基于大数据的制造企业绩效管理体系构建及评价

侯锡林，李吉娜

（辽宁科技大学 工商管理学院，辽宁 鞍山 114051）

信息网络不断催生出规模膨胀的大量数据，社会进入到大数据时代。麦肯锡公司对大数据定义：大数据是一种无法在一定时间范围内通过当前主流软件工具进行撷取、存储、处理、分析进而提取有价值信息的数据集合［1］。从狭义角度解读，大数据是大规模的数据集本身，但从广义角度来说，大数据涵盖了信息资产、技术、人才、组织、思维方式等要素［2］。大数据具有的大价值并非体现在数据本身，只有通过新处理模式的应用才能使其成为具有更强洞察力、决策力及流程优化能力的信息资产。大数据将作为企业的无形资产，重塑企业未来的发展方向。

作为人力资源管理的重要组成部分，绩效管理是提高员工个人绩效、挖掘员工潜力、实现企业战略目标的有效手段。随着信息化时代的到来，企业间的竞争日趋激烈，不断提高企业生产力改善组织绩效成为企业追求的目标。目前我国制造业企业绩效管理存在着诸多问题，如绩效管理流于形式，绩效管理工具不当，绩效考核指标笼统，绩效沟通机制短缺等，但随着社会进入大数据时代，绩效管理体系的发展将会有新的突破，大数据作为一种对算法和理念优化的工具可以打破人力资源管理固有的传统模式，使企业上下全员参与到绩效管理过程中来，不断挖掘员工潜力，优化组织结构，提升人才管理水平，构建科学有效的人力资源绩效管理体系。

目前关于大数据在企业管理中应用的探索多数集中在营销、物流、财务领域。张晓磊等［3］发现，木材流通企业供应链管理大数据分析存在优势，不仅让资源整合更具有实操性，也使营销管理更符合市场规律。姜新等［4］指出，大数据时代的到来为消费者提供了更多个性化服务，挖掘更多潜在消费者，实现了产品的“交叉销售”，建立了良好的客户关系。张振华等［5］从京东平台爬取到一些家具企业的网络口碑大数据，用在构建的发掘电商物流服务质量问题的模型中，寻找到导致物流服务失误的关键问题，提出了改进方案。谭少杰等［6］分析了大数据对企业财务管理带来的诸多挑战，提出企业财务管理体系的变革思路，并以科技企业作为案例，阐述财务管理优化的大数据方案。花双莲等［7］以大数据为背景对管理会计发生的变化进行分析，并以业务活动与财务信息融合理念作为理论基础，从业务、资金、信息和利益相关者四个流向着手，构建出基于大数据的共分基础信息、数据输入、数据集聚、分析处理和应用报告五个层级的管理会计信息应用框架，以制造业企业的供产销业务活动为例说明该框架的具体应用。目前，基于大数据视角对绩效管理问题进行系统性探讨的研究仍比较缺乏，但学者们对大数据与绩效管理关联的研究已经表明了大数据的合理应用可以改善企业绩效的观点。Caputo等［8］对72家欧洲高科技公司4 758 名人力资源工作者进行问卷调查分析，表明工作动机、社会胜任力等人力资源要素与企业经济绩效间存在很强的联系，企业大数据投资在人力资源组织行为与企业经济绩效关系中起到中介作用。Huang 等［9］探讨大数据究竟能否为企业绩效带来好处，结果表明企业实施大数据对财务绩效提升具有正向作用。Ferraris等［10］认为大数据分析将各类数据处理分类为对企业有用的信息，这些信息就是企业的知识资产，企业进行知识资产管理来发挥大数据的价值，进而提高企业绩效。

对于绩效管理体系的评价，胡文建等［11］采取过程和结果两个导向来判断绩效管理体系运行是否有成效。淦未宇等［12］通过实证发现绩效指标体系设置、绩效结果反馈和绩效结果运用都对绩效管理效果具有显著的正向作用。刘慧婷等［13］从绩效管理流程角度获取评价指标，建立绩效计划、绩效实施、绩效考核和绩效应用四个方面的评价指标。雷蒙德·约翰认为绩效考核体系的管理工作水平应当以目标一致性、信度、效度、接受程度和指导性为评估标准［14］。赵日磊［15］提出绩效管理体系有效性评价模型建设的“八维度评价法”理论，这八个维度分别是战略目标、角色分工、管理流程、工具表格、绩效沟通、绩效反馈、结果运用和诊断提高。

我国已成为全球数据总量最大、数据类型最丰富的国家之一。人力资源工作者学习掌握大数据知识，将大数据思维贯穿绩效管理全过程，运用大数据技术的专业化手段实现采集数据的清洗去噪、分解整合、关联性分析、聚类分类、倾向性趋势分析与模式识别等，逐步提取有价值的数据，深入分析组织内不同部门和职能间的绩效现状与趋势，可以使人力资源绩效管理工作得到有效量化，改善传统绩效管理存在的问题，对传统的绩效管理模式进行创新升级，科学完善绩效管理体系。因此，本文对如何运用大数据构建绩效管理体系进行研究，并选取评价指标设计评价模型对基于大数据的绩效管理体系进行评价。

1 基于大数据的制造企业绩效管理体系构建

大数据时代的绩效管理仍以更好地实现组织战略为目标，只是将目标实现的方式适当调整，将大数据的方法应用到绩效管理各环节中去，实现管理流程的优化及人力资源的更好配置。构建基于大数据的制造企业绩效管理体系，便是以大数据的新视角新理念新方法重塑整个绩效管理体系。本文以绩效管理PDCA（Plan-Do-Check-Action）循环运营体系为切入点，以人力资源绩效管理体系运作保障及流程为脉络，分别从绩效管理运营流程保障、绩效计划、绩效辅导、绩效评价、绩效反馈五个维度对基于大数据的制造企业绩效管理体系进行构建，如图1所示。

绩效运营流程保障维度：实现大数据与人力资源绩效管理体系的有效融合，需要企业具备大数据平台建设的基础设施，包括各种软硬件基础、畅通的网络环境和技术支持，还需要企业从制度、组织、文化等方面为绩效管理运营流程做好保障。确保人力资源绩效管理体系有序运行的制度约束包括组织架构规章、平台安全细则、数据筛选准则、绩效指标规则等。大数据时代企业人力资源管理组织需要细分出绩效管理团队来强化绩效管理工作，绩效管理团队由绩效管理领导委员会主管，下设大数据处理中心和绩效管理小组，绩效管理领导委员会作为领导层从全局上规划绩效管理工作流程。大数据时代的领导委员会应包括数据主管和绩效主管，数据主管主要负责各种软硬件设施的监督工作，保证大数据平台的有序运行，绩效主管主要负责绩效指标等的确定，两者协助制定绩效管理规章制度，营造良好的大数据绩效管理环境。大数据处理中心和绩效管理小组是大数据绩效管理的具体执行层，大数据处理中心实施大数据绩效管理系统的开发、运行、维护等工作，绩效管理小组对大数据平台无法智能识别的信息进行人工处理，及时反馈大数据平台系统错误，保证数据的完整可靠性，配合大数据中心进行绩效指标的确定和调整。大数据与人力资源绩效管理体系的融合可以说是管理思维方式的转变过程，需要人力资源工作者树立大数据观以及终身学习的理念，通过观念升级不断完善人力资源绩效管理流程。企业搭建良好的人力资源绩效管理保障体系有助于提升绩效管理运营流程效率。

绩效计划维度：融合大数据的人力资源绩效管理过程需要在企业大数据平台上实现，大数据平台对绩效管理活动中产生的文本、图片、音频、视频等多种类数据挖掘存储形成数据信息系统，如图2所示，员工及管理层可随时在终端设备上查看这些实时传输的平台数据。绩效计划产生的绩效指标对数据信息系统进行分类规范处理，实现绩效管理运营体系的全流程数据化，确保绩效管理流程在大数据平台有序开展。在大数据平台上运行的人力资源绩效管理体系具有数据来源多样化、信息开放共享化、实时同步化、分析可视化以及自动预警化的特点。企业数据信息系统中集合了绩效管理活动中人为产生的多元数据以及大数据平台中的传感器等采集的机器数据，绩效计划的关键是确立绩效评价指标体系对繁杂的数据制定分类规范，进行统一化处理，使各类数据流通于绩效管理全过程。大数据环境下的绩效指标确定仍在彼得·德鲁克提出的SMART 原则上开展，根据绩效管理流程，将企业绩效指标分为过程绩效指标和结果绩效指标两类，两类绩效指标根据重要程度各自分解为一级指标和二级指标，并通过层次分析法来确定各绩效指标的权重。基于“云计算”的HRMS 技术可通过系统流程中关键参数的设置明确员工个人的考核指标［16］，相较于传统的绩效指标，大数据时代的绩效指标更加全面、精细、人性化，且随着绩效管理工作的进行动态完善，更加合理地解释员工行为，满足绩效考核公平性。各指标的评价标准在大数据平台中进行绩效分区管理，对过程绩效设置惩罚区、警告区、标准区、表扬区、示范区五个区域，对结果绩效设置不合格区、合格区、良好区、优秀区、榜样区五种级别，指标各区级分别对应不同的价值系数，可以作为员工针对性激励的依据。

绩效辅导维度：绩效计划产生绩效指标后，数据信息系统实时收集过程绩效数据和结果绩效数据，通过大数据平台进行整理分析，发现员工绩效短板，并结合员工原始数据及行为数据进行针对性绩效辅导。一方面进行人机交互辅导，绩效辅导以大数据平台自动建议辅导为主，人工介入辅导为辅。自动建议辅导指大数据平台预警机制及时发现员工绩效异常，精准比对绩效差异，确定员工需要改进的工作节点，系统实时向员工发送消息提醒，并传送工作标准文件，引导员工规范工作行为。人工介入辅导针对大数据平台无法精准识别的环节，企业内部成立第三方辅导小组对员工问题及时反馈，帮助员工发现过程绩效缺陷，给出辅导对策，提升绩效辅导效果。另一方面建设交流共享平台，大数据平台为员工提供实时互动、交流学习的空间，在该模块中，管理者可随时总结并发布管理过程中遇到的典型绩效辅导案例和提升绩效的新知识，以供大家效仿学习，员工间互相沟通交流探讨经典案例，可检视自身不足，起到自我督促的作用。

绩效评价维度：目前企业绩效考评工具种类丰富，较为常用的有平衡记分卡、360 度绩效考评法、关键绩效指标法、经济增加值模型以及多种组合方法。它们各有优缺点，满足不同的适用条件，融合大数据的绩效评价过程可依据职位特点灵活选择适合的绩效考评工具，不再局限于某种考评工具的固定使用，同时企业可以了解同行业及同规模企业的绩效考评方法，借鉴它们的优势。大数据时代的绩效评价过程可充分利用网络平台资源收集上级、同级、下属及客户的反馈意见对员工进行360 度评估。大数据平台根据相关操作规范对全面捕捉存储的员工绩效数据自动处理并评价，根据过程绩效的评价结果由低到高分别显示到惩罚区、警告区、标准区、表扬区、示范区，结果绩效的评价结果则分为不合格区、合格区、良好区、优秀区、榜样区，对于系统无法智能分析的数据传递给管理者进行平台与管理者的人机交互评价，最终所有评价结果在大数据平台汇总成为绩效反馈的依据。在大数据绩效评价过程中，每位员工都可实时查看自己及他人的绩效统计数据，不断依据评价规则寻找差距自我完善，改善过程绩效，提升结果绩效。

绩效反馈维度：借用绩效评价结果及大数据平台的各类原始数据进行比对，可对员工绩效结果进行科学分析，将反馈结果应用到企业人力资源管理其他流程中。大数据背景下的绩效反馈不再单独依靠管理者人工比对分析的方式进行，而是通过大数据平台预警系统进行自动反馈，系统识别出绩效评价结果异常的行为，通过客户端发送给对应员工并推送指导方案，同时对于预警级别较高的行为数据会发送给上层领导进行监督协助。这种人机交互的绩效反馈流程可以快速定位问题关键点，帮助员工及时纠偏。绩效反馈的重要作用是推动绩效改进，促使员工达成绩效目标。最终绩效反馈结果通过平台与人力资源其他管理环节相关联，人力资源部门通过绩效结果对不同岗位员工进行“画像”形成岗位胜任模型，可作为招聘环节人才甄别的依据。绩效反馈与人力资源培训环节相配合，可使员工在后续工作绩效得到改善。绩效反馈结果通过影响薪酬调控对员工形成有效激励。大数据平台串联人力资源各模块将实现人力资源全程智能化管理。

2 基于大数据的制造企业绩效管理体系有效性的评价指标设计

本文参照文献［11-15］关于绩效管理体系评价指标的选取过程，在满足评价指标设计原则的基础上，结合人力资源绩效管理体系运行保障和实施流程，将人力资源绩效管理体系细分为基础设施保障、绩效管理文化、绩效管理组织、绩效管理制度、绩效计划、绩效辅导、绩效评价、绩效反馈八个维度对基于大数据的制造企业人力资源绩效管理体系有效性评价指标进行选取。向来自高校及企业的15 位相关领域专家发放问卷，请他们对39个初选指标进行打分，并采用群组决策特征根法（Group eigenvalue method，GEM）［17］对指标进行筛选，共剔除5 个二级指标，最终得出包含8 个一级指标和34个二级指标的基于大数据的制造企业绩效管理体系有效性评价指标体系，并参照高校及企业的相关领域专家咨询结果确定了各指标的评价标准，具体如表1所示。

表1 基于大数据的制造企业绩效管理体系评价指标体系Tab.1 Big-data based evaluation index system for performance management system of manufacturing enterprise

续表1 基于大数据的制造企业绩效管理体系评价指标体系Tab.1 Big-data based evaluation index system for performance management system of manufacturing enterprise

3 基于大数据的制造企业绩效管理体系有效性评价模型构建

本文采取层次分析法和模糊综合评价相结合（AHP-FCE）［18］的评价方法对基于大数据的制造企业绩效管理体系有效性进行评价。层次分析法将多目标系统分解为若干个层次，利用量化的定性指标来计算权重，为难以提供定量数据的评价问题提供了解决方案。模糊综合评价则通过隶属度理论解决评价过程可能遇到的不确定性和模糊性问题。两种方法相结合取长补短以得到较好的评价结果。

3.1 评价指标权重确定

为确定各个评价指标所占的权重，咨询7位相关领域专家学者并请他们填写调查问卷，采用萨蒂的1～9标度法对指标两两间重要性进行赋值，运用加权平均法对问卷数据整合，分别得到准则层对目标层、指标层对准则层的9 个判断矩阵，并对其进行一致性检验，确定检验系数CR值小于0.1，最终得到的权重结果如表2 所示。8 个一级指标中，基础设施指标权重最大，对基于大数据的绩效管理体系有效性影响最大，绩效组织指标权重最小，对基于大数据的绩效管理体系有效性影响最小。

3.2 评价结果表示

3.2.1 等级划分 为清晰反应基于大数据的制造企业绩效管理体系的有效性水平，本文通过咨询专家将绩效管理体系有效性划分为五个等级：Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ，分别是优、良、中、劣、差，并给出不同等级对应的分值，具体如表3所示。

3.2.2 星级展示 为更加直观地展示绩效管理体系有效性等级评判结果，本文采用星级标识的方式对有效性等级进行展示，以便大众理解。具体如表4所示。

表2 评价指标体系权重分配表Tab.2 Weight distribution table of evaluation index system

表3 基于大数据的制造企业绩效管理体系有效性等级划分表Tab.3 Effectiveness grade table of big-data based performance management system in manufacturing enterprise

表4 基于大数据的制造企业绩效管理体系有效性星级展示Tab.4 Star-level display of effectiveness of big-data based performance management system in manufacturing enterprises

3.3 综合评价结果确定

参照表1所示指标评价标准，对各二级指标按照优、良、中、劣、差五个等级进行评判，将评判结果归一化可得出8 个模糊评价矩阵R1、R2、R3、R4、R5、R6、R7、R8。结合二级指标权重wi（i=1，2，…，8），计算Bi=wiRi(i=1,2,…,8)，得出二级指标的评价向量，形成综合评价矩阵R，再结合一级指标的权重向量，得出综合评价向量B，利用评价集V=（100，80，60，40，20），赋值后可得到基于大数据的制造企业绩效管理体系有效性的综合评价结果。

4 实证分析

本文采取问卷调查的方式对Y企业进行实证分析。Y 企业成立于2000年，是一家致力于高端装备制造，拥有自主知识产权，专业从事机器人和自动化技术研发及应用的高新技术企业。公司生产的机器人及成套装备，主要包括工业机器人、移动机器人、物流与仓储自动化成套装备、自动化装配与检测生产线等。其产品及服务遍及全国，并销往海外，生产的产品广泛应用于汽车整车及汽车零部件、工程机械、轨道交通、冶金等多个行业。对高校及Y 企业的100 位相关领域专家和工作人员（其中专家占20%，工作人员占80%）的问卷进行整理，具体结果如表5所示。

表5 Y企业各指标评判结果统计表Tab.5 Statistical table of evaluation results of various indicators in Y Enterprise

模糊评价矩阵

评价向量

一级指标权重W=（0.322 6，0.162 3，0.023 8，0.039 4，0.194 9，0.119 4，0.079 7，0.057 9），得到综合评价矩阵

得到综合评价向量B=（0.08，0.57，0.27，0.07，0.02）。由于评价集V=(100,80,60,40,20) ，则综合得分为N=BVT=73，绩效管理体系有效性介于Ⅲ级和Ⅱ级之间，用四星级表示。说明基于大数据的制造企业绩效管理体系有效性较高。

5 结 论

本文将大数据应用到制造企业绩效管理过程中，构建基于大数据的制造企业绩效管理体系，运用群组决策特征根法选取评价指标体系，其中包含8个一级指标和34个二级指标，8个一级指标包括基础设施、绩效管理文化、绩效管理组织、绩效管理制度、绩效计划、绩效辅导、绩效评价、绩效反馈。运用模糊层次分析方法构建基于大数据的制造企业绩效管理体系有效性评价模型，将绩效管理体系有效性划分为优、良、中、劣、差五个等级，并采用星级标识进行展示。选取Y企业进行实证分析，验证了基于大数据的制造企业绩效管理体系具有较好的有效性。