Грейды своими силами

Юлия Макарова пишет: Если вам не нравится, как задан вопрос, можно на него не отвечать. Это поможет избежать флуда и грубостей!

и расплодить недумающих "специалистов"? Это цель ресурса?

Виктор Шишкин пишет: Это цель ресурса?

да им все равно, уверяю Вас. Главное - чтоб вы создали новую ветку. Или дневник.

Андрей Яшников пишет: да им все равно, уверяю Вас. Главное - чтоб вы создали новую ветку. Или дневник.

я лучше поглумлюсь над теми, кто думать не хочет прежде, чем спрашивать :D

Виктор Шишкин пишет: думать не хочет

Виктор, поберегите себя. 90 процентов населения этим отличается. Стоит ли оно того? Совсем офф, но тоже по управлению HR: ко мне пришел кандидат, полностью соответствующий тому, что нам надо. Смутила единственная вещь: увольнение с последнего места работы по согл. сторон (надеюсь, все знают, что это такое). Смутила не сильно, но я все-таки решил позвонить предыдущему HR и узнать, какова была причина соглашения. Знаете, что мне ответила (не знаю даже, как ее назвать) милая девушка с большим вызовом: " не знаю, как вы, но мы соблюдаем конфиденциальность персональных данных сотрудников ". НУ вот какой смысл спорить с дурами, прости господи?

Юлия Буева пишет: Коллеги, помогите! В компании внедряем систему грейдов, внедряем самостоятельно. Есть примерное представление что и как. Для оценки грейда выбрали метод ранжирования, расчитали баллы и определили вес фактора. Теперь вопрос - как учитывать вес фактора? Что это вообще такое и зачем оно нуж

Все достаточно просто. Разные факторы по разному важны для должности, но оценка фактора делается по одинаковой шкале, например от 1 до 5. Факторов например 3. Фактор 1 - вес 0,2 Фактор 2 - вес 0,4 Фактор 3 - вес 0,4 Баллов распределены например так: Фактор 1 - 3 Фактор 2 - 5 Фактор 3- 4 Вычисляетет средневзвешанную оценку (3*0,2+5*0,4+4*0,4)/3=1,4 Суть предельно проста. менее важный фактор за счет веса, практически не оказывает влияния на средневзвешанную оценку. И наоборот, если по важному фактору "провал", то итоговая оценка все равно высокой не будет, даже если фактор с весом 0,2 в моем примере, будет с высшей оценкой.