如何进行360度评估

与普通的上级给下属打分不同，360度评价的评价信息来自多个渠道，包括上级、同事、被评价者、下属，有时还包括客户。因此，这种评估方法得出的结果相对更加客观。

那么，如何实施360度评价呢？接下来分享一下R公司360度评估的流程，主要分为三个阶段：前期准备阶段——评估实施阶段——结果反馈和使用阶段。

因为360度评价涉及的人很多，首先要让相关的人，包括所有的评价者和被评价者，项目组成员，公司的相关管理层，正确理解360度评价在企业中的目的和作用。

a)成立项目小组

在企业中推行360度评价可以看作是一个项目。要成立相应的项目组，确定项目负责人，便于实时跟踪评估进展，监控评估过程，梳理评估结果。

b)确定评价的内容和对象。

然后，要确定本次评价的目的、内容和对象，包括评价模型的设计、评价指标及相应的题目、评价方法等。评价指标一般根据公司需求确定。比如R公司的360度评价模型，包括影响他人、沟通协调、业务能力、目标设定与执行、专业素质。采用的测评方式是在线问卷，匿名回答。

问卷调查和一对一访谈都是通过360度评价收集反馈数据的方式，相对来说，问卷调查更常用。传统的问卷大多是纸笔作答。随着企业办公和管理信息的逐步数字化，电子问卷和在线测评系统越来越普及。r公司的360度评价也是基于360度在线评价系统，高效、公平、便捷。

c)技术培训的评估

最后，要对评价者进行评价技巧的培训，向他们详细解释360度评价的作用和目的，避免评价者的主观因素影响360度评价的结果。此外，360度测评非常重视答题卡的有效性，因此在测评过程中需要保证全程匿名，严格维护测评者的隐私权和测评结果报告的保密性。否则容易因为隐私保护问题造成团队矛盾和员工流失。

评价的内容、方法和对象在前期准备阶段确定后，就是评价的实施阶段。很多公司在这一步都会选择外包服务，R公司也不例外，选择360度对人评价体系。那么接下来我就给大家展示一下基于这个系统的具体操作步骤。

a)创建360评估活动并输入评估问卷。

企业可以在系统后台创建一个企业账号，该账号下的所有评价活动都会在后台显示，并且可以通过活动时间、活动状态、关键词等方式搜索指定的活动。

评估的第一步是将确定的评估主题输入系统。企业可以将确定的问卷问题手工录入系统，也可以提交给专属客服批量录入。如果企业想借鉴其他问卷，系统还内置了专业的问卷模板供您选择。

职称录入系统后，企业可以将职称与评价指标关联起来，比如“影响他人”这个维度将职称1关联到职称10，后续的评价报告会呈现出更清晰直观的图表结果。

企业可以在360度评价问卷表的基础上，通过增加宣传页的功能，再次向评价者进行说明，让评价者对本次360度评价活动有一个清晰的认知和定位，从而提高评价数据的真实性。

b)上传评测列表，邀请参与360评测。

根据前期准备阶段确定的评价清单和评价关系，企业

问卷发放后，企业可以在系统后台实时跟进评价者的回答状态。一般情况下，问卷发出后的第三天，已经发出但还没有完成的人会被邮件催促，没有回答的人会在第五天再次被邮件催促。如果还有人再三催促还没回答，可以整理一下名单，提交给各自的领导催促。

d)对评价结果进行整理和分析

系统自动回收已完成的问卷并进行数据统计。在数据完整的前提下，会产生个人360度评价报告和团队360度评价报告。r公司对输出评估报告的内容感到满意，但希望增加一些带有公司标签的内容，如logo、公司主题颜色等。所以它后来又定制了一个报告。以下为R公司360度测评报告部分内容：

依托成熟的线上测评系统，360度测评可以更高效的实施，更方便的使用到很多场景，包括绩效测评、培训效果测评、个人发展、团队分析、内部选拔晋升等。例如，从个人360度评价报告中，我们可以了解被评价者的优势和劣势，从而激励被评价者，根据结果制定个人发展计划或进行内部调动。

从企业发展和人才管理的角度来看，如果一个企业想要对内部人才情况有更深入全面的了解，我们还是建议企业采用“360度评价人才的绩效考核”新模式。

这三种方法的结合之所以会成为考核管理者的最佳方案，是因为通过分析可以发现，这三种考核方法会从绩效、能力和潜力三个不同的角度，以及从外在绩效和内在潜力两个不同的层面对管理者进行综合评价，作为涵盖各个方面的综合决策参考呈现给决策者。

希望以上分享能帮助你更好的实施360度评价。

相关问答：相关问答：审批信用卡时显示“综合评分不足”该怎样解决？

申请信用卡综合评分不足，这是我们经常遇到的问题。

信用卡申请综合评分不足，分为线上申请信用卡与线下申请信用卡，线上申请信用卡无论是申请人高负债还是征信问题，所有拒绝原因均为综合评分不足。

线下申请信用卡银行端看到的问题更为详细，被拒绝原因分为：征信不符、无人行、高负债、禁止类行业、不符合发卡条件、以及综合评分不足。 线下银行端看到的综合评分不足，其实是可以改变的。

综合评分不足是指每个银行根据不同客户给出的综合评分，但所有银行综合评分不足也有相同之处，下面通过五个维度来讲解综合评分不足以及怎样解决。

一、地址填写

无论是家庭地址还是单位地址，一定要写省、市、县，且精确到镇、村、路、号。

直辖市为市、区（县）、镇、村、路、号。

地址精确的目的是为了银行回访时可以明确的找到申请人所在位置，也是预防申请信用卡客户后期逾期后银行可以顺利找到客户所在地。

解决方法：地址填写精确。

二、联系人填写：

申请信用卡时需要填写联系人，联系人填写尽量选择一位直亲，一位同事。直亲就是父母或配偶，不要全都写朋友或者同事，联系人都是朋友或者同事就会降低综合评分。

填写直亲证明有家庭，有家庭相比无家庭的人更有责任感。填写同事间接证明申请信用卡者有工作，有工作才能走偿还能力，有偿还能力银行本金才能更安全。

联系人征信要好，联系人作为综合评分之一，如果联系人征信有问题会直接影响申请人综合评分。

解决方法：联系人填写直亲与同事最佳。且征信吴不良记录。

三、住宅类型

填写住宅性质分别有：自有住房，亲属住房，租房，集体宿舍

自有住房：填写自有住房评分最高，银行视自有住房客户为高资产客户，高资产同时也意味着低逾期，即便出现逾期也会有资产抵债能力。

亲属住房：填写综合评分偏高，亲属住房通常为父母家，信用卡持卡人出现逾期时可以通过住址直接联系亲属进行催收债务。

租房：填写租房综合评分相对较低，原因则为住所不固定，发卡银行没有安全感，所以综合评分较低。

集体宿舍：填写集体宿舍综合评分最低，集体宿舍综合评分低于租房综合评分，原因是没有能力租房，所以集体宿舍综合评分低于租房。

住宅性质无论是那一类，但必须保证真实。填写真实的住宅性质综合评分可能会低，但是填写假的住宅性质综合评分不但没有，反而会被扣减。

解决方法：住宅性质填写保证真实的前提下。尽量选择评分较高的住宅性质。

四、单位与行业填写

单位性质综合评分序列分别为：国有、外资、股份制、私企、个体。

目前综合评分不足最多的为个体单位，其次是私企单位。个体工商户员工通常收入少，相对来说偿还能力低，风险高，所以综合评分低。

行业：目前行业分类为28类，部分银行会把服务类行业视为禁止类行业，比如美容美发，餐饮，洗浴，KTV，因为此类从业者年龄相对较低，收入较少，还款能力较弱，逾期率大于其他行业，所以部分银行会把服务类行业视为禁止类行业。

单位名称填写：单位名称填写一定要填写全称，填写单位简称轻则会导致降低综合评分，重则会导致拒卡。目前企业注册较多，名称容易混淆，建议登陆企查查或天眼查确定单位真实名称并按全称填写

解决方法：选择真实单位名称并填写工作单位全称。

五、申卡条件：

申卡条件分为5类：房产申卡、车产申卡、社保公积金申卡、学历申卡、以卡办卡。

房产申卡：

房产申请信用卡客户多为申请大额信用卡客户，对于房产申请信用卡银行要求面积大于60平方米或价值高于40万元，两者未达到要求时视为评分不足，从而引发拒绝申请或降低信用卡等级。

车产申卡：

车产申请信用卡分为高端信用卡与中端信用卡。

高端信用卡申请要求车产注册时间3个月以上五年以内，车产价值大于15万元。未能满足标准则为降低信用卡等级或拒绝申请，原因则为评分不足。

中端信用卡申请要求车产注册时间大于3个月，车产价值大于3万元。未能满足要求则为评分不足不符合发卡条件，以上两者要求车产均为信用卡申请者本人名下。

社保公积金申卡：

使用社保或公积金形式申请信用卡与缴纳基数相关，社保公积金缴纳基数越高评分则会越高，反之就会越低。

使用社保公积金申请信用卡注意是否属于第三方社保，第三方缴纳社保公积金单位名称会与所在单位名称不符，单位名称与缴纳社保公积金单位名称不符会导致综合评分扣减，致使综合评分不足银行拒绝发卡。

学历申卡：

学历要求大专及以上学历，并且学信网可查。未满足条件，综合评分则会扣减，致使评分不足银行拒绝发卡。

使用学历办理信用卡时注意是否已经毕（结）业，如在校大学生银行不予发卡，银行视在校大学生没有收入，也就是没有偿还能力，在校大学生为禁止类客户，所以综合评分不足。

以卡办卡：

以卡办卡是指申请信用卡者其他银行信用卡，使用其他银行信用卡办理另一家银行信用卡。当被使用信用卡的额度已使用超90%时则为风险客户，信用卡综合评分则会扣减。

当被使用信用卡曾经有逾期时综合评分下降，被使用信用卡曾经有逾期银行则视为守信能力较差，所以综合评分下降。

当被使用信用卡经常最低还款综合评分下降，被使用信用卡经常最低还款银行则视为还款能力较差，从而致使综合评分下降。

解决方法：尽量选择资产类办卡，填写要真实且一致。

喜欢信用卡知识请点击关注，我会持续带来更多信用卡知识。

数据分析的本质是抓住“变”与“不变”。

谈到数据分析，大家往往会联想到一些密密麻麻的数字表格，或是高级的数据建模手法，再或是华丽的数据报表。其实，“ 分析 ”本身是每个人都具备的能力；数据分析是为了能以量化的方式来分析业务问题并得出结论。

其中有两个重点词语：量化和业务。首先讲下量化。量化是为了统一认知，并且确保路径可回溯，可复制。 统一认知后，才能保证不同层级，不同部门的人在平等话语权和同一个方向的背景下进行讨论和协作，才能避免公司内的人以“我感觉”、“我猜测”来猜测当前业务的情况。

路径可回溯可复制指的是，通过量化后的结果，许多优化的方法是可以被找到原因并且可以被复制的。同样是转化率优化，用 A 方案和 B 方案，谁的效果会比较好和具体好多少，都是可被预测的。

要想做到量化，需要做到三点：建立量化体系，明确量化重点和保证数据准确性。

建立量化体系

主要是根据“指标设计方法”，设计业务的核心指标+拆解指标+业务指标，最后落地成全公司通用的“指标字典”和“维度字典”。这种工作一般是由数据分析师或数据 PM 来担任完成。通过这种方式，我们就能初步建立面向全公司全面而系统的量化分析框架，保证日常分析可以做到逐层拆解，不重不漏。

明确量化重点

每个阶段，都应该明确当前的业务重点。量化体系需要根据业务阶段，更改量化重点及方式。这同时意味着，有更细节的指标及更大的监控和推广力度。

比如外卖行业早期，经历了看重订单数，到订单额，到新客数+补贴率，到新客数+资金使用效率（交易完成进度/费用完成进度）的历程。

我们可以看到，随着战争开拓的阶段不断升级和变化，从不计成本打下市场份额，到看中订单质量，到存量市场争得差不多了，开始考虑新客数量，同时控制补贴力度，到战争趋于常态化，开始控制整体补贴额度，靠拼效率来战胜对手。

每个阶段，都需要根据不同的战场情况来判断当前重点，从而围绕该重点建立一套360度无死角的分析监控体系。

确保数据准确性

在数据准确性这个话题里，数据产品已经有成熟的数据质量管理方法，涉及了数据源，指标计算和数据呈现等各个环节的监控。

站在业务的角度

除了量化之外，另外一个重点词语是业务。只有解决业务问题分析才能创造价值。价值包括个人价值和公司价值。

如何站在业务方的角度思考问题呢，总结起来就是八个字“忧其所虑，给其所欲”。这里不仅适用于分析师这个岗位，在所有以供需为主要关系的交互过程里，精准理解对方需求对于供给方都是最重要的。

这些小型决策，其实都是依照我们脑海中的数据点作出判断，这就是简单分析的过程。对于业务决策者而言，则需要掌握一套系统的、科学的、符合商业规律的数据分析知识。

数据分析的战略思维

无论是产品、市场、运营还是管理者，我们必须反思：数据本质的价值，究竟在哪里？从这些数据中，团队都可以学习到什么？

数据分析的目标

对于企业来讲，数据分析的可以辅助企业优化流程，降低成本，提高营业额，往往我们把这类数据分析定义为商业数据分析。商业数据分析的目标是利用大数据为所有职场人员做出迅捷、高质、高效的决策，提供可规模化的解决方案。商业数据分析的本质在于创造商业价值 ，驱动企业业务增长。

数据分析的作用

我们常常讲的企业增长模式中，往往以某个业务平台为核心。这其中，数据和数据分析，是不可或缺的环节。

通过企业或者平台为目标用户群提供产品或服务，而用户在使用产品或服务过程中产生的交互、交易，都可以作为数据采集下来。

根据这些数据洞察，通过分析的手段反推客户的需求，创造更多符合需求的增值产品和服务，重新投入用户的使用，从而形成形成一个完整的业务闭环。这样的完整业务逻辑，可以真正意义上驱动业务的增长。

数据分析进化论

我们常常以商业回报比来定位数据分析的不同阶段，因此我们将其分为四个阶段。

阶段 1：观察数据当前发生了什么？

首先，基本的数据展示，可以告诉我们发生了什么。例如，公司上周投放了新的搜索引擎A的广告，想要比对一周下来，新渠道 A 比现有渠道B情况如何，A、B 各自带来了多少流量，转化效果如何？又比如，新上线的产品有多少用户喜欢，新注册流中注册的人数有多少。这些都需要通过数据来展示结果，都是基于数据本身提供的“发生了什么”。

阶段 2：理解为什么发生？

如果看到了渠道 A 为什么比渠道B带来更多的流量，这时候我们就要结合商业来进一步判断这种现象的原因。这时候我们可以进一步通过数据信息进行深度拆分， 也许某个关键字带来的流量，也许是该渠道更多的获取了移动端的用户。这种数据深度分析判断，成为了商业分析第二个进阶，也同时能够提供更多商业价值上的体现。

阶段 3：预测未来会发生什么？

而当我们理解了渠道 A、B 带来流量的高低，就根据以往的知识预测未来会发生什么。在投放渠道 C、D 的时候，猜测渠道 C 比渠道 D 好，当上线新的注册流、新的优化，可以知道哪一个节点比较容易出问题；我们也可以通过数据挖掘的手段，自动预测判断 C 和 D 渠道之间的差异，这就是数据分析的第三个进阶，预测未来会发生的结果。

阶段 4：商业决策

所有工作中最有意义的还是商业决策，通过数据来判断应该做什么。而商业数据分析的目的，就是商业结果。当数据分析的产出可以直接转化为决策，或直接利用数据做出决策，那么这才能直接体现出数据分析的价值。

数据分析的 EOI 框架

EOI 的架构是包括 linkedIn、Google 在内的很多公司定义分析型项目的目标的基本方式，也是管理者在思考商业数据分析项目中一种基本的、必备的手段。

其中，我们先会把公司业务项目分为三类：核心任务，战略任务，风险任务。

数据分析项目对这三类任务的目标也不同，对核心任务来讲，数据分析是助力（E），帮助公司更好的盈利，提高盈利效率；对战略任务来说是优化（O），如何能够辅助战略型任务找到方向和盈利点；对于风险任务，则是共同创业（I），努力验证创新项目的重要性 。

管理者需要对公司业务及发展趋势有着清晰的认识，合理分配数据分析资源、制定数据分析目标方向。

数据分析的基本思路

而面对海量的数据，很多人都不知道从如何准备、如何开展，如何得出结论。下面为大家介绍做数据分析时的 基本思路，希望在数据分析的实际应用中能给大家带来帮助。

数据分析的基本步骤

上面我们提到了数据分析与商业结果之间关联的重要性，所有商业数据分析都应该以业务场景为起始思考点，以业务决策作为终点。数据分析该先做什么、后做什么？基于此，我们提出了商业数据分析流程的五个基本步骤。

第一步：挖掘业务含义。

首先要了解市场部想优化什么，并以此为北极星指标去衡量。对于渠道效果评估，重要的是业务转化，重点在于如何通过数据手段衡量转化效果；也可以进一步根据转化效果，优化不同渠道的运营策略。

第二步：制定分析计划。

以 “投资 理财 ” 为核心转化点，分配一定的预算进行流量测试，观察对比注册数量及最终转化的效果。记下俩可以持续关注这些人重复购买理财产品的次数，进一步判断渠道质量。

第三步：拆分查询数据。

既然分析计划中需要比对渠道流量，那么我们需要各个渠道追踪流量、落地页停留时间、落地页跳出率、网站访问深度以及订单等类型数据，进行深入的分析和落地。

第四步：提炼业务洞察。

根据数据结果，比对广告投放后的效果，根据流量和转化两个核心KPI，观察结果并推测业务含义。假设移动搜索效果不好，可以思考是否产品适合移动端的客户群体；或者仔细观察落地页表现是否有可以优化的内容等，需找出业务洞察。

第五步：产出商业决策。

根据数据洞察，指引渠道的决策制定。比如优化移动端落地页，更改用户运营策略等等。

DOSS 思路

DOSS 思路是从一个具体问题拆分到整体影响，从单一的解决方案找到一个规模化解决方案的方式。快速规模化有效的增长解决方案，DOSS 是一个有效的途径。

数据分析的八种方法

数字和趋势

看数字、看趋势是最基础展示数据信息的方式。在数据分析中，我们可以通过直观的数字或趋势图表，迅速了解例如市场的走势、订单的数量、业绩完成的情况等等，从而直观的吸收数据信息，有助于决策的准确性和实时性。

维度分解

当单一的数字或趋势过于宏观时，我们需要通过不同的维度对于数据进行分解，以获取更加精细的数据洞察。在选择维度时，需要仔细思考其对于分析结果的影响。

用户分群

针对符合某种特定行为或背景信息的用户，进行归类处理，是我们常常讲到的用户分群（segmentation ）的手段。我们也可以通过提炼某一群用户的特定信息，创建该群体用户的画像。例如访问购物网站、寄送地址在北京的用户，可以被归类为“北京”用户群体。而针对“北京”用户群体，我们可以进一步观察他们购买产品的频度、类别、时间，这样我们就创建出该用户群体的画像。

转化漏斗

绝大部分商业变现的流程，都可以归纳为漏斗。漏斗分析是我们最常见的数据分析手段之一，无论是注册转化漏斗，还是电商下单的漏斗。通过漏斗分析可以从先到后还原用户转化的路径，分析每一个转化节点的效率。

其中，我们往往关注三个要点：

01）从开始到结尾，整体的转化效率是多少？

02）每一步的转化率是多少？

03）哪一步流失最多，原因在什么地方？流失的用户符合哪些特征？

行为轨迹

关注行为轨迹，是为了真实了解用户行为。数据指标本身往往只是真实情况的抽象，例如，网站分析如果只看访问用户量（UV）和页面访问量（PV）这类指标，断然是无法全面理解用户如何使用你的产品。

通过大数据手段，还原用户的行为轨迹，有助于增长团队关注用户的实际体验、发现具体问题，根据用户使用习惯设计产品、投放内容。

留存分析

在人口红利逐渐消褪的时代，留住一个老用户的成本要远远低于获取一个新用户。每一款产品，每一项服务，都应该核心关注用户的留存，确保做实每一个客户。我们可以通过数据分析理解留存情况，也可以通过分析用户行为或行为组与回访之间的关联，找到提升留存的方法。

除了需要关注整体用户的留存情况之外，市场团队可以关注各个渠道获取用户的留存度，或各类内容吸引来的注册用户回访率，产品团队关注每一个新功能对于用户的回访的影响等等，这些都是常见的留存分析场景。

A/B 测试

A/B 测试用来对比不同产品设计／算法对结果的影响。产品在上线过程中经常会使用 A/B 测试来测试不同产品或者功能设计的效果，市场和运营可以通过 A/B 测试来完成不同渠道、内容、广告创意的效果评估。

要进行 A/B 测试有两个必备因素：第一，有足够的时间进行测试；第二，数据量和数据密度较高。因为当产品流量不够大的时候，做 A/B 测试得到统计结果是很难的。而像 linkedIn 这样大体量的公司，每天可以同时进行上千个 A/B 测试。所以 A/B 测试往往在公司数据规模较大时使用会更加精准，更快得到统计的结果。

数学建模

当一个商业目标与多种行为、画像等信息有关联性时，我们通常会使用数学建模、数据挖掘的手段进行建模，预测该商业结果的产生。

当我们需要预测判断客户的流失时，可以通过用户的行为数据、公司信息、用户画像等数据建立流失模型。利用统计学的方式进行一些组合和权重计算，从而得知用户满足哪些行为之后流失的可能性会更高。

我们常常说，不能度量，就无法增长，数据分析对于企业商业价值的提升有着至关重要的作用。当然，仅仅掌握单纯的理论还远远不够，实践出真知。