代理人业绩的综合模糊评价模型.docVIP

代理人业绩的综合模糊评价模型 现代企业大都存在着以两权分离为特征的“委托_代理”关系，对代理人业绩的考核评价由于目标的多样性与现实的复杂性而存在着一定的困难，在委托人与代理人之间也存在着一个类似于“柠檬市场”的信息不对称问题，代理人始终拥有比委托人更多、更充分的信息，存在着逆向选择与道德风险问题，这进一步加大了对代理人业绩的评价困难。我们总认为我们的评价不准确是因为考核标准不明确，于是我们会设计许多量化的指标，根据我们的期望和目标实现的程度，设定了不同的评价级别和相对应的薪酬水平，严格定义什么是好的业绩，什么是不好的业绩。我们之所以热衷于划分出许许多多个绩效等级来，是因为我们坚信，标准越明确、指标越全面、划分级别越细致，就越能客观和准确地评价业绩。 可是事实呢？我们的评价更客观了吗？更准确了吗？我的回答是：没有，相反可能变得更不准确，更不客观。在传统上，被广泛采用的评价体系(如balanced score card system)都采用了一种“二值逻辑”思维，要么好，要么不好，要么划分到上一个绩效档次，要么划分到下一个，总要让其对应于某个级别，非此即彼，不存在中间过渡状态。举例来说，就是当确定目标利润率水平为10%时，如果经营结果低于10%就是不好的，只可以获得10万年薪，而高于10%就是好的，可以获得15万年薪。这种评价事实上很难让人接受，也让许多代理人感觉“冤得慌”，为什么10%就是好的，可以得到高薪，而9.5%就是不好的？就只能得到低薪呢？这0.5%的差距到底说明了什么？对组织目标的影响到底有多大呢？你很难说清楚，就象女人们说胖瘦一样，她们永远在喊减肥，可到底瘦的标准是什么？没有人回答得了这个问题，二值逻辑在这里失效了。因而，我们试图用几个指标对代理人划分出三六九等的努力终归不是个好办法。既然划分不了等级，那我们也不难为自己了，想个别的办法吧。 我们先从一个希腊问题开始讨论。在古希腊流传着这样一个问题：多少小麦可以称作一堆？我们肯定能达成一致意见：两颗小麦肯定不能算一堆，三颗也不是，四颗也不能......另一方面，我们也肯定认同：十万颗小麦一定是一堆，二十亿颗也一定是一堆......但是五百颗算不算？四万颗算不算？我们似乎不大容易做出判断。当然，你可以说，不好判断是因为缺乏判断标准，那好了，确定标准也容易(有些标准就不那么容易确定了，比如内控能力、创新能力等)，我们规定80000颗小麦算一堆，那79999颗就不能算了吗？相信你也会说79999颗也能算一堆。类似的问题还存在于诸如“秃头”问题、大个子、胖子、好公司等许多方面的判断(这还受到判断者自身理性和感知的限制，两个判断者可能做出不同的判断来)，好多事情的边界是不清楚的，是模糊的，我们也只能做个模糊判断。可以说这两个事情之间存在着一个透明的、但有厚度和富有弹性的膜，难以使用作为现代数学基础的康托集合论(连小学课本里都充满了他的思想)来解决，去给他们划分等级和归类。事实上，康托的理论从定义集合开始，就等于在宣告集合论不解决模糊问题，更何况集合论还存在着悖论(如哲学家罗素提出的著名的“理发师悖论”)，于是人们在解决集合悖论的同时，也创立了模糊数学。 模糊数学的出现，与其说提供了一个工具，倒不如说提供了一个新的视野，让我们有机会去评价这些似是而非的问题。我们不再使用明确的逻辑判断，说“是”(值为1=100%)或“否”(值为0=0%)，而是使用一个逼近于某个属性的数值(或函数)。比如在评价一个人是不是高个子的时候，我们说他更接近于高个子，便用0.7表示，说他较少接近于矮个子，便用0.3表示(你可以采用0.6和0.4，这并没有错)。当然，这和随机数学中的概率是截然不同的，人们称其为隶属度(或隶属函数)。有了隶属函数，我们便可以比较容易的描述、评价我们遇到的许多模棱两可的东西。 对代理人业绩的评价正如说多少颗小麦能算作一堆一样，单凭堆体积大小或堆中颗粒的多少，根本无法做出判断，这是个亦此亦彼的事情，需要考虑的因素很多也很复杂。经营着类似性质、类似规模业务的几个代理人，他们都在不同方面表现出色，而在其它方面表现平庸，有些利润水平高，有的资产质量高，有的市场份额大，类似的情况不胜枚举。即便在同一方面，比如利润率，也难以评价10%就一定比9.5%好，就一定能成为“好”和“差”的分水岭。如果你真的这样评价了(事实上，我们大多数公司都在按关键业绩指标分档次计发年薪)，那么这将是一件很不幸的事情，你的代理人将会受到打击，至少他没有得到公正的对待，因为“好”和“差”在这里根本就是模棱两可的，你用一个自身力不能及的办法评价了他，他怎么能心服口服呢？要解决这个分歧，我们必须借助模糊数学的思想，建立一个模糊评价体系，这对大家都有好处。当然，你可能和我一样，非常憎恶在管理