基于移动办公的员工定性指标定量化考核方法研究

李澎林，张慧珂，李 伟

(浙江工业大学 计算机科学与技术学院，浙江 杭州 310023)

基于移动办公的员工定性指标定量化考核方法研究

李澎林，张慧珂，李 伟

(浙江工业大学 计算机科学与技术学院，浙江 杭州 310023)

当前的员工定性指标考核方法主要是凭借考核者的主观印象进行考核，导致考核结果容易出现偏差，有失公平.针对人为考核方法的主观随意性，结合当下移动办公模式快速发展的背景，提出一种基于移动办公的员工定性指标定量化考核方法，该方法用移动办公系统中的客观数据来反映员工定性指标的完成情况，实现员工定性指标可定量化考核的目的，并重点研究了该方法的构建过程，给出了无量纲化、灰色关联分析和确定权重系数的数据处理方法.实例分析表明了该方法构建的可行性和应用结果的有效性.

绩效考核；定性指标；定量化；移动办公；灰色关联分析

员工绩效考核是指企业定期对员工的工作行为及工作业绩进行考察和评估的一种正式制度.如何客观公正地评价员工的绩效表现，是当前人力资源管理的重要问题[1].员工绩效考核中的定性指标是指无法直接通过数据计算分析评价内容，需对评价对象进行客观描述和分析来反映评价结果的指标，因此在很多企业中，往往是凭考核者的主观印象对定性指标进行考核，导致考核结果容易出现偏差.随着移动办公软件在企业日常管理中的广泛应用，企业采集了大量的员工日常工作行为数据，基于这些移动办公数据，利用员工绩效考核模型，将定性评价定量化成为可能.源于西方的360度绩效考核方法[2]是一种针对员工定性指标进行全方位多角度考核的方法，从员工的同事、下属、本人、上级和客户等多个角度对员工进行考核，虽然可以有效地减少主观性偏误，但该方法考核成本过高，考核难度太大.Kane等[3]提出不确定性原则、可能性原则、可观察性原则、非污染性原则、排他性原则和可验证性原则来控制绩效评价中的不确定性和模糊性.曹嘉晖等[4]提出若干管理对策来解决员工绩效考核中定性指标主观偏误的问题.刘泽双等[5]针对目前确定科技人才创新能力评价体系指标权重的处理方法主观性太强的问题，出了一种基于遗传算法的模糊综合评价新模型.以上国内外学者对于定性指标考核问题的研究成果虽然在实际案例中已经有所应用，但仍然存在以下问题：1) 通过管理对策来减少主观偏误的考核方法，操作过于繁琐，容易引起员工们的抵触心理.2) 定性指标的考核方法始终没有离开人为考核打分的方式，而且指标权重系数主要是由专家根据自己的经验来确定的，这样使得考核结果仍然存在较强的主观随意性.移动办公系统[6-7]作为移动信息化的一项重要应用，已经逐渐改变了人们的传统的办公模型.移动办公系统采集的数据种类繁多，数量庞大，并且相较于传统的办公模式，移动办公数据采集具有传递及时、数据采集的地理位置和时间可确定等优点.同时，移动办公数据类型包括照片、视频、操作事件时间戳和GPS位置等，其包含丰富的语义和拓扑信息[8]，如何将这些数据参与到员工绩效评价体系中，必能对提高绩效评价的科学性、客观性有所帮助.

笔者以将定性指标细化为多个可定量化考核的方面(即考核维度)为研究思路，运用灰色关联度分析方法，从移动办公数据中分析出能够反映员工定性指标完成情况的可量化的考核维度，根据关联度来确定各个考核维度的权重系数，制定相应的考核标准，最终构建出一种基于移动办公的员工定性指标定量化考核方法，实现定性指标可定量化考核的目的.

1 定性指标定量化考核方法

由于定性指标无法像定量指标那样可以精确地加以衡量和考核，往往需要凭借考核者的主观印象进行考核，这样使得考核结果很容易出现偏差，而且在现实中，企业制定的定性指标大多具有很大的笼统模糊性.为了减少定性指标的笼统模糊性和人为考核方式的主观性，一种很自然的思路就是“往下细分”，从多个有直接或无直接关系的事件中提取出有代表性的考核维度(可量化信息)来反映定性指标的完成情况.基于这个设想，笔者提出了一种基于移动办公的员工定性指标定量化考核方法，如图1所示.

图1 定性指标定量化考核方法Fig.1 The method of qualitative indicators quantitative assessment

基于移动办公的员工定性指标定量化考核方法是以移动办公系统采集的客观数据和员工绩效考核结果数据为基础，运用灰色关联度分析方法从移动办公数据中分析出能够反映员工定性指标完成情况的考核维度，根据关联度来确定考核维度的权重系数，针对不同的考核维度制定相应的考核标准，最终实现了定量化考核员工定性指标的目的.该考核方法实现了定性指标考核方式从传统、主观、模糊到创新、客观和清楚的转变，以分析客观数据的方式代替以往考核者的主观判断，增强了考核结果的客观公正性.

2 构建流程

如前所述，基于移动办公的员工定性指标考核方法实现了以移动办公系统采集的客观的员工工作过程数据为基础，定量化考核员工定性指标的目的.该方法构建过程包括前期准备、数据采集、数据处理和方法构建四个阶段，具体构建流程如图2所示.

图2 方法构建流程图Fig.2 Method construction flow chart

1) 前期准备包括确定定性考核指标和选取工作行为特征项.采用专家小组讨论法确定考核对象的定性指标.把移动办公系统采集的各类数据称为员工工作行为特征集BFs={BFi，i=1，2，…，n}，其中BFs表示工作行为特征集(Behavior feature set)，BFi表示第i个工作行为特征项.同时采用专家小组讨论法从考核对象的工作过程数据集中初步选取出多个能够反映员工工作表现的工作行为特征项.

2) 数据采集包括采集考核对象定性指标的考核结果和采集考核对象的工作行为特征数据.在一定时间段内，通过移动办公软件采集员工的工作行为特征数据，同时采用360度绩效考核方法来获取考核对象定性指标的考核结果.

3) 基于无量纲化的数据预处理，由于不同的工作行为特征项往往具有不同的计量单位，存在量纲和数量级上的差异，数据之间不便于比较，难以得出正确结论，为此采用均值化变换方法[9]来对数据进行预处理，消除数据在量纲和数量级上的差异.

对于数据序列X={x(i)，i=1，2，…，n}，均值化变换后XD={x(i)d，i=1，2，…，n}，其中均值变换公式为

(1)

4) 基于灰色关联分析法[10-11]的数据处理是指通过灰色关联分析方法从考核对象的工作行为特征集中筛选出与定性指标表现有很大关联性的工作行为特征项，若某项工作行为特征与定性指标的表现呈现负相关关系，对其进行逆化或倒数化处理.

针对考核对象集G，按照定性考核指标y考核成绩的高低，把其分成t个不同层级的群体G={Gi，i=1，2，…，t}.不同层级群体相应的考核结果集为{y(G)}={y(Gi)，i=1，2，…，t}，其中y(Gi)为第i层级考核成绩的平均值.考核对象集G有p个工作行为特征项，不同层级群体的工作行为特征项值集合(常称为比较数列)为

(2)

式中BFj(Gi)为第j个工作行为特征项在第i层级群体Gi中的平均值.

将第k个工作行为特征项(k=1，2，…，p)，在各个层级Gt上的数值与定性考核指标y在对应层级上的考核成绩的差值(取绝对值)记为

Δk(Gi)=|y(Gi)-BFk(Gi)|

(3)

对于第k个工作行为特征项BFk，Δk(max)和Δk(min)分别记n个Δk(Gi)中的最大数和最小数.对p个工作行为特征项，p个Δk(max)中的最大者为Δ(max)，p个Δk(min)中的最小者为Δ(min).这样Δ(max)和Δ(min)分别为所有p个工作行为特征在各个层级Gi上的绝对差值中的最大者和最小者.于是第k个工作行为特征项BFk与定性考核指标y在Gi层级上的关联程度(也称为关联系数)可通过下式计算[10-11]，即

(4)

式中：ρ为分辨系数，是用来削弱Δ(max)由于过大而使得定性考核指标和各个工作行为特征项之间关联系数失真的影响，其中0<ρ<1，本方法构建过程中选ρ=0.5.

由于每个工作行为特征项与定性考核指标的关联程度是通过n个关联系数来反映的，这些关联信息分散，不便于从整体上进行比较，需要集中信息以方便比较.而求平均值便是一种信息集中的方式，所以采用考核对象的工作行为特征项与定性考核指标在各个层级群体上的关联系数的平均值来定量反映工作行为特征项和定性指标的关联程度，其计算公式为

(5)

式中Rk为第k个工作行为特征项BFk与定性考核指标y的关联度.

5) 确定工作行为特征项权重系数，根据工作行为特征项与定性指标的关联程度来确定工作行为特征项的权重系数，关联程度越大则权重系数越大.权重系数W计算公式为

(6)

式中：Wi为第i个工作行为特征项BFi的权重系数.

6) 方法构建，一般采用加减分法和规定范围法两种方法，对于可量化指标的考核标准的进行制定.而且往往需要根据员工职务的具体情况和分析历史数据的方式来制定相应合理的考核标准.假设根据工作行为特征集BF′s的考核标准，得出相应的考核得分S(BF′s)，则最终可知定性指标y的考核得分S计算式为

(7)

3 应用案例分析

已知杭州某服务外包公司的研发部门有12名产品经理，产品经理岗位的绩效考核内容包含了工作业绩、工作能力和工作态度三个方面.公司采用360度绩效考核方法对产品经理工作能力和工作态度进行考核，其中工作态度方面含有对员工工作积极性的考核.并且从2015年8月下旬，该公司开始投入使用移动办公系统，系统包含了消息模块、考核模块、休假模块及任务模块等.笔者以该公司产品经理的绩效考核结果和移动办公数据为基础，对定量化考核员工定性指标工作积极性方法的构建过程进行案例分析.

3.1 前期准备

移动办公系统包含了考勤数据存储表(t_attendance)，任务数据存储表(t_task)、消息信息存储表(t_message)和休假存储表(t_vacation)等.结合移动办公系统的数据存储模型，初步筛选出能够反映员工工作积极性表现的工作行为特征项如表1所示.

表1 工作行为特征项

3.2 数据采集

2015年12月1日—2016年2月29日期间，研发部门产品经理的移动数据有考勤信息768条，消息信息1 455条等，共计14 199条信息，以这些数据为基础，从中分析计算出各个工作行为特征项的具体数值.在此期间公司对12名产品经理工作积极性的考核结果为2人优秀，2人良好，4人中等，3人及格，1人为不合格.为了方便计算，设定考核结果优秀为95分，良好为85分，中等75分，及格65分，不合格55分.将积极性考核结果一致的产品经理划分为同一层级，求取各个工作行为特征项的平均值，最终得出的定性指标工作积极性与工作行为特征的数值如表2所示.

表2 定性指标工作积极性与工作行为特征的数值

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

层级考核结果/分时间/minX1X2X3频率/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 数据处理

按照数据无量纲化和灰色关联分析方法的数据处理过程，采用DPS数据统计分析工具，最终得出了绩效考核指标工作积极性与工作过程特征项的灰色关联度结果，柱状图如图3所示.

图3 灰色关联分析结果Fig.3 The result of grey incidence analysis

经过专家小组讨论，设置关联度阈值为0.6，则高于关联度阈值的工作行为特征项有任务平均早执行时间、任务平均早完成时间、消息平均晚读取时间和讨论圈平均交流频率，这些工作行为特征项相较于其他的特征项更能反映出员工定性指标工作积极性的完成情况.然后根据式(6)确定各个工作行为特征项的权重系数为{(任务平均早执行时间，0.22)，(任务平均早完成时间，0.27)，(消息平均晚读取时间，0.29)，(讨论圈平均交流频率，0.22)}.

3.4 方法构建与应用

专家小组参考绩效考核结果和移动办公系统的历史数据，运用加减法制定各个工作行为特征项的考核标准如表3所示.

表3 考核维度的权重和考核标准

Table 3 The weight and evaluation standard of the assessment dimension

考核维度(可量化信息)权重考核标准任务平均早执行时间0.22任务平均早执行时间不少于1.5h为100分,每少10min减5分任务平均早完成时间0.27任务平均早完成时间不少于1h为100分,每少10min减10分消息平均晚读取时间0.29总分100分,消息平均晚读取时间每少半分钟减5分讨论圈平均交流频率0.22讨论圈平均交流频率不少于每小时30次为100分,没少一次减2分

根据2016年3月1日到2016年5月31日期间的员工定性指标工作积极性的考核结果，随机抽取考核优秀的员工甲和考核合格的员工乙，对该方法进行验证，结果如表4所示，基于移动办公的员工定性指标定量化考核方法得出的结果和360度考核结果都表明了员工甲在工作积极性方面优于员工乙.

表4 定量化考核方法结果

此外，采用调查问卷的形式，向研发部门的同事、领导收集他们对基于移动办公的员工定性指标定量化考核结果的反馈意见，根据定量化考核结果和反馈意见，笔者认为该方法操作上方便，更加的客观公正，且具有一定的准确性.

4 结 论

针对传统的员工定性指标人为考核方式的主观随意性，笔者按照细化考核指标的思路，提出了一种基于移动办公的员工定性指标定量化考核方法，运用灰色关联度分析方法，从移动办公数据中分析出可以反映定性指标完成情况的可量化的考核维度，实现定量化考核定性指标的目的.基于移动办公的员工定性指标定量化考核方法适用于移动办公环境下的员工绩效考核，并且相较于传统的绩效考核方法，该方法操作更加简单方便，以分析客观数据的方式代替以往考核者的主观判断，考核结果更加的客观公正.通过应用实例，基于移动办公的员工定性指标定量化考核方法具有可行性和有效性，但对考核标准制定过程缺乏深入研究，后续工作中需加强这方面的工作，进一步提高考核结果的准确性.

[1] 张光进，廖建桥.我国知识员工绩效考核现状及启示[J].软科学，2013，27(2)：104-108.

[2] 李娜.360度考核在中小学教师绩效考核系统中的应用[J].渤海大学学报(自然科学版)，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] 曹嘉晖，周圆圆.绩效考核中定性指标主观偏误的管理对策[J].企业经济，2010(9)：39-41.

[5] 刘泽双，章丹，康英.基于遗传算法的模糊综合评价法在科技人才创新能力评价中的应用[J].西安理工大学学报，2008，24(3)：376-381.

[6] 陆剑江.通用模式的移动办公平台设计方案研究[J].计算机工程与设计，2006，27(4)：695-697.

[7] 周晓，边裕挺，李杰.基于Android智能终端的WSN监控系统[J].浙江工业大学学报，2013，41(5)：558-561.

[8] 刘志鹏，皮德常.从移动数据中挖掘网络节点的影响力[J].计算机研究与发展,2013，50(s2)：244-248.

[9] 陈鲤江，景程，吴姚鑫，等.数学表达式的归一化方法研究[J].浙江工业大学学报，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，黄德才.基于灰色关联分析的三角模糊多属性决策法[J].浙江工业大学学报，2011，39(2)：224-227.

(责任编辑：刘 岩)

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，研究方向为管理信息系统、移动互联网技术，E-mail：lpl@zjut.edu.cn.

TP311

A

1006-4303(2017)04-0434-05