【沃顿商学院学习笔记】商业分析——People Analytics:04 绩效评估的四个影响要素 Four Key Issues

商业进阶——人力分析

我们从四个关键的要素来学习绩效评估:

  • 均值回归 Regression to the Mean
  • 样本量
  • 信号独立性
  • 流程与结果

#1 均值回归 Regression to the Mean

一个简单的模型
•绩效有两个组成部分:

  • 用非正式术语:真正的倾向+运气
  • 用更正式的术语:y = x + e,
    •x =真实能力,和
    •e =错误,随机分布在0左右。

•当我们对极端绩效进行采样时会发生什么? 什么是极端成功和失败的基础?

  • 极端成功= f(超强能力,正误差)
  • 极端失败= f(劣等能力,负面错误)

•后果是什么?

忽略均值回归和均值回归的不同预测和实际结果:
•最近进行了一项研究,研究了20世纪90年代存在的283只股票共同基金的表现。 该研究将20世纪90年代分为早期(1990-1994)和晚期(1995-1999)。 以下是早期收益率最高的10只基金(名字伪装),排名从1到10.预测他们在20世纪90年代后期的排名。
结果表明实际上基金的表现并没有像预测的那样好的持续更好,而更多的取决于运气或者其他因素。
在这里插入图片描述
更多例子:例子
•警官以色列空军 - “惩罚主义有效而非赞美。 每当我在一次非常糟糕的飞行后惩罚飞行员时,我会在下次看到更好的表现。 每当我在一次出色的飞行后赞扬一名飞行员,我下次会看到更糟糕的表现。“

•彼得斯和沃特曼的着作“寻求卓越”。 他们在20世纪80年代早期选择了43家高绩效公司,并期待看到他们使用了哪些做法(他们发现的一些是组织相当于“刷牙”)

•表现优异的五家公司五年后的预测和对比:
在这里插入图片描述
可以说:无论何时根据一个属性的极值进行采样,任何其他不完全相关的属性都会更接近平均值。

  • “属性”可以是:
    •表现不同的时间点
    • 例如,去年的股票收益率和今年的收益率
      •具有不同实体的不同等级
    • 例如,一个人的跑步速度和语言能力

是什么妨碍了他们的持续性?
• 除其他事项包括:

  • 结果偏见
  • 事后偏见
  • 叙事寻求

•简而言之,我们过去的理解一般是

  • 我们找到一个连接所有点的故事,希望优秀的持续优秀。
  • 机会在这些故事中只是起着太小的作用,而实际不是。

#2 样本大小 Samples size

从小样本推断的案例一:
•您的公司有两个工厂,一个大型工厂,一个小型工厂,大规模生产标准计算机芯片。 除了它们产生的量之外,这两种植物在所有关键问题上都是相同的。 两者都使用相同的技术来生产相同的产品。 如果功能正常,这种特殊技术会产生百分之一(1%)的缺陷品。 从一天的生产中得到的保险项目超过百分之二(2%),在质量控制日志中特别注意“标记”问题。 在本季度结束时,您希望哪个工厂在其质量控制日志中有更多“被标记”的日子? 请标记一个。

大部分人的选择结果如下
22%•A)小型工厂
30%•B)大型工厂
48%•C)相同数字平均值

而实际上,答案是A我们需要注意因为小工厂的样本数小,因此容易产生样本波动和波动幅度较大,很难接近标准质量的平均值。

从小样本推断的案例二:
原理:样本意味着收敛到群体意味着样本增加。 (这被称为中心限制定理。)因此,您将在小样本中看到更极端的值。

  • 你是否更有可能在棒球比赛中看到.400赛季的平均击球率 - 5月1日或9月1日?
  • 在哪个医院,您更有可能看到比任何一天出生的男孩(或反之亦然)高得多的男孩 - 一个小型社区医院(例如,每天5个孩子)或一个大型城市医院(例如100个)出生/天)?

“小数定律” Law of Small Numbers

•人们认为小样本与基础人群的属性密切相关。
•这意味着他们很容易从样本中推断出人口的属性(例如,平均值)。
•他们忽略了在小样本中不可避免地扮演的角色变异性(即机会)。

#3:信号独立 Signal Independence

•大量预测的平均值可靠地优于个人平均预测。

  • 特殊错误相互抵消
  • 例如,高尔顿(1906年)的县公平竞赛
  • 许多其他例子

•但是,在他们的意见独立的情况下,他们的价值取决于他们。
•独立意味着不相关。
•如果相关,其他意见的价值会迅速减少。
调查结论如下:
在这里插入图片描述
•人们不善于考虑这种影响

  • 即使你确切地告诉他们相关性是什么,人们也没有适当调整(Enke&Zimmerman,2015)。

•两种观点之间的相关性来源?

  • 他们已经讨论过了!
  • 他们与同一个人交谈
  • 他们有相同的背景
  • 从同一个地方,以同样的方式训练,相同的历史经验等。

•需要找到保持意见独立性的方法,并为经验丰富的群体添加独立观点。

#3:流程和结果 Process vs. Outcome

考虑更广泛的目标
•组织通常关心他/她的工作

  • 最重要的是:对他人的影响
    •人们认为目标太少(Bond,Carlson&Keeney,2008)。
  • 系统地省略了近一半的目标,他们后来认为这些目标是个人相关的
    •导致许多公司依赖过于狭窄的一系列绩效指标。
    •众所周知的案例,戴尔电脑公司在21世纪初改变了他们的绩效评估。
    • 更改前:100%结果
    • 改变后:
      •50%的雇员完成工作,
      •受影响的人判断的50%/她是什么样的。
      •环境的不确定性,即员工对确切结果的无形控制,企业应该在评估过程中强调过程。

专注于流程
使用分析来更好地理解和关注倾向于产生预期结果的过程。
•关键问题:确定价值的基本驱动因素。

•比如销售额中的“更多基础驱动因素”是什么?

  • 出价?
  • 会议?
  • 联系人?

绩效评估总结
•1)了解环境

  • 知道你有偏见
  • 考虑机会
    •2)询问批评性问题

本章小结

了解您的环境
•多少是运气和多少是努力问题?
在这里插入图片描述

了解你的偏见
1)非回归预测
2)结果偏差
3)事后偏见
4)叙事偏见

考虑到机会因素占比
关键问题:持久性。
绩效指标越基本(与技能相关),它随着时间的推移会越持久。
绩效衡量指标与机会相关的越多,它随着时间的推移逐渐回归均值。

其中关键问题
•差异是持久的还是随机的? 即,我们怎么知道这不仅仅是好运/坏运气?
•样本是否足够大以得出有力的结论? 我们怎样才能让它更大?
•在这里点击了多少个不同的点燃? 我们怎样才能使它们尽可能独立?
•我们还关心什么?我们的测量足够吗? 我们可以衡量哪些更基本?

上课心得

对于分析的时候四个影响要素的学习,让我们更加理性的去对数据进行优化、建模,然后分析出更理性的解决方案。

展开阅读全文
©️2020 CSDN 皮肤主题: Age of Ai 设计师: meimeiellie 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值