Productivity Cykel: Omvandla din arbetskraft från en kostnad till en vinst Center

Obs: Bilder från den ursprungliga texten har utelämnats i denna textversion Omdömen

Omdömen

Sammanfattning

Företagens vinster drivs direkt eller indirekt, genom att utföra
varje anställd. Prestandauppgifter för specifika positioner, noggrant utvalda från
tillgängliga statistik, kan användas för att förbättra varje anställd. Produktiva medarbetare
kommer i sin tur att öka produktionen av en position som en helhet, vilket kommer att leda till
ökade företagsvinster. Men jobb effektivitet kan bara maximeras genom
användning av lämpliga prestationsmått som exakt definierar framgång i en Omdömen specifik position på individnivå. Omdömen

Denna vitbok ger konkreta åtgärder för att hjälpa dig att identifiera din starkaste
anställd prestandadata, sedan omvandla dessa data till en repeterbar process Omdömen som kommer att öka positionen produktiviteten till sin fulla potential genom Omdömen anställning, utbildning och medarbetarutveckling. Innan du vet ordet av din personal Omdömen blir motorn som driver vinst till nya nivåer. Omdömen

Konvertera Performance-data till Profit dollar

Kan jag dela en djup, mörk hemlighet? Jag är fruktansvärt när det gäller färg Omdömen samordning. Du skulle inte tro hur många gånger jag höra, “ Det dräkt Omdömen doesn &';. T match &"; Varje gång jag hör kritik, jag befinner mig tänka, “ Vad är
de talar om? Det ser bra ut för mig &"!; På den ljusa sidan, någon väldigt Omdömen smarta uppfann färghjulet för människor som mig. Skönheten i färghjulet Omdömen ligger i dess enkelhet. Detta väl utformad modell representerar inte bara de primära
färger, men det visar också hur de påverkar varandra och vilka färger Review kompletterar varandra. Omdömen

I motsats till färghjulet, många gånger i näringslivet Vi overcomplicate våra Omdömen arbetskraft modeller med hjälp av galna strategier, prickade linjer strukturer, komplicerade
kompetens, eller andra populära försök att förbättra produktiviteten i Europa med arbetsplatsen. Ibland komplicerade lösningar är det bästa svaret. I motsats till
dessa komplicerade modeller, Productivity Cycle (visas till vänster) ger Omdömen konkreta steg som hjälper dig katalogisera anställd prestandadata, sedan omvandla
denna information i ett system som ökar positionen produktivitet och enheter
vinster för organisationen. Omdömen

Du kommer att tycka att Productivity Cycle ger en enkel visuell Omdömen representation av de åtgärder som behövs för att anpassa människor och vinst. Gillar färgen Omdömen hjulet, i mitten av cykeln innehåller primära steg: Katalog, Trans, Köpa och systematisera. Varje steg stöds av sekundära åtgärder som vägleder användaren Omdömen runt hjulet. Dessa steg representeras av olika färgnyanser
inom varje primär skede. Du framsteg medurs runt Productivity Cycle Omdömen när du flyttar din personal till en resultatenhet. Omdömen

Katalog

Genom att katalogisera dina tillgängliga resultatstatistik, du går ombord på väg
maximera prestanda ditt folk. Men du måste veta var du
innan du kan bestämma var du ska gå. Denna princip gäller för dina
prestandadata. Den första etappen, det gröna området i modellen, är utformad för att
hjälpa till att identifiera och förstå prestandadata som hänför sig till en individ i Málaga en specifik position Omdömen

Inlärningsmål Omdömen &bull. Lär dig att klassificera olika typer av statistik som är viktiga för
de anställdas prestationer
&bull. Lär dig att samla in prestandadata rätt på rätt sätt till
öka noggrannheten hos dina resultat Omdömen &bull. Lär dig att formulera de svåra frågor som hjälper dig att välja vilken data bäst Omdömen främjar lönsamhet genom människor. Omdömen

Classify

Det enklaste sättet att förstå prestandadata är att visa det på ett kontinuum.

Soft Metric: Vad är det

Mjuka mått på den vänstra änden av kontinuum, beskriva eventuella utvärderingsmetod Omdömen som är starkt beroende av en person och'? dom. Mjuka statistik kan ta många former,
en av de mest grundläggande väsen när en handledare rankas anställda från “ bästa Omdömen artist &"; till “ värsta artist &"; baserat på handledaren och 'en; s yttrande. Ett annat
exempel kan ta formen av en subjektiv etikett. Detta scenario skulle innebära en Omdömen subjektivt ranking av varje anställd (Bra, bättre, bäst, eller A, B, C, etc.).
Normalt det finns inte mycket forskning lindad runt denna process. Praktiskt skulle en Omdömen handledare sitta ner, tänker tillbaka på deras uppfattning om enskilda
prestanda och tillämpa en subjektiv etikett bygger på åsikter och mycket lite, om
någon, objektiva kriterier. När jag ser denna utvärderingsmetod, jag vill kalla det
“ Jag vet att mitt folk och" tillvägagångssätt.

För att anpassa dina anställda med lönsamhet, bör du endast använda mjuka mått som
en kortsiktig lösning och ett första steg mot mer exakta prestanda
åtgärder. Mjuka statistik kan användas i placeras på verkliga data i situationer där Review Det finns ingen tillgänglig data, men på lång sikt bör du flyttar till system
eller program som ersätter subjektivitet med objektiv utvärdering av prestanda. Omdömen Mjuka mått bör inte användas i stället för prestandadata som är knuten Omdömen direkt till faktiska resultat på jobbet. Jag har observerat många företags
chefer som ansåg att de hade en mycket snäv grepp (utan faktiska uppgifter)
vem deras bästa och sämsta var. Varje gång vi jämförde Omdömen verkställande uppfattning mot faktiska resultat, det fanns en ansenlig koppla Omdömen mellan uppfattning och verklighet baserat på data. Poängen är att flytta din Omdömen organisation borta från att ta “ Jag vet att mitt folk och" tillvägagångssätt så fort du Omdömen kan Omdömen

Prestanda Bedömning:. Vad är det

I mitten av kontinuum, hittar vi en av de mest populära formerna? av
utvärdering: prestanda bedömning. Denna övergång från rena mjuka mått Omdömen representerar en tillit på subjektiva åsikter, men dessa yttranden dokumenteras Omdömen med ett standardiserat utvärdering. Låt mig förklara ytterligare. Denna metod för Omdömen utvärdering innebär en person som har stor kännedom om varje Omdömen anställd och' s dagliga prestanda. Men skiljer bedömningsOmdömen människor genom användning av standardiserade format som fångar prestanda Omdömen uppfattningar.

Till exempel är en handledare levereras med en form som fångar jobbkomponenter
eller kritiska aspekter av positionen som har studerats och bevisats avgörande till
framgång i rollen. Dessa jobb komponenter kan innefatta poster såsom arbetsmoral Omdömen (tillförlitlig närvaro, flit i uppföljningsaktiviteter, positiv attityd),
Effektiv kommunikation (förmedlar idéer tydligt, löser konflikter), eller Project
Management (uppfyller tidsfrister, organiserad). Handledaren faktiskt kommer att betygsätta Omdömen anställda en i taget för varje viktig aspekt av jobbet. Utfalls
betyg kan vara “ Ineffektiv &"; till “ mycket effektiv, &"; eller använd en numerisk skala Omdömen 1-5, eller täcka ett intervall från “ inte uppfyller förväntningarna &"; till “ Överstiger
förväntningar, &"; eller tusentals andra variationer. Detta tillvägagångssätt dokumenterar
områden där de anställda mår bra, samt var de kan behöva Omdömen förbättring, genom ett standardiserat system som översätter allmänna uppfattningen Omdömen till specifika betyg när det gäller faktiska aspekter av jobbet. Omdömen

Ett utvecklingssamtal verktyg kan vara ett effektivt sätt att fånga yttrandena från Omdömen förvaltningen när det gäller medarbetarnas prestation. Bedömningar är en populär form av Omdömen resultatutvärdering eftersom det i många lägen är det svårt att kvantifiera Omdömen prestanda på individnivå. I själva verket, studerade vi ett urval av 37,055 Omdömen personer i 487 olika befattningar inom olika företag och fann att 69% av
dessa positioner förlitat sig på prestandan utvärderingsverktyg som sin primära form av Omdömen mätning. Dessutom utvecklingssamtal verktyg ger en flexibel metod Omdömen att kvantifiera resultat baserat på yttranden från dem som iakttar
anställda i arbete – främst deras chefer Omdömen

Var uppmärksam på eventuella klibbiga frågor i samband med. utvecklingssamtal. Omdömen Uppenbarligen är en sådan fråga subjektiva karaktär utvärderingen. Denna
betoning på yttrande införs ofta inkonsekvenser mellan olika
organisatoriska grupperingar, såsom geografiska, avdelningar och platser. För
exempel kan en chef i ett område av landet tenderar att betygsätta etablerade mycket Omdömen lägre än chefer i andra områden. Detta kan göra att utvärdera anställdas Omdömen prestanda i olika grupper svårt. Ett liknande problem kan hittas Omdömen när utvecklingssamtal motsäger andra resultatstatistik. Denna brist
anpassningen pekar ofta inkonsekvenser mellan chefs yttrande och sälja numeriska prestanda. Det kan finnas flera skäl till bristen på
inriktning, men det finns alltid en stor potential för inkonsekvens när mänskliga Omdömen yttrande står i centrum av bedömningsprocessen. Omdömen

Även om en prestation Utvärderingen är ett populärt verktyg, många företag leds Omdömen vilse av enkelhet och distribution i hela företaget. Om du
verkligen bedriver en anpassning av dina anställda till vinst, bör du göra Omdömen allt som står i din makt för att gå direkt till källan – siffrorna. Många
företag gör ett mycket bra jobb med att skapa utvecklingssamtal system. Data
samlats in från dessa system är av hög kvalitet och som ljud som kan vara. Men när
bedömningsresultaten för enskilda anställda jämfört med
faktiska utgångsnummer (i de fall betyg inte grundar sig på siffrorna), Review kan det finnas någon relation, och ofta uppvisar en negativ förhållande. Var
Se till att du inte lita enbart på betyg. Utmana dig själv att hitta sätt
att utvärdera jobb med faktiska uppgifter vid Hard Metric:. Vad är det

Den högra änden av kontinuum representerar hårda statistik?. Ett hårt metriska är bäst Omdömen beskrivs som objektiva uppgifter som direkt representerar kvantifierbar information
Dessa typer av statistik är vanligtvis kopplade direkt till en organisation och' s. Bottom Omdömen linje. Några exempel på dessa mått inkluderar genomströmning nummer, samtal svarade
andel av kvoten, kvalitetsresultat, antal sålda enheter, den totala försäljningen, i snitt Omdömen hantera tid, eller någon åtgärd direkt relaterade till arbetsinsats. Hårda mått
ge värdefulla insikter i den numeriska produktiviteten hos en person i Málaga nästan vilken position som helst. Från ett företag och' s perspektiv, överklagandet av hårda statistik
härrör från objektivitet uppgifterna. Hårda mått inte justeras eller
påverkas av mänsklig yttrande. Så länge den roll förblir densamma och data Omdömen samlas på samma sätt, hårda mått är en pålitlig mått på prestanda. Omdömen

Du kommer att stöta på några jobb som inte verkar ha klart, hårda
metrics. I denna situation skulle jag uppmuntra er att komma ihåg frasen “. Arbete = Omdömen utgång &"; Vad vi får betalt för kallas arbete eftersom det finns en förväntad Omdömen utgång. Det är helt enkelt en fråga om att samla in information kring kompetens,
förmågor, ansvar, uppgifter och förväntningar i jobbet. Använd sedan att Omdömen informationen för att skapa sätt att kvantifiera produktionen av läget och sälja systematiskt samla in uppgifter om prestanda. Med lite tid, ansträngning och sälja kreativitet hittar du att nästan vilken position som helst kan vara numeriskt sekretessbelagda lägenheter i form av hårda statistik. Omdömen

Samla

Nu när du vet hur man klassificera prestandadata, är det första steget för att samla
uppgifterna. Senare kommer vi att kunna utvärdera dess användbarhet. Har du någonsin hört
talesättet “ Djävulen finns i detaljerna och " ;? På samma sätt kan din förmåga att förvandla Omdömen din arbetskraft från en kostnad till en resultatenhet att brytas snabbt under
att handlingsstegen för datainsamling. Innan att samla in data, kommer du behöver
några garantier för att säkerställa konsekvens, noggrannhet och tillgänglighet Homedatainsamlingsprocessen kommer inte att påverka tolkningsbarhet av meter. Omdömen

Konsekvens av datainsamlingsprocessen är mycket viktig. Alla inblandade lägenheter i datainsamlingen ska förstå och följa de närmare detaljerna kring uppgifterna
insamlingen. Inkonsekventa metoder för datainsamling kommer att leda till felaktiga
jämförelser mellan enskilda artister. Ägna särskild uppmärksamhet åt plats eller
regionala skillnader. Felaktiga bedömningar av prestanda kommer att förorena eventuella
framtida resultat och minska effektiviteten i din framtida justeringar. Tänk
av enhetlighet i termer av en enkel illustration. Om jag ber alla mina distrikt Omdömen chefer att ge mig deras omsättning nummer, kan jag få procent från varje Omdömen distriktschef men antalet kan betyda många olika saker. Vissa kan ha Omdömen gett mig årsomsättning, en del omsättning för en enskild månad, och andra kan ha endast Omdömen gett mig ofrivillig omsättning. Poängen är att vara försiktig och se till att dina
datainsamlingsprocesserna driver konsekvens.

Noggrannhet av prestandadata som samlas in är också en viktig fas av
insamlingsprocessen. Noggrannhet måste vara en prioritet när man tolkar enskilda Omdömen prestanda. Senare i denna process kommer felaktiga uppgifter leda till falska
slutsatser och dåliga beslut vid utvärdering och utveckla dina medarbetare. Review Tänk på oriktiga uppgifter som fiende omvandla din arbetskraft. När du Review har samlat data, använda dessa “ röda flaggor och" att varna dig för potentiella
felaktigheter i data

• Ofullständiga uppgifter eller fall där det är vanligt att hitta någon information Omdömen &bull. Användningen av “ 0 &"; Är det “ 0 &"; representerar faktiska resultat eller en tom post Omdömen • Data som presenteras i ett antal olika format och ndash; till exempel, är halv av
data som presenteras i procent och halv som runda tal.
• Udda avvikare – till exempel, de flesta fall i en datamängd innehåller
ensiffriga prestandaåtgärder, men vissa fall visar tredubbla siffran åtgärder Omdömen &bull. Etiketter matchar inte data – till exempel, och" Dollar Såld &"; är etiketten, men
data presenteras i procent
&tjur; Konflikter i kolumnerna – till exempel, en anställd med ett September hyra datum har
prestandadata som spelats in från mars samma år. Omdömen

En annan faktor att beakta är tillgängligheten av prestandauppgifter.
Sofistikerad mänskliga resurser informationssystem (HRIS), lönesystem, och sälja prestanda ledningssystem är användbara verktyg så länge du har lätt Omdömen tillgång till uppgifterna. Undvik situationer där data är svårt att samla in och studera.
Alltför ofta företag fokuserar på att samla in prestandadata på aggregerad Omdömen nivå och försummelse att samla in och studera det på individnivå. Huruvida
data prestanda betyg, kvalitetsresultat, eller försäljningssiffror, se till att dina
system för insamling av uppgifter knutna till individuella prestationer.

En annan värdefull tips att tänka på när du samlar en prestandamåttet är Omdömen antalet datapunkter, eller anställd observationer, representerade i datamängden.
När det är möjligt, är det fördelaktigt att ha tillgång till flera observationer av
prestandauppgifter. Till exempel skulle månatliga observationer vara rikare än en Omdömen enkel årstotal eller genomsnittet för året. När som helst data aggregerade, Omdömen det finns en chans att du kommer att förlora en del värdefull information som kan vara Omdömen hjälp för att förstå prestandautvecklingen i samband med anställningen. När
samla dina data alltid fokusera på ditt mål, vilket är att få Omdömen bästa data som kommer att leda till den rikaste mängden information. Omdömen

Nu är det dags att samla in data. Tillämpa de principer du lärt dig om
prestandadata för att samla in den renaste datauppsättning som du kan. Det är en god Omdömen praxis att initialt skjuta över mängden data du rimligen kan förvänta
att använda. Samla många typer av mått och former av prestandadata för varje Omdömen position. Denna praxis ger dig flera mått på prestanda, men mer Omdömen viktigare, hjälper det dig att välja den bästa kombinationen av resultatindikatorer sälja genom att erbjuda alternativ (olika prestanda data) som vi kommer att diskutera senare.
Välj

Efter föreställningen data har samlats in, det finns flera val du Review måste göra för att hjälpa till att identifiera bästa värdet (s) för att fokusera på. För att göra
de bästa valen, finns det några saker att tänka på. Specifikt Omdömen data du fångat spegla variabilitet jobb samband, och en relation till
dina affärsmål (hålla behandlingen för en förklaring av dessa termer)
hela denna process, är inte det viktigt att förstå att så fort din Omdömen Prestandamått anges, kommer det att börja forma och styra riktningen
av din arbetskraft. Alla framtida prestanda, utvärdering och utvecklings
verksamhet i detta läge kommer att påverkas direkt av det metriska.
Därför välja rätt mått för att följa är en viktig faktor för att Omdömen driva ditt företags framtid.

Variabilitet är att se till att data metriska representerar alla prestandanivåer
Fråga dig själv denna fråga: Har det metriska differentiate mellan individer och'
prestanda.? Ofta är prestationsmått konsekvent samlas Mössor och korrekt, men de saknar variation i prestanda poäng. Jag arbetade en gång hotell med ett företag som insisterade en särskild kvalitet rating var dess viktigaste indikatorn
av prestanda för dess företrädare callcenter. Efter ytterligare översyn av
uppgifterna, fann vi att den genomsnittliga poängen var nästan 100%, med endast en handfull
etablerade som får lägre poäng på 98-99%. Dessa data ger ingen användbar Omdömen mätning eftersom det innebär att varje medarbetare presterar på samma höga Omdömen nivå, utan avvikelser för att markera specifika prestandaproblem. Alla
företagsledare skulle ha svårt att välja en måttenhet utan variation,
därför denna typ av data erbjuder lite, om någon, verkligt värde Omdömen

Job släktskap är en annan viktig fråga att överväga. när man väljer de bästa
uppgifter som att forma din framtida arbetskraft. Bestäm hur mycket inflytande en Omdömen individ har på prestanda metriska. I samtliga fall, är direkt inflytande
bäst. Ju mindre inflytande etablerade har på det metriska är deras faktiska prestanda mindre beskrivande det
. I en idealisk situation, kommer du att ha stor Omdömen förtroende för att din värdeutveckling är relaterad till jobbet och att varje Omdömen åligger kan påverka det metriska direkt. Omdömen

Till exempel, en bilhandlare kan spåra antalet bilar som säljs av dess
säljare, samt hur många av dessa sålda bilar återförs till Omdömen återförsäljare och' s serviceavdelning för reparationer. När du letar efter jobbrelaterade försäljnings
statistik, är den tidigare åtgärden bra, men den senare är kopplad till försäljningen. Har
en säljare har en inverkan på den mekaniska sundhet bilen han säljer? Omdömen Nej, bara han har kontroll över försäljningsprocessen. Förlitar sig på ett mått med lite Omdömen relation till faktiska jobbaktiviteter kommer att leda till felaktiga slutsatser.
Dessutom bör ditt tankesätt vara i jakten på sanningen som den avser verklig Omdömen prestanda på en daglig basis. Denna sanning kan bara hittas om uppgifterna Omdömen prestationsrelaterad i positionen Omdömen

Affärs drivrutiner –. Det är dags att tänka strategiskt! Tänk i termer av Omdömen riktning som du vill ta ditt företag, och sedan positionsspecifika
statistik kommer att flytta varje position i den riktningen. Anpassning kan hittas genom Omdömen arbetar bakåt. Fråga dig själv hur varje position passar in i ditt företag Omdömen strategi eller bidrar till det finansiella resultatet. Fastställa Sedan
individuella prestationsmått som bäst anpassa till den position och gör att du kan
följa dina framsteg mot att uppnå dina affärsmål. Med hänvisning åter till vår Omdömen bil säljare exempel kan en stark drivkraft att “ antalet bilar
sålda &". Om det inte driver bottom-line vinst, bör det inte vara en hörnsten
av prestandauppgifter. Omdömen

Utvärdera dina individuella prestandadata i form av variationer, som Omdömen arbetsrelaterad, och att en drivkraft är ett stort strategiskt steg i Europa med processen att omvandla din arbetskraft från en kostnad till en resultatenhet, Omdömen därmed direkt förbättra produktiviteten i ditt folk för att driva ditt Omdömen företag.

Sammanfattning: Finding Ideal Performance data för en position

Nu när vi har utforskat katalogen scenen, har du lärt sig att
• Klassificera prestandadata enligt vad som finns tillgängligt, användbart, och sälja möjligt Omdömen &bull. Samla in data från enskilda artister i ett visst läge
&tjur; Välj prestanda data som speglar variationen, jobb samband, och en Omdömen förhållande till dina affärsmål. Omdömen

Vid det här laget bör du ha prestandadata väljs och samlas in för varje
riktad position så att du kan vända den kunskapen i byggstenar
för en position-specifik mall. Omdömen

Omforma

Som tidigare nämnts, är målet för denna vitbok till hjälpa dig att identifiera din Omdömen starkaste anställdas prestationer uppgifter, sedan omvandla dessa data till en repeterbar Omdömen process som kommer att maximera produktiviteten. I det sista avsnittet klassificerade vi
samlas, och valt ut de starkaste åtgärderna för medarbetarnas prestationer. Nu ska vi Review undersöka Trans fasen av processen där din prestationsdata Omdömen anpassas till de faktiska arbets beteenden starkt relaterade till framgång i anställningen.
Genom att bestämma vilka egenskaper som är viktigast för goda resultat, vi kan då
bygga en position mall som organiserar dessa egenskaper, och sedan översätta det Omdömen ställning mall i önskade beteenden som är specifika för jobbet. Trans
fasen tar dig närmare den perfekta arbetskraft som driver lönsamhet för Omdömen organisationen.

Inlärningsmål

• Lär dig känna igen viktiga egenskaper som visar dig hur en person är framgångsrik i en Omdömen läge Omdömen &bull. Få tips om hur du skapar ett jobb nivå ställning mall som riktar sig mot
egenskaper som krävs för framgång Omdömen &bull. Lär dig att översätta de egenskaper inom en position mall i arbetsrelaterade
beteenden som återspeglar de som producerar mer och kontrast sina
beteenden med mindre produktiva individer. Omdömen

Egenskaper

Vid denna punkt i Productivity cykel, har vi fokuserat på den kritiska aspekten
av katalogisering prestandadata. Även om värdeutveckling visar Omdömen resultatet av varje person och' s ansträngningar, inte berätta hur de uppnått sina
resultat, inte heller kommer det att berätta för dig hur interna eller externa kandidater till Omdömen ställning kommer att utföra på jobbet. Därför måste vi att tillbringa tid på att diskutera
den första komponenten i Trans fas –. Identifiering av egenskaper Omdömen

Beteenden, eller egenskaper, att driva utvecklingen bäst bestäms av “ låta
uppgifter talar &" ; i stället för att göra “ kvalificerade gissningar &". En beprövad metod för
identifiera egenskaper, färdigheter, och andra relevanta delar av arbetsrelaterad information
kommer från användningen av ett jobb analys. Ett jobb analys samlar ledtrådar till vad
behövs för att korrekt utföra ett arbete.

Det finns många metoder för att analysera ett jobb. En vanlig metod är att skicka ut ett jobb Omdömen frågeformulär till experter i rollen och bad dem att dokumentera sin åsikt om
viktiga uppgifter eller egenskaper som behövs för att bli framgångsrik. En annan metod är att
manuellt observera och dokumentera de egenskaper som krävs för att lyckas. Men du paketerar Omdömen det, är den grundläggande idén att manuellt studera och dokumentera aspekter av jobbet. Ett jobb
analysen ger solid information om minimikvalifikationer och färdigheter
nödvändiga för en roll. Men en typisk analys jobb kommer att misslyckas när du vill
att samla en djupare insikt i de faktiska artisterna i en position. Nämnda
annat sätt, kommer ett jobb analysen inte ge dig en bil till “ få i huvudet &";
av dem som är framgångsrika och jämföra dem med dem som inte är framgångsrika i Málaga roll

Det är viktigt att inte blanda ihop minimi kvalifikationer med faktisk prediktiva Omdömen prestanda. Många gör misstaget att anta att uppfylla minimi
kvalifikationer är mållinjen. Exempelvis kan ett jobb analys indikerar att
det är nödvändigt för etablerade att utföra en viss telefonsystem. Efter
andra dagen av utbildning, alla förstår telefonsystemet och kan
effektivt använda den. Även om du använder telefonen är viktigt för daglig Omdömen prestanda, uppvisar det inget samband med verklig framgång på jobbet. Att
kunna utföra ett arbete och bli framgångsrik på det är två mycket olika
koncept. Ditt mål för varje position i ditt företag bör vara stark Omdömen prestanda, inte bara få av. Omdömen

För att nå målet om stark utveckling, måste du gräva djupare i den faktiska
egenskaper och beteenden som driver framgång. Behavioral bedömningar är en mycket Omdömen effektivt sätt att samla in uppgifter om de egenskaper hos individer från alla prestations
nivåer i läget. En beteende bedömning är ett verktyg eller, som jag kallar det, ett Omdömen fordon för datainsamling som extraherar information från personer med anknytning Omdömen för deras särskilda preferenser. Dessa egenskaper, förutom prestandadata, kommer Omdömen lämna de uppgifter som behövs för att hjälpa till att identifiera hur de anställda har framgång eller Omdömen misslyckande i en position. Konkret kommer beteende bedömningar ger dig hotell med insikt i individer och' inställningar för hur de närmar
problem, bearbeta information, interagera med andra, och svara på olika arbetsOmdömen situationer. Normalt är detta information som samlas in genom en rad
frågor som ställts till den enskilde med hjälp av ett frågeformulär. Svaren är
förvandlas till slutsatser som representerar specifika önskemål eller beteendemönster
som ger ledtrådar om hur och varför människor gör vad de gör när de arbetar. Omdömen

Mall

Var försiktig – det handlar inte bara om prestandadata i analysen jobbet eller
resultaten av beteende bedömning. Det handlar om hur du använder de två tillsammans
att omvandla prestandadata till en mall av riktade beteendemässiga egenskaper. Till
fullo fånga egenskaper mest bidrar till framgång i ett läge, måste du Omdömen låta dina drivkrafter (prestanda data) diktera betydelsen och mängden
av varje egenskap. Antagandet att mer av varje egenskap är bäst kommer att leda dig ner
fel väg. Tänk dig en egenskap som “ självständighet och" i en individuell
bidragsgivare roll. En framgångsrik person i denna roll mäts i termer av
genomströmning. Denna position kräver en anställd att sitta vid ett skrivbord och slutföra Omdömen repetitiva uppgifter i enlighet med specifika instruktioner från en chef. Tänk
om det – skulle någon som är extremt fritänkande att lyckas i denna Omdömen roll? I detta fall är det säkert att anta att en individ och' s. Önskan om Omdömen självständighet verkligen skulle hämma deras prestanda Omdömen

Använda teknik för att mäta Egenskaper

När utveckla en position mall (Performance Data + Egenskaper), bör du
börja med att identifiera de egenskaper hos framgångsrika människor som skiljer dem Omdömen från sina mindre lyckade medarbetare. Teknik används ofta för att förenkla denna Omdömen process. De flesta beteendebedömningsverktyg genererar numeriska representationer av
en individ och' s beteendemönster. Dessa numeriska representationer ofta
kallas dimension poäng, karakteristiska poäng, faktor poäng, eller många andra
bedömning specifika namn. Grundidén är att förse dig med information
som avsätter en person &'; s drag på en skala där du kan bättre förstå hur det Omdömen personen kan jämföras med andra för varje egenskap. De flesta beteende bedömning
verktyg erbjuder många drag används för att beskriva den enskilde. Hursomhelst, teknologi
ger dig möjlighet att snabbt och korrekt samla drag information.
Dessutom utnyttjar teknikvärdering kommer att effektivisera din förmåga till
göra statistiska jämförelser mellan enskilda artister. Slutmålet Omdömen är att använda prestandadata för att upptäcka de egenskaper som är mest prediktiva för
framgång i anställningen.

De specifika stegen nedan hjälper dig att skapa en position mall med
användning av teknik Omdömen

&bull. Statistiskt söka efter sambanden mellan egenskaper och prestanda
uppgifter Omdömen &bull. Inom en position, dela dina anställda i grupper baserat på deras prestanda Omdömen uppgifter
&bull. Beräkna drag poäng deskriptiv statistik (medelvärde, median, standard Omdömen avvikelsen, etc.) för varje performancegruppen Omdömen &bull. Jämför prestanda grupper genom deskriptiv statistik
&bull. Sök efter några dolda mönster av egenskaper bland prestandagrupper. Omdömen

Om Technology är inte ett alternativ

Om teknisk utvärdering är inte tillgängligt i din situation, låt mig föreslå en
några tips som kan vägleda dig i dina ansträngningar för att skapa en position mall.
först be dina ämnesexperter om de har några teorier om vilka
egenskaper ger människor möjlighet att vara framgångsrik i rollen. Sedan jämföra egenskaper
grundar sig på experterna och 'en; teorier till prestanda data som du har samlat. The butik Målet är att avgöra om de teorier stöds eller motsägs av data. Review Tänk på detta som en process för att ta något från teori till verklighet. Nyckel
är inte att ta experterna vid sitt ord, men att tillämpa teorin mot faktiska Omdömen prestandadata och försök att bekräfta eller förneka teorin. En bra illustration
av detta begrepp kommer från detaljhandelssektorn. En viss grupp av chefer
teorin att framgångsrika butikschefer var mycket ambitiös. Men som vi
insamlad information på individnivå, fann vi att framgångsrika chefer Omdömen hade varit i deras roll i många år och var mycket bekväma med deras Omdömen bidrag till företaget. Det fanns ingen önskan att flytta upp eller ut, så Omdömen antagandet av “ hög ambition &"; inte visar sig vara korrekt Omdömen

Här är några specifika åtgärder som kan hjälpa dig att skapa en position mall Omdömen utan användning av teknik Omdömen

&bull.. Använd prestandadata för att skapa undergrupper baserat på prestation nivå
&bull. Räkna andelen personer i varje undergrupp som har unika egenskaper
&bull. Dokumentera likheter mellan prestandagrupperna.
• Jämför och kontrastera de förhållanden som råder i resultatgrupper
&bull. Hitta de egenskaper som sticker ut och differentiera prestanda
nivåer Omdömen &bull.