Lý thuyết: Employee Performance Analytics

Lý thuyết nền tảng
Employee Performance Analytics đọc hiệu suất đúng cách

Sáu cách phân tích dữ liệu hiệu suất: phân phối kết quả, mối liên hệ với đào tạo, độ tin cậy của đánh giá, sai lệch của người chấm và cách dùng dữ liệu để phát triển. Bấm vào từng ô để lật và xem giải thích.

1
Kết quả và đào tạo

Ba góc nhìn đầu tiên để hiểu kết quả hiệu suất.

Phân phối kết quả hiệu suất

Xem cả nhóm theo phân phối, không chỉ xem điểm trung bình.

Phân phối kết quả hiệu suất

Là gì

Phân phối kết quả cho biết bao nhiêu người ở mỗi mức đánh giá. Điểm trung bình có thể đẹp nhưng phân phối lại quá tập trung ở một mức, khiến đánh giá không còn phân biệt được ai làm tốt hơn.

Cách làm

  1. Vẽ biểu đồ phân phối cho từng đơn vị.
  2. Kiểm tra xem có quá nhiều người ở cùng một mức không.
  3. Thảo luận với quản lý khi phân phối lệch bất thường.

Lưu ý

Ép phân phối theo tỷ lệ cố định cũng gây bất công. Phân phối chỉ là tín hiệu để xem lại đánh giá.

Hiệu suất và đào tạo

Xem người có hiệu suất thấp đã được đào tạo đủ chưa trước khi kết luận.

Hiệu suất và đào tạo

Là gì

Phân tích liên hệ giữa đào tạo và hiệu suất giúp phân biệt thiếu kỹ năng với thiếu động lực hay thiếu công cụ. Nếu người hiệu suất thấp chưa từng được đào tạo, vấn đề thường nằm ở doanh nghiệp.

Cách làm

  1. Ghi lịch sử đào tạo của từng người.
  2. So hiệu suất giữa nhóm đã và chưa được đào tạo.
  3. Đề xuất đào tạo cho đúng khoảng trống kỹ năng.

Lưu ý

Mối liên hệ chỉ là tương quan, chưa phải nhân quả. Cần kết hợp với quan sát thực tế.

Độ tin cậy của đánh giá

Hai người chấm khác nhau có cho kết quả giống nhau không.

Độ tin cậy của đánh giá

Là gì

Độ tin cậy đánh giá là mức độ nhất quán giữa các người chấm hoặc giữa các lần chấm. Đánh giá thiếu tin cậy làm kết quả phụ thuộc vào ai chấm hơn là vào người được chấm.

Cách làm

  1. So kết quả của hai người chấm cho cùng một nhóm.
  2. Tính mức chênh lệch trung bình giữa người chấm.
  3. Tổ chức hiệu chỉnh khi chênh lệch lớn.

Lưu ý

Không có công thức đo tin cậy đơn giản cho mọi trường hợp. Bắt đầu bằng so sánh thủ công là đủ.

2
Thiên kiến và phát triển

Ba việc giúp dữ liệu hiệu suất công bằng và dẫn tới phát triển.

Thiên kiến của người chấm

Người chấm có xu hướng chấm cao hoặc thấp hơn bình thường, hoặc thiên vị theo nhóm.

Thiên kiến của người chấm

Là gì

Các thiên kiến thường gặp gồm chấm quá cao cho người quen, chấm trung tâm cho tất cả, hoặc đánh giá theo ấn tượng gần nhất. Phân tích theo người chấm giúp phát hiện những thiên kiến này.

Cách làm

  1. Tính điểm trung bình theo từng người chấm.
  2. So người chấm có mức chấm quá khác biệt với đồng nghiệp.
  3. Phản hồi cho người chấm với số liệu cụ thể.

Lưu ý

Phân tích thiên kiến phải được dùng để giúp người chấm tốt hơn, không để phạt người chấm.

Dùng dữ liệu để phát triển

Kết quả đánh giá dẫn tới kế hoạch phát triển cụ thể cho từng người.

Dùng dữ liệu để phát triển

Là gì

Mục đích chính của phân tích hiệu suất là phát triển người lao động. Dữ liệu nên dẫn tới một kế hoạch cụ thể, có người hỗ trợ và thời hạn xem lại.

Cách làm

  1. Chọn một điều cần cải thiện cho mỗi người.
  2. Ghi kế hoạch phát triển và người hỗ trợ.
  3. Xem lại kết quả sau một quý.

Lưu ý

Báo cáo đẹp không thay đổi được hiệu suất. Cần hành động sau báo cáo.

Bảo vệ dữ liệu hiệu suất

Dữ liệu đánh giá là dữ liệu cá nhân và chỉ dùng cho mục đích đã thông báo.

Bảo vệ dữ liệu hiệu suất

Là gì

Dữ liệu hiệu suất gắn với từng người và thuộc phạm vi dữ liệu cá nhân. Doanh nghiệp cần nói rõ mục đích sử dụng và hạn chế người được xem chi tiết.

Cách làm

  1. Thông báo mục đích sử dụng dữ liệu đánh giá cho người lao động.
  2. Phân quyền xem chi tiết và xem tổng hợp.
  3. Hạn chế dùng dữ liệu cho mục đích ngoài đã thông báo.

Lưu ý

Bài này tóm tắt nguyên tắc. Cần đối chiếu Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 khi áp dụng cụ thể.

Nội dung mang tính tham khảo chung về kỹ năng làm việc, hãy điều chỉnh theo đặc thù công việc của bạn.