《2020年(工作分析)不容忽视:工作分析中的常见问题》由会员分享,可在线阅读,更多相关《2020年(工作分析)不容忽视:工作分析中的常见问题(3页珍藏版)》请在金锄头文库上搜索。
1、不容忽视:工作分析中的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,就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价方法越来越多,如面试、笔试、360度反馈等等,但是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板觉得没底,他们经常发出这样的疑问,怎么与实际当中所了解到的情况不一致呢?这种方法不太准吧。之所以出现这种现象,问题出在整合人事信息的方式方法上,也就是他的人事决策模型不合理。根据收集信息和整合信息方式的不同,可划分八种人
2、事决策方法(见下表)。1.完全判断法收集信息时,采用的是主观判断的方式,而在做人事决策时,也是用主观判断的方式。临床法主要靠的是评价者的经验,易受人的主观因素的影响,但却是许多企业实际在用的人事决策方法,一是因为这个方法简单易行,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断的方式,而在做决策时采用了量化统计的方法,这就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价者,按照几个评价要素对被评价者进行评分,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断的方法,而在决策时用了量化统计
3、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经验,用得不科学,使打分的结果与实际情况差异很大。3.因素解释法在收集信息时用量化方式,在决策时根据收集到的量化信息进行主观判断,然后做出决策。比如,为了了解被评价者的个性特征,我们会使用一些信度和效度比较好的心理测验工具,收集被测者个性特征方面的信息。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,就可以用来判断被测评者的个性方面的特征。有的被测评者在权力动机这个维度上得分较高,亲和动机得分中等偏低,决策者因此判断候选人比较适合从事团队领导者的角色。这里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根据各测评
4、维度的分数,结合自己的经验而进行的主观判断。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,采用笔试筛选的方式,进行人事决策。比如,一个企业准备选拔30名后备干部,而报名的有150人,这个时候为了提高工作效率,就可以使用管理能力测试,作为一个筛选,经考试答题,得分排在前50名的人,可以直接录用,或者进入下一轮测试选拔程序。5.判断合成法在收集人事信息时,既有主观判断的方式,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断,决定候选人是不是能够胜任。很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
5、判断收集信息,而笔试则多是通过量化计分收集信息。最后决策时,是决策者通过审阅被测评者的考试得分和自己面试时的印象来作出决定,这就是用的判断合成的方法。这种方式尽管使用了较多样的收集信息的手段,但是在根本上还是靠人的主观判断,缺少一个量化的模型,因此很难克服人的主观性对决策结果的影响。6.统计合成法为了尽量避免因主观评价造成的偏差,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。目前人才评价方法中最准确的方法要数评价中心技术了,这种技术在收集人事信息时既有主观判断的方式,如面试、情景模拟,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
6、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.判断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取。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,但是就是因为他只吃素食,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方的一把手非常重要的工作,所以也无法任用,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影响来进行人事决策的情况。8.统计综合法
7、在既定结果的基础上,又考虑到其他因素决策时,有时仍然可以用量化的方式,比如说还要考虑年龄因素时,就可以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非常重要的一个方面。但现实当中,决策者往往看见数字就头疼,即使偶尔的使用,也觉得数字化的评估结果,并没有比主观判断更准确,因而对把测评结果数字化并不怎么、感兴趣,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,就可以根据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主要有以下几种,如线性推理模型、多重
8、回归模型、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计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方,可以结合具体的情况来使用,也可以把这几种录用模型综合起来使用。但不管怎么专业性强,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。以上讲了主观判断和量化统计方法在人才测评中的应用主观判断比较接近于以前的“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。从现代企业管理的要求来看,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,前不久还出现了因领导干部在提拔下属时方法处理不当造成下属采用极端手段给管理者造成伤害的事情。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,这必然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已经用得相当普遍,但是对国内的许多企业来讲,这种选人和用人的方式仍然是一种创新。当然,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,如果要外包,一定要选择专业水平高的机构。在这些条件还不具备的情况下,我们建议暂时把人才测评的结果做为人事决策的一项重要参考使用,而不是直接按分数高低直接决定用谁不用谁。