不容忽视的工作分析中常见问题

  • 格式:doc
  • 大小:15.50 KB
  • 文档页数:3

不容忽视的工作分析中常见问题

为了保证人才选拔的科学性,要利用现代人才测评技术,按照一套科学、完整的流程来收集人事决策信息。那么,在这些信息收上来之后,如何进行决策呢?

所谓人事决策模型,确实是收集和整合人事信息,最终做出用谁不用谁的程序和方法。现实当中企业的人事经理使用的评判方法越来越多,如面试、笔试、360度反馈等等,然而在做最终的用人决策时,人事经理报上去的结果总是让企业老总觉得没底,他们经常发出如此的疑问,如何与实际当中所了解到的情形不一致呢?这种方法不太准吧。之因此显现这种现象,问题出在整合人事信息的方式方法上,也确实是他的人事决策模型不合理。

依照收集信息和整合信息方式的不同,可划分八种人事决策方法。

1.完全判定法

收集信息时,采纳的是主观判定的方式,而在做人事决策时,也是用主观判定的方式。临床法要紧靠的是评判者的体会,易受人的主观因素的阻碍,但却是许多企业实际在用的人事决策方法,一是因为那个方法简单易行,二是因为对其它方法缺乏认识和了解,也找不到合适的方法。

2.量化评估法

在收集信息时用主观判定的方式,而在做决策时采纳了量化统计的方法,这确实是主客观结合的量化评估法。举例来说,企业里做干部选拔时,由几位评委面试被评判者,按照几个评判要素对被评判者进行评分,然后把评分的结果进行统计处理,分数高者予以录用。这种方法在收集信息时用了面试这种主观判定的方法,而在决策时用了量化统计的方法。

这种方法在人才测评中用得较多,但由于缺少专业训练和体会,用得不科学,使打分的结果与实际情形差异专门大。

3.因素说明法

在收集信息时用量化方式,在决策时依照收集到的量化信息进行主观判定,然后做出决策。比如,为了了解被评判者的个性特点,我们会使用一些信度和效度比较好的心理测验工具,收集被测者个性特点方面的信息。被测评者答完问卷后,统计出被测评者在问卷中每一项测评维度上的得分,就能够用来判定被测评者的个性方面的特点。有的被测评者在权力动机那个维度上得分较高,亲和动机得分中等偏低,决策者因此判定候选人比较适合从事团队领导者的角色。那个地点不是按照简单的分数统计,以一个分数线来决策的而是决策者依照各测评维度的分数,结合自己的体会而

进行的主观判定。

4.完全统计法

收集信息和做人事决策时,均使用了量化的方法。这种方法在面对较大量的候选人时,采纳笔试选择的方式,进行人事决策。比如,一个企业预备选拔30名后备干部,而报名的有150人,那个时候为了提高工作效率,就能够使用治理能力测试,作为一个选择,经考试答题,得分排在前50名的人,能够直截了当录用,或者进入下一轮测试选拔程序。

5.判定合成法

在收集人事信息时,既有主观判定的方式,也有统计计分的方式,而在决策的时候,对上述收集到的量化信息和主观印象进行总体判定,决定候选人是不是能够胜任。专门多企业里在选拔人才时使用了较为多样性的方法,包括面试、笔试,面试属于主观判定收集信息,而笔试则多是通过量化计分收集信息。最后决策时,是决策者通过批阅被测评者的考试得分和自己面试时的印象来作出决定,这确实是用的判定合成的方法。

这种方式尽管使用了较多样的收集信息的手段,然而在全然上依旧靠人的主观判定,缺少一个量化的模型,因此专门难克服人的主观性对决策结果的阻碍。

6.统计合成法

为了尽量幸免因主观评判造成的偏差,在实际的人事测评中,我们要求尽量做到量化,引入了统计分析的方法。目前人才评判方法中最准确的方法要数评判中心技术了,这种技术在收集人事信息时既有主观判定的方式,如面试、情形模拟,也有量化统计的方式,如笔试测验,文件筐测验,尽管收集信息的方式不同,最终都要对收集的人事信息进行编码、计分,最终通过一个量化的决策模型统计出结果。

7.判定综合法

统计合成法所提供的人事决策结果是完全量化的,按照一定的总体得分,有一个排序,比如第一名、第二名、第三名。但有时并不能完全依照名次去录用。当在真正做人事决策的时候,会考虑到测评之外的其他因素而决策是否真正去录用。比方说选拔一小企业一把手岗位人选时,其中一个人按照胜任能力在所有的被测评者中排在第一名,然而确实是因为他只吃素食,在饮食方面不太适合去与方方面面的人员进行应酬,而这项工作又是作为地点的一把手专门重要的工作,因此也无法任用,只好用了第二名。这是属于在既定结果的基础上,又考虑到其他因素的阻碍来进行人事决策的情形。

8.统计综合法

在既定结果的基础上,又考虑到其他因素决策时,有时仍旧能够用量化的方式,比如说还要考虑年龄因素时,就能够把年龄作为一个因素考虑到资格条件里面,按照岗位的要求进行计分。

作为专业的、科学的人事决策,做到人事决策信息的量化是专门重要的一个方面。但现实当中,决策者往往看见数字就头疼,即使偶然的使用,也觉得数字化的评估结果,并没有比主观判定更准确,因而对把测评结果数字化并不如何、感爱好,持一种怀疑的态度。从科学性上来讲,量化方法总比不量化的好。

解决了人才测评中人事信息收集和整合的客观化、系统化问题,就能够依照不同的需要建立起相应的录用决策模型,目前经常使有的录用决策模型要紧有以下几种,如线性推理模型、多重回来模型、多重分段模型、连续栅栏模型、轮廓匹配模型等。这些录用决策模型的具体运算方式属统计学的范畴,每一种录用模型有其优势和不足的地点,能够结合具体的情形来使用,也能够把这几种录用模型综合起来使用。但不管如何专业性强,这些录用决策模型是把许多主观的信息和客观的信息通过量化、系统的方法,转化成固定的统计模型,从而能提高人事决策的科学性。

以上讲了主观判定和量化统计方法在人才测评中的应用主观判定比较接近于往常的“领导说了算”的方式,而纯粹的量化统计方法又可能使信息收集不够全面和灵活。从现代企业治理的要求来看,因市场和人才竞争的加剧,“领导说了算”的人事决策方式风险越来越大,前不久还显现了因领导干部在擢升下属时方法处理不当造成下属采纳极端手段给治理者造成损害的情况。因此,把干部任免的话语权交给一套人事决策模型,而不是交给某一个或几个人,这必定大大提高决策的科学性。尽管国外人才测评技术在企业人才选拔上差不多用得相当普遍,然而对国内的许多企业来讲,这种选人和用人的方式仍旧是一种创新。

因此,量化的决策模型的前提条件是信息收集手段和胜任力模型的科学性。因此,在选拔干部时一定要建好岗位的胜任力模型,假如要外包,一定要选择专业水平高的机构。在这些条件还不具备的情形下,我们建议临时把人才测评的结果做为人事决策的一项重要参考使用,而不是直截了当按分数高低直截了当决定用谁不用谁。