意性，結合當下移動辦公模式快速發展的背景，提出一種基于移動辦公的員工定性指標定量化考核方法，該方法用移動辦公系統中的客觀數據來反映員工定性指標的完成情況，實現員工定性指標可定量化考核的目的，并重點研究了該方法的構建過程，給出了無量綱化、灰色關聯分析和確定權重系數的數據處理方法.實例分析表明了該方法構建的可行性和應用結果的有效性.

績效考核；定性指標；定量化；移動辦公；灰色關聯分析

員工績效考核是指企業定期對員工的工作行為及工作業績進行考察和評估的一種正式制度.如何客觀公正地評價員工的績效表現，是當前人力資源管理的重要問題[1].員工績效考核中的定性指標是指無法直接通過數據計算分析評價內容，需對評價對象進行客觀描述和分析來反映評價結果的指標，因此在很多企業中，往往是憑考核者的主觀印象對定性指標進行考核，導致考核結果容易出現偏差.隨著移動辦公軟件在企業日常管理中的廣泛應用，企業采集了大量的員工日常工作行為數據，基于這些移動辦公數據，利用員工績效考核模型，將定性評價定量化成為可能.源于西方的360度績效考核方法[2]是一種針對員工定性指標進行全方位多角度考核的方法，從員工的同事、下屬、本人、上級和客戶等多個角度對員工進行考核，雖然可以有效地減少主觀性偏誤，但該方法考核成本過高，考核難度太大.Kane等[3]提出不確定性原則、可能性原則、可觀察性原則、非污染性原則、排他性原則和可驗證性原則來控制績效評價中的不確定性和模糊性.曹嘉暉等[4]提出若干管理對策來解決員工績效考核中定性指標主觀偏誤的問題.劉澤雙等[5]針對目前確定科技人才創新能力評價體系指標權重的處理方法主觀性太強的問題，出了一種基于遺傳算法的模糊綜合評價新模型.以上國內外學者對于定性指標考核問題的研究成果雖然在實際案例中已經有所應用，但仍然存在以下問題：1) 通過管理對策來減少主觀偏誤的考核方法，操作過于繁瑣，容易引起員工們的抵觸心理.2) 定性指標的考核方法始終沒有離開人為考核打分的方式，而且指標權重系數主要是由專家根據自己的經驗來確定的，這樣使得考核結果仍然存在較強的主觀隨意性.移動辦公系統[6-7]作為移動信息化的一項重要應用，已經逐漸改變了人們的傳統的辦公模型.移動辦公系統采集的數據種類繁多，數量龐大，并且相較于傳統的辦公模式，移動辦公數據采集具有傳遞及時、數據采集的地理位置和時間可確定等優點.同時，移動辦公數據類型包括照片、視頻、操作事件時間戳和GPS位置等，其包含豐富的語義和拓撲信息[8]，如何將這些數據參與到員工績效評價體系中，必能對提高績效評價的科學性、客觀性有所幫助.

筆者以將定性指標細化為多個可定量化考核的方面(即考核維度)為研究思路，運用灰色關聯度分析方法，從移動辦公數據中分析出能夠反映員工定性指標完成情況的可量化的考核維度，根據關聯度來確定各個考核維度的權重系數，制定相應的考核標準，最終構建出一種基于移動辦公的員工定性指標定量化考核方法，實現定性指標可定量化考核的目的.

1 定性指標定量化考核方法

由于定性指標無法像定量指標那樣可以精確地加以衡量和考核，往往需要憑借考核者的主觀印象進行考核，這樣使得考核結果很容易出現偏差，而且在現實中，企業制定的定性指標大多具有很大的籠統模糊性.為了減少定性指標的籠統模糊性和人為考核方式的主觀性，一種很自然的思路就是“往下細分”，從多個有直接或無直接關系的事件中提取出有代表性的考核維度(可量化信息)來反映定性指標的完成情況.基于這個設想，筆者提出了一種基于移動辦公的員工定性指標定量化考核方法，如圖1所示.

圖1 定性指標定量化考核方法Fig.1 The method of qualitative indicators quantitative assessment

基于移動辦公的員工定性指標定量化考核方法是以移動辦公系統采集的客觀數據和員工績效考核結果數據為基礎，運用灰色關聯度分析方法從移動辦公數據中分析出能夠反映員工定性指標完成情況的考核維度，根據關聯度來確定考核維度的權重系數，針對不同的考核維度制定相應的考核標準，最終實現了定量化考核員工定性指標的目的.該考核方法實現了定性指標考核方式從傳統、主觀、模糊到創新、客觀和清楚的轉變，以分析客觀數據的方式代替以往考核者的主觀判斷，增強了考核結果的客觀公正性.

2 構建流程

如前所述，基于移動辦公的員工定性指標考核方法實現了以移動辦公系統采集的客觀的員工工作過程數據為基礎，定量化考核員工定性指標的目的.該方法構建過程包括前期準備、數據采集、數據處理和方法構建四個階段，具體構建流程如圖2所示.

圖2 方法構建流程圖Fig.2 Method construction flow chart

1) 前期準備包括確定定性考核指標和選取工作行為特征項.采用專家小組討論法確定考核對象的定性指標.把移動辦公系統采集的各類數據稱為員工工作行為特征集BFs={BFi，i=1，2，…，n}，其中BFs表示工作行為特征集(Behavior feature set)，BFi表示第i個工作行為特征項.同時采用專家小組討論法從考核對象的工作過程數據集中初步選取出多個能夠反映員工工作表現的工作行為特征項.

2) 數據采集包括采集考核對象定性指標的考核結果和采集考核對象的工作行為特征數據.在一定時間段內，通過移動辦公軟件采集員工的工作行為特征數據，同時采用360度績效考核方法來獲取考核對象定性指標的考核結果.

3) 基于無量綱化的數據預處理，由于不同的工作行為特征項往往具有不同的計量單位，存在量綱和數量級上的差異，數據之間不便于比較，難以得出正確結論，為此采用均值化變換方法[9]來對數據進行預處理，消除數據在量綱和數量級上的差異.

對于數據序列X={x(i)，i=1，2，…，n}，均值化變換后XD={x(i)d，i=1，2，…，n}，其中均值變換公式為

(1)

4) 基于灰色關聯分析法[10-11]的數據處理是指通過灰色關聯分析方法從考核對象的工作行為特征集中篩選出與定性指標表現有很大關聯性的工作行為特征項，若某項工作行為特征與定性指標的表現呈現負相關關系，對其進行逆化或倒數化處理.

針對考核對象集G，按照定性考核指標y考核成績的高低，把其分成t個不同層級的群體G={Gi，i=1，2，…，t}.不同層級群體相應的考核結果集為{y(G)}={y(Gi)，i=1，2，…，t}，其中y(Gi)為第i層級考核成績的平均值.考核對象集G有p個工作行為特征項，不同層級群體的工作行為特征項值集合(常稱為比較數列)為

(2)

式中BFj(Gi)為第j個工作行為特征項在第i層級群體Gi中的平均值.

將第k個工作行為特征項(k=1，2，…，p)，在各個層級Gt上的數值與定性考核指標y在對應層級上的考核成績的差值(取絕對值)記為

Δk(Gi)=|y(Gi)-BFk(Gi)|

(3)

對于第k個工作行為特征項BFk，Δk(max)和Δk(min)分別記n個Δk(Gi)中的最大數和最小數.對p個工作行為特征項，p個Δk(max)中的最大者為Δ(max)，p個Δk(min)中的最小者為Δ(min).這樣Δ(max)和Δ(min)分別為所有p個工作行為特征在各個層級Gi上的絕對差值中的最大者和最小者.于是第k個工作行為特征項BFk與定性考核指標y在Gi層級上的關聯程度(也稱為關聯系數)可通過下式計算[10-11]，即

(4)

式中：ρ為分辨系數，是用來削弱Δ(max)由于過大而使得定性考核指標和各個工作行為特征項之間關聯系數失真的影響，其中0<ρ<1，本方法構建過程中選ρ=0.5.

由于每個工作行為特征項與定性考核指標的關聯程度是通過n個關聯系數來反映的，這些關聯信息分散，不便于從整體上進行比較，需要集中信息以方便比較.而求平均值便是一種信息集中的方式，所以采用考核對象的工作行為特征項與定性考核指標在各個層級群體上的關聯系數的平均值來定量反映工作行為特征項和定性指標的關聯程度，其計算公式為

(5)

式中Rk為第k個工作行為特征項BFk與定性考核指標y的關聯度.

5) 確定工作行為特征項權重系數，根據工作行為特征項與定性指標的關聯程度來確定工作行為特征項的權重系數，關聯程度越大則權重系數越大.權重系數W計算公式為

(6)

式中：Wi為第i個工作行為特征項BFi的權重系數.

6) 方法構建，一般采用加減分法和規定范圍法兩種方法，對于可量化指標的考核標準的進行制定.而且往往需要根據員工職務的具體情況和分析歷史數據的方式來制定相應合理的考核標準.假設根據工作行為特征集BF′s的考核標準，得出相應的考核得分S(BF′s)，則最終可知定性指標y的考核得分S計算式為

(7)

3 應用案例分析

已知杭州某服務外包公司的研發部門有12名產品經理，產品經理崗位的績效考核內容包含了工作業績、工作能力和工作態度三個方面.公司采用360度績效考核方法對產品經理工作能力和工作態度進行考核，其中工作態度方面含有對員工工作積極性的考核.并且從2015年8月下旬，該公司開始投入使用移動辦公系統，系統包含了消息模塊、考核模塊、休假模塊及任務模塊等.筆者以該公司產品經理的績效考核結果和移動辦公數據為基礎，對定量化考核員工定性指標工作積極性方法的構建過程進行案例分析.

3.1 前期準備

移動辦公系統包含了考勤數據存儲表(t_attendance)，任務數據存儲表(t_task)、消息信息存儲表(t_message)和休假存儲表(t_vacation)等.結合移動辦公系統的數據存儲模型，初步篩選出能夠反映員工工作積極性表現的工作行為特征項如表1所示.

表1 工作行為特征項

3.2 數據采集

2015年12月1日—2016年2月29日期間，研發部門產品經理的移動數據有考勤信息768條，消息信息1 455條等，共計14 199條信息，以這些數據為基礎，從中分析計算出各個工作行為特征項的具體數值.在此期間公司對12名產品經理工作積極性的考核結果為2人優秀，2人良好，4人中等，3人及格，1人為不合格.為了方便計算，設定考核結果優秀為95分，良好為85分，中等75分，及格65分，不合格55分.將積極性考核結果一致的產品經理劃分為同一層級，求取各個工作行為特征項的平均值，最終得出的定性指標工作積極性與工作行為特征的數值如表2所示.

表2 定性指標工作積極性與工作行為特征的數值

Table 2 Value of qualitative indicators of job motivation and job behavior

層級考核結果/分時間/minX1X2X3頻率/次X4X5X6S1954.388.553.45.436.00.0S2854.093.242.05.59.80.0S37515.380.645.06.229.20.8S46510.620.026.26.816.00.5S5552.29.25.04.85.10.5

3.3 數據處理

按照數據無量綱化和灰色關聯分析方法的數據處理過程，采用DPS數據統計分析工具，最終得出了績效考核指標工作積極性與工作過程特征項的灰色關聯度結果，柱狀圖如圖3所示.

圖3 灰色關聯分析結果Fig.3 The result of grey incidence analysis

經過專家小組討論，設置關聯度閾值為0.6，則高于關聯度閾值的工作行為特征項有任務平均早執行時間、任務平均早完成時間、消息平均晚讀取時間和討論圈平均交流頻率，這些工作行為特征項相較于其他的特征項更能反映出員工定性指標工作積極性的完成情況.然后根據式(6)確定各個工作行為特征項的權重系數為{(任務平均早執行時間，0.22)，(任務平均早完成時間，0.27)，(消息平均晚讀取時間，0.29)，(討論圈平均交流頻率，0.22)}.

3.4 方法構建與應用

專家小組參考績效考核結果和移動辦公系統的歷史數據，運用加減法制定各個工作行為特征項的考核標準如表3所示.

表3 考核維度的權重和考核標準

Table 3 The weight and evaluation standard of the assessment dimension

考核維度(可量化信息)權重考核標準任務平均早執行時間0.22任務平均早執行時間不少于1.5h為100分,每少10min減5分任務平均早完成時間0.27任務平均早完成時間不少于1h為100分,每少10min減10分消息平均晚讀取時間0.29總分100分,消息平均晚讀取時間每少半分鐘減5分討論圈平均交流頻率0.22討論圈平均交流頻率不少于每小時30次為100分,沒少一次減2分

根據2016年3月1日到2016年5月31日期間的員工定性指標工作積極性的考核結果，隨機抽取考核優秀的員工甲和考核合格的員工乙，對該方法進行驗證，結果如表4所示，基于移動辦公的員工定性指標定量化考核方法得出的結果和360度考核結果都表明了員工甲在工作積極性方面優于員工乙.

表4 定量化考核方法結果

此外，采用調查問卷的形式，向研發部門的同事、領導收集他們對基于移動辦公的員工定性指標定量化考核結果的反饋意見，根據定量化考核結果和反饋意見，筆者認為該方法操作上方便，更加的客觀公正，且具有一定的準確性.

4 結 論

針對傳統的員工定性指標人為考核方式的主觀隨意性，筆者按照細化考核指標的思路，提出了一種基于移動辦公的員工定性指標定量化考核方法，運用灰色關聯度分析方法，從移動辦公數據中分析出可以反映定性指標完成情況的可量化的考核維度，實現定量化考核定性指標的目的.基于移動辦公的員工定性指標定量化考核方法適用于移動辦公環境下的員工績效考核，并且相較于傳統的績效考核方法，該方法操作更加簡單方便，以分析客觀數據的方式代替以往考核者的主觀判斷，考核結果更加的客觀公正.通過應用實例，基于移動辦公的員工定性指標定量化考核方法具有可行性和有效性，但對考核標準制定過程缺乏深入研究，后續工作中需加強這方面的工作，進一步提高考核結果的準確性.

[1] 張光進，廖建橋.我國知識員工績效考核現狀及啟示[J].軟科學，2013，27(2)：104-108.

[2] 李娜.360度考核在中小學教師績效考核系統中的應用[J].渤海大學學報(自然科學版)，2010，31(2)：206-208.

[3] KANE J S，LAWLER E E.Methods of peer assessment[J]. Psychological bulletin，1978，85(3)：555-586.

[4] 曹嘉暉，周圓圓.績效考核中定性指標主觀偏誤的管理對策[J].企業經濟，2010(9)：39-41.

[5] 劉澤雙，章丹，康英.基于遺傳算法的模糊綜合評價法在科技人才創新能力評價中的應用[J].西安理工大學學報，2008，24(3)：376-381.

[6] 陸劍江.通用模式的移動辦公平臺設計方案研究[J].計算機工程與設計，2006，27(4)：695-697.

[7] 周曉，邊裕挺，李杰.基于Android智能終端的WSN監控系統[J].浙江工業大學學報，2013，41(5)：558-561.

[8] 劉志鵬，皮德常.從移動數據中挖掘網絡節點的影響力[J].計算機研究與發展,2013，50(s2)：244-248.

[9] 陳鯉江，景程，吳姚鑫，等.數學表達式的歸一化方法研究[J].浙江工業大學學報，2012，40(2)：229-232.

[10] XIE N, LIU S. Research on evaluations of several grey relational models adapt to grey relational axioms[J]. Journal of systems engineering & electronics，2009，20(2)：304-309.

[11] 李光博，黃德才.基于灰色關聯分析的三角模糊多屬性決策法[J].浙江工業大學學報，2011，39(2)：224-227.

(責任編輯：劉 巖)

Research on method of quantitative assessment of staff qualitative indicators based on mobile office

LI Penglin, ZHANG Huike, LI Wei

(College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China)

The current assessment method of staff qualitative indicators is mainly relying on the assessors’ subjective impression, it will result in the assessment results prone to bias and unfair. In view of the human subjective assessment methods, and based on the background of mobile office model rapid development, this paper proposes a method of staff qualitative indicators quantitative assessment based on mobile office. This method uses the objective data from mobile office system to reflect the completion of staff qualitative indicators, achieve the purposes of assessing staff qualitative indicators quantitatively. This paper focus on studying the construction process of the method, presents the data processing of dimensionless, grey correlation analysis and determine weight coefficient. An example analysis shows the method is feasible and effective.

performance appraisal;qualitative index; quantitative; mobile office system; grey relational analysis

2017-01-18

李澎林(1968—)，男，浙江上虞人，教授，研究方向為管理信息系統、移動互聯網技術，E-mail：lpl@zjut.edu.cn.

TP311

A

1006-4303(2017)04-0434-05