摘要：先进本是干出来、比出来的，然而糊涂之事自古有之，即使招亲，本应比试选优，但偏偏有人抛绣球。改革开放40年后的今天，定名额、“评”先进的荒诞做法依然盛行，究其原因，除认识偏差之外，理论上没有找到反映好坏程度的通用指标、不会量化反映综合绩效是主要原因。

从匹配的角度看问题，先进是相对的，既相对于他人，又相对于公认的底线与期望。利用百分制标准计量法，把绩效指标的原始数据转换为匹配度数据，不仅能够反映绩效的相对好坏程度，即先进性，而且可以横向比较或加权平均，从而能够量化反映综合绩效，使先进性能够自测、复核与验证。

为此，深圳联合产权交易所监事会主席朱建军以此为题，发表了相关论述。

前言

争先创优、超越同伴是社会进步的内在动力。在人类发展过程中，精神鼓励一直是不可或缺的重要举措，从幼儿园的小红花，到中小学的三好学生；从单位的优秀员工，到国家的五一劳动奖，大大小小的荣誉或称号，在无形中引导、激励着社会的健康发展。

诚然，标准越客观、公开、公平与公正，激励的效果越显著；固然公平、公正很重要，但公开、透明是基础。方式、方法与标准公开是奖罚分明的内在要求，它们既是激励与约束的基础与灵魂，也是促进、保护公平与公正的机制与法宝。

事实上，只有以邀约的方式，事先明确并公开关键绩效指标，即kpi,以及相关的数量标准及评价方法，用约定的标准与方法把先进性程度与关键指标挂钩，使当事方或第三方能够依据绩效数据算出先进性水平，才能称得上奖罚有据与奖罚分明。与计件工资制度类似，只有把优秀、良好、称职与不称职等定性评价，与绩效指标挂钩，比如约定年产量超过一万为优秀，超过八千、不到一万为良好，不足七千则为不称职等等，那么，定性评价也完全由绩效数据决定，不仅当事方可以依据绩效指标核定实际对价，而且第三方也能复核定量与定性评价。一切均由事实数据说话，既不需要宣传、汇报，也不必担心他人看法，当事人只需要做好本质工作，干好自己的事情就好。

一、绩效及其评价的复杂性

绩效是经营活动产生的有益改变。因受经营与环境等多因素影响，有关改变，不仅方向与程度不完全以人的意志为转移，而且改变也可能涉及多个方面，对应的绩效指标常常超过一个。即使是简单的放羊，对应的绩效指标至少包括数量与肥瘦两个方面。仅仅两项指标，也常出现一好一坏变化方向不一致的情况，难以判断综合绩效变化方向。比如甲乙两个牧羊人年初接管的羊群一样，年底时，甲的羊群数量增加了，但因消瘦，羊的总体重反而下降；而乙的则相反，一方面羊数减少，另一方面，羊群总体重却因肥胖增加了。尽管事实清楚、绩效数据无异议，但因数量与重量不可比，两种绩效数据无法比较或平均，因而既不能统一计量甲乙的综合绩效，又不能简便判断谁做的更好。

类似现象在高新企业同样存在，比如设备维护工程师的主要任务是保障设备正常运行，对应的kpi是期间的可运行时间与运行的一次性合格率；显然，两项指标也常出现变化方向相反，一好一坏、难以评价综合绩效的情况。

此外，实际情况的复杂性通常远超实际与目标两方面数字。比如，张三与李四都是设备维护工程师，张三维护的设备的可运行时间与一次性合格率均好于李四的，但因为设备状况可能不同，新旧程度、厂家或型号差异都会影响绩效指标，不联系环境因素，不可能客观评价工作绩效，更无法判断或评价绩效优劣。

在现代畜牧企业，既有牧羊人，也有设备维护工程师，在不能客观评价个人综合绩效的情况下，无法区分同业人员的综合绩效好坏，更无法比较不同职业的综合绩效差异。

在知情当事人都难断优劣的情况下，受信息不对称影响，其他人，包括所谓的专家，几乎不可能对所有员工进行先进性排序，准确找出先进的可能性也不高；对于相对简单的一线人员的绩效评价尚且如此，科学评价团队或单位绩效的可能性更低，先进性排序几无可能。不探讨解决此类基础性问题的根本办法，或者试图继续采用自欺欺人的事后评议方式、由不甚了解情况的“专家”评议绩效好坏、评选先进，鼓励的是迎来送往、激励的是表面光鲜，埋没的多是睿智务实的人才。

二、民主评选的适用场景与局限性

精神鼓励是委托方依据工作绩效的好坏程度，对受托方工作的定性评价，是给受托方的一种说法；它既需委托方或其代理人认可，又需以实际绩效数据为基础。因为事关受托方的声誉以及后续合作的质量，好坏程度的认定应该能够依据绩效数据与规则，精确地计量；相关的定性评价也应有明确的量化分级标准，评价结果应该有据可查、可复核、能验证。

然而，现实的复杂性决定了绩效指标的多样性，当实际绩效需要两种以上指标体现时，计量的方式与方法，在客观上决定着综合好坏程度的认定结果。在匹配度计量方法出现之前，理论界没有找到反映综合好坏程度的方式与方法，不仅无法量化反映，而且在两种或以上的绩效指标变化方向不一致时，无法判断综合绩效的变化方向。理论的缺失必然引发实务混乱，现实工作中，专家评审、集体评议与360度评价等方法层出不穷。

推崇民选方式的人强调“群众的眼睛是亮的”，主张“民主评议、民众选评”，但忽略了没有调查、不了解情况就没有发言权。事实上，对于公共事务，民众是委托方，也是被服务的对象，由民众选择服务人员或单位，评议公共事务质量，不仅可以弥补信息不对称等问题，而且兼听则明，非常合适。

但非公共事务，除少数当事人之外，多数人既不了解情况、又没有利害关系，不可能深入了解，更难以客观评价。况且管理幅度理论发现，一个人能够了解的人员或事项非常有限，管理学家格兰丘纳斯（Graicunas）指出，增加一个下属时，直接单独联系的数量按算术级数增加，而相应的联系总数，由于加上直接团体联系和交叉联系，是按指数比例增加的；相应地，管理幅度应限制在“至多5人，最好4人”；享誉业界的洛克希德法也认为管理幅度在4-11人比较好。

此外，首因效应发现与他人接触时，最先被反映的信息对形成印象有主要作用；近因效应又表明与他人接触时，在时间与空间上距知觉较近的信息会给人较深刻的印象。两种理论均证明，个人印象通常与事实之间存在较大差异，往往不能全面、客观、历史、公正地反映情况，由非当事人依据个人判断评审、评议或评选，既不严肃，也不负责。况且评议过程也不可复制，不同团队或同一团队两次评议的结果往往不同，评议结果没有唯一性，因此也谈不上客观性。

三、用匹配度统一反映绩效指标好坏程度

绩效是经营活动产生的有益变化，有益特性决定了绩效的相对性，即绩效是相对需求而言的，绩效指标与需求指标的契合程度，即匹配度，是衡量绩效好坏程度的量化指标。依据百分制标准计量法②，可以利用下列公式，把所有的绩效指标原始数据转化为通俗易懂的匹配度数据：

匹配度（x）=100%+(x-q)×40%/(q-d)

其中，x为绩效指标的原始数据，d与q分别是事先约定的绩效指标的底线值与期望值，[d,q]为需求区间。

不论原始数据多么不同，转换为匹配度数据之后，至少对同一评价主体而言，所有的匹配度数据是可比的，因而也可以计算反映综合状况的平均值；对不同的评价主体，只要事先就相关指标的重要性系数与需求区间达成了一致，相关的匹配度数据就可复核、验证与比较；就可以据其大小评比绩效优劣，也可以联系重要性系数加权计算反映综合情况的平均匹配度，从而能够量化反映综合绩效的整体好坏程度。举例说明如下：

即使约定了具体的绩效目标，比如羊的数量与总体重分别比期初增加40%与50%，当实际绩效分别是32%与55%、43%与48%，或者41%与52%时，也很难评价综合绩效好坏，甚至难以判断实际绩效与目标绩效的综合差异。因为目标任务的难易程度可能存在重大差异，比如期初年老体胖的羊群，不仅增加体重的难度大，而且繁殖增加数量的可能性也低；与青壮体瘦的羊群相比，目标任务的难易程度不可比，因此，不能简单利用实际数据说明绩效。因为，不仅实际应与目标匹配，更重要的是目标与实际都应该与预测的底线和期望值相匹配。

如果底线与期望分是30%与50%，那么目标值为40%时，比较中庸；为45%时，则难度显著增加，50%时就只能挑战了。目标定位不同，目标达成率有别；因此不能用是否达成目标评价绩效好坏。同样道理，同样43%的实际增长率，相对于30%与50%的底线与期望，超过了中位数；而相对于30%与60%的底线与期望，没有达到预测中位水平；比较而言，后者的绩效比前者的差。

有关情况，可以借助匹配度完美揭示：事实上，相对于需求区间[30%,50%],目标值40%与45%的匹配度分别是80%与90%，目标匹配度数据较好地体现了任务的难易程度；而43%的实际增长率，相对于需求区间[30%,50%]与[30%,60%]的匹配度分别为86%与77.33%，实际匹配度也如实反映了实际表现的好坏程度。可见，实际绩效指标的匹配度或多指标的加权平均匹配，能够兼顾工作任务的难以程度与实际成效，完美体现绩效的相对好坏程度；只要所有绩效指标的底线值与期望值的适用范围一致，就可以依据个人或团队的绩效指标匹配度或加权平均匹配度，量化反映其工作的先进性程度，据此选出的先进或后进，不仅横向可比，而且结果公允，可复核、可验证。

四、借匹配度，使先进性可自测、复核与验证

如前所述，匹配度是反映事物与需求之间的相互关系，即相对好坏程度的指标，因而也是评价绩效好坏、评选先进后进的主要依据。事实上，匹配度是组织内部契约化管理的基石，前述的百分制标准计量法公式，能把性质或计量方法不同的原始数据统一转化为反映相对好坏程度、完全可比的无量纲数字。

匹配度数据的差异，反映的是相对先进性差异；同种工作，绩效指标匹配度或多种指标的平均匹配度最高的，绩效最好，就是第一名；只要事先约定了统一的重要性系数以及底线与期望值，就可在约定的适用范围内，依据匹配度高低，对所有人员的绩效进行好坏程度计量与先进性排序。用此方法，不仅能从360行中找出各行各业内的状元，而且还能对不同行业的状元按先进性排序。

不同行业的状元之间虽然有差异，但工作无高低贵贱之分，从激励与约束的初衷考虑，各行的状元都需要鼓励与肯定；不论是开飞机的还是打柴的，只要是状元，在先进性排序时，一定要排在所有的榜眼前面，只有这样，才能鼓励人们热爱本质工作，一心一意做好适宜的事情，才能人尽其才、物尽其用，才能实现社会效益最大化。

鉴于信息的不对称与不完全性，甲单位的先进，放在乙单位可能是后进，有些省状元可能进不了全国百强。因此，在单位内部，从事相同工作的所有人员的原始绩效数据，只能代表范围的先进程度，不能反映单位内部的相对先进性，只有依据单位认可的各项任务的需求区间，分别计算的匹配度或其平均数，才能反映各类绩效在单位内部的相对先进性。即不论岗位或工作有何不同，所有员工的绩效好坏程度，应以绩效指标原始数据转化的匹配度数据为基础，按匹配度数据大小排序，匹配度越高越好，反之亦然。

如果事先公布与匹配度挂钩的定性评价标准，比如匹配度超过95%为杰出、超过85%为优秀，以及低于60%为不称职等等，所有员工都可以自主设定定量与定性相结合的工作目标，事后也可以依据实际的工作绩效指标，自我进行定量与定性的绩效评价，也可以请第三方复核验证。绩效评价完全由事先的标准与方案，以及事后考核的实际绩效指标唯一决定，评价结果独立、客观，可复核、能验证，既不受他人工作的影响，也不受任何人意见的左右。

诚然，如果事先约定绩效指标的底线或期望值，与某一反映宏观环境变化的因素，比如股票500指数挂钩，事后也可以依据事先的约定，按修正后的底线值与期望值计算匹配度、评价先进性。如此，所有的绩效认定与评价，全部依据事先约定的标准与方法进行，奖罚客观、透明、公开、有据，体现的是契约精神，贯彻的是kpi管控理念。

五、用匹配度评价绩效、客观反映先进性

如前所述，引入匹配理念，把反映绩效的原始数据统一转换为反映好坏程度的匹配度数据，不仅解决了绩效的统一标准计量与横向比较问题，而且能够联系各项绩效的重要性程度，加权计算反映综合情况的平均匹配度，解决量化综合反映问题。此外，实际匹配度与目标匹配度的比率还能完美反映目标达成程度，解决目标达成率计算与相关的实际工资核定等难题。举例说明如下：

假定牧羊人甲与、乙，以及设备维护工程师张与李四都是某畜牧企业的职工。公司认定的张三与李四的绩效指标分别如下表所示：

从原始数据中的目标值与实际值看，张三的数据都比李四的好，但实际与目标的比率却是李四的高；依据传统的观点，尽管有疑惑，多数人会认为：张三的绩效比李四的好些；如果同时给出底线值与期望值，争议会加大，不少人会询问为什么李四维护的设备的预计运行时间短，可能的答案是张三与李四维护的设备不同，张三维护的设备好、李四维护的差。可见，绩效评价不能不联系预测的底线与期望数据看目标或实际数据，只要制订的底线与期望值是客观、公允的，联系其计算的匹配度数据不仅能反映绩效好坏、而且横向可比。

如上表所示，李四的目标匹配度数据全部高于张三的，说明李四的目标定位较高，难度较大，从目标任务的难易程度看，张三的任务相对较轻，这一点与原始数据之间的大小关系正好相反；同时，李四的实际匹配度数据也全部高于张三的，表明李四的实际绩效与表现比张三的更好！

在适用范围内，匹配度数据之间完全可比，因此可以计算反映整体情况的平均值。以重要性系数为权重，可以算出张三与李四的实际绩效匹配度的加权平均数分别为：73.33*80%+96%*20%=77.86%与93%。即从综合情况看，李四的实际绩效明显优于张三，因为张三的综合表现未达到预测区间的中位数，而李四的表现则超过了75分位值。

同样道理，也可算出甲乙两个牧羊人的实际绩效指标的平均匹配度；依据匹配度高低，也能精确评价二人的工作先进性程度。假定甲乙两人实际绩效指标的加权平均匹配度分别为81%与89%，那么，张三、李四与甲乙四人的先进性排序就是李四第一，乙第二、甲第三，张三第四。

深入体会还能发现，实际匹配度与目标匹配度的比率，反映的是与目标方向一致、难易程度匹配的目标达成比例，即计算目标达成率的科学公式为：

目标达成率=实际匹配度/目标匹配度*100%

以预算工资为基础，联系如此计算的目标达成率即可科学核定实际工资，使工资与绩效完全挂钩，使以按劳分配为核心的经济责任制具有更加坚实的内在机制。

诚然，有关方法完全适用于团队或单位的绩效评价与先进性排序。

六、研究结论

依据匹配度高低进行先进性排序，不论打柴的还是开飞机的，大家都能集中精力做好自己的事情。委托方只需专注于以下四个方面：即各类工作任务的绩效预测（特别是绩效底线值与期望值预测）、不同绩效因素的重要性系数设置、与目标任务相关的激励与约束机制建设，以及不同工作绩效的底线值与期望值之间的协调性，即可引导受托方尽心尽力做好各自的工作，监管的中心可以转移到宏观形势研判与例外事项管控。

最后需要说明的是：工作任务之间的关系有并列与叠加之分，可以相互比较绩效好坏，并通过计算平均匹配度反映综合好坏程度的工作，仅限于相互影响不多的并列任务。如果工作之间相互影响，如同地上建筑依赖地基一样，叠加性任务之间的匹配度数据是交互关系，即反映综合状况的平均匹配度，需要采用几何法而不是算术法计算。

无论如何，引入匹配理念与方法，把匹配度数据作为评价绩效好坏的基础，以匹配度高低论英雄，能够提升激励与约束方案的客观性与公开性，有助于受托人聚焦主业，一心一意做好本质工作，有利于委托人用好与发现人才；同时，也有助于理顺委托代理关系、提升契约管理水平、引导积极向上的工作风气，有利助于各种人才八仙过海，在各自的专业领域自我挑战、各显神通，创造出更加优异的业绩，从而有利于社会经济的健康发展。

作者简介

朱建军（1964-），男，资深税务师、注册会计师、高级金融经济师、正高级会计师，国内首位美国注册管理会计师（CMA）以及美国注册金融管理师（CFM）。历任上市公司（000049）董事长，深圳能源集团、赛格集团董事财务总监，盐田港集团监事，深圳华星光电执委会委员、副总裁，深圳联合产权交易所监事会主席(自2017.2 -2019.9代行董事长与法人代表职责)，以及广东联合产权交易中心董事总经理等；兼任深圳市会计学会常务理事、深圳市评估协会监事、深圳大学经济学院研究生校外导师，以及深圳、湖南、广东与广州两省四地正高级会计师评审委员会委员。发表论文60余篇，撰写《授权与经济管控》与《管理的逻辑与方法》两部专著，创立了“财会大数据权益类比率分析法”、计算现实与需求匹配度的“百分制标准计量法”以及提升考分可比性的“考分匹配转换法”等理论与方法。《优财》、《凤凰财经》、《财经生活》、《证券时报》、《深圳卫视》、《深圳商报》与《深圳财政与会计研究》等媒体，曾以“成绩斐然的管理精英”以及“实干真诚印证深圳观念”等标题专题报道。

编辑 伍偲 审核 刘杰 邹远先