打开文本图片集

摘要：伴随业务发展，科研院所员工需要涉猎更多领域，如专项技术研究、故障诊断、现场问题处理、计划管理、质量管理等工作，仅由主管领导关注，无法做出较为客观公平的评价。本研究基于大数据技术探索一种更加科学的综合评价机制，通过制定多维度评价指标，设置合理的评价标准，使复杂的技术工作实现指标评价考核，进而提高企业整体效能。

关键词：大数据；多维度评价；岗位目标；知识成果

引言

随着对高质量科技装备需求日益增加，质量管理、工艺水平、成本控制、创新工作的压力也与日俱增，对员工技术工作能力的要求也越来越高。对员工的评价，应该由原来的垂直管理的单一评价转变为横向、多维度的综合评价。大数据技术在员工绩效评价领域的引入，改变了传统考评模式，促使大数据真正发挥出其实际应用价值[1]。一方面，主管领导通过不断增长的业绩数据获得员工工作、学习过程中实时动态的信息，对员工的业绩做出及时准确的评价，并及时调整学习和工作计划，实现精准指导；另一方面，大数据不仅为员工学习提供了更具即时性、交互性、视觉性的信息资源和能力提升条件，也为摸索实践综合评价模式，打造一批基础扎实、创新意识强的技术人才奠定技术基础。

一、基于大数据的员工综合评价模式研究的必要性

实现技术引领发展迫切需要深挖员工潜力。技术是企业实现持续发展的决定性因素，技术人才则是构建企业核心竞争力的必要条件。如何正确评价和有效激励员工，特别是员工服务企业这一难题，急于得到破解。员工的工作一般为复杂性任务较多，工作难度大和工作量衡量困难，在追求工作成效的同时，也注重经验积累、职业成长和价值实现等“软待遇”，不恰当的激励容易造成员工主动性不足。一方面，如何引导员工自发提升技术水平、拓展知识视野，是员工管理的主要课题；另一方面，员工的自身发展方向应与企业发展保持一致，技术攻关的目标应是企业的痛点和难点。因此，建立一套数据为先、准确评价、挖掘潜力的工作机制就尤为迫切。

提高专业技术水平的有效途径是实施科学评价。在对员工的传统评价模式中，以往只关注工作业绩，而与技术工作相关的学习规划、工作能力、成果成效等关注不够，评价指标体系维度相对单一，评价考核主体不全面，评价体系标准设置不合理。大量员工满足于干好本职工作，对前沿技术的学习积极性不高，综合业务能力弱，缺乏技术成果的提炼；工作效率和工作质量之间的平衡不够科学，员工在工作中抓不住重点，自我发展规划弱，容易引发畏难情绪和心理矛盾。结合发展实际，有必要探索一种更加科学的评价机制，通过制定多维度评价指标，设置合理的评价标准，引导和激励员工全面提升综合业务能力，促进企业专业技术水平的提高。

传统的评价模式依托传统的绩效考核，缺乏与互联网、大数据技术的融合，指标不够全面、维度单一，不能真正意义掌握员工的工作学习状态和成长需求并客观、全面地反映其业绩。随着传统的绩效考核体系与员工多维度客观评价之间的矛盾日渐凸显，构建基于大数据的员工综合评价模式就显得极为重要。大数据相关工作大致包括数据采集与标识、数据存储与管理、数据分析与挖掘、数据展示与应用、数据标准与安全等[2]。运用大数据技术的统计分析和深度挖掘功能，将具体指标进行量化评分，将个人业绩评价和素质评价作为员工综合评价的基础：个人业绩评价以日常工作量为核心，衡量员工的工作质量、工作效率和工作成效，构建一套横向、多角度的综合评价体系。

二、基于大数据的员工综合评价模式设计

针对员工，从知识学习、业务能力、综合素质三个方面工作目标达成为引导与驱动，通过领导沟通启发、目标设定及管控的标准作业、业绩多维度量化评价、专项奖励等措施，并借助大数据技术手段，构建员工综合评价的工作模式及支撑平台。调动员工的工作积极性与创造性，强化工作岗位目标设定与履职管控，促进关键项目攻关及成果转化，从而保障企业快速发展的技术需求。

（一）以员工工作和学习过程大数据为基础

获取大量的高质量数据是挖掘和运用信息的前提，相关数据量呈现爆炸式增长[3]。高质量数据包括真实反映员工工作业绩、学习效果、态度表现、成果转化等信息的数据资源集合。针对员工工作和学习过程，依靠基础数据治理来完成数据资源的整合，通过梳理、校对、修订、删除、汇总有关数据。企业各职能部门的管理系统中存储着大量与员工业绩相关的数据，如项目管理系统中的产品研发、技术攻关、工艺改进、生产交付情况等信息；知识产权管理系统中的论文、成果、专利等相关数据；人事系统中的员工信息、职称数据等作为精准的基础数据。

以上数据都可以从网络系统中提取并集成到企业统一的信息化管理平台，利用大数据思维和相关技术，以客观数据和事实为基础，分析员工知识学习、业务能力和综合素质三方面目标达成度和成长驱动模式，建立综合评价体系，促使员工结合岗位学习和业务承诺开展自我管控，提高知识水平、提升业务能力的同时掌握更多关键技术，从而更好地调动员工工作积极性和主观能动性。

（二）设计多维度量化评价指标

为对员工开展更加科学规范的量化评价，围绕年度工作情况和考核目标设计相应的量化评价指标。指标的设计按照定量与定性综合衡量、过程与结果关联评价的原则协调相互关系，既不放大单一指标价值破坏评价体系，也不以牺牲其它指标为代价改进和维持某一特定指标。遵循数据为先、指标驱动的多维度综合评价模式宗旨，充分考虑学习创新、岗位胜任、成长潜力和长远发展，设计确定多维度评价指标包括知识学习、工作成效、能力提升和成果提炼四个方面。

知识学习指标包括学习态度和主动性、应用领域和要点、知识重要度和掌握度；工作成效指标包括工作业绩完成情况、工作质量及准确性、工作效率和工作难度；能力提升包括责任态度和执行力、组织策划和问题解决、沟通协调、创新意识；成果提炼积累于日常工作，应注重总结提炼、形成成果，主要指标包括创新成果、规则和标准规范等共性技术、论文专利及知识产权、培训调研及案例编纂。

定量评价是运用数据信息记录员工做与学的成果，具有准确、客观、标准的特征，但忽视了工作学习中无法量化的特质，如积极性和主动性，从而降低了评价的有效性。定性评价是用文字语言记录业务进程，能够直观地反馈，有助于评价主体与客体的双向交流，是定量评价的补充与完善，但是过于依赖评价主体的个人观点和经验，导致评价有失公允。运用大数据技术信息反馈及时、数据收集全面的优势，将定量和定性相互补充、相互完善，运用数据+经验全方位考核，综合评价将更准确、详实、客观，在产生激励作用的同时，促进考评机制的改进及管理效能的提升。

（三）构建员工综合评价主体框架

利用现有专业技术人才资源，由主管领导、直属领导和业务主管组成专业考评组，从三个层次构建年度业务评价体系框架，并在此基础上累加知识成果和关键技术掌握程度，形成与员工的综合量化得分。评价由三部分组成，分别是：岗位目标达成、知识成果和关键技术掌握。岗位目标达成对应知识学习、工作成效和能力提升三个维度，知识成果对应成果提炼维度。

每年度专业考评组根据员工的工作学习实施情况和技术专项工作开展情况进行评价。岗位目标达成立足知识学习、工作成效、能力提升三个维度进行规划，目标体现学习的主动性和积极性，知识的掌握程度及产生价值，履职情况、责任意识和执行力等。知识成果涵盖员工全年开展的学习研究和技术工作，具体的知识成果计分项目及标准清单包括专利、论文、创新成果、调研报告等。关键技术掌握作为加分项目，重点考核员工对新兴前沿技术知识的了解情况，对关键工艺、技术、设备掌握的程度，是否达到企业内领先水平。知识成果的提炼和关键技术的掌握有助于员工归纳总结，对符合条件的事项以“附加分”的形式计入年度综合评价分。

基于大数据的综合评价模式形成了以员工为主体，全面提升为主导，专业考评组为辅助的多维度、多元化、多种类评价有机结合的综合评价体系，不仅有助于引导、监督员工主动学习，促进业务能力和综合管理水平提升，而且能够加强上下级、团队成员之间双向沟通和协同。

三、基于大数据的员工综合评工作机制建设

构建基于大数据的员工综合评价模式，需要具备相应的工作机制保障，其对于企业实现科学化管理至关重要[4]。通过建立包含评价实施办法和数据采集制度、标准作业流程、反馈优化等一系列工作机制，将数据分析与评价工作进行联动，利用评价结果不断改进、调整，保证员工评价工作的有序运行和持续提升。

（一）建立评价实施办法和数据采集制度

编制《企业员工综合评价实施办法》，规范员工量化考核工作开展过程，明确实施过程中具体的考核程序和方法，保证员工年度考核的有据可依，为过程实施提供机制保障。一方面，为考核员工对岗位理论知识和专业能力的掌握程度、培训组织、更新知识结构等提供客观合理的依据。另一方面，为正确估价员工的行为和绩效、提升综合素质、岗位调动等奠定制度基础。通过实施办法的有效运行，进而确保员工量化评价过程的规范有序。

大数据是员工综合评价模式构建的基础，对大数据的采集、挖掘和统计分析是开展各项工作的基础。通过建立规范的数据采集制度，保证各类企业数据和个人数据能够得到及时有效的收集，针对所有员工评价条目建立相应的数据信息库，科学管理、分类筛选。采用图表、看板等显性化形式呈现，实现按需调用、实时数据反映、阶段数据汇总、年度数据统计，逐步建立围绕员工综合评价模式的大数据库，为进行大数据分析提供支撑。

（二）实施标准作业

通过标准作业提升业务执行效率，面向流程加强过程管控。建立岗位目标达成数据库，固化计划申报、学习工作内容及目标、进展汇报、项目总结等内容格式；明确承诺事项、考核指标分类、评价要点描述、等级和对应分值。根据数据录入流程，在不同节点触发相应任务，实现流程驱动考核。

将计划申报和量化评价纳入标准作业流程，员工每年初自主申报岗位目标计划。每季度对学习、工作进展情况进行反馈，可根据实际需要增加和删减项目。每年底结合工作情况进行数据统计分析，随后专业考评组根据统计分析结果进行评分。通过实施标准作业，实现量化评价考核的有序开展。

（三）形成反馈优化机制

应用大数据技术，形成员工评价工作反馈优化机制，需要充分利用云计算、人工智能、物联网等技术。从技术上看，大数据与云计算的关系就像硬币的正反面密不可分[5]。大数据必须采用分布式架构进行处理，其特色在于对海量数据进行分布式挖掘，但必须依托云计算的分布式处理、分布式数据库实现。

依托各种信息技术，对企业信息化管理平台和职能部门管理系统数据进行收集、梳理、存储。利用设计的多维度指标及考评模型完成分析、评价和改进建议，掌握员工整体工作成效和评价模式运行状态，实现对员工业绩数据的深度挖掘、综合分析及信息反馈，为员工个人发展和评价工作的改进优化提供机制保障。

四、结束语

以大数据为基础的员工综合评价工作模式，在传统的评价体系中融入大数据挖掘技术，采用定量和定性相结合的方式，重构员工考评体系。充分发挥企业信息化管理平台和大数据技术优势，将不同职能部门、不同类型、相互关联的数据进行挖掘和组合，将员工在知识学习、工作成效、能力提升和成果提炼四个维度以数据形式呈现，为更加科学合理地开展员工评价、人才梯队建设工作提供了机制保障。

参考文献：

[1] 王莉，周康康. 大数据背景下的企业管理创新研究[J]. 科技经济导刊，2020（16）：240.

[2] 王新民，陈德良. 大数据人才培养探讨[J]. 信息技术与标准化，2019（5）：65.

[3] 刘晓华，隋晓，黄岩. 大数据时代背景下企业经营管理模式与发展策略研究[J]. 中国市场，2019（19）：192.

[4] 高培舒. 概述在大数据背景下企业管理模式的新策略[J]. 中国战略新兴产业，2019（46）：251.

[5] 黄述杰，顾金霞. 云计算技术在计算机大数据分析中的应用[J]. 电子技术与软件工程，2022（8） ：236.

作者简介：冯斐（1987-），女，陕西西安人，对外经济贸易大学统计学院在职人员高级课程研修班学员。