人力資源調查數據分析解讀常見問題

瀏覽數:7800


  隨著人力資源在企業內部的日益受重視,人力資源部門嘗試著用多種量化、質化的方式來了解人力資源相關議題。當調查的主題跟人的心理、行為涉及越深,各種調查結果的解讀嚴謹性就越加重要,當我們越來越習慣用量化數據作為各種判斷的支持論證時,我們很容易憑一些與我們預期相符合的數字輕率下結論;或是為那些與預期相左的結果感到不知所措。在人力資源議題所處的複雜關係中,數字有時反而成為扭曲真相的幫兇,當然,我們並不否定量化調查方法在這個領域的貢獻,相反的我們更期望這樣的科學方式,能對解決問題更有幫助。這篇文章要強調的點只有一個「對任何數據請多少都抱持懷疑,多想一些數據的來源與代表的意涵」,接下來,我們透過幾個案例來幫助分析人員,學會「多想一些」的技巧。

一、到底真相是什麼?-數據的對等比較

  某公司的人力資源部門,為了使每個員工的工作績效評價更為全面化,除了一慣性由上級主管評價所屬員工之外,亦讓每個主管同時也受到其所屬員工的匿名評價,而同時,每個從業人員也可以進行自我評價。這個做法主要目的,是要找出中階管理主管的管理績效;因為該公司組織扁平,中階主管擁有對員工大部分工作授權與績效評價的權利,是影響員工表現的關鍵因素。

  在這個機制下,每個中階主管會得到3個分數;分別1.來自於5-10名部屬的平均分數、2.來自於自我的評價分數與3.來自於1名直屬主管的評價分數;分析者就這三個分數的相互比較來做解讀。例如:中階主管的自評分數,比上級長官以及部屬的評分都來的高,表示這個中階主管自我認知太好,應令其自我檢討。這樣的評分設計看起來相當符合組織的實際狀況,而且中階主管也因為某部分績效來自於員工,所以中階主管對員工的評價將更為客觀。但我們仔細思考這些分數的構成;來自於部屬的分數,是由平均數構成,而來自於上級主管的分數卻只有1個。當然,在此可以反駁說:「實際狀況就是如此,部屬眾多而主管只有一個」,但中階主管的表現就只有其上司可以看見嗎?其他業務上合作過的同階主管或其他高階主管,是否也能評價其表現?拿平均分與單一評價比較,是否正確?

  上面所提的思考方式,只是純粹就數據來源的「對等」來做反思,那更進一步的,我們要為各種評分背後隱藏的「填答者權力」來進行深度思考。在上面的例子中,當基層員工與中階主管的上司評價一致時,這樣的結果可能沒有什麼爭議性,因為基層員工和中階主管的上司間無權利義務隸屬關係,認知不會相互影響,是一種相對客觀的狀態。但是當中階主管與其他任一者的評價相近,卻又與另外一者評價相差甚遠時,有爭議的解讀方式就產生了。舉例來說:「中階主管自評與其上司評價相近,但部屬的分數卻明顯低很多」,這種情況下,是該說「部屬無法體認上級(包含中階主管與高層)做法與目標,導致評價差異產生」還是認為「中階主管雖然有達到上級目標,但對下屬關心不足」?而實際狀況也可能是「中階主管的目標是上司給的,因為設定了不對的目標或執行了錯誤的上級指示,導致下屬心生不滿」,以上任何一者都有可能。

  但我們若把「權力」這個因素納入考量,就可能有個新的推論:「『中階主管自評與其上司評價相近,但部屬的分數卻明顯低很多』這個數據結果並非不正常」,調查方法本身的假設,是彼此都知道對方的工作內容,所以可以客觀的進行相互評價,但在實務運作上,上級可以了解下屬在做些什麼,但公司的階層結構,卻讓下級是沒有權力知道上級在做些什麼。所以主管間的認同可能趨於一致,而兩者和下屬之間的認知差異,可能就是一種「正常狀態」,而不一定是主管表現不好。這樣的一個觀察角度,在於提醒分析者在理性的制度外,更要去思考看不見的影響因素。

二、講不通的道理?-未被發現的其他因素與因果關係

在很多調查展開的前期,我們會進行各種假設,再期望由數字來驗證我們的推論,但當數據結果違反我們的假設,甚至違反一般常理認知,而數據與調查方法本身又沒有什麼嚴重的瑕疵時,往往會很難解釋這樣的數字結果,下面我們來看兩個例子:

1.留職意願的高低,常常被當成檢視一個企業人力資源的重要指標,而諸多研究也將之與「員工滿意度」作關聯,A公司某年度的調查出現了一個意料之外的結果,某個部門出現「員工滿意度最高,留職意願最低」的顯著性數據統計結果,人力資源部門苦於找出「高員工滿意度,卻無法提升留職意願」的原因。

2.溝通行為是當下中高階主管必修的管理學課程,許多高層主管也相向有效的溝通,有助於提升組織員工對組織的向心力,B公司某年的員工滿意度調查,也出現了一個令老闆疑惑的結果,「公司員工覺得與老闆的溝通越良好,滿意度越低」呈現了統計上的顯著負相關,該公司老闆百思不得其解,為啥溝通良好員工還不滿意。

  在上面兩個例子中,我們要小心的第一件事情,就是「有顯著相關性」這件事情在統計學上,只說明了兩件事情「有關係」,但是沒有說明這兩件事情是「誰影響了誰」,在第一個例子中分析人員的假設是「滿意度,造成了員工留職意願的變動」;第二個例子中則呈現「溝通的好壞程度,影響了員工工作滿意度變動」的假設,但事實上,這兩個假設的因果關係可能與假設完全相反。從心理學的認知協調觀點,員工可能是願意留在這家公司,而對這家公司有較高的滿意度,以避免自我內在衝突;而在另一個狀況中,員工亦可能因為對組織感到滿意,而比較願意跟上級溝通。當然上述的所有假設,都需要進一步的驗證措施。

  而延續上一段所談的驗證措施,就會引導出本段第二個議題,「未被發現中介因素」,量化結果需要的是「質化」方式的輔助,而一談到質化方式,「訪談」這個字眼幾乎是反射性的出現在大部分人心中,但其實對人力資源這種涉及敏感性議題的質化議題,「觀察」有時候是比「訪談」可以得到更客觀資料的方法,試想一下,當人力資源部門的人來問你對公司不滿意的原因時,你有多大的可能會說實話?另一方面,觀察也不是說完全不能有互動;觀察的意義在於「減少涉入」,減少被觀察者意識到自身在被觀察,而作出虛假反應的可能。非正式的午餐約會,空閒時間的閒話家常,其實都是收集資訊的好方式。找出隱藏原因的關鍵在於更細心的檢視細節,並且「小心求證」,求證階段可配合訪談來進行分析者對其假設的驗證,當然,避免直接性的敏感問法,依然是執行的重要技巧。

三、真的有加薪這麼多?-絕對與相對的關聯

  前些日子小陳被告知他升任小組長了,他很開心的想著自己將可能來個大幅加薪。因為他還記得去年人力資源調查報告中說,公司的職位和薪資關聯性很高;而他看著他新上級的裝扮就知道他的薪資有多誘人。但是當正式通知下來之後,薪資調整的幅度,讓他一點都高興不起來,他心裡想著,「又是一份假的報告」。

  在人力資源的相關調查中,「職位」常被拿來作為一個自變項,檢視它和其他因素的關係,而我們常常以「關聯性」的角度去看這些結果,例如:職位的高低和滿意度成現正向關聯性、職位的高低與薪水有關聯性…,這樣的論述乍看之下也與現實結果相符合,但這樣的數據結果,可能會被解讀成「當職位上升一個階級時,薪水(或滿意度)跟著上升多少」,而且這個結果,往往會高於實際情形,尤其是對低階員工的升遷。

  這一個解讀的問題在於把「職位提升一個程度」和「提升多少錢」作關聯。薪水的變化,是一種「絕對差異」, 100元和101元之間的差異,與101元和102元之間的差異是一樣的;但職位提升一個程度所代表的意涵(或說難度),就不像是薪資一般有絕對差異,是一種「相對差異」;例如:組長和員工的差異,不等同於組長與經理(組長的上一級)的差異;而關聯性解讀是把每個職位等級提升與薪資提升都等位化,但事實上,每個職位上升,薪資提升的幅度是不一樣的。 所以這種狀況,應該用「差異分析」,先說明不同職位間的薪資差距有顯著差異,再看各級距的平均數來比較差異大小,才可以為「職位與薪資」之關聯下定義。另一種方式,是將薪資提升也變成如職位一般的「級距」,再作關聯分析,但此時就是「職位級距」與「薪資級距」的關聯性,不能說是「職位與薪資」之關聯性。類似的錯誤解讀,也很容易產生在「年級、排名、等第..」等人為排序的變項上,分析者解讀時要小心此類陷阱。

四、會不會秋後算帳?-消除填答者的疑慮

  接下來這個故事和解讀比較沒有關係,但是,它告訴我們數據的可信度,有時候在解讀之前就已經被決定。我曾承接一家400人規模公司的年度滿意度調查,因為這一家企業把調查結果視為主管營運績效的一部分,各主管對於調查結果相當重視,因此員工填答時會格外有壓力。考量到員工對於這種類型調查的敏感性,特別設計了一系列「匿名化」措施,如:問卷不記名、用網路問卷(避免查字跡)、不用在公司內回答(免得因為網路位址來源查到員工編號)、資料庫獨立於公司資料庫之外…等作為,還特地對員工說明這些措施,讓其最大限度的可以表現真實意見,而不會有被秋後算帳的疑慮。

  但當我正因做了這些措施而自滿時,一個員工過來表達他的疑慮,他說:「你雖然提了很多對填答人的保護措施,但是我的組裡面就我一個人比較資深,而且是男性,只要一看性別與年資這兩題的資料,立刻就可以知道是我填的」,當時,我並沒有比較好的方式可以解決他的疑慮,但這件事提醒了我,我想得還不夠周全,畢竟我還是以「整體」的概念來想像填答情境,沒有進到員工個體的情境中。

  我可以想像,那個員工應該還是會填出一份中規中矩,但卻不是他真正心意的問卷。當我們想到數據調查的信度與效度時,腦中會浮現的是許多統計學方法,而真實的狀況往往比較像上述的案例,在調查展開之前,影響信度效度的因子已經開始悄然運作。要確保信度效度,不是在數字上作文章,而是要設身處地的為每個填答人想像,從調查設計;從題項的設計;從用字遣詞,越貼近填答者,越能得到真實的資料。

小結:調查解讀要放到真實情境中去

  上面的很多有問題的解讀例子,都是來自於把數據或結果獨立出來看待,沒有考量這些數據或是觀察所得事實所處的社會脈落。身為一個稱職的分析人員,要在調查的所有流程中,想像調查資料來源、分析過程與結果推論是否有脫離現實的瑕疵,再小心的求證,當解讀人員能更細緻的想像所有調查假設情境的社會環境細節,就更能反映出「真實」。數據只呈現了事實或問題的一小部份,分析人員需小心的從數據周邊找線索,挖掘出真相,而這個過程中,最需要的是分析人員對數據相關情境的「親身經驗」或是「設身處地」的想像,數據分析者要走入調查情境,只在象牙塔裡是找不出事實的。

更多資訊請參考...
{{item.title}}
生產力中心提供的活動資訊
{{item.title}}
相關出版品...