企业对标指标体系评价方式研究

摘 要：对标管理是寻找和学习最佳管理案例和运行方式的一种方法，它可以帮助企业寻找最佳案例和标准，寻找自身不足，加强内部管理。企业通过对标实现自身管理水平的提升，构建科学合理的指标体系是企业实施对标工作的重要环节，是联系各项对标工作流程的纽带，要实现对标体系对企业提升的最大化服务，如何对各项对标指标进行评价是重要突破口，需要企业对指标体系构建合理可行的评价方式进行保障。

关键词：企业管理 对标 指标体系 评价方式 合理性

中图分类号：F426 文献标识码：A 文章编号：1672-3791（2015）09（a）-0110-02

企业在生产经营时秉行各自价值理念，不断为社会创造利润，同时承担着不可推卸的社会责任。2015年我国经济下行压力加大，各行各业面临很大的考验与挑战。企业要想持续为员工、消费者、社会和环境创造价值，必须不断寻求创新，可以结合自身特点与实际，积极探索实施对标管理，修订具有企业特色的指标体系，持续服务企业整体水平发展。

1 指标设置

对标管理作为企业管理的核心，指标体系的设置成为对标管理的起点，指标设置成为对标管理过程中的重要一环。企业在实施对标管理时应明确发展目标，以企业中最基本的运行单元（班组）为执行主体，按照“指标对标为先导”的要求进行设置。

1.1 指标设置原则

根据SMART原则，对各班组指标进行设置。

（1）Specific（具体）：即设置的指标必须是具体的，不能笼统。指标描述要用具体的文字语言表达清楚班组需要完成的目标值，如同给班组设置一个行为准则，以此衡量班组工作完成质量。指标设置时应充分考虑班组核心业务、短板业务或重点工作，充分指导基层工作，切实对班组进行考核。

（2）Measurable（可量化）：指标设置遵循“能量化的量化，不能量化的质化”，根据基础数字数据或者一定的行为准则进行验证的，形成一个统一的、标准的、清晰的可度量标尺。如果设置的指标概念模糊、无法衡量，各个单位对工作完成的好坏无法比较，那指标的设置完全失去意义。

（3）Attainable（可实现）：设置的指标基层班组可以通过自身努力去达到。如果设定的标准过高或者超出班组掌控范围，那么班组在执行的过程中必然出现心理甚至行为上的抗拒，工作热情逐步被消灭。所以指标设置要控制在班组职责范围之内，既要使工作饱满，也要具有可达性。

（4）Realistic（与大目标相关联）：指标设置应与公司大目标相关联，与班组本职工作相关联。根据考虑公司发展需求和班组职能特点，科学合理设置指标，确保指标符合专业管理要求，逐步体现对上级单位指标的支撑作用。如果这个目标的实现没有服务于公司大目标的提升，意义也不是很大。

（5）Time-based（明确的统计周期）：每个指标都要制定明确的统计周期，将指标评价设定在一定的时间维度内。参考国内实施对标管理的企业的指标体系，指标统计周期以月度为主、根据需要设置适量季度指标，原则上避免年度、半年度指标。

1.2 指标设置内容

设置指标内同时应充分尊重SMART原则，完善优化指标内容，才能充分激发班组潜能，调动班组工作积极性，实现企业管理水平提升。

任何一种管理方法都不可能长期保持其合理性，只有根据需要不断改进，才能保证指标体系的先进性。因此任何指标体系在运行中，都要不断搜集基层班组不断反馈出的与实际工作不适应的地方，在保留原有满足要求的指标基础上，更换、变更、删除不满足条件的指标，不断完善指标定义，明确评价方法，强化采集手段，加强数据核查，逐步使指标可比、可控、合理，才能实现对指标评价的最大化。

2 指标评价

指标评价是对标管理的核心，制定一套科学、合理、系统的指标体系是评价结果准确、有效的基础和前提。只有经过完善可操作的评价过程，对标结果才可以作为基层单位创标杆、找差距、补短板的依据，真正实现对标指标体系服务基层单位管理水平提升，发挥指导公司整体发展的载体和抓手作用。

2.1 评价规则

指标体系正式实施后，面对庞大而又繁杂的基础数据，如何化繁为简，将指标统一落实到一个标准点对其进行评价成为了企业管理人员的一大难题。选择科学合理的数学工具对数据进行规整是评价过程中的关键。

正态分布又名高斯分布，是自然界事物中最常见的一种分布状态，直观上产生一种“中间多、两头少、左右基本对称”的特点，在数学、物理及工程等领域有着广泛应用。对标指标体系支撑数据如同人类生产活动一样，产生的随机变量非常稳定地服从正态分布规律。而站在企业管理者的角度而言，指标完成值的情况符合正态分布也是他们希望看到的结果，因此将其作为指标评价过程中的一种常用规则。有统计学研究发现，相对合理有效的指标体系，产生的数据一般都符合正态分布，这也可以作为评价数据质量高低的一种标准。

2.2 异常数据验证

针对指标的基础数据的评价过程中多变量、大样本的特点，统计数据质量问题直接影响了对标管理质量，如果指标基础数据中出现了异常值，就会降低数据质量，误导指标评价结果，失去指标体系的公平度，甚至导致企业管理层决策方面的失误。因此在指标体系评价过程中，对其基础数据进行异常验证，减少数据统计过程中的误差，有利于避免异常数据带来的损失。常用方法包括均值极差（适用于8个及以下数据群）、均值标准差（适用于8个及以上数据群）、单值移动极差（适用于单指标横向异常数据验证）。值得一提的是，异常数据不代表指数据有误，也可能是一个真实可靠的数据，只要经过核查确定其真实有效，依然采用。

2.3 归一化

针对指标评价过程中存在的差异化，要充分尊重地方特色，承认个性，按照一定的规则（归一化）将其统一到一个标准上。归一化处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲及单位，这样的情况会影响到数据分析的结果，为了消除影响，需要进行数据标准化处理，以增强数据指标之间的可比性。原始数据经过归一处理后，各指标处于同一数量级，适合进行综合对比评价。常用的归一化方法是min―max标准化法，也称离差标准化，是对原始数据经过线性变换，使结果映射到[1]之间。

3 结语

笔者深入参与国内企业对标管理工作，切实感受到指标体系良好的使用效果，有效提升了企业内部的管理水平和工作改进，从而对企业整体实力形成强有力支撑，成绩不断提高。任何一种管理模式都不可能长期生存，指标体系亦如此，在使用过程中要针对发现的问题不断进行完善修订，才能保证其长期有效合理性，持续为基层班组服务，永葆企业活力，提高企业的竞争力。

参考文献

[1] 张成考，高爱华.21世纪企业管理的新方略标杆管理[J].工业技术经济，2002（5）：30-34.

[2] 彭剑锋.人力资源管理概论[M].上海：复旦大学出版社，2009.

[3] 魏宗舒.概率与数理统计教程[M].北京：高等教育出版社，2004.

[4] 苗夺谦，李道国.粗糙集理论、算法与应用[M].北京：清华大学出版社，2008.

[5] 李林，曹文华，毕海普.基于SMART原则的企业安全文化评价体系研究[J].中国安全科学学报，2007，17（2）：121-128.