基于轨迹数据挖掘的绩效考核评估模型研究

摘要：全球定位系统和轨迹记录仪的广泛使用产生了大量可用于信息服务的轨迹数据。挖掘信息建立模型成为目前轨迹数据挖掘研究的难点和热点。已有方法并不能满足面向保安巡检绩效考核新应用环境下问题的求解。针对应用需求和轨迹数据的时空特性，本文从三个方面研究。首先，通过数据预处理获得考核指标信息，如巡检圈数、合格率和质量等；其次，建立评价指标体系，采用模糊综合评价模型分类巡检绩效；最后，自动生成考核结果图表报表。关键词：轨迹数据挖掘；巡检绩效考核；数据预处理；评价指标体系；模糊综合评价模型

1引言

保安巡检绩效考核是对保安人员在巡检过程中表现出来的工作业绩、工作能力、工作态度以及个人品德等进行评价，并判断保安人员与岗位要求是否相称的过程。绩效考核对于保安巡检管理有着不可或缺的重要性。首先，绩效考核客观公正地评价保安人员的工作成绩，作为对保安人员实施奖罚的有力依据；其次，绩效考核对保安人员的工作内容具体分析，形象地表现其工作的优势和不足，用以指导保安人员的努力方向，以提高工作的效率；最后，优胜劣汰使保安巡检队伍产生向上的向心力。

长期以来，实际中绩效考核评价法很多，如等级评估法，过于机械化，而且存在着用如“优、良、合格、不合格”这样的确定性评价带来的对客观真实偏离的问题；关键绩效指标法，只衡量经营成果中的可影响部分，并没有综合考虑多影响因素进行综合评价。由于绩效考核评估是一个多因素模糊分类问题，评价员工绩效时很难将其归于某个类别，于是先对单个因素进行评价，然后对所有因素进行综合模糊评价，防止遗漏任何统计信息和信息的中途损失，采用模糊语言描述绩效考核评价问题更合理。因此，对绩效考核评估建立模糊综合评价模型分类评价。

绩效考核评估是一个多目标多层次的综合评价过程。在评价指标中既有定性指标，又有定量指标，每一项指标的标准也难以确定，评价往往建立在评价人员个人的知识水平、认知能力、经验与偏好之上，具有模糊性。这就制约了绩效考核的公平公正性，进而制约了员工继续努力的深入理解和指导。因此，建立置信度的模糊综合评价模型，全面客观地对员工的工作业绩等分类并进行科学的评价，对于提高员工的工作能力和加快企业的发展都有重大的意义。本文在轨迹数据挖掘获得的考核信息基础上，建立了以巡检圈数、巡检合格率和巡检质量3项为一级指标的评价指标体系，并采用模糊理论方法对多个因素进行综合评价进而对各个巡检区域的巡检人员做了公平公正的绩效评估。

2轨迹数据挖掘

2.1轨迹数据时空特性

一条GPS轨迹，如图1右所示，通常由一系列带有时间戳的坐标点组成，每个坐标点包含了经度、纬度和时间等基本信息，如图1左所示。轨迹记录仪利用全球定位技术（Global Positioning System，GPS）采集了一系列户外活动位置点，按照连续的时间序列连接成线，借助电子地图再现了用户历史行走轨迹。

图1 GPS轨迹样例

2.2数据预处理

根据巡检具体要求和工作内容对巡检轨迹数据进行预处理，以提高考核评估模型的精确性，确保模型运行的效率和质量，具体表现在以下三方面：首先，针对不及时关闭设备现象，对不在指定巡检时间段内的轨迹数据做删除处理；其次，针对间断（无坐标点数据记录）持续时间超过一定值的现象，对整个轨迹进行分割成子对象处理；最后，由于坐标点记录频率为1s，部分数据相对挖掘目标而言是冗余的，需做去除处理以大大减少数据量。

2.3信息提取

目前，微软亚洲研究部采用树状层次图模型对多用户旅行轨迹进行聚合提取了兴趣点、旅行专家和经典路线等信息，个性化推荐给广大用户以辅助规划出行方案；而华东师范大学季民河教授等人对个人出行轨迹数据进行挖掘，通过经验性方法建立规则并利用基于密度聚类算法，提取了行程端点、交通方式和出行目的地等信息，为轨迹数据挖掘提供了参考方法和模型。综上所述，信息提取和模型建立是轨迹数据挖掘的研究难点和热点。

保安人员携带GPS轨迹记录仪巡检指定区域，产生的巡检轨迹数据隐含了保安人员历史巡检状况，包括巡检圈数、巡检合格率和巡检质量等信息，成为轨迹数据挖掘面向保安巡检绩效考核应用的挖掘目标和内容，为评估模型建立奠定了数据基础。

以巡检区域地理底图为基础，设定巡点和巡线，根据巡线空间特征选择合适个数的巡点，以通过巡点的次数为基础数据统计分析获得巡线通过次数和巡检圈数，而巡点通过次数与巡检要求次数之比以及巡线通过次数与巡线要求次数之比决定了巡检合格率。通过读取坐标点数据易于获得巡检时间和巡检路程公里数，而巡检公里数与巡检时间之比一定程度上反映了巡检质量，比值越小说明巡检过程中停留时间越长或者速度越慢。

3模糊综合评价模型

设评判对象为P：其因素集，评判等级集

。对U中每一因素根据评判集中的等级指标进行模糊评判，得到评判矩阵：

(1)

r表示i u关于j v的隶属程度。(U,V,R)则构成了一个模糊综合评判模型。

其中，ij

确定各因素重要性指标（也称权数）后，记为，满足，

合成得(2)

经归一化后，得，于是可确定对象P的评判等级。

3.1确定评价指标体系

评价指标集中因素集U，Ui(i=1,2,...,m)表示对被评价的保安人员或巡检区域有影响的第i个因素。建立指标体系，即确定各级的目标和影响因素，上一级的目标同时是下一级的影响因素。本文从实际出发，将评价指标设定为3项：巡检圈数、巡检合格率和巡检质量。

根据巡检轨迹数据挖掘的考核信息以及考核内容和要求的实际需求，保安巡检绩效考核评价指标体系如表1所示。

专家经验法是根据专家的实际经验给出模糊信息的处理算式或相应权系数值来确定隶属函数的一种方法。在许多情况下，经常是初步确定粗略的隶属函数，然后再通过“学习”和实践检验逐步修改和完善，而实际效果正是检验和调整隶属函数的依据。

在(U,V,R)模型中，R 中的元素ij r 是由评判者“打分”确定的。例如K 个评判者，要求每个评判者i u 对照

作一次判断，统计得分和归一化后产生，且。其中既代表i u 关于

j v 的“隶属程度”。数值为1，说明i u 为j v 是可信的，数值为零为忽略。因此，反映这种隶属程度的量称为“置信度”。对于权系数的确定也存在一个置信度问题。

3.3 确定权重

评价因素的权重是每个因素在集合中的重要程度的定量表示，即所占的比重，其合理性将影响评价结果的合理性。由于指标集中各指标的重要程度不同，所以要对一级指标和二级指标分别赋予相应的权数。第一层次的权重集，第二层次的权重集

，将采用因子分析法确定权数。权值因子判

断表法是指由评价人员组成评价的专家组，由专家组制订和填写因子判断表，然后对各位专家所填权值因子判断表进行统计。（用层次分析法）

在确定了各个专家对指标评估所得的权重后，作关于权系数的等级划分，由此决定其结果的信度。当取N 个等级时，其量化后对应于[0,1]区间上N 次平分。例如，N 取5，则依次得到[0,0.2]，[0.2,0.4]，[0.4,0.6]，[0.6,0.8]，[0.8,1]。对某 j 个指标，取遍K 个专家对该指标评估所得的权重，得。作和式

(3)

d表示数组中属于的个数。

其中ij

取(4)

取遍，得，归一化后得到权向量

。如果则i a的置信度为。由此得置信度向量为。

3.4置信度的综合

设c1,c2 是二个置信度，对于逻辑AND，其置信度合成为

(5)

对于逻辑OR，置信度成为

(6)

其中为参数，可适当配置。(5)、(6)二式的含义是：在逻辑AND 下，

；在逻辑OR下，。若c1 < 1 或c2 < 1，则(5)、(6) 二式中的平均值补偿部分不宜太强。ε 可如下配置：

(7)

对于(2)信度合成为：

(8)

其中，(9) εi 和εj 的选择可参照(7)。结合(2)，得到置信度的评判结果：

(10)

4应用案例分析

以湖南科技大学校园巡检绩效考核为应用案例，以北校家属区和南校教学区两个巡检区域的2011年3月6日和2011年3月7日两天的历史巡检轨迹数据为实例样本，首先预处理数据，删除不符合工作要求内容的数据、分割含长时间间断的轨迹和消减冗余数据；然后采用常用数据挖掘方法，经验性方法和数理统计相结合，对历史巡检轨迹提取出考核信息，如巡检圈数、巡检合格率和巡检质量信息等，作为模型建立的指标数据如下表2和表3所示。

表2 北校家属区历史巡检轨迹提取的考核信息

表3 南校教学区历史巡检轨迹提取的考核信息

运用模糊综合评价模型对以上数据进行运算求解，隶属度评价矩阵和权重分配确定如下。

综上所述，基于GPS

轨迹数据挖掘的绩效考核评估模型实现过程如下图2所示。

5结束语

到目前为止，轨迹数据挖掘的相关理论基础尚跟不上应用发展的步伐，而各行业领域对轨迹数据挖掘技术的巨大需求已渐露端倪。近年来，不少专题会议都做了基于轨迹数据挖掘的信息提取研究报告。综上所述，我们有理由相信，在智能手机、手持GPS和车载GPS设备普遍使用的今天，结合迅猛发展的电子地图、全球定位技术和基于位置服务，轨迹数据挖掘技术将会成为一个新的研究热点，并有可能在多个应用领域提供具有商业价值的关键技术。进一步有待解决的问题和发展方向包括：

（1）如何对海量的、动态增长的轨迹数据进行有效挖掘；

（2）不精确、缺失、冗余和变精度轨迹数据预处理及面向应用的轨迹语义处理；

（3）分别面向移动环境、个人用户以及车载交通的轨迹数据联机分析处理（OLAP）；

（4）通过轨迹数据挖掘技术，改善轨迹数据库的查询效率和数据检索效率；

（5）与其他相关技术，如数字图像处理、模糊理论和模式识别等技术的融合；

（6）针对于不同企业行业的具体应用，分析轨迹特征进行建模挖掘语义信息。

参考文献：

[1] Vincent W. Zheng, Yu Zheng, Xing Xie. Collaborative Location and Activity

Recommendations with GPS History Data [C]. International World Wide Web Conference Committee (IW3C2). WWW 2010, April 26-30, 2010, Raleigh, North Carolina, USA.

[2] Qiang Hao, Rui Cai, Changhu Wang. Equip Tourists with Knowledge Mined from Travelogues

[C]. International World Wide Web Conference Committee (IW3C2). WWW 2010, April

26-30, 2010, Raleigh, North Carolina, USA.

[3] Yu Zheng, Lizhu Zhang, Xing Xie. Mining Interesting Locations and Travel Sequences from

GPS Trajectories [C]. International World Wide Web Conference Committee (IW3C2).

WWW 2009,April 20-24, 2009, Madrid, Spain.

[4] 段伟利,陈国华.企业安全生产主体责任绩效评估建模与应用[J].中国安全科学学报，

2010,20(5)：53-61.

[5] 殷琪.基于模糊理论的多因子客户分类评价模型及应用[J].中国管理信息化,

2008,11(4):95-97.

[6] 维基百科.模糊综合评价模型(Fuzzy Synthetic Evaluation Model) [EB/OL],

https://www.360docs.net/doc/e06907589.html,/wiki/.

[7] 廖芹,郝志峰,陈志宏.数据挖掘与数学建模[M].北京：国防工业出版社,2010,2：89-183.

[8] 季民河,张治华,邓中伟.GPS出行调查中信息自动提取研究进展[J/OL].中国科技论文在线,

https://www.360docs.net/doc/e06907589.html,.

[9] 赵彬彬,李光强,邓敏.时空数据挖掘综述[J].测绘科学,2010,35(2):62-65.

[] Lokesh K. Sharma, Om Prakash Vyas, Simon Schieder, Ajaya K. Akasapu. Nearest Neighbour Classification for Trajectory Data[C]. Information and Communication Technologies (ICT).

ICT 2010, September 7-9, 2010, Kochi, Kerala, India.

[] Mirco Nanni, Dino Pedreschi. Time-focused clustering of trajectories of moving objects[J].Journal of Intelligent Information Systems, V olume 27, Number 3, 267-289.

[] Vania Bogorny, Carlos Alberto Heuser, Luis Otavio Alvares. A Conceptual Data Model for

Trajectory Data Mining[M]. Geographic Information Science, Lecture Notes in Computer Science, 2010, V ol. 6292, 1-15.

[] Viorica Botea, Daniel Mallett, Mario A. Nascimento, J?rg Sander. PIST: An Efficient and Practical Indexing Technique for Historical Spatio-Temporal Point Data[J]. GeoInformatica V olume 12, Number 2, 143-168.

[] Theresa Beaubouef, Frederick E. Petry. Fuzzy and Rough Set Approaches for Uncertainty in Spatial Data[M]. Methods for Handling Imperfect Spatial Information, Studies in Fuzziness and Soft Computing, 2010, V olume 256, 103-129.

[] Van-Hanh Nguyen, Frederic Merienne, Jean-Luc Martinez. An Efficient Approach for Human Motion Data Mining Based on Curves Matching[M]. Computer Vision and Graphics, Lecture Notes in Computer Science, 2010, V olume 6374, 163-184.

[] Panos Kalnis, Nikos Mamoulis, Spiridon Bakiras. On Discovering Moving Clusters in Spatio-temporal Data[M]. Advances in Spatial and Temporal Databases, Lecture Notes in Computer Science, 2005, V olume 3633, 923.

[] Yu-Chieh Lin, De-Nian Yang, Ming-Syan Chen. Data Selection for Exact Value Acquisition to Improve Uncertain Clustering[M]. Lecture Notes in Computer Science, 2010, V olume 6184, Web-Age Information Management, Pages 459-470.

[] She-I Chang, David C. Yen, Celeste See-Pui Ng, I-Cheng Chang, Sheng-Yu Yu. An ERP system performance assessment model development based on the balanced scorecard approach[J].

Information Systems Frontiers, Online First?, 6 January 2010.

[] Feng Yang, Dexiang Wu, Liang Liang, Gongbing Bi, Desheng Dash Wu. Supply chain DEA: production possibility set and performance evaluation model[J]. Annals of Operations Research, Online First?, 22 January 2009

[] Chaang-Yung Kung. Using Fuzzy Sets and Grey Decision-Making to Construct the Performance Evaluation Model of Firm's Outsourcing Management –A Case Study of Avionics Manufacturer in Taiwan[J]. Quality & Quantity, 2006, V olume 40, Number 4, Pages 577-593.

[] Guohua Fang and Yuqin Gao. Construction of Evaluation Index System and Evaluation Model of Flood Disaster Risk[M]. Advances in Water Resources and Hydraulic Engineering, 2009, V ol. I, Pages 130-135.

[] Li Liu, Jianzhong Zhou, Xueli An, Yinghai Li. Improved Fuzzy Clustering Method Based on Entropy Coefficient and Its Application[M]. Lecture Notes in Computer Science, 2008, V olume 5264, Advances in Neural Networks - ISNN 2008, Pages 11-20.

[] Zhan Li, Deng Xidong, Hu Shan. Fuzzy Comprehensive Evaluation Applied in Tourism Enterprises Core Competition[M]. Advances in Soft Computing, 2010, Volume 78, Fuzzy Information and Engineering 2010, Pages 493-500.

绩效考核模型

六、532绩效考核模型 1 什么是532绩效考核模型？ 532绩效考核模型与足球比赛中的532阵型没有任何联系。它是目前国际较为流行的一种绩效考核模型。该模型之所以命名为“532”是因为实施该方案的单位在个人、小团队、单位大团队的利益调节上更适合用“5”、“3”、“2”的比例进行分配。 532绩效考核模型中的“532'’是指将单件商品的销售提成假设为“10"，其中个人获益部分为“5”，小团队(个人所在部门或小组)获益部分为“3”，大团队(整个公司或事业部)获益部分为“2”；532绩效考核模型就是按照个人“5”，小团队“3”，大团队“2”的比例对个人、部门、分公司进行考核的一种利益捆绑方案。 2 为什么企业在绩效考核上要使用532绩效考核模型呢？为什么企业在人力资源的绩效考核上要使用此模型呢？首先，其有效地克服了员工内部的过度竞争，提高了广大员工的团队合作意识，从而不至于影响整个团队目标的实现；其次，有效地避免了因计划与实际之间的过分悬殊，造成员工消极怠工；另外，也体现了员工薪酬激励机制的公平性，减少了各种客观因素的变化而给员工在收入上造成的不平衡，有效地避免了员工对工资给付的各种猜测。 3 532绩效考核模型内容介绍 1．主动争取的客户。指营销人员通过个人的主观努力而争取到的客户，与客户的合作期为1年，以年后的业务量适用于自找上门的客户。第一，一般销售532模型。指按照公司规定的价格底线进行销售；一般销售532指销售1件产品按个人“5”、部门“3”，公司“2”的比例对事先规定的提成额进行分配。例如，这家分公司规定销售1件软件产品的业务提成为10元，那么员工A(假设A在销售一部)销售了10件产品后的收益为：个人的直接利益：10(元)×[5／(5+3+2)]×10(件)=50(元)；销售一部的分配利益：10(元)×[3／(5+3+2)]×10(件)／3(人)=10元；整个公司的分配利益：10(元)×[3／(5+3+2)]×10(件)／20(人)=1元这样，A因销售了10件产品的总收益应为50+10+1=61元，这里不包括因他人销售产品而转移给A的收益，也不包括可能获得的完成计划奖和适用

证券投资基金绩效评估模型分析

本文依据衡量指标的不同，将目前国际上较为流行的证券投资基金绩效评估模型分为五大类，并评述了这五大类模型的运用方式、作用和区别，以及这些模型运用的相关检验，最后进行了简要的评论并提出了几点建议。证券投资基金绩效的评估主要是针对一只基金的实际运作成果进行评价。在绩效评估中，主要包括：(1)对基金的整体收益进行评估，判断其是否超过市场平均收益；(2)超过市场平均收益的部分中有多少可归结为基金经理的投资才能；(3)采用什幺因素或指标对基金绩效进行评估，并判断不同因素或指标对绩效评估结果的影响；(4)选择什幺类型的评估模型，评估模型的选择应根据一国的基金市场状况等因素而确定。根据以上内容及不同管理风格的基金，评估基金绩效的因素或指标主要分为两类：对于采用消极管理风格的基金，主要是评估其在证券市场的一般收益水平和风险水平；对于采用积极管理风格的基金，除了以上两个指标外，还包括基金经理的选股能力、市场运作中的时间选择(或定时)能力以及基金组合的分散化程度等指标。这些指标分别衡量了基金经理预测市场的发展趋势、识别证券价格是否被低估或高估及控制风险的能力。本文的分析是根据积极管理风格基金类型来进行的。一、理论模型分析 (一)Markowits均值一方差模型证券投资基金投资及其它风险资产投资首先需要解决的是预期收益与预期风险这两个核心问题。如何测定组合投资的预期收益与预期风险、如何以这两项指标进行资产分配，是市场投资者迫切需要解决的问题。正是在这样的背景下，Markowits(1952、1958)的理论应运而生。该理论依据以下4个假设：1．投资者在考虑每一次投资选择时，其依据是某一持仓时间内的证券收益的概率分布。2．投资者是根据证券的预期收益率估测证券组合的风险。3．投资者的投资决定仅仅是依据证券的预期收益和预期风险。4．在一定的风险水平上，投资者希望收益最大，相应的是在一定的收益水平上，投资者希望风险最小。根据以上假设，Markowits确立了证券组合预期收益、风险的计算方法和有效边界理论，建立了资产优化配置的均值一方差模型，该模型运用于基金整体绩效的评估，可表达为：目标函数：限制条件：(不允许卖空) 式中Rp为基金组合收益，Ri为i基金(或第i只股票)的收益，Xi和Xj为基金i、j的投资比例，δ2(Rp)为组合投资方差(组合总风险)，Cov(Ri—Rj)为两个基金之间的协方差。该模型为现代证券投资理论奠定了基础。该模型表明，在限制条件下求解Xi基金收益率使组合风险δ2(Rp)最小，可通过拉格朗日目标函数求得。其经济学意义在于，投资者可以预先确定一个期望收益，通过模型可以确定投资者在每个投资项目(如某只基金或股票)上的投资比例，使其总投资风险最小。不同的期望收益就有不同的最小方差组合，这就构成了最小方差集合。 (二)单因素整体绩效评估模型

数据挖掘复习章节知识点整理

数据挖掘：是从大量数据中发现有趣（非平凡的、隐含的、先前未知、潜在有用）模式，这些数据可以存放在数据库，数据仓库或其他信息存储中。挖掘流程： 1.学习应用域 2.目标数据创建集 3.数据清洗和预处理 4.数据规约和转换 5.选择数据挖掘函数（总结、分类、回归、关联、分类） 6.选择挖掘算法 7.找寻兴趣度模式 8.模式评估和知识展示 9.使用挖掘的知识概念/类描述：一种数据泛化形式，用汇总的、简洁的和精确的方法描述各个类和概念，通过（1）数据特征化：目标类数据的一般特性或特征的汇总；（2）数据区分：将目标类数据的一般特性与一个或多个可比较类进行比较；（3）数据特征化和比较来得到。关联分析：发现关联规则，这些规则展示属性-值频繁地在给定数据集中一起出现的条件，通常要满足最小支持度阈值和最小置信度阈值。分类：找出能够描述和区分数据类或概念的模型，以便能够使用模型预测类标号未知的对象类，导出的模型是基于训练集的分析。导出模型的算法：决策树、神经网络、贝叶斯、（遗传、粗糙集、模糊集）。预测：建立连续值函数模型，预测空缺的或不知道的数值数据集。孤立点：与数据的一般行为或模型不一致的数据对象。聚类：分析数据对象，而不考虑已知的类标记。训练数据中不提供类标记，对象根据最大化类内的相似性和最小化类间的原则进行聚类或分组，从而产生类标号。第二章数据仓库数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。从一个或多个数据源收集信息，存放在一个一致的模式下，并且通常驻留在单个站点。数据仓库通过数据清理、变换、继承、装入和定期刷新过程来构造。面向主题：排除无用数据，提供特定主题的简明视图。集成的：多个异构数据源。时变的：从历史角度提供信息，隐含时间信息。非易失的：和操作数据的分离，只提供初始装入和访问。联机事务处理OLTP：主要任务是执行联机事务和查询处理。联系分析处理OLAP：数据仓库系统在数据分析和决策方面为用户或‘知识工人’提供服务。这种系统可以用不同的格式和组织提供数据。OLAP是一种分析技术，具有汇总、合并和聚集功能，以及从不同的角度观察信息的能力。

数据清洗数据分析数据挖掘

数据清洗 1.基本概念数据清洗从名字上也看的出就是把"脏"的"洗掉"，指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数据的集合，这些数据从多个业务系统中抽取而来而且包含历史数据，这样就避免不了有的数据是错误数据、有的数据相互之间有冲突，这些错误的或有冲突的数据显然是我们不想要的，称为"脏数据"。我们要按照一定的规则把"脏数据""洗掉"，这就是数据清洗。而数据清洗的任务是过滤那些不符合要求的数据，将过滤的结果交给业务主管部门，确认是否过滤掉还是由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。数据清洗是与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。主要类型残缺数据这一类数据主要是一些应该有的信息缺失，如供应商的名称、分公司的名称、客户的区域信息缺失、业务系统中主表与明细表不能匹配等。对于这一类数据过滤出来，按缺失的内容分别写入不同Excel文件向客户提交，要求在规定的时间内补全。补全后才写入数据仓库。折叠错误数据

这一类错误产生的原因是业务系统不够健全，在接收输入后没有进行判断直接写入后台数据库造成的，比如数值数据输成全角数字字符、字符串数据后面有一个回车操作、日期格式不正确、日期越界等。这一类数据也要分类，对于类似于全角字符、数据前后有不可见字符的问题，只能通过写SQL语句的方式找出来，然后要求客户在业务系统修正之后抽取。日期格式不正确的或者是日期越界的这一类错误会导致ETL运行失败，这一类错误需要去业务系统数据库用SQL 的方式挑出来，交给业务主管部门要求限期修正，修正之后再抽取。折叠重复数据对于这一类数据--特别是维表中会出现这种情况--将重复数据记录的所有字段导出来，让客户确认并整理。数据清洗是一个反复的过程，不可能在几天内完成，只有不断的发现问题，解决问题。对于是否过滤，是否修正一般要求客户确认，对于过滤掉的数据，写入Excel文件或者将过滤数据写入数据表，在ETL开发的初期可以每天向业务单位发送过滤数据的邮件，促使他们尽快地修正错误,同时也可以做为将来验证数据的依据。数据清洗需要注意的是不要将有用的数据过滤掉，对于每个过滤规则认真进行验证，并要用户确认。数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。

《数据挖掘》试题与答案

一、解答题（满分30分，每小题5分） 1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式；然后，调用相应的算法生成所需的知识；最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。流程步骤：先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。 2. 时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有： 1）、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。 2）、随机时间序列预测方法:通过建立随机模型，对随机时间序列进行分析，可以预测未来值。若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR)模型、移动回归模型(Moving Average，简称MA)或自回归移动平均(Auto Regressive Moving Average，简称ARMA)模型进行分析预测。 3）、其他方法:可用于时间序列预测的方法很多，其中比较成功的是神经网络。由于大量的时间序列是非平稳的，因此特征参数和数据分布随着时间的推移而变化。假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型，用于时间序列的预测。

科技项目绩效评估指标体系研究

2009.No20２１决策管理 Policy & Management 摘要：在分析各省市科技项目评估指标体系的基础上，参考项目成功的影响因素，并广泛征求专家意见形成评估指标体系，为科技项目的绩效评估提供参考。关键词：科技项目绩效评估；指标体系一、前言科技项目是国民经济和社会发展计划的重要组成部分，是市场经济条件下政府组织科学研究和技术开发的主要手段，是引导、支持全社会加强技术创新，推动科技进步的一项重要的科技管理工作。作为计划载体的具体项目，其评估工作，不仅为科技决策提供参考意见，更为经济持续快速健康增长和社会全面进步提供强大动力。在当今世界科技、经济一体化的大趋势下，我国科技事业高速发展，探究科技计划项目的评估问题具有了重要而深刻的现实意义。评估指标是评价系统总体目标的具体标志。要对科技计划项目的绩效进行评估，必须确定对各个组成要素和各种影响因素进行衡量的统一尺度，即科技项目绩效评估指标体系。该指标体系是评估科技项目绩效的基础和依据，它通过一系列科学、完整、系统的指标衡量项目的进展实施情况，能有效地进行过程监控，科技项目绩效评估指标体系研究对评估结果的可靠性、有效性有很大影响，是整个科技计划项目绩效评估工作的核心。二、指标体系的构建原则评估指标体系，直接关系到评估结果的客观、公正、准确、有效，在构建科技计划项目绩效评估指标体系时应遵循以下基本原则：（一）系统性原则。评估指标体系应从系统的角度，全面、综合地反映被评估对象的整体情况，抓住主要信息，从直接效果和间接效果两方面给予反映，保证综合评估的全面性与可信度。（二）客观性原则。评估指标要尽可能地避免主观因素的加入，指标含义应尽量明确，注意确定人选指标的权威性、普适性和代表性。（三）时效性原则。时代飞速发展，人们的价值观也在变化，评估指标体系要随着社会价值观念的变化作出相应调整，避免因不合事宜导致的决策失误。（四）同质性原则。评估指标的因素与评估要点要同评估对象的特征相一致，保证可行性与评估效度。（五）独立性原则。指标之间应尽可能地避免显见的包含关 ◇　曾令果徐辉对计算机、网络和社会经济有深刻的认识，而且又具备项目管理能力；企业电子商务综合管理人员，主要从事企业电子商务整体规划、建设、运营和管理等工作。由以上可知，当前电子商务行业对人才有不同层面的要求。三、搞好电子商务人才定位，是形成电子商务人才培养模式的关键目前，不少学校对电子商务人才定位不明确，认识不够，课程开设没有紧跟市场对人才需求的变化，专业课程设置只是经济与计算机专业知识的一个简单堆积。学生的实习大都在虚拟环境中操作，根本不能切实感受现实中电子商务的应用。导致学习电子商务的毕业生的困扰很大，学校的学生不知道自己今后的就业方向，更不知道毕业以后应该具备什么能力和证书，怎样才能让自己更有就业竞争力。该怎样有机地把电子商务课程组织好？学校该如何做好与社会的对接？是当前电子商务教育行业应该反思的一个问题。学校对于电子商务人才的培养模式的构建，关键是要对电子商务行业要求的人才定位进行充分地摸底，了解电子商务人才岗位需求状况，利用基于工作过程的职业教育课程设计理念和方法：重视知识和技能的建构能力，强调创新在职业能力构成要素中的作用，需要特殊的课程和知识平台；要适应本地区经济发展需要和满足教育者发展需要作为中职教育课程改革要考虑的重要目标；实现学校企业双赢，积极开展校企合作作为中职教育缩短学生在学校所学和企业的实际应用能力差距的一个重要途径；教学方法适应新的教学模式实行项目教学是专业教学的主体；为适应教学双经历教师培训是必不可少的环节。从学校培养电子商务实战型人才，把做传统贸易的业务人员培养成网络贸易高手，成为众多国内企业的呼唤。阿里学院打造的《阿里巴巴电子商务证书》，让持证者迅速了解阿里巴巴这个全球最大网上贸易市场，熟练操作阿里巴巴旗下各网络贸易平台。阿里巴巴电子商务认证凭借阿里巴巴集团的多年电子商务服务经验，人才定位准确，具有极强的适用性和有效价值，该认证一经推出，即受到企业和学校欢迎。据了解，一些高校和阿里学院结盟，共同培养电子商务人才，原先就业难的电子商务专业毕业生，许多班学生还未毕业即被用人企业抢购一空。学校对于电子商务人才的培养，可考虑与阿里巴巴结盟，借其优势推动学校电子商务专业的发展。总之，中国的电子商务水平，尤其是企业信息化水平还很初级，传统企业的电子商务意识更是薄弱，所以对人才的要求层次各异。大企业走在前列，依然是以专业人才为需求主体，而广大的中小企业虽急招网络营销人才，但对懂技术并且对网络营销工具和方法有广泛认识的人才更是求贤若渴。所以不论是大中专院校还是培训机构，只要把握好企业需求，把握好不同企业对人才需求的层次区别，制定合适的培养模式，中国的电子商务人才培养之路就会越走越宽。参考资料：［１］《电子商务如火如荼　人才培养要层次化》中国高新技术产业导报　２００７－２－１２　作者：叶凡［２］《电子商务发展“十一五”规划》亮点透析》国家发展改革委讯２００７－０６－２５［３］《２００７年中国电子商务市场规模有望达１．７万亿元》解放日报２００７－０４－０２［４］《六成以上中小企业有需求　电子商务人才急缺》深圳新闻网２００７－０３－１２梁硕芳［５］《“北方论坛”即将召开　共话现代商务人才培养》赛迪网２００７－１１－２９作者：忘川［６］《电子商务“人才荒”缺口２００万》ｗｗｗ．ｅｃｈｒ．ｃｏｍ．ｃｎ２００７－６－２７（作者单位：重庆商务职业学院）专家论坛

绩效考核中囚徒困境模型分析

绩效考核中囚徒困境模型分析绩效考评作为人力资源管理工作的一项重要组成部分，历来受到人力资源工作者的重视。在绩效考评中，人力资源部门如果能获得员工及员工所在部门提供的真实可靠的原始资料，绩效考评工作就容易做到公正、合理。在人力资源管理工作中，绩效考评是最关键的一个环节，既是对员工前期工作情况的总结，也是员工将来薪酬发放、晋级等工作的基础。没有公正、合理的绩效考评，员工的激励、薪酬等都将成为无源之水、无本之木。所以，绩效考评工作的好坏直接关系到人力资源管理工作的成效。员工的工作绩效，是指他们那些经过考评的工作行为、表现及其结果。对组织而言，绩效就是任务在数量、质量及效率等方面完成的情况；对员工个人来说，则是上级和同事对自己的评价。组织通过对员工工作绩效的考评，获得反馈信息，便可据此制定相应的人事决策与措施，调整和改进其效能。因此绩效考评作为人力资源管理工作的一项重要组成部分，历来受到人力资源工作者的重视。在绩效考评中，人力资源部门如果能获得员工及员工所在部门提供的真实可靠的原始资料，绩效考评工作就容易做到公正、合理。作为人力资源工作者，往往希望员工及用人部门能够和人力资源部门友好合作配合工作，尽可能提供客观公正的原始资料。但社会的高度现实性决定了绩效考评运作往往直接挂钩于员工的切身利益，因而，员工倾向于高估自己的工作绩效，以达到个人利益最大化。而直接上级在对本部门员工的绩效考评上，一则为了和本部门员工保持“友好关系”（因为有时主管的考评同样需要员工打分）；二则为了保持本部门的良好形象，不想“家丑”外扬；三则为了避免挫伤员工的积极性，使员工永远保持一种优于其它部门的自信，所以更多的喜欢在本部门内部解决问题，不愿给人力资源部门提供真实的原始数据。如果缺乏对员工和主管在配合度上的有效监控，很可能会导致绩效考评信息失真，动摇绩效管理的信度和效度，误导整个人力资源部的绩效管理工作。最终使人力资源部应有的权力制衡作用受到削减，对企业及员工个人发展产生巨大负面影响。博弈论的出现和兴起，为我们解决绩效考评中的难题提供了一种行之有效的工具。绩效考评中的“囚徒困境”模型分析同样绩效考评本身就是一个完整的博弈论问题，博弈的双方分别是企业的员

公共部门绩效评估

浅谈顾客满意度绩效模型对社会公众对政府部门绩效评估体系的启示摘要：企业绩效评估中的顾客满意度与政府等公共部门绩效评估体系中的公众评价（市民感知）政府绩效，其本质都是服务对象对服务主体的评价。公众评价是政府绩效管理的尤为重要的程序，有助于联系群众，反映民生，提高公共服务质量，优化公共资源配置，建设服务性政府。在文中，笔者将试图借鉴企业中相对先进的顾客满意度绩效模型，例如KANO模型、ACSI模型等，来完善公共部门中的公众评价体系，希望对中国的社会公众评价政府绩效体系有所建言。关键字:社会公众评价政府绩效顾客满意度绩效管理 KANO模型 ACSI模型 Abstract：The customer satisfaction of the enterprise performance evaluation is the same with social public comments in essence, which is the evaluation about the service object to the service main body. Social public comments are the important procedure in the government performance management. It will help tie with the masses and reflect the people's livelihood. Then it is good for improving public service quality and building the service-oriented government. In my essay , I will try to use the customer satisfaction of the enterprise performance evaluation for reference , such as KANO、ACSI etc. I hope that my ideas will do some good for the social public evaluation system in China. Key words:The social public evaluation system \The customer satisfaction of the enterprise performance evaluation\ KANO\ ACSI 无论是当下十分受宠的平衡记分卡，抑或是EFQM卓越化模型（The European Foundation for Quality Management ），我发现顾客维度均占很重要的地位。通过课堂的学习，我了解到了还有很多其他的绩效评估模型，例如通用评估框架

(绩效考核)绩效考核模型

532绩效考核模型绩效考核是现代人力资源管理的壹项重要内容。几乎所有的企业均有自己的绩效考核方案，可是许多曾经比较适用的方案随着时间的推移渐渐失却往日的效用，不仅起不到激励员工的作用，甚至于某种程度上正阻碍着企业的发展。调查发现，许多企业的绩效考核方案仍停留于仅限于个人业绩的考核上，很少将个人利益和团队精神壹起体当下绩效考核方案中。我们知道：1+1>2的协同效应来源于团队成员的默契配合。于如今的新经济时代．要想使企业快速发展却没有壹支默契配合的团队是难以想象的。因此，如何建立壹种既能充分调动个人的积极性，又能增强团队(包括部门小团队和公司大团队)向心力的绩效考核模型便显得十分重要。二 532绩效考核模型和足球比赛中的532阵型没有任何联系。该模型之所以命名为“532”是因为最初实施该方案的公司于个人、小团队、大团队的利益调节上更适合用“5”、“3”、“2”的比例进行分配。该模型实施前经过了约半年时间的酝酿、补充和完善；于实施的进程中，该模型得到了包括公司总经理于内的所有员工的赞同和支持；公司上下的积极配合使实施的效果超过了预期的设想。下面就和实施该模型有关的壹些材料作简要介绍。 1．公司简介。最初实施该模型的企业是1家外地驻宁软件销售分公司，虽不具备独立法人资格，但独立运营，自计盈亏。该公司下设俩个销售部，1个财务部和1个办公室。公司总计20人，每个销售部各有6人。整个团队表面见上去仍算稳定，上下级、平级之间没有什么大的冲突，“团队精神”、“以人为本”这样的词语于大大小小的会议上总能听到。于和员工的单独交谈后发现，这个团队且不像表面见上去那么和谐，75％的员工认为当前的计件付酬方式不公平或欠公平，但也想不出更好的办法；60％的员工觉得于公司缺少安全感、归属感，政策制定的随意性太强且缺少延续性。

绩效评价模型运用

绩效评价模型运用文化认同从企业的角度看待利已，人才对企业的认同度很重要，对企业的认同度，最主要是体现在认同这家企业已形成的行为准则和价值观，不是每家企业都已具备了完整的企业文化内容和系统框架，但作为企业文化的核心组成部分，每家企业一定都有各自不同的行为准则和价值观。作为企业的核心员工，在他们的思想和行为中，都会不自觉的体现出比较鲜明的共同特性，这样一个人群就组成了企业的中层和骨干，作为企业雇主自然希望这样的人群越多越好。对这份职业是否有非常强烈的兴趣，能否在这样的工作环境和氛围中努力工作。不同的认同度决定了不同的工作态度，从而导致了不同的工作品质。为事业而工作，追求的是超越自我；为工作而工作，追求的是成就感；为生活而工作，追求的是经济回报。所以利已，站在企业的角度，就是对企业文化认同。绩效产出从企业的角度看待利人，就是评价人才能否创造出预期的价值。所谓人才价值，就是企业在经营过程中，为了完成经营目标，所设立的不同职位的人，在本职岗位应该产出的绩效。每个人都有他自身的价值存在，如何使人尽其才，才尽其用，将其价值发挥出最大化，是企业雇主必须关注的。满足大部分员工的需求，营造良好的工作氛围和环境，让员工能够无忧的工作，提高员工满意度，这样就能够最大限度的提高员工的绩效产出。所以利人，站在企业的角度，就是对企业的绩效产出。绩效评价模型那现在通过对“人的评价模型”，可以得出企业的绩效评价模型。

如何界定通过文化认同和绩效产出二个维度的考核，就得出全部的绩效分数的排序，根据正态分布原则，前20%排名员工，是企业的优秀员工，他们创造了企业80%的绩效产出；当中70%排名的员工是达成预期目标的员工，是企业的维持日常工作的主要组成人员；最后10%排名的员工，是企业绩效产出最差的员工。因此文化认同考核分数和绩效产出考核分数排名都在前20%的员工就是企业的“明日之星”，同样文化认同考核分数和绩效产出考核分数都在最后10%的员工就是“害群之马”。如果文化认同考核分数排名在前20%，但绩效产出考核分数排名在最后10%，那就是金牛员工。同样如果文化认同考核分数排名在最后10%，而绩效产出考核分数排名在前10%，那就是危险人物。企业中大部分员工的绩效评价表现平平，主要集中分布在四个象限当中，也就是绿色圆圈部分，这部分人群称之为迷途羔羊。

绩效评估模型

评估目的评估的目的通常有两种，“员工个人业绩提升与激励”和“组织业绩提升”。前者着眼于通过激励个体员工，提高其业绩，进而促进组织业绩，但这种递进关系通常是不必然的；后者则直接将视点放在了组织业绩提升上。前者重视的是评估结论所形成的对业绩优劣的定性判断；而后者则更关注评估结果对管理改善的提示作用（当然实际上它仍然可以用来判断业绩优劣）。在不同的评估目的下，我们通常选择不同类型的业绩指标。以“员工个人业绩提升与激励”为主要目的的评估通常选取与个人或小团队的工作投入，产出以及个人资质有关的业绩指标，而且对指标的量化程度，统计方式的严谨程度等都不能有太严格的要求。以“组织业绩提升”为主要目的的评估通常选取与战略、流程，以及跨职能团队有关的业绩指标，并且对指标的质量、统计方式等问题有着较高的要求。目前大多数的本土企业业绩评估主要出于第一种目的。虽然这一目的缺乏对真正的企业业绩的充分关注和深入思考，但对于多数本土企业而言，它仍然能够引导企业刷新管理理念，建立初步业绩管理能力。而第二种目的则对评估基础和评估能力有着较高的要求。由于当前主流的业绩管理理论都趋向于讨论针对第二种目的方法论，所以要严格地将诸如平衡计分卡BSC、作业成本法ABC、整合业绩管理IPM等相对较新的方法引入仅仅出于第一种目的下的业绩评估，通常不会成功。评估基础和评估能力评估基础主要是指组织战略、业务流程、组织结构、岗位职责等是否具备基本的合理性，并且是否被澄清。良好的评估基础将使企业实施以组织业绩提升为目的的业绩评估模式成为可能，并且使企业能够在追求关键业绩指标的科学性和业绩薪酬挂钩的有效性时拥有更多的施展空间。而多数本土企业在这些方面都是比较薄弱的。这也导致本土企业当前在业绩管理上能够选择的变通方式非常有限。评估能力主要是指评估数据管理能力，包括在数据生成、收集、处理、分析报告等工作上所能承担的工作量和复杂程度。评估能力越高，就越能够支持战略性的业绩评估；反之，企业也许会由于评估能力的限制而只能暂时性地选择针对个人业绩的评估。此外，在数据管理能力较为有限的情况下，经理人的业绩沟通技能也成为了一项重要的评估能力。评估能力不是一个独立的方面，它与评估基础有很大关联。在运营流程，组织结构还没有理清的情况

证券投资基金绩效评估模型分析

证券投资基金绩效评估模型分析本文依据衡量指标的不同，将目前国际上较为流行的证券投资基金绩效评估模型分为五大类，并评述了这五大类模型的运用方式、作用和区别，以及这些模型运用的相关检验，最后进行了简要的评论并提出了几点建议。证券投资基金绩效的评估主要是针对一只基金的实际运作成果进行评价。在绩效评估中，主要包括：(1)对基金的整体收益进行评估，判断其是否超过市场平均收益；(2)超过市场平均收益的部分中有多少可归结为基金经理的投资才能；(3)采用什幺因素或指标对基金绩效进行评估，并判断不同因素或指标对绩效评估结果的影响；(4)选择什幺类型的评估模型，评估模型的选择应根据一国的基金市场状况等因素而确定。根据以上内容及不同管理风格的基金，评估基金绩效的因素或指标主要分为两类：对于采用消极管理风格的基金，主要是评估其在证券市场的一般收益水平和风险水平；对于采用积极管理风格的基金，除了以上两个指标外，还包括基金经理的选股能力、市场运作中的时间选择(或定时)能力以及基金组合的分散化程度等指标。这些指标分别衡量了基金经理预测市场的发展趋势、识别证券价格是否被低估或高估及控制风险的能力。本文的分析是根据积极管理风格基金类型来进行的。一、理论模型分析 (一)Markowits均值一方差模型证券投资基金投资及其它风险资产投资首先需要解决的是预期收益与预期风险这两个核心问题。如何测定组合投资的预期收益与预期风险、如何以这两项指标进行资产分配，是市场投资者迫切需要解决的问题。正是在这样的背景下，Markowits(1952、1958)的理论应运而生。该理论依据以下4个假设：1．投资者在考虑每一次投资选择时，其依据是某一持仓时间内的证券收益的概率分布。2．投资者是根据证券的预期收益率估测证券组合的风险。3．投资者的投资决定仅仅是依据证券的预期收益和预期风险。4．在一定的风险水平上，投资者希望收益最大，相应的是在一定的收益水平上，投资者希望风险最小。根据以上假设，Markowits确立了证券组合预期收益、风险的计算方法和有效边界理论，建立了资产优化配置的均值一方差模型，该模型运用于基金整体绩效的评估，可表达为：目标函数：限制条件：(不允许卖空) 式中Rp为基金组合收益，Ri为i基金(或第i只股票)的收益，Xi和Xj为基金i、j的投资比例，δ2(Rp)为组合投资方差(组合总风险)，Cov(Ri—Rj)为两个基金之间的协方差。该模型为现代证券投资理论奠定了基础。该模型表明，在限制条件下求解Xi基金收益率使组合风险δ2(Rp)最小，可通过拉格朗日目标函数求得。其经济学意义在于，投资者可以预先确定一个期望收益，通过模型可以确定投资者

绩效考核模型

六、532绩效考核模型 1什么是532绩效考核模型？ 532绩效考核模型与足球比赛中的532阵型没有任何联系。它是目前国际较为流行的一种绩效考核模型。该模型之所以命名为“532”是因为实施该方案的单位在个人、小团队、单位大团队的利益调节上更适合用“5”、“3”、“2”的比例进行分配。 532绩效考核模型中的“532'是’指将单件商品的销售提成假设为“10"，其中个人获益部分为“5”，小团队(个人所在部门或小组)获益部分为“3”，大团队(整个公司或事业部)获益部分为“2；”532绩效考核模型就是按照个人“5，”小团队“3”，大团队“2”的比例对个人、部门、分公司进行考核的一种利益捆绑方案。 2为什么企业在绩效考核上要使用532绩效考核模型呢？为什么企业在人力资源的绩效考核上要使用此模型呢？首先，其有效地克服了员工内部的过度竞争，提高了广大员工的团队合作意识，从而不至于影响整个团队目标的实现；其次，有效地避免了因计划与实际之间的过分悬殊，造成员工消极怠工；另外，也体现了员工薪酬激励机制的公平性，减少了各种客观因素的变化而给员工在收入上造成的不平衡，有效地避免了员工对工资给付的各种猜测。 3532 绩效考核模型内容介绍 1．主动争取的客户。指营销人员通过个人的主观努力而争取到的客户，与客户的合作期为1年，以年后的业务量适用于自找上门的客户。第一，一般销售532模型。指按照公司规定的价格底线进行销售；一般销售532指销售1件产品按个人“5”、部门“3”，公司“2”的比例对事先规定的提成额进行分配。例如，这家分公司规定销售A(假设A在销售一部)销售了10 1件软件产品的业务提成为件产品后的收益为： 10元，那么员工个人的直接利益：10( 元)×[5／(5+3+2)] ×10( 件)=50( 元)；销售一部的分配利益：10( 元)×[3 ／(5+3+2)] ×10( 件)／3(人)=10 元；整个公司的分配利益：10( 元)×[3 ／(5+3+2)] ×10( 件)／20( 人)=1 元这样，A因销售了10括因他人销售产品而转移给件产品的总收益应为50+10+1=61 元，这里不包A的收益，也不包括可能获得的完成计划奖和适用

绩效评估模型

业绩评估的策略性思考模型业绩评估的策略性思考其主要目的是通过对评估目的、评估基础和企业可以达到的评估能力的全面分析，来确定一种策略性的业绩评估模式（见图２）评估目的评估的目的通常有两种，“员工个人业绩提升与激励”和“组织业绩提升”。前者着眼于通过激励个体员工，提高其业绩，进而促进组织业绩，但这种递进关系通常是不必然的；后者则直接将视点放在了组织业绩提升上。前者重视的是评估结论所形成的对业绩优劣的定性判断；而后者则更关注评估结果对管理改善的提示作用（当然实际上它仍然可以用来判断业绩优劣）。在不同的评估目的下，我们通常选择不同类型的业绩指标。以“员工个人业绩提升与激励”为主要目的的评估通常选取与个人或小团队的工作投入，产出以及个人资质有关的业绩指标，而且对指标的量化程度，统计方式的严谨程度等都不能有太严格的要求。以“组织业绩提升”为主要目的的评估通常选取与战略、流程，以及跨职能团队有关的业绩指标，并且对指标的质量、统计方式等问题有着较高的要求。目前大多数的本土企业业绩评估主要出于第一种目的。虽然这一目的缺乏对真正的企业业绩的充分关注和深入思考，但对于多数本土企业而言，它仍然能够引导企业刷新管理理念，建立初步业绩管理能力。而第二种目的则对评估基础和评估能力有着较高的要求。由于当前主流的业绩管理理论都趋向于讨论针对第二种目的方法论，所以要严格地将诸如平衡计分卡BSC、作业成本法ABC、整合业绩管理IPM等相对较新的方法引入仅仅出于第一种目的下的业绩评估，通常不会成功。评估基础和评估能力

评估基础主要是指组织战略、业务流程、组织结构、岗位职责等是否具备基本的合理性，并且是否被澄清。良好的评估基础将使企业实施以组织业绩提升为目的的业绩评估模式成为可能，并且使企业能够在追求关键业绩指标的科学性和业绩薪酬挂钩的有效性时拥有更多的施展空间。而多数本土企业在这些方面都是比较薄弱的。这也导致本土企业当前在业绩管理上能够选择的变通方式非常有限。评估能力主要是指评估数据管理能力，包括在数据生成、收集、处理、分析报告等工作上所能承担的工作量和复杂程度。评估能力越高，就越能够支持战略性的业绩评估；反之，企业也许会由于评估能力的限制而只能暂时性地选择针对个人业绩的评估。此外，在数据管理能力较为有限的情况下，经理人的业绩沟通技能也成为了一项重要的评估能力。评估能力不是一个独立的方面，它与评估基础有很大关联。在运营流程，组织结构还没有理清的情况下，不仅难以生成有价值的业绩数据，而且对数据收集也会造成很大的困难。同时本土企业在数据处理和分析的技术上也相对不足，所以评估能力的总体情况并不理想。不少管理者会对E化管理产生一种误解，以为只要上了网络，有了电子流程就可以大大提高数据管理能力。事实上E化管理是建立在现有的流程和结构基础上的，技术并不能解决流程和结构本身的问题，相反技术却对流程和结构提出了更为苛刻的要求。这也是为什么主流的ERP推行者都不再是单纯的技术方案供应商，而更具有雄厚的管理咨询实力。IBM 入主普华，联想联姻汉普便是典型的例证。评估模式的选择如果企业在建立或者改革业绩评估模式之前，能够全面的分析一下自己的评估目的、评估基础和评估能力的话，通常比较容易找到一种平衡了目的性、科学性和可操作性的评估模式。一个业绩评估模式将包含关键业绩指标的数量、质量、指标分解的方式与程度、指标与承担者的关系、评估的形式、业绩与薪酬的关联方式以及其它方法性问题。评估模式的选择既要服务于评估目的，又要适应于评估基础和评估能力。为此，业绩评估的策略性思考将遵循三个主要原则：匹配性原则、优先性原则和导向先于评估原则。匹配性匹配性原则要求评估目的、评估基础、评估能力与评估模式之间必须相互匹配。评估模式既不能超越评估基础和评估能力所提供的可操作性框架，又要能够顺利达成评估目的。有

大数据挖掘技术之DM经典模型(上)

大数据挖掘技术之DM经典模型（上）数据分析微信公众号datadw——关注你想了解的，分享你需要的。实际上，所有的数据挖掘技术都是以概率论和统计学为基础的。下面我们将探讨如何用模型来表示简单的、描述性的统计数据。如果我们可以描述所要找的事物，那么想要找到它就会变得很容易。这就是相似度模型的来历——某事物与所要寻找的事物越相似，其得分就越高。下面就是查询模型，该模型正在直销行业很受欢迎，并广泛用于其它领域。朴素贝叶斯模型是表查找模型中一种非常有用的泛化模型，通常表查询模型适用于较低的维度，而朴素贝叶斯模型准许更多的维度加入。还有线性回归和逻辑回归模型，都是最常见的预测建模技术。回归模型，用于表示散点图中两个变量之间的关系。多元回归模型，这个准许多个单值输入。随后介绍逻辑回归分析，该技术扩展了多元回归以限制其目标范围，例如：限定概率估计。还有固定效应和分层回归模型，该模型可将回归应用于个人客户，在许多以客户为中心的数据挖掘技术之间搭建了一座桥梁。 1、相似度模型相似度模型中需要将观察值和原型进行比较，以得到相应的相似度得分。观察值与原型相似度越高，其得分也就越高。一种度量相似度的方法是测量距离。观察值与原型值之间的距离越近，观察值的得分就越高。当每个客户细分都有一个原型时，该模型可以根据得分把客户分配到与其最相似的原型所在的客户细分中。相似度模型有原型和一个相似度函数构成。新数据通过计算其相似度函数，就可以计算出相似度得分。 1.1、相似度距离通过出版社的读者比一般大众要富有，而且接受教育的程度要高为例。通常前者要比后者在富有程度、教育程度的比例大三倍。这样我们

基于胜任力模型绩效考核体系

基于胜任力模型的绩效考核体系建设项目一、构建基于胜任力绩效考核体系的目的 1.落实三公原则：以事实、数据说话，让绩效考核做到公平、公正、公开。 2.员工层面： a)提高组织和员工的绩效能力，实现公司目标。 b)提高员工培训的有效性、促进员工的职业生涯发展。 3.公司层面： a)为公司招聘, 调迁, 升价, 委任, 奖惩等人事决策提供科学的依据。 b)实现企业与员工“共赢”：企业赢得管理与效益，员工则赢得自我的认识、改进与发展。二、胜任力与绩效的关系胜任力是直接影响工作业绩的个人条件和行为特征，胜任力与绩效的关系主要有以下两个方面：（1）胜任力与工作的绩效密切相关，可以用一些被广泛接受的标准来测量，从而可以预测员工未来的工作绩效，并能通过激励与开发加以改善和提高。（2）胜任力具有可区分性。外显性胜任力只是个体基本素质的要求，对于特定的职业必不可少，但不足以将绩效优秀者和绩效一般者区分开来；内隐性胜任力难以用一般方法测得，但对绩效却起着关键性的决定作用，能够将绩效优秀者和绩效一般者区分开来。总之，外显性胜任力和内隐性胜任力一起共同决定着个体的具体行为表现。三、构建思路基于胜任力的人力资源绩效管理主要是通过将员工个体目标和组织目标相结合，不断获取、使用、激励和开发员工个体的胜任力，以提高员工个体的绩效，进而实现组织发展目标的一个循环往复的过程。本项目首先理清公司的绩效目标，然后对关键岗位建立胜任力模型，根据胜

任力要素对员工进行能力评估，并以此为依据制定绩效考核体系，包括绩效目标的设定，绩效实施、考核和反馈等。如下图所示：四、构建的具体步骤 1.确定企业绩效目标。构建胜任力模型绩效考核系统之前，首先明确企业未来的发展方向，确定公司年度经营目标与计划。 2.建立关键岗位胜任力模型。确定企业绩效目标后，结合关键岗位所需的能力特征构建岗位的胜任力模型。主要流程包括定性访谈、定量调研及模型建立。 1) 定性访谈（1）确定效标和效标群组。（2）实施BEI访谈.运用STAR技术对业绩优异组和业绩一般组分别进行访谈。（3）对言语文本进行内容分析。（4）进行言语文本的编码。根据胜任特征编码框架，对言语文本进行编码。（5）根据数据分析结果提炼出胜任力要素框架。

绩效考核背景

绩效考核背景篇一：全面绩效管理研究背景与模型全面绩效管理研究背景与模型对现今的企业来讲，面对外部竞争和不确定性的经营环境，企业的高层或者说老板越来越感受到经营面临的压力，依据企业内外部现状采取战略调整、业务转型、组织重构、流程再造等措施，高层忙得不亦乐乎，而身处企业中低层的员工却我自巍然不动，从而使这些变革措施难以达到预期的效果。那么，企业应该通过什么方式来传达这种至上而下的经营压力、转型和变革，促进企业不断发展，使企业各个层级都能行动起来，感受企业经营和自身工作的关系，积极投入到实际工作，而不是事不关己、隔岸观火？那就是全面绩效管理，在谈全面绩效管理之前，我们先看看现有绩效管理，现有绩效管理注重于员工层面的绩效计划、实施、辅导和考核，较少与企业组织的绩效进行关联，以致产生员工绩效不错，而企业经营目标没有达成；或者组织业务已经调整了，而员工的工作目标、方式还在按照老程序进行。即便是和企业组织绩效关联，也缺少对企业战略目标的一致性理解和有效分解，在执行过程未进行有效计测和监控，难以根据营运绩效和环境变化进行适当修正或调整。理想的绩效管理应该是能有效落实战略目标，增加战略执行力，让员工清楚感受到自身工作与企业发展的关系，在战略和员工之间建立起

明确的目标等级链。并一方面通过员工绩效的执行和辅导来增强组织的绩效实现，同时通过监测重要绩效指标的变化，及时修正和调整经营目标或采取相应的经营管理措施，使企业的经营管理处于适当控制状态，确保经营目标的实现。而全面绩效管理就是基于上述思路提出的，旨在能有效的从上至下传递企业经营目标，使内部各层级员工清楚个人业绩对企业目标实现的关系，对经营过程进行有效监测与控制，实时的进行相关改进和调整，确保企业经营目标的实现。为了对全面绩效管理的理解，我们建立了以下的模型来进行说明，本模型只提供一种有利于思考的范式，不提供推行全面绩效管理的方法论，至于全面绩效管理体系建立方法，我们将另择篇幅进行讨论。1、全面绩效管理战略意义从上面模型可以看出，全面绩效管理是以企业的远景、使命和战略为基本出发点来进行系统思考开始的，以此明确企业的目标和关键成功因素，这样可以达到一下目的： ——澄清企业远景/使命/战略； ——企业上下达成一致性理解； ——明确企业成功的关键所在；对企业战略进行有效分解与落实，通过绩效报告，监控战略执行状态，定期评价和回顾，强化或修正战略目标。建立员工绩效和企业战略成功的联系，有利于将高不可攀的战略目标落实到员工日常绩效管理之中，定期评价和面谈，强化员工绩效改进。 2、全面绩效管理的特点