
SPSS中異常值檢驗(yàn)的幾種方法介紹(4)_數(shù)據(jù)分析師
如何設(shè)計(jì) KPI 指標(biāo)——關(guān)鍵績(jī)效指標(biāo)
KPI:關(guān)鍵績(jī)效指標(biāo), 今年來(lái)企業(yè)一直關(guān)注這個(gè)問(wèn)題,甚至有些公司,比如電信行業(yè)員工整天都圍繞著 KPI 指標(biāo), 什么是 KPI 呢?關(guān)鍵績(jī)效指標(biāo)即以定量的指標(biāo)衡量經(jīng)營(yíng)活動(dòng)的量化結(jié)果,一般由客觀計(jì)算 公式得出,并側(cè)重考察當(dāng)期績(jī)效,最終成果以及對(duì)經(jīng)營(yíng)成果有直接控制力的工作;關(guān)鍵績(jī)效 指標(biāo)設(shè)定的原則應(yīng)該依據(jù)“平衡計(jì)分卡”進(jìn)行設(shè)定, 根據(jù)企業(yè)整體績(jī)效目標(biāo)及戰(zhàn)略, 層層分解, 平衡考慮制定企業(yè)各層級(jí)的關(guān)鍵績(jī)效指標(biāo)。 關(guān)鍵績(jī)效指標(biāo)已經(jīng)成為商業(yè)智能領(lǐng)域的重要體系和方法論, 如何從技術(shù)上實(shí)現(xiàn) KPI 指標(biāo) 設(shè)計(jì),以及如何采用信息化手段能夠呈現(xiàn)績(jī)效指標(biāo),并實(shí)施管理和監(jiān)控,成為構(gòu)建商業(yè)智能 系統(tǒng)和經(jīng)營(yíng)分析系統(tǒng)的關(guān)鍵內(nèi)容;
設(shè)計(jì)關(guān)鍵績(jī)效指標(biāo)的關(guān)鍵因素主要包括:
一致性: 保持與戰(zhàn)略和目標(biāo)一致; 所屬性: 應(yīng)歸屬個(gè)人或各團(tuán)隊(duì)擁有,并對(duì)其結(jié)果負(fù)責(zé); 預(yù)測(cè)性: KPI 是衡量企業(yè)價(jià)值的推動(dòng)者,期望績(jī)效的領(lǐng)先績(jī)效指標(biāo); 行動(dòng)性: KPI 具有及時(shí)行動(dòng)數(shù)據(jù),用戶可及時(shí)采取干預(yù),提供績(jī)效; 數(shù)量少: 讓用戶集中在幾個(gè)重要價(jià)值的指標(biāo)任務(wù)上; 簡(jiǎn)單性: 不要涉及復(fù)雜的指數(shù),導(dǎo)致用戶難直接施加影響; 平衡性: KPI 之間保持平衡并相互支持,不僅僅對(duì)局部?jī)?yōu)化流程; 觸發(fā)變化:能觸發(fā)一系列變化,尤其是高管進(jìn)行監(jiān)控; 標(biāo)準(zhǔn)化: 基于標(biāo)準(zhǔn)化定義、規(guī)則和計(jì)算方法,實(shí)現(xiàn)數(shù)據(jù)和儀表盤整合; 背景驅(qū)動(dòng):KPI 將績(jī)效置于一定背景下,通過(guò)對(duì)象和階段進(jìn)行衡量; 激勵(lì)性: 薪酬與 KPI 關(guān)聯(lián),在穩(wěn)定期可提升影響力; 相關(guān)性: 進(jìn)行定期評(píng)估及時(shí)更新;
設(shè)計(jì)關(guān)鍵績(jī)效指標(biāo)的 SMART 原則是: 根據(jù)經(jīng)驗(yàn), 在設(shè)計(jì)關(guān)鍵業(yè)績(jī)指標(biāo)的時(shí)候必須遵循 SMART 原則, 這五個(gè)字母分別代表一個(gè)具 體的含義:
S:業(yè)績(jī)考核指標(biāo)必須是具體和明確的,指標(biāo)設(shè)計(jì)應(yīng)當(dāng)細(xì)化到具體內(nèi)容,符合企業(yè)和 團(tuán)隊(duì)主導(dǎo)業(yè)績(jī)目標(biāo),保證明確的導(dǎo)向性。
M:業(yè)績(jī)考核指標(biāo)應(yīng)當(dāng)是容易衡量的,工作業(yè)績(jī)成果應(yīng)體現(xiàn)為可以量化的指標(biāo)。 A:業(yè)績(jī)考核指標(biāo)應(yīng)當(dāng)是可以達(dá)到的,在保證一定挑戰(zhàn)性的基礎(chǔ)上,指標(biāo)應(yīng)當(dāng)是員工 在現(xiàn)有資源下經(jīng)過(guò)努力可以實(shí)現(xiàn)的目標(biāo)。
R:指業(yè)績(jī)考核指標(biāo)應(yīng)當(dāng)具有相關(guān)性,必須和企業(yè)的戰(zhàn)略目標(biāo)、部門的職能及崗位職 責(zé)緊密聯(lián)系。
T:業(yè)績(jī)考核指標(biāo)應(yīng)當(dāng)是有明確的時(shí)間要求,關(guān)注工作完成的效率。
有關(guān)樣本量代表性問(wèn)題的解釋
大部分從事調(diào)查研究的朋友,都會(huì)碰到“多大樣本量”才用代表性問(wèn)題,其實(shí)這個(gè)問(wèn)題不光研 究人員會(huì)困惑, 企業(yè)也非常困惑。 那到底應(yīng)該如何選擇樣本量呢?其實(shí)今天沈老師不是要回 答這個(gè)問(wèn)題,而是幫助你:如何解釋這樣一個(gè)樣本量是恰當(dāng)或合適的,既滿足統(tǒng)計(jì)要求,也 能考慮費(fèi)用和可操作性! 1. 樣本量的確定是費(fèi)用與精度的函數(shù),取決于研究的精度和費(fèi)用,特別是實(shí)踐中費(fèi)用 考慮的更多! 2. 抽樣調(diào)查,特別是隨機(jī)抽樣,樣本有代表性,往往比普查更有效率,甚至精度更高, 這里我們主要計(jì)算和討論抽樣誤差,非抽樣誤差是人為因素,考質(zhì)量控制; 3. 樣本量的確定有賴于隨機(jī)抽樣,或者說(shuō)主要是針對(duì)隨機(jī)抽樣,需要統(tǒng)計(jì)推斷下的計(jì) 算樣本量,如果是非概率抽樣,理論上沒(méi)有計(jì)算和控制樣本量的問(wèn)題; 4. 如果研究只要 40-50 個(gè)樣本,感覺(jué)上應(yīng)該是非概率抽樣(依賴被訪者選擇方式) 5. 即使是非概率抽樣,我們很多時(shí)候也采用概率和統(tǒng)計(jì)分析及推斷思想來(lái)進(jìn)行數(shù)據(jù)分 析和下結(jié)論!只是這種方法沒(méi)有完善的理論支持,或者說(shuō)有可能因?yàn)檠芯空叩闹饔^ 判斷失誤造成偏差; 6. 無(wú)論是概率抽樣還是非概率抽樣,樣本量越大當(dāng)然效果越好,結(jié)論越穩(wěn)定(理論上 說(shuō)) 7. 40-50 個(gè)樣本在統(tǒng)計(jì)上屬于小樣本,t-檢驗(yàn),如果樣本大于 60 或理想 120 以上, t 分布就是正態(tài)分布了,所以 40 個(gè)樣本在統(tǒng)計(jì)上是最小推斷總體的樣本,換句話說(shuō)
40-50 個(gè)樣本是介于小樣本和正態(tài)分布大樣本的臨界樣本量;如果不嚴(yán)格的話 40 個(gè)樣本就可以比較總體之間的統(tǒng)計(jì)差異了; 8. 所以,一般來(lái)講,針對(duì)一個(gè)研究對(duì)象和人群,要進(jìn)行比較最少 40 個(gè)樣本,比如男 女差異,應(yīng)該各擁有 40 人(80 人),或者說(shuō)你們進(jìn)行配額樣本的時(shí)候要保證統(tǒng)計(jì) 比較的類別至少有 40 個(gè)樣本; 9. 那么 40 個(gè)樣本有代表性嗎? 當(dāng)然越多越好,越有代表性 10. 但如果調(diào)查對(duì)象非常一致,沒(méi)有差異,只要問(wèn)一個(gè)人就行了,所以要考慮研究對(duì)象 的差異性,如果差異大,當(dāng)然樣本量要大,如果沒(méi)有差異,同質(zhì)性較高樣本量就少; 11. 總體的大小對(duì)樣本量的選擇沒(méi)有影響,調(diào)查研究一般必須在研究前明確總體是誰(shuí), 大總體沒(méi)有影響(上萬(wàn)人),中等總體有點(diǎn)影響(5000 人),小總體有很大影響 (千百個(gè)人);總體是你要推斷的人群; 12. 再者要考慮研究對(duì)象在總體中擁有的比例(比如要找艾滋病人),如果比例非常低 的話,需要大樣本才能找到;但往往商業(yè)研究就采用非概率抽樣了,比如滾雪球抽 樣,專家判斷抽樣,配額抽樣等; 13. 另外,選擇 40 個(gè)人,如果是經(jīng)過(guò)我們主觀判斷的,有一種說(shuō)法:叫條件概率,也 就是我們?cè)搅私庋芯磕康暮蛯?duì)象,我們就越能夠做出正確判斷;比如 P(A|B), 也就是說(shuō)我們?cè)搅私?B 事件發(fā)生的概率,那么 A 發(fā)生的概率就越確定;就像我們?cè)?Google 中搜東西,你的關(guān)鍵詞=B 越準(zhǔn)確,得到的結(jié)果 A 就越是你想要的東西; 14. 當(dāng)然,如果你的主觀判斷錯(cuò)了,就會(huì)犯更大的錯(cuò)誤 15. 還有就是希望得到的精度;如果得到的結(jié)果是 70%加減 10%誤差我們可以接受, 但如果是總體本身就不到 8%,那 8%加減 10%,尾巴比頭都大顯然不行,當(dāng)然到 底如何確定精度,是研究前你們與客戶要明確的,事先研究設(shè)計(jì)確定的,不能事后 來(lái)說(shuō); 16. 記?。河袝r(shí)候我們研究本身不需要那么高的精度 17. 整個(gè)研究設(shè)計(jì)過(guò)程的質(zhì)量控制可以更有效提升研究品質(zhì) 18. 研究測(cè)試的技術(shù)(接近自然科學(xué)儀器測(cè)量)可獲得更好研究品質(zhì) 19. 根據(jù)精確的抽樣,需要采用精確的統(tǒng)計(jì)分析,否則也達(dá)不到效果 20. 任何研究都不會(huì)完美,都是權(quán)衡和保守的過(guò)程,總的來(lái)講保守不犯錯(cuò).
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10