聚合失败时
通常，如果数据系统配置正确，则适用于部门的任何绩效表达都可以针对单个工人进行陈述。例如，如果销售合同数/客户查询数=成功率，则可以为整个经销商以及该经销商中的每个销售代理给出成功率。由于代理之间的性能差异，仅使用聚合可能会出现问题。即使实际上他们是最强大的球员，也可能会责怪某些经纪人表现不佳。在制定和实施行动计划以提高绩效时使用汇总是有问题的，即使该计划旨在支持整个部门。
尽管我不是统计学家，但我仍然记得我上大学期间参加的几门课程。我发现了示例，就像人们从教科书中所期望的那样，而不是普通的和普通的。因此，当毕业生第一次进入生产环境时，从一般性和综合性角度分析问题似乎是完全正常的。可以根据具体个人，他们的特定行为，在准确的时间点评估操作问题，这是“面对您”的分析。但是重要的是，不仅要关注人。有必要考虑市场的行为，会员的能力，客户的反馈。同样，任何方法的基本目标都是使可操作性更接近于操作。
希望推动事业科学发展的人可能会说：“我发现假期后马上会出现大量缺勤现象，而与此同时，对我们服务的需求也很高。” 更加关注行动能力的人可能会说：“罗伯特证明了在假期后打电话请病假的可能性很大，这可能是为了避免那些日子我们经常遇到的打电话过多的情况。” 有什么不同？在第二种情况下，经理确切地知道如何处理该问题。我知道读者可能在想什么。他们以为我可能没有任何朋友。这不是友好的问题。数字可以帮助人们做出明智的决定。当然，
通常，至少在短期内，性能不一致。必须有跟踪每个人的发展的方法。遵循整个部门或公司的技术可能很有趣。但是谁值得加薪呢？谁的技术似乎效果最好？总量提供了一个镜头-但它是不公正和不精确的。如果员工有100名销售代理商，则有必要每天检查他们的个人绩效特征。一些公司有兼职人员。一个工人每天可能只工作几个小时。然后，有必要创建每小时分区。经理可能会问：“为什么周六下午3点到下午6点之间的销售会有如此大的改善？” 做出具体回应，例如“那是因为珍妮丝，真是令人欣慰。她是一位了不起的兼职工作者。
在“大量数据”的主题上，考虑在汇总和单个级别上分析数据可能必需的后勤，尤其是在数据系统并非旨在这样做的情况下。总体上探讨现象的一个原因是，很容易在教科书中介绍这种类型的分析。但是，让我们在现实生活中说，对更高精确度的需求很大。可以生成电子表格，显示任何给定日期的所有单个销售代理商的绩效组成部分，而不必每天都在同一行或同一列中。为每个座席运行报告非常诱人-从而将完成工作的时间乘以座席数量。如果手上有每日数据，则它们都在同一电子表格中。对它进行排序非常诱人-从而在每个人后面添加一个排序，然后进行求和运算。确实，如果每日报告包含10
要求一个人提供在特定时间段内（例如在业务可能可疑的时期）比较特定人员（例如“异常与正常”表演者）的分析并不罕见。试图确定可能导致或造成糟糕性能的原因是非常有意义的事情。天使的目的是帮助保护正在做的最好的人，并找出人们最不擅长的方面可能会做得更好的关注领域。寻找可能以个别术语表达的外部解释也很重要，例如，如果底层计算机系统和网络似乎干扰或阻碍了性能。可能缺少培训或参考资料。因此，将问题分解为各个方面有助于揭示与操作其他级别有关的改进领域；并且这些“信号”不一定存在于汇总或集体级别。
不用说，聚集体起着重要的作用。组织中的某些人对诸如代理人身份之类的细节不感兴趣。我相信这些天“微观管理”一词往往被滥用。本质上，如果对细节不感兴趣，则几乎没有微观管理的证据。重点可能只集中在汇总上。由于操作决策的发生更进一步，因此汇总不会在一般的监督级别上失败。“我注意到该指标开始下降。您为纠正这张幻灯片做了什么？” 度量标准正在下降的指示根本没有为需要操作指导的人员提供服务。相反，他们需要根据数据确定如何防止滑倒。如果有持续存在的问题必须纠正，必须进行“管理干预”。我将建议一位管理大量数据的经理似乎最有可能直接更改麻烦的指标。因此，我们应该将生产中数据科学的使用主要与操作而非监督联系起来，以进行建设性的干预。
绩效分析通常应用于与人力资源管理有关的个人。高管们更可能关注整体业绩-除非他们当然对运营有浓厚兴趣。新的绩效分析从组织的技术扩展而来。我拥有人力资源管理专业的研究生证书。我要说的是，由于该功能与生产有关并通过广泛使用数据库而不能很好地处理性能。它根本不在雷达范围内-无论如何现在还不在。因此，在实践层面上，处理单个层面上的指标的分析能力可能存在于其他组织功能中，或者从其他组织功能中出现（在我的情况下是质量控制）。因此，组织可能会遇到这种不寻常的情况，即纯粹出于分析能力的原因，检查工作质量的人员稍后可能会提供关于代理商绩效，市场需求模式，生产能力和未来发展的指导（以预测的形式）。我遇到了对“细节”的巨大需求-可以附加到个人表演的可行且令人信服的指南。
题库