1. Проверяем, насколько данные результативности (выполнение KPI или оценка результативности руководителем) подходят для анализа:
— Данные результативности за три периода коррелируют друг с другом на уровне 0,5 и выше. Период — это месяц / квартал / год, зависит от того, как часто вы собираете результативность. Если корреляция ниже, результативность слишком конъюнктурна (зависит от рынка / сезона / региона) или субъективна (зависит от мнения руководителя).
— Распределение оценок результативности не содержит очевидных аномалий (50% сотрудников в одной категории, если шкала категориальная, или не больше 33% сотрудников на сегмент в 5% в процентном расчёте выполнения KPI).
Если имеющиеся данные не подходят для анализа, собираем новые данные результативности, специально для исследования. Для этого проводим ипсативный опрос: просим руководителей построить рейтинг результативности сотрудников. Да, это лишнее касание до бизнеса, но без него здесь не обойтись.
2. Разбиваем всех сотрудников на две крайние группы согласно их результативности: берем 25–30% сотрудников сверху и снизу рейтинга, середину не учитываем.
3. По такому же принципу разбиваем сотрудников согласно их результатам оценки (низкие и высокие баллы).
4. Точность считаем, пользуясь матрицей 2*2 (см.картинку). Нас интересует процент результативных людей с высокими баллами по оценке и процент низкорезультативных, получивших низкий балл. В этих двух случаях оценка «сошлась в показаниях» с результативностью. Складывая эти проценты, получаем показатель точности оценки — 62%.
Какой процент точности является достаточным? Зависит от выборки (чем она меньше, тем точность должна быть выше):
—1 000 человек и больше — 55%
— 500 до 999 человек — 60%
— 100 до 499 человек — 65%
Но на деле все сложнее — зависит от стоимости и трудоемкости инструмента оценки, порога отсева.
Во многом этот метод опирается на четырехклеточные таблицы сопряженности, который в российскую практику оценки ввел Александр Георгиевич Шмелев. Кстати, у Александра Георгиевича есть свой
телеграм-канал.