従業員の成果はガウシアン分布に従うのか
(timdellinger.substack.com)従業員の成果は本当にガウシアン分布に従うのか？
データサイエンティストの視点
-
要約: 従業員の成果はガウシアン分布ではなく、パレート分布に従う可能性が高い。これは大企業の成果管理プロセスの問題点を説明し、優秀な人材を採用しにくい理由を明らかにする。経済学的には、賃金の限界生産性理論とジニ係数を組み合わせることで主要な洞察が得られる。
-
成果管理シーズン: フォーチュン500企業では毎年第4四半期に成果管理が行われる。従業員は過去12か月間の成果に基づいて評価され、ボーナスと昇給が決まる。
-
ガウシアン分布の限界: 多くの企業が従業員の成果はガウシアン分布に従うと仮定しているが、これは現実に合っていない。実際にはパレート分布の方がより適している可能性がある。
別の視点: パレート
-
賃金と成果の関係: 経済学では、賃金は従業員の成果を反映すると考える。パレート分布は賃金分布と成果分布を説明するのに有用である。
-
パレート分布の利点: パレート分布は成功と失敗の比率をよりよく説明する。大企業の成果はパレート分布に従う傾向がある。
示唆
-
成果管理の見直しの必要性: パレート分布を考慮すると、毎年下位10%を解雇する必要はないことを示唆する。成果管理プロセスはパレート仮説に基づいて再設計される必要がある。
-
採用の難しさ: 低い成果を示す従業員は、高い成果を示す従業員より3倍多い。これは採用の難しさを説明している。
結論と展望
-
成果管理の再考: 現在の成果管理システムは時代遅れであり、パレート分布を考慮した新しいアプローチが必要だ。成果管理の目標達成状況をモニタリングし、コスト分析を通じてシステムの効率性を評価する必要がある。
-
歴史的背景: 現代の成果管理システムは1980年代のGEで始まり、当時は終身雇用が一般的だった。しかし現在は従業員が頻繁に転職するため、従来のアメとムチ方式は見直しが必要である。
追加コンテンツ
-
パレートのアイデアを裏付けるデータ: 20世紀初頭のデータがパレートのアイデアを支持している。従業員の成果は主観的であり、客観的な数値を見つけるのは難しい。
-
"ローリングアップ"慣行についての考察: 強制分布の使用により、約5%の従業員が不当に評価される可能性がある。これは成果管理の公平性を損なうおそれがある。
1件のコメント
Hacker Newsの意見
多くの大企業で2024年に実施されている業績管理は時代遅れの手法であり、更新が必要である。従業員が個別に会社へどれだけ貢献したかに応じて報酬を受け取るという前提は誤っている。雇用主は従業員に可能な限り最低限の報酬を支払おうとし、その際に情報の非対称性とガウス分布を利用する。公正さは期待しにくい。
会社は効率性を優先し、下位5%を削減することよりも、結合された生産性のほうが重要である。全従業員が目立つ機能を開発するスーパースターである必要はなく、清掃スタッフやカフェのスタッフも必要である。
IQはガウス分布ではなく、それは人為的に作られたものである。IQテストはガウス分布を形成する質問を選んで作られる。これはテストの正確性を高めるための方法である。
人間の才能がパレート分布に従うとしても、会社に雇用されている人々はその母集団から選ばれた部分集合であり、選抜方法や課題に応じて異なる分布を持ちうる。会社や業界内のデータを通じて主張を裏付けるべきである。
Netflixでは、すべての従業員が最高の成果を出す人材だという基本前提があった。業績と報酬は完全に分離されており、業績評価は360度のピアレビューで行われていた。
大企業における従業員の業績評価は、データ主導というより政治的である。管理職は10%解雇枠を武器として使ったり、実際には存在しない低業績者を見つけるための強制的な仕組みとして使ったりする。
従業員の業績を定義しなければ、グラフが何を示しているのか分からない。採用の誤差は連続体であり、採用プロセスは労働市場全体の一部を得ようとするものではなく、与えられた給与で最大の成果を得ようとするものである。
ウェルチ式スタックランキングとガウス分布の仮定は誤りであることが研究で示されている。多くの研究者は、パレート分布のほうがより現実的だと同意している。
学校の成績は、特に簡単な授業では正規分布に従わない。一部の職務は他の職務よりもうまく遂行しやすい。事務職では、ほぼすべての業務を成功裏にこなせることがある。
データサイエンスを通じて従業員グループを分析する際には、すでに解雇された人や昇進が決まっている人は外れ値と見なされ、サンプルから除外されるべきである。