互联网公司数据分析师数据挖掘能力绩效考评表

互联网公司数据分析师数据挖掘能力绩效考评表员工姓名：输入姓名 直接上级：输入姓名所在部门：输入部门 岗位编制：全职编制员工职位：输入职位 考核周期：输入部门考核维度指标名称权重目标值评分标准得分数据挖掘模型构建能力模型准确率40%90%根据模型在测试集上的准确率进行评分，每高于目标值1%加1分，最高加10分模型召回率85%根据模型在测试集上的召回率进行评分，每高于目标值1%加1分，最高加10分模型AUC值0.85根据模型在测试集上的AUC值进行评分，每高于目标值0.01加1分，最高加10分模型构建效率5天根据模型从数据准备到最终部署的平均耗时进行评分，每低于目标值1天加1分，最高加10分模型可解释性良好根据模型结果的可解释程度进行评分，'优秀'得10分，'良好'得8分，'一般'得5分，'差'得2分数据洞察与业务价值转化能力洞察报告采纳率30%80%根据提交的数据洞察报告被业务部门采纳的比例进行评分，每高于目标值1%加1分，最高加15分业务指标提升贡献15%根据通过数据挖掘项目直接推动的业务核心指标（如用户留存率、转化率等）提升幅度进行评分，每高于目标值1%加1分，最高加15分跨部门协作效果3次/季度根据与产品、运营、市场等部门协作完成数据挖掘项目的次数进行评分，每高于目标值1次/季度加1分，最高加5分数据故事化能力优秀根据数据洞察报告的呈现质量进行评分，'优秀'得10分，'良好'得8分，'一般'得5分，'差'得2分业务问题解决率90%根据提交的数据挖掘项目解决业务部门提出核心问题的比例进行评分，每高于目标值1%加1分，最高加10分数据处理与分析工具应用能力数据处理效率20%100MB/小时根据处理特定规模数据集（如500GB）的平均速度进行评分，每高于目标值10MB/小时加1分，最高加10分SQL查询优化95%根据SQL查询的执行时间优化程度进行评分，执行时间低于原始查询的5%得满分，按比例递减工具熟练度5个根据在项目中熟练使用的数据分析工具（如Python、Spark、Tableau等）数量进行评分，每多掌握1个工具加2分，最高加10分数据质量把控0.5%根据项目中检测到的数据错误率（如缺失值、异常值等）进行评分，错误率低于目标值0.1%加2分，最高加5分代码规范与可维护性良好根据数据处理和模型代码的规范性与可维护程度进行评分，'优秀'得10分，'良好'得8分，'一般'得5分，'差'得2分学习与创新精神新技术学习与应用10%2项根据在项目中引入和应用的新数据挖掘技术或工具的数量进行评分，每多掌握1项加2分，最高加5分创新性解决方案1次/半年根据提出并实施创新性数据挖掘解决方案的次数进行评分，每高于目标值0.5次/半年加1分，最高加5分行业知识积累3篇/季度根据阅读和总结行业数据挖掘相关论文或报告的数量进行评分，每高于目标值0.5篇/季度加1分，最高加2分团队内部分享1次/季度根据在团队内部分享数据挖掘经验或项目的次数进行评分，每高于目标值0.25次/季度加1分，最高加2分知识文档沉淀2篇根据撰写并沉淀的数据挖掘方法论或案例文档数量进行评分，每多1篇加2分，最高加5分本考核表用于评估数据分析师在数据挖掘方面的综合能力。请根据每位分析师在考核周期内的实际工作表现，对照各维度指标进行评分。评分标准为：优秀（90-100%）、良好（80-89%）、一般（70-79%）、合格（60-69%）、不合格（60%以下）。权重为参考值，具体评分时可根据实际情况微调。评分（分）维度一维度二维度三维度四维度五员工评分合计上级评分合计最终得分奖金系数=(员工评分合计*30%)+(上级评分合计*70%)=绩效面谈直接主管签名：被