数据化绩效分析建模,提升部门岗位绩效
在人力资源的各个模块工作中,绩效的分析提升最能体现出人力资源的价值,我们在日常的绩效工作中需要对绩效做分析建模,然后根据绩效的模型来给解决方案,最终提升业务部门的绩效,在这个过程中,如何对部门,和岗位的绩效做分析,建模是一个关键的过程。因为我们后面的解决方案和最后的结果都是基于这个数据来的,数据建模中的数据表是数据的基础,我们先看看标准的数据绩效表
一、绩效标准数据记录表
这个表里有以下一些字段 部门,岗位,层级,姓名,绩效评估的考核指标,最终的绩效分值。
我们的数据分析和建模都是在这个表上做分析,有了这个表以后,我们需要考虑的是我们要做哪几个关键指标。
二、关键指标的选择和数据可视化
1、11月达到各类绩效标准的人数占比
我们在绩效最后的呈现上有 卓越,超出期望,部分超出期望 我们希望通过这个指标来看在每个类别上人数占比,如 果部分超出的占比比较大,那我们就要去关注了哪些部门,哪些人员在这个类别上占比大。
这个指标代表的是成分的关系,所以在图表的呈现上是饼图,具体如下
2、各个部门的绩效分布
以部门为维度来分析每个部门每个岗位的各个绩效类别的数据分析占比,所以在呈现上我们用条形图的成分堆积来呈现每个部门所有岗位的绩效类别占比。
3、各员工的绩效数据分值
在这个指标上,我们可以看到每个部门各位员工的绩效数据的分析,在这个指标上,我们把绩效的数据下沉到了姓名,用柱状图来呈现每个员工的绩效数据。
4、员工绩效数据雷达图
在绩效分析的时候,当我们发现某个员工绩效分值很低,这个时候我们就需要去分析这个员工在哪个绩效考核指标是最低的,从而可以给出解决方案,在这个指标上,我们可以用雷达图来表现每个员工的绩效数据分布
三、数据建模仪表盘
在有了数据的指标和数据可视化的图表后,我们就考虑对数据做建模和数据仪表盘,首先我们需要确定数据分析的维度,从哪几个维度切入来做数据的交互。
在绩效的模块中,要分析部门的绩效,岗位的绩效和个人的绩效,所以在交互的切片器中,我们选择了,部门,姓名。
除了部门和姓名维度外,我们也想知道每个绩效类别的人员分布是什么样的,所以在维度中还需要加上 绩效各个类别的筛选,最终我们建模仪表盘如下:
通过这个模型我们首先分析公司的宏观数据,看看公司整体的绩效是什么样的,然后再数据聚焦,来看关键部门和岗位的绩效分布,在各岗位绩效分布中,如果某个员工的绩效特别的差,我们可以看员工的绩效指标分布雷达图,从雷达图中可以看到哪个绩效指标是最低的,这样通过3个切片器可以对绩效做全面的分析。
相关文章
- 直接在代码里面对list集合进行分页
- .NET Framework 4.5新特性详解
- 大数据的简要介绍
- 大数据的由来
- 高斯混合模型的自然梯度变量推理
- timing-wheel 仿Kafka实现的时间轮算法
- 使用Navicat软件连接自建数据库(Linux系统)
- 那一天,我被Redis主从架构支配的恐惧
- Redis 深入了解键的过期时间
- C#使用委托调用实现用户端等待闪屏
- 基于流计算 Oceanus 和 Elasticsearch Service 构建百亿级实时监控系统
- GRAND | 转录调控网络预测数据库
- JFreeChart API中文文档
- 临床相关突变查询数据库
- TIGER | 人类胰岛基因变化查询数据库
- 视频边缘计算网关EasyNVR在视频整体监控解决方案中的应用分析
- Apache Arrow - 大数据在数据湖后的下一个风向标
- 常见的电商数据指标体系
- AKShare-艺人数据-艺人流量价值
- MySQL中多表联合查询与子查询的这些区别,你可能不知道!