数据分析师数据挖掘精准度绩效评定表

数据分析师数据挖掘精准度绩效评定表考核项目考核要素考核内容标准分自评考核评分实际完成情况数据质量与准确性（30%）数据清洗效率完成数据清洗任务的及时性与完整性，确保数据无缺失、无异常值、无重复记录。15数据质量与准确性（30%）数据准确性数据在清洗后与原始数据的一致性，确保数据在分析过程中无偏差或错误。15数据质量与准确性（30%）数据完整性数据在清洗后满足分析需求，数据字段完整，无遗漏关键信息。15数据质量与准确性（30%）数据一致性数据在不同来源或不同时间点保持一致，无矛盾或冲突。15数据质量与准确性（30%）数据标准化数据清洗后符合业务标准和规范，确保数据可被其他分析工具或系统使用。15模型性能与预测能力（35%）模型准确率模型在预测任务中的准确率，包括分类、回归等类型，误差率低于行业标准。15模型性能与预测能力（35%）模型泛化能力模型在新数据上的表现，不因训练数据偏差导致预测结果不稳定。15模型性能与预测能力（35%）模型可解释性模型的解释性与可追溯性，便于业务人员理解预测结果的逻辑与依据。15模型性能与预测能力（35%）模型迭代速度模型优化与迭代的速度，确保在业务需求变化时能够及时调整模型。15模型性能与预测能力（35%）模型稳定性模型在不同时间段或不同数据集上的稳定性，无显著波动或偏差。15业务价值与成果产出（20%）业务洞察深度对业务问题的深入分析，提出可落地的建议或解决方案，提升业务决策质量。15业务价值与成果产出（20%）业务价值转化数据挖掘成果对业务的实际影响，如提升转化率、减少成本或增加收入。15业务价值与成果产出（20%）数据报告产出定期产出高质量的数据分析报告，内容详实、逻辑清晰、可视化效果良好。15业务价值与成果产出（20%）跨部门协作与业务部门、技术团队的协作效率与质量，推动数据驱动的业务决策。15业务价值与成果产出（20%）项目交付效率项目按时交付率，确保分析成果在业务需求时间内完成并应用。15数据分析能力与学习成长（15%）数据分析深度对业务问题的分析深度，能够从多维度、多角度挖掘数据价值。15数据分析能力与学习成长（15%）学习与成长持续学习新技能与工具，提升数据分析能力与业务理解力。15数据分析能力与学习成长（15%）工具使用熟练度熟练使用数据分析工具（如Python、SQL、Tableau等），提升工作效率。15数据分析能力与学习成长（15%）文档与知识分享撰写清晰的分析文档，定期分享知识与经验，促进团队成长。15数据分析能力与学习成长（15%）问题解决能力面对复杂问题时，能够独立分析、诊断并提出有效解决方案。15本考核表用于评估数据分析师在数据挖掘过程中对数据准确性、深度和价值挖掘能力的综合表现。考核内容涵盖数据质量、模型性能、业务价值及团队协作等方面，旨在提升数据分析工作的专业性和实效性。考核得分项目内容考核周期□年度□半年度□季度□月度（请勾选）：______年______月至______年______月被考核人信息姓名：________________部门：________________岗位：________________考核人信息姓名：________________职务：________________考核日期：______年______月______日综合评语（包括优势、待改进项、发展潜力等）绩效等级建议□S（卓越）□A（优秀）□B（良好）□C（需改进）□D（不合格）面谈记录摘要被考核人意见签字确认被考核人签字：__________日期：______年______月______日考核人签字：__________日期：______年______月______日在“考核维度”“考核指标”“目标值/期望成果”和“权重”栏中，由考核人与被考核人共同协商确定具体考核项目。指标可基于KPI、OKR或其他绩效管理方法设定。被考核人根据实际完成情况填写“自评得分”及“实际完成情况简述”；考核人独立完成“上级评分”，并可参考自评内容进行校准。按公式“加权得分=上级评分×权重%”计算每项得分，汇总得出“总分”。考核人与被考核人进行正式绩效面谈，填写“