山东师范大学硕士学位论文
目录
摘要I
ABSTRACT ....... II
第1章 绪论 ..... 1
1.1 研究背景1
1.2 研究目的、研究意义 .. 2
1.3 研究现状3
1.4 研究思路与方法 ...... 4
1.5 论文的组织结构 ...... 5
第2章 相关概念及理论 ....... 6
2.1 KPI理论和相关概念 ... 6
2.1.1 绩效管理与绩效考核 ......... 6
2.1.2 闭环KPI在本文的定义 ....... 6
2.1.3 PDCA循环 ...... 7
2.1.4 基于KPI的用户画像 ......... 7
2.1.5 对KPI数值的趋势预测 ....... 8
2.1.6 使用KPI进行风险预警 ....... 9
2.2 大数据理论和相关概念 ........... 10
2.2.1 大数据的4个V10
2.2.2 被管对象模型 .. 11
第3章 存在问题的分析 ...... 13
3.1 绩效观念有偏颇 ..... 13
3.2 KPI体系不完善 ...... 14
3.3 数据使用不闭环 ..... 15
3.4 绩效执行不到位 ..... 16
3.5 闭环KPI应用的总体需求 ......... 17
第4章 KPI闭环管理的解决方案 .......... 21
4.1 总体解决方案概述 ... 21
山东师范大学硕士学位论文
4.2 绩效观念改变方案 ... 22
4.3 KPI应用体系完善方案23
4.4 数据闭环解决方案 ... 26
4.5 绩效执行推进方案 ... 29
4.5.1 KPI自定义的解决方案 ...... 30
4.5.2 KPI的告警方案31
4.5.3 KPI的趋势预测和方案 ...... 31
4.5.4 KPI异常后的通知办法 ...... 32
4.5.5 KPI的数据钻取方案 ........ 32
4.5.6 KPI的分析办法33
第5章 效果评价和实施策略 .. 36
5.1 某税局绩效提升效果实例 ......... 36
5.2 效果宏观评价 ....... 37
5.3 具体实施策略 – 以某税局为例 ... 38
5.3.1 模型定义示例 .. 38
5.3.2 KPI定义示例 .. 40
5.3.3 KPI告警和风险预警示例 .... 41
5.3.4 多维度分析示例43
5.3.5 用户画像示例 .. 44
5.3.6 数据接入示例 .. 47
第6章 总结和展望 .......... 49
6.1 总结 ... 49
6.2 展望 ... 50
参考文献 ....... 52
致谢 ....... 51
山东师范大学硕士学位论文
摘要
近年随着我国国民生活水平的日益提高和对美好生活的日益向往，国家推进建设服务
型政府的力度也越来越大。同时，随着我国经济的快速发展，大型企业逐渐进入扩张、壮
大和全球布局的阶段。但是，不管是政府还是企业，其KPI设计和考核落地问题，仍然比
较突出。经过作者对政府智能部门、行业主管部门、大型企业的调研发现，突出的问题表
现在以下3个方面：一是，大量数据还未能作为客观数据被良好地应用于KPI考核体系，
KPI考核仍然以主观判断为主；二是，单个KPI是否能够闭环的问题。即：某个KPI是否
产生了良好的效益或导向，或者是否产生了坏的影响，在下一个KPI考核周期是否要继续
加强还是关闭的问题；三是，如何对KPI进行智能化预测、预警，以便将风险降低。针对
这3方面的问题，作者结合IT行业近年来大数据分析和应用的最新成果，提出了基于“闭
环KPI管理”的系列解决方案，包括：KPI自主定义、KPI多维度分析、KPI预测和预警、
被管对象实体画像、KPI考核等
该方案的创新之处有：一、创造性提出了一种新的数据模型，并通过构建具体被管对
象的数据模型的方式，允许使用者自主构建KPI；二、智能化的KPI分析、预测、预警
这一点极大的提高了使用者的生产效率
经过作者在税务、发改、政法等政府部门和多个企业，对该方案的推广和验证，认为
该方案提高了职能部门的管理水平和企业团队或个人的绩效。期望该方案能够在更多的政
府机构和企业推广，提高其绩效管理水平
关键词：
KPI、闭环、大数据、大数据分析、预测、预警
I
山东师范大学硕士学位论文
ABSTRACT
In recent years, with the ever-increasing national living standards and the growing desire of
people for a better life, our country has also increased efforts to build a service-oriented governm
ent. Meanwhile, with the rapid development of China's economy, large enterprises have graduall
y entered the stage of growth, expansion and global deployment. However, no matter for the gov
ernment or enterprises, there are still obvious problems in the KPI design and assessment system
. After the author's investigation of the government's industrial management departments and lar
ge enterprises, the outstanding problems lie in the following three aspects:
First, large amount of data has not yet been properly applied as objective in the KPI apprais
al system. The KPI appraisal is still based on subjective judgments.
Second is whether the single KPI can be closed-loop, i.e. whether a certain KPI has produce
d good benefit or orientation, or whether bad influence, and should it continue to strengthen or cl
ose in the next evaluation cycle.
Third, how to intelligently forecast and generate early warning to KPIs and eliminate risk
In light of the three issues, the author proposes a series of solutions based on closed-loop
KPI management by the recent achievements of big data analysis and applications of the IT ind
ustry, including: KPI self-definition, KPI multi-dimensional analysis, KPI forecasting and early
warning, managed object entity imaging, KPI assessment, etc.
The innovations of the solution are: First, creatively propose a new data model, and facilitat
e users to independently build KPIs through designing specific managed object data model; Seco
nd, intelligent KPI analysis, forecasting and warning. This greatly improves productivity of users
.
After the author's promotion and verification of the solution in taxation, development innov
ation, legislative, and other government agencies and a number of enterprises, we believe that th
e solution has improved management level of the government departments and performance of e
nterprise teams and individuals. We expect that the solution should be promoted in more govern
ment agencies and enterprises to improve performance management.
Keywords:KPI, closed-loop, big data, big data analysis, forecast, early warning
II。