数据挖掘技术在企业管理层考评中的应用＊

吴艳征 赵冰化 邓 武

（1.92941部队94分队 葫芦岛 125001）（2.95890部队 武汉 430033）（3.空军房地产管理局武汉房地产管理处 武汉 430033）

1 引言

企业的发展主要依赖于企业的核心竞争力，企业管理层在其中发挥了重要的作用。目前很多企业建立了员工考评制度，取得了较好的效果。然而，企业中对于管理层员工的考评工作相对较少，相关的标准和制度也不够健全，没有起到应有的效果，急需改进。企业核心竞争力的提升与很多方面相关，其中最为重要的一条是人的因素，人力资源管理向来是企业提高工作效率，增强竞争实力的重要环节［1］。人力资源管理包括很多内容，而对人员的考评是其中的关键步骤。

本文建立了管理层人员考核模型，该模型采用定量考核的方式，将考评的内容分为主观和客观两个组成部分，该评价模型充分考虑到管理层人员的工作特点，对其进行全方位的考评。分析了模型中的主要考评指标，采用分级的方式细化指标，规范了考评的流程。同时，将数据挖掘算法应用于对对考评结果数据的分析中，根据不同管理人员的考评得分情况划分为不同的类型，并提出了一种基于该算法的管理层人员绩效考评算法，主要针对于管理层人员的工作成绩进行数据分析，提高了绩效考评的精度和客观性。管理层人员考核模型不仅能够对个人进行考评，也可以据此对整个企业的运作情况进行评估，从而为新管理政策的出台奠定基础［2］，并实现对于企业的辅助决策功能［3］。

2 企业管理层考评模型构建

企业管理层考评系统的核心是考评模型架构，为了改变传统模式下对于企业管理层人员的考评主观成分较重，考评过程流于形式的状况，综合国外大型企业管理层人员考评的方法，结合我国企业的实际情况，提出了一种基于定性和定量分析相结合的考评模型架构。

2.1 考评数据来源分析

借鉴英特尔公司的“全方位人员测评方法”［4］，对于企业管理层人员的考评，首先要确定考评数据的来源。企业管理层人员在企业中既是部门的领导，也是上级领域的下属，而在公司的管理层中，也有与被考评者相同级别的其他部门管理人员，同时，被考评者自身对自己也会有一个自我认识的评价。对于被考评者全方位的掌握，要求上述所有的人员都应被作为考评数据源。不同身份的人员对被考评者的关注点不同，领导层主要关注被考评者的执行能力、自我约束能力，理解能力，组织能力等；被考评者的下属主要从被考评者的领导能力、个人性格品质、是否关心下属、是否勇于担当等方面对被考评者进行评价；其他管理层人员主要是从被考评者的个人素养、沟通能力、协作精神等方面对考评者进行评价；而从考评者自身对自己的评价中可以看出被考评者的心态、工作责任心等。上述四类对于被考评者的数据采集源主要是从主观的角度对其进行考评，而从客观上，对于被考评者工作业绩的考察是最为主要的方面，然而，企业是由多个不同功能，在不同的环节中发挥着作用的部门构成，所以对管理层人员的工作绩效考试不应采用统一的标准，而是要根据不同岗位的特点，划分每一个岗位管理人员的等级标准，再用这一标准去衡量管理层人员的工作绩效，做到有的放矢，不一概而论。企业管理层考评模型的数据采集来源框架如图1所示。

图1 企业管理层考评管理的数据采集来源框架

2.2 考评指标分析

以上的分析解决了考评数据的来源问题。对于不同岗位的管理层人员应该采用不同的指标体系［5］。企业管理层人员的考评数据从大的方面讲，主要包括主观和客观两个方面［6］，主观方面来源于三类与被考评者相关的人员，以及被考评者自身，客观方面主要是来源于被考评者的工作业绩。在主观考评数据来源的构成中，不同的考评数据来源对于最终考评结果的产生占有不同的比重，而不同的企业文化对于比重因子的确定也不同。如果企业更注重于人的实际组织与领导能力，且企业有着良好氛围，则下属考评的比重占得较多，如果企业的上层管理层较为强势，则领导考评数据的比重占有较大。权重分配方案可以根据企业的实际情况进行调整。对于客观的工作绩效考评，其基础是针对于不同的岗位建立评级的标准，然后通过与被考评者实际工作业绩的对比，给出客观的评价结果，相对于主观评价而言较为简单可控。

确定了管理层考评的数据来源后，还需要确定具体的考评内容和项目。针对不同的考评人身份，设置具有针对性的考评项目内容。主要包括以下几个大项：

首先是工作态度项目。工作态度是决定着管理层人员是否将主要的精力投入到了工作中。中国传统文化中一直强调勤能补拙，即使能力方面有所欠缺，通过自身端正的工作态度，也可以取得较好的业绩。这一指标针对于传统的国企等管理层人员的考评有着重要的意义，而对于创新型企业而言则比重较低。工作态度指标可以细分为对全局形势的把握能力、日常工作中所表现出来的积极性、主动性表现、工作过程中的责任心体现等，这些指标中有部分是可以量化的，比如工作的积极性和主动性等，可以由加班时间的长短来进行刻画。

其次是工作能力项目。工作能力是管理层人员是否胜任当前岗位的重要考评项目，特别是对于一些新兴的科技公司、广告创意公司等，该类企业中，管理层的工作能力占有十分突出的比重。管理层人员的工作能力具体包括：1）管理能力，是否能够将部门的事务计划和组织得井然有序，是否能够与上级、下属、同级人员之间保持有效的协调沟通，是否对项目有任务有着良好的掌控力；2）自身素质能力，是否具备领导当前部门的知识和经验，在当前领域中是否具备良好的专业素养，是否存在进一步提升的能力空间；3）工作的执行能力，是否能够充分领会上级的意图，并不折不扣地贯彻实施；4）创新能力，是否能够在工作岗位上提出新理论、实践新方法，创新工作模式，提高工作效率。

第三是工作中的表现。作为企业的管理层人员，必须能够以身作则，努力工作，才能够带领所在部门的下属更快更好地完成工作任务。工作表现方面具体包括的内容有：1）表率作用是否发挥较好，是否能够带头执行企业的相关制度；2）个人品行是否端正，是否做到诚实守信，具备职业道德；3）是否全身心地投入工作，是否计较个人得失，是否进取好学；4）能否做到尊重下属同事，是否能够从各个方面关心下属，解决下属的实际问题。

最后是工作的业绩。工作业绩是利用客观的数据进行分析，以比较被考评人是否能够胜任当前的岗位。工作业绩的考评主要包括：1）完成工作量的情况，包括完成项目的数量、项目的难度、自身所承担的工作量等；2）完成工作的质量情况，通过与事件拟定的工作质量标准相对比，考评其工作的完成程度；3）完成工作的效率情况，是否能够及时、快速、高效地完成部门所承担的任务，是否存在超时完成等情况；4）工作的产出情况，主要是考评其所做的工作对于企业总体效益的贡献比例。考评项目及其二级指标的构成如图2所示。

图2 企业管理层考评模型

3 数据挖掘在考评结果分析中的应用

考评数据不仅只作为对管理层工作业绩的评价基础，还应该站在更高的角度对其进行充分利用［7］。本节主要利用数据挖掘方法，根据考评的目标，实现对考评结果数据的智能处理。

3.1 管理层人员分类研究

不同的管理层人员具有不同的素质和能力，分属于不同的类别，通过对被考评对象各方面考评指标的分析，可以得到对管理层人员的分类结果，并利用结果对当前的被考评人进行分类。该功能的实现主要采用的是模糊理论与决策树方法相结合的方式［8］，具体实现的步骤如下：

1）读取数据库中所有的管理层考评结果数据，建立起训练样本集U＝｛u1，u2，…，un｝，根据考评的项目建立每一个样本对象的特征。选取四个一级考评指标为其特征量，则得到样本特征的向量表示如式（1）所示：

然后针对于样本中某一个特征量计算其平均值，如式（2）所示：

计算平均值的目的是得到不同样本针对于该特征微量的标准差，如式（3）所示：

得到特征向量的标准值如式（4）所示：

再进行归一化处理，如式（5）所示：

2）建立相似度矩阵

对样本数据的归一化预处理以后，根据模糊数学模式挖掘的流程，建立起相似度矩阵，如式（6）所示：

矩阵中每一个元素的计算如式（7）所示：

3）类别划分

基于相似度矩阵，首先构建一个总体的决策树结构，该树中所有的样本点被作为树的节点，对照相似度矩阵，可以获取两个样本之间的相互关系，在两个样本点之间建立连接，并将矩阵中的对应数值作为连接的权值，最后形成一棵没有回复的二叉树。具体的做法是任意选取一个样本作为根节点，然后选择与该节点对应关系中权值最大的两个节点作为其左右分支树节点，依次类推，最终得到二叉树结构。由于初始选择的样本不同，所以构建的二叉树不是唯一的。以该二叉树为基础，选择分类的阈值λ∈［0，1］，并将节点间权值小于λ的边去掉，最终得到多个子树，也就把样本分为了多个类别。对于不同的λ取值，可以将一个样本集分为多个类别。

在建立了模拟数学分类模型后，根据被考评人员的各项指标评分结果，对其进行归类处理。其处理过程如下：

首先，对于每一种划分后的类别，利用式（8）求出其平均值

其中，类别的总数为s，k表示支持当前分类的记录，p表示与当前模式相关的所有记录数。

然后，对于新样本x（x1，x2，x3，…，x4），通过式（9）与当前的类别模式进行对比

其中，运算符·表示内积操作，⊗表示外积操作。

最终通过判断待测样本与各模式之间的运算结果得到分类结果，如式（10）所示：

在实际的分类操作过程中，主要通过对企业管理层人员的历史考评数据作为训练样本建立模式，然后针对于新得到的考评结果，对被考评者进行分类，再根据分类的结果，作为管理层人员使用的参考依据。

3.2 对绩效考评数据分析

管理层人员的绩效考评是以客观的工作业绩为基础，对被考评者在其工作岗位上的表现进行定量的分析。在本文之前的讨论中指出，传统的考评方式不区分被考评者的不同岗位特点，造成考评结果的误差较大，而不同的岗位对于绩效评定的标准是不同的，所以首先应该制定岗位的绩效等级划分指标［9］，然后再根据对被考评人的客观绩效数据进行评定。针对于此问题，本文提出了一种基于模糊聚类数据挖掘算法［10］的管理层人员绩效考评算法。

1）确定某一岗位的绩效考核指标

对于某一部门领导岗位的绩效考核指标也是从大量的历史数据中获取的，此处需要注意的是，必须将被考评人也作为样本之一添加到指标评测中去。选择能够反映该岗位绩效考核的指标，根据所构建的企业管理层考评模式，此处选择的是工作量、工作质量、工作效率、工作效益四个指标。以该四个指标为横轴，以所选择的人员数据为纵轴，得到二维表，通过统计分析中的取平均值和取最大、最小值的方法，得到的结果如表1所示。

表1 历史考评数据统计分析表

根据上表，结合三角函数和线性函数的特点，构建模糊数据的归类方程函数曲线如图3所示。

图3 工作量考评函数

对于其他的指标，包括工作质量、工作效率、工作效益，也可以得到与此相似的考评函数。

2）计算模糊聚类的权值

由于工作绩效的评定是由多个指标构成的，所以要计算不同的指标所占的比重，也就是权值。其计算公式如式（11）所示：

由该公式得到工作量优秀的权值计算如式（12）所示：

同理，得到工作质量为优秀的权值为0.250，工作效率为优秀的权值为0.229，工作效益为优秀的权值为0.250。

依次求出不同标准的权值，得到如下权值矩阵

3）计算模糊聚类的系数

聚类系统的计算公式如式（15）所示：

设已经加入到样本中的被考评者各指标得分为（1.1，1.1，1.0，0.9），则根据式（14），得到其绩效考评结果为优秀的聚类系统计算公式如式（15）所示：

对照模糊考评函数，得到：

f11（1.1）＝0.8，f21（1.1）＝0.9，f31（1.0）＝0.9，f41（0.9）＝0.75，则得到被考评者与绩效优秀类别的聚类系数为0.8354，同理，计算得到该被考评对象对于绩效中等类别的聚类系数为0.8841，与绩效差类别的聚类系数为0.7781，最终得到被考评者的工作绩效聚类系数向量如式（16）所示：

4）绩效评定

绩效等级的评定是根据被考评者的工作绩效聚类系数向量，找出其中的最大值，表明该被考评对象最可能被划分到这一类别中。由式（16）可知，该被考评人的绩效评定为中等。

4 结语

软件系统的开发和使用是一种手段，其目的是通过规范化的操作，定义企业管理层人员考评的流程。本文研究的重点是考评模型框架和数据挖掘算法的应用，该考评模型符合我国企业管理层人员实际，充分体现客观公正的原则，能够有效增强考评的效果。对于考评结果的数据挖掘处理，根据不同管理人员的考评得分情况划分为不同的类型，对被考评人进行全方位评定，从而达到量才使用，人尽其才的目的。将模糊聚类算法应用于被考评人的工作绩效考评中，提高了绩效考评的精度和客观性，使管理人员的岗位调整更具科学性。

［1］纪仲超.企事业单位政工工作与人力资源管理的有效结合［J］.人力资源管理，2014（2）：33－37.

［2］陈丽等.基于高校人事信息库的数据挖掘研究［J］.计算机工程，2009，11（6）：90－91.

［3］Keen.P.G.W.A Decade Perspective.Information ＆Management［J］.Decision Support System，2011（1）：362－363.

［4］费秋英.素质的透视与测评［M］.北京：中国物资出版社，2011：81－83.

［5］Frederiek E Schuser.Human Resource Management［M］.Reston Publishing Company Inc，2010：124－127.

［6］IAN Carton，Martyn Sloman.Performance appraisal in practice［J］.Human Resource Management，2012，2（8）：80－94.

［7］蔡志强，卢厚清.模糊数学在人力资源管理绩效评价中的应用［J］.数学的实践与认识，2010，7（36）：124.

［8］高小泽，王鲁捷.模糊理论在人才招聘中的应用研究［J］.维普资讯，2012（4）：21－22.

［9］Spraffue，R.H.Jr.A Framework for the Development of Support System［J］.New Jersey：MIS Quarterly，2011，4（4）：69－70.

［10］Gorry.G.A Scott－Morton，A Framework for management information system［J］.Sloan Management Review，2011，1（12）：88－90.