员工绩效考核系统设计论文

员工绩效考核系统设计论文

　　1概述

　　目前国内大多数研究集中在绩效考核体系和指标的确定，各类方法的综合运用（如KPI，模糊综合评价法等），较少关注这些绩效考核的实际可操作性和结果的运用。由于绩效考核本身就是一项非常复杂的工程，其数据涉及到公司诸多系统，如人事系统、财务系统、生产指挥系统，其考核所需数据也会来自不同系统，以提高相关数据的准确性，提升绩效考核的公平公正，减轻绩效考核人员的工作量。因此，如何在现有绩效管理模式下，结合绩效考核全过程，利用网络技术构建一个通用的、灵活的考核系统显得非常重要，系统需整合公司各类数据，完成绩效考核全过程的网络化管理和数据共享，使之成为企业管理的强有力手段之一，从而实现个人业绩与企业整体战略目标的有效结合。

　　2绩效考核总体设计

　　2.1绩效考核流程

　　绩效考核一般从发出绩效考核通知（有些为周期性考核，虽无明确考核通知，但仍有固定开始时间和考核起止时间节点）开始，再由各部门、各人员开始录入相应业绩数据，完成自评、他评等工作，在部门对原始录入数据审核后，再由考核小组对数据进行核实，并公布绩效考核结果。详细流程见图1所示。

　　2.2系统技术构架

　　随着油田信息化的发展，油田生产指挥系统、财务系统、人事系统等都已建立，如何将这些信息共享，提取以便绩效考核系统实现数据共享是员工绩效考核系统设计之初首先需要考虑到的。绩效考核系统采用多层体系设计、利用B/S模式开发，基于ASP.NET技术，以SQLServer为数据库支撑，面向服务构架（SOA）等来进行综合平台的构架和数据集成。在数据引入和共享时，提供WebServices技术对核心业务封装成可对外开放、远程访问的服务，实现不同系统间数据交换与共享。绩效考核系统主要分为应用层、资源层、基础平台层，其技术构架图。

　　1)应用层

　　承担不同部门和用户与考核系统的交互操作，为用户提供业务处理和信息交互的操作界面。为提高用户体验，构建可拓展的服务平台，前台页面采用Ajax技术开发，在考核数据录入、校验时，实行局部数据交换，无需频繁刷新页面，确保系统简洁易用。

　　2)资源层

　　基于数据仓库和数据挖掘技术，在用户操作后，系统自动发出指令，获取相关系统数据资源，如生产指挥系统中生产数据，人事系统中部门、人员信息，并在生成考核数据后自动将数据提供给财务系统，以便为绩效奖励的发放提供决策数据。绩效考核中数据的交换和处理依赖资源层，以支撑绩效考核系统的正常运作。3)基础平台层：由于石油企业特点，很多员工常年在外，为确保绩效考核工作的顺利有序进行，系统提供了互联网、无线网、短信等多方式的服务，用户可充分利用现有各种终端（计算机、平板、手机）随时随地访问系统。同时，系统还会依据考核进度在重要时间节点发送短信提醒用户。

　　3系统分析与设计

　　系统采用模块化开发思路，根据绩效考核实际情况，将系统功能分为系统配置、用户管理、指标库、要约配置、在线考核、统计分析等六大模块。

　　1)系统配置

　　主要包括对考核系统周期、起止时间的设定，可以批量设置，如固定每月5号开始考核。非考核时间段，用户只能录入日常工作基础数据，以便考核时自动汇总，防止遗忘；对考核历史数据的归档以及共享设置。

　　2)用户管理

　　主要提供公司二级单位、直属单位的管理；公司员工个人信息，如账号、密码、联系方式等维护；用户角色权限的管理与维护，不同用户访问系统时只提供与其权限相关的界面和交互操作功能。

　　3)指标库

　　按照井下作业公司的特点，针对不同类型的员工考核项目、考核内容均有不同。这些指标需要统一维护和管理，特别是涉及到量化指标的配置。这类指标按照考核项目进行分类储存和查阅，并提供模糊查询功能。

　　4)要约配置

　　要约即每个考核周期内，针对被考核人选取的指标和其设置的权重。为保持考核的延续性和可操作性，要约一般在年底或年前统一设定，考核期内不会随意修改。一般一类岗位一套要约，也可以根据不同人员选择指标，设置不同的指标组合，配以权重后，形成不同要约。在要约配置界面，如果某个人单项指标需要多人考核，可以在后台设置指定考核人，考核人可以是一人，也可以是多人。当考核人是多人时，需要配置这些考核人的权重，即单指标下的`考核人权重。

　　5)在线考核

　　在线考核是由多用户对某人的要约进行在线的定性和定量的考评，根据要约的设定，某一位员工可能由一人（一般是主管领导），也可以由多人进行考核。多人考核时，所有考核人数据录入后，由系统根据各自权重自动计算最后得分。

　　6)统计分析

　　针对绩效考核结果，实施有效的绩效奖励，不仅有利于提高个人工作的积极性，还能有利于公司目标的实现，提ROMP算法耗时最短。随着信号稀疏度的增加，信号重构的概率逐渐减小，均方误差逐渐增多，当稀疏度低于20时，三种算法都可100%的重构原信号，随着稀疏度的增加，ROMP算法和OMP算法重构性能快速下降，当稀疏度为40时，SAMP算法仍以较高概率重构出原始信号。SAMP算法由于迭代次数增加导致运算量大，其重构时间也较长。

　　4总结

　　本文基于压缩感知基本原理，分析了在噪声环境中三种常见的贪婪迭代稀疏信号重构算法的性能。比较了随着稀疏度的改变，三种重构算法重构时间、重构概率和均方误差的变化情况。仿真实验结果表明，在相同实验条件下，ROMP的运行时间最短，SAMP的重构性能优于ROMP和OMP算法，在实际应用中，可以综合考虑三种算法的重构性能进行选择。