高パフォーマンスの予測方法

システム生成のパフォーマンス予測を使用して、従業員の評定を検証できます。自己都合退職を減らすには、パフォーマンス予測と自己都合退職予測が役立ちます。

パフォーマンス予測に影響する設定

パフォーマンス予測は、すべての従業員のデータに基づきます。予測のためのデータの収集およびデータ・マイニングの実行プロセスでは、関連するデータが収集され、予測が生成されます。「設定および保守」作業領域の「予測モデルの管理」タスクを使用して、予測モデルを管理できます。

企業または指定したマネージャ・アサイメントに対してデータ収集を実行できます。プロセスのデータ・マイニング・ステージは常に、使用可能な最新データに対して実行されます。

企業内の関連トランザクション(採用、退職、昇格・昇進など)が多い場合に正確な結果を得るには、毎週プロセスをスケジュールすることをお薦めします。プロセスには、デフォルト・スケジュールはありません。パフォーマンスへの影響を避けるため、アクティビティが少ない時間帯にプロセスをスケジュールするようにしてください。

パフォーマンスの予測方法

.

1. 従業員のすべての雇用関係で、プロセスは、次のような大規模な属性セットの値を収集します。

   • 等級の時間

   • 現在のジョブ

   • 最新の昇給

   • パフォーマンス評点

   • 前年度の疾病休暇欠勤数

   どの属性に高いパフォーマンスとの相関が認められるかを確認するとします。一定の状況ではマネージャ名などの単純な値が必要とされ、別の状況では、病欠の増加率などの値をプロセスが計算します。これらの属性の大部分は、アサイメント・レベルで保持されるため、複数のアサイメントを持つ雇用関係では、複数の値が収集されます。

   派遣就業者と非就業者の雇用関係は除外されることに注意してください。

   収集された属性値はOracle Data Miningに渡され、そこでデータのパターンおよび関係が識別されて、従業員パフォーマンスを予測するためのモデルが構築されます。

2. Oracle Data Miningは、予測モデルに従って現在の従業員のパフォーマンス予測を行います。たとえば、特定のジョブおよび等級のパフォーマンスが高い場合、そのジョブおよび等級の現在の従業員は、他のジョブおよび等級の就業者より高パフォーマンスである可能性が高くなります。

   各予測は、従業員アサイメントに関連しています。従業員が複数のアサイメントで1人のマネージャに直属している場合、マネージャは、その従業員の複数の予測を参照できます。

パフォーマンス予測は、チームと個別アサイメントの両方で使用できます。

• チーム予測では、チームの平均予測パフォーマンスを示すだけでなく、その要因が主な寄与要因である従業員アサイメントのパーセントを示します。

• 個別予測は、従業員アサイメントの予測パフォーマンスを示します。前のパフォーマンスなどの関連要因の値と、予測に対する各要因の相対的な寄与も表示されます。