分享好友 站长动态首页 网站导航

如何进行360度评估

网友发布 2023-09-24 19:14 · 头闻号竞价资讯

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。

免责声明:本平台仅供信息发布交流之途,请谨慎判断信息真伪。如遇虚假诈骗信息,请立即举报

举报
反对 0
打赏 0
更多相关文章

评论

0

收藏

点赞