많은 대기업에서 2024년에 실행되는 성과 관리는 구식 기술이며 업데이트가 필요함. 직원들이 개별적으로 회사에 얼마나 기여했는지에 따라 보상을 받는다는 가정은 잘못된 것임. 고용주는 직원에게 가능한 최소한의 보수를 지급하려고 하며, 이는 정보 비대칭성과 가우시안 분포를 이용함. 공정성은 기대하기 어려움.
회사가 효율성을 우선시하고 하위 5%를 줄이는 것이 아니라, 결합된 생산성이 더 중요함. 모든 직원이 눈에 띄는 기능을 개발하는 슈퍼스타일 필요는 없으며, 청소부나 카페 직원도 필요함.
IQ는 가우시안 분포가 아니며, 이는 제조된 것임. IQ 테스트는 가우시안 분포를 형성하는 질문을 선택하여 만들어짐. 이는 테스트의 정확성을 높이기 위한 방법임.
인간의 재능이 파레토 분포를 따른다고 해도, 회사에 고용된 사람들은 그 인구의 선택된 하위 집합이며, 선택 방법과 과제에 따라 다른 분포를 가질 수 있음. 회사와 산업 내에서의 데이터를 통해 주장을 뒷받침해야 함.
Netflix에서는 모든 직원이 최고 성과자라는 기본 가정이 있었음. 성과와 보상은 완전히 분리되어 있었으며, 성과 평가는 360도 동료 리뷰로 이루어졌음.
대기업에서의 직원 성과 평가는 데이터 기반보다는 정치적임. 관리자는 10% 해고 할당량을 무기로 사용하거나, 실제로 존재하지 않는 저성과자를 찾기 위해 강제 기능으로 사용함.
직원 성과를 정의하지 않으면 그래프가 무엇을 나타내는지 알 수 없음. 고용 오류는 연속체이며, 고용 과정은 전체 노동 시장의 일부를 얻으려는 것이 아니라 주어진 급여에서 최대 성과를 얻으려는 것임.
웰치식 스택 랭킹과 가우시안 분포 가정은 잘못된 것으로 연구됨. 많은 연구자들이 파레토 분포가 더 현실적이라고 동의함.
학교 성적은 특히 쉬운 수업에서는 정규 분포를 따르지 않음. 일부 직무는 다른 직무보다 잘 수행하기 쉬움. 행정직은 거의 모든 업무를 성공적으로 수행할 수 있음.
데이터 과학을 통해 직원 그룹을 분석할 때, 이미 해고되거나 승진하기로 결정된 사람들은 이상치로 간주되어 샘플에서 제외되어야 함.
Hacker News 의견
많은 대기업에서 2024년에 실행되는 성과 관리는 구식 기술이며 업데이트가 필요함. 직원들이 개별적으로 회사에 얼마나 기여했는지에 따라 보상을 받는다는 가정은 잘못된 것임. 고용주는 직원에게 가능한 최소한의 보수를 지급하려고 하며, 이는 정보 비대칭성과 가우시안 분포를 이용함. 공정성은 기대하기 어려움.
회사가 효율성을 우선시하고 하위 5%를 줄이는 것이 아니라, 결합된 생산성이 더 중요함. 모든 직원이 눈에 띄는 기능을 개발하는 슈퍼스타일 필요는 없으며, 청소부나 카페 직원도 필요함.
IQ는 가우시안 분포가 아니며, 이는 제조된 것임. IQ 테스트는 가우시안 분포를 형성하는 질문을 선택하여 만들어짐. 이는 테스트의 정확성을 높이기 위한 방법임.
인간의 재능이 파레토 분포를 따른다고 해도, 회사에 고용된 사람들은 그 인구의 선택된 하위 집합이며, 선택 방법과 과제에 따라 다른 분포를 가질 수 있음. 회사와 산업 내에서의 데이터를 통해 주장을 뒷받침해야 함.
Netflix에서는 모든 직원이 최고 성과자라는 기본 가정이 있었음. 성과와 보상은 완전히 분리되어 있었으며, 성과 평가는 360도 동료 리뷰로 이루어졌음.
대기업에서의 직원 성과 평가는 데이터 기반보다는 정치적임. 관리자는 10% 해고 할당량을 무기로 사용하거나, 실제로 존재하지 않는 저성과자를 찾기 위해 강제 기능으로 사용함.
직원 성과를 정의하지 않으면 그래프가 무엇을 나타내는지 알 수 없음. 고용 오류는 연속체이며, 고용 과정은 전체 노동 시장의 일부를 얻으려는 것이 아니라 주어진 급여에서 최대 성과를 얻으려는 것임.
웰치식 스택 랭킹과 가우시안 분포 가정은 잘못된 것으로 연구됨. 많은 연구자들이 파레토 분포가 더 현실적이라고 동의함.
학교 성적은 특히 쉬운 수업에서는 정규 분포를 따르지 않음. 일부 직무는 다른 직무보다 잘 수행하기 쉬움. 행정직은 거의 모든 업무를 성공적으로 수행할 수 있음.
데이터 과학을 통해 직원 그룹을 분석할 때, 이미 해고되거나 승진하기로 결정된 사람들은 이상치로 간주되어 샘플에서 제외되어야 함.