基于数据分析的评分系统改进

现代互联网组织愈发依赖数据，收集反馈，以正确有效的决策。

本文以软件工程师的绩效考核为例，展现了如何通过数据分析，调整和改进量化的评分系统。

业务问题：

基于360度绩效考核方法，现代组织会设计问卷调查表，请被考核员工的同事客户针对多个问题进行打分，以得到该员工量化的绩效结果。

在实践中，这套方法遇到两个问题：

1. 问卷调查问题的设计是否合理： 理想中，每个问题都应该相互独立，也就是问题1的结果不会对问题2造成影响。问卷表很难在第一个版本中就设计完备，设计问题本身也是一个基于反馈分析的迭代过程。
2. 有时候，调查结果与经理的主观判断有差异。有经验的经理作为专家，其主观判断应该作为评价结果的重要输入。 那如何调整才能考虑经理判断的同时，又不失评分系统的公允呢？

工具选择：

我们有了某组织某年度所有员工的绩效评分数据，那选择什么数据分析工具呢？

1. 这类业务问题的数据量通常不大，而且对分析结果的实时性要求也不强，所以没有必要使用Hadoop，Spark等平台；
2. 中小量的非实时数据分析，工具有很多选择： Excel用的最多，初步的数据清理和呈现，Excel是很方便的。复杂些的分析，可以选择Python或R，Python作为通用语言，各平台对它的支持很好，像新浪的PaaS SAE可以直接支持Python；而R的库很全，基本可以覆盖所有的统计需求。

这个例子中，我们使用R。

分析过程和结论：

经过数据清洗，我们有了某组织某年度所有员工的绩效评分数据如下：

第一列是工程师名字，Average of Q1 到 Q5是该工程师在5个问题上得分的平均值，最后一列是该工程师最后的总分。

Engineer	Average of Q1	Average of Q2	Average of Q3	Average of Q4	Average of Q5	Average of SUM
Michael	66	72	68	70	66