岗位胜任力模型中的数据分析运用

上篇文章我们讲到了胜任力模型的建构，在胜任力模型的应用中可以更多的用数据分析的方法和维度来完善胜任力模型，今天我们来讲讲在胜任力模型中数据分析的应用。

我们看下面的这个表格，这个是某个岗位的胜任力模型，在胜任力的解码上，我们选择了三个维度来做解码

一：综合能力

二：业务素质

三：业务技能

在三个维度上，我们运用了加权平均值的算法，首先对三个维度做加权，根据岗位的胜任力要求，业务素质和业务技能是属于比较重要的模块，所以都给 了40%的权重，相对而言综合能力不是特别重要，所以我们给了20%的权重，这样在进行胜任力评估的时候我们就有了重点，学员也知道自己需要往哪一个方向努力。

在三个维度的细分上，我们再进一步做加权的平均，我们给每个维度的细分能力上再做了加权，比如在岗位技能上，业务指标，制单的准确性是关键的指标，所以我们给了这两个指标30%的权重，另外两个指标是20%的权重，这样我们在评估打分的时候就会有重点。

所有这个是我们用加权平均法，来对胜任力的维度进行加权。

然后在各个层级的评估量化上，我们最开始的做法是每个层级的打分范围是0-100分，初级- 中级 - 高级，都是0-100分的范围进行打分，但是在后来沟通交流的时候，我们认识到，如果一个初级业务员，他的某个维度的能力已经达到了中级业务员的水平，但是在我们的打分上最高是100分，不能超过100分，那我们就不能发现这个初级业务员他在哪个能力上是超出了初级的。

所以我们也各个层级的评分标准进行了分组，对整个层级设定100分，初级0-60，中级60-80.高级80-100，这样按照每个职级的量化标准，再加上每个维度的加权，我们就可以为每个层级进行各项胜任力的评估，然后根据每项能力的标准分析和我们时间评估的分数，我们做出雷达图，通过雷达图我们就可以分析出每个员工的岗位胜任力的标准，如下图：

这样我们就用了纵向的 数据加权，横线的数据分析，出报告的数据雷达图，来最终生成数据分析报告。