مدیریت عملکرد در تیم تحلیل داده؛ فراتر از ارزیابی عملکرد

یکی از پرسش‌های رایج در مدیریت تیم‌های داده این است که عملکرد اعضای تیم Analytics چگونه باید ارزیابی شود.

این پرسش مهم است، اما اگر هدف صرفاً سنجش عملکرد نباشد و بخواهیم کیفیت عملکرد تیم را به‌صورت پایدار بهبود دهیم، لازم است پرسش را کمی متفاوت مطرح کنیم:

چگونه می‌توان عملکرد تیم تحلیل داده را بهتر کرد؟

تفاوت میان این دو پرسش، ما را به تمایز میان دو مفهوم مهم در مدیریت تیم‌ها می‌رساند: Performance Evaluation و Performance Management.

Performance Evaluation یا ارزیابی عملکرد، عمدتاً بر سنجش عملکردی متمرکز است که در یک بازه زمانی مشخص اتفاق افتاده است. در مقابل، Performance Management یا مدیریت عملکرد، فرایندی مستمر برای ایجاد شرایطی است که افراد و تیم بتوانند عملکرد بهتری داشته باشند.

این دو مفهوم در مقابل یکدیگر قرار ندارند. در یک سیستم مدیریتی بالغ، ارزیابی عملکرد بخشی از فرایند بزرگ‌تر مدیریت عملکرد است.

Performance Evaluation چیست؟

در ارزیابی عملکرد، ابتدا باید انتظارات از هر فرد به‌روشنی مشخص شده باشد. سپس در یک بازه زمانی معین بررسی می‌شود که عملکرد فرد تا چه اندازه با این انتظارات هم‌راستا بوده است.

در مورد یک Data Analyst، این ارزیابی می‌تواند ابعادی مانند کیفیت تحلیل، توانایی حل مسئله، تعامل با Stakeholderها، میزان Ownership، کیفیت ارتباط و میزان اثرگذاری تحلیل بر تصمیم‌های کسب‌وکار را در بر بگیرد.

وجود چنین ارزیابی‌ای ضروری است. اعضای تیم باید بدانند چه سطحی از عملکرد از آن‌ها انتظار می‌رود و مدیر نیز باید بتواند در پایان هر دوره، تصویری روشن و مستند از عملکرد افراد داشته باشد.

با این حال، شفاف بودن انتظارات به‌تنهایی تضمین‌کننده عملکرد مطلوب نیست.

ممکن است فرد دقیقاً بداند چه چیزی از او انتظار می‌رود، اما برای رسیدن به آن سطح از عملکرد همچنان به تجربه بیشتر، بازخورد، راهنمایی یا Coaching نیاز داشته باشد.

در چنین شرایطی، اگر تمرکز صرفاً بر Performance Evaluation باشد، ممکن است در پایان دوره بتوانیم به‌خوبی توضیح دهیم چه چیزی مطابق انتظار پیش نرفته است، بدون آنکه در طول مسیر برای بهبود آن مداخله موثری انجام داده باشیم.

Performance Management چه تفاوتی دارد؟

Performance Management از پرسش متفاوتی آغاز می‌شود:

برای اینکه این فرد و این تیم عملکرد بهتری داشته باشند، چه باید کرد؟

در این رویکرد، نقش مدیر صرفاً ارزیابی عملکرد افراد نیست. مدیر باید به شکل مستمر نسبت به شرایطی که عملکرد در آن شکل می‌گیرد حساس باشد.

شفاف‌سازی انتظارات، رفع موانع، بازخورد به‌موقع، Coaching، کمک به اولویت‌بندی و هدایت فرد در نقاط مهم، همگی بخشی از این مسئولیت هستند.

این موضوع در تیم‌های Analytics اهمیت ویژه‌ای دارد.

کار یک Analyst صرفاً اجرای یک Task یا ساختن یک Dashboard نیست. بخش مهمی از کیفیت کار تحلیلی به قضاوت حرفه‌ای فرد وابسته است: اینکه مسئله را چگونه تعریف می‌کند، چه سوالی می‌پرسد، کدام داده را معتبر می‌داند، چه روشی را برای تحلیل انتخاب می‌کند و در نهایت چگونه از داده به Insight و از Insight به تصمیم می‌رسد.

این نوع توانمندی‌ها صرفاً با تعریف KPI یا تعیین هدف توسعه پیدا نمی‌کنند. بخش قابل توجهی از آن‌ها در جریان کار، از طریق بازخورد، تجربه و Coaching شکل می‌گیرند.

نقش مدیر، انجام دادن کار افراد نیست

یکی از سوءبرداشت‌های رایج درباره Performance Management این است که اگر مدیر نسبت به عملکرد تیم مسئول است، باید در تمام جزئیات کار افراد حضور داشته باشد.

چنین برداشتی نه‌تنها درست نیست، بلکه می‌تواند به Micromanagement منجر شود.

مدیر قرار نیست کار اعضای تیم را انجام دهد. نقش او این است که مطمئن شود فرد در مسیر درستی حرکت می‌کند، موانع اصلی را می‌بیند و در نقاطی که نیاز به مداخله وجود دارد، بازخورد یا جهت‌دهی مناسب دریافت می‌کند.

در پروژه‌های اولیه ممکن است یک Analyst به همراهی بیشتری نیاز داشته باشد. در این مرحله مدیر می‌تواند به تعریف بهتر مسئله، بررسی مسیر تحلیل یا انتخاب رویکرد مناسب کمک کند.

اما انتظار این است که با تکرار تجربه، میزان استقلال فرد افزایش پیدا کند.

Performance Management موفق باید به مرور وابستگی فرد به مدیر را کاهش دهد.

به بیان دیگر، Coaching خوب باید فرد را برای عملکرد مستقل‌تر در پروژه‌های بعدی آماده کند.

مدیریت عملکرد باید مستمر باشد

یکی از ضعف‌های مدل‌های سنتی ارزیابی عملکرد این است که بخش اصلی گفت‌وگو درباره Performance در پایان دوره اتفاق می‌افتد.

اگر فرد برای چند ماه در تعریف مسئله، مدیریت Stakeholder یا کیفیت تحلیل با ضعف مشخصی مواجه بوده باشد، بازخورد در پایان دوره دیگر تاثیر محدودی بر عملکرد گذشته دارد.

مدیریت عملکرد باید در طول کار اتفاق بیفتد.

این موضوع الزاماً به معنای جلسات متعدد یا فرایندهای پیچیده نیست. در بسیاری از موارد، یک Check-in کوتاه و دقیق در زمان مناسب می‌تواند از چند روز یا حتی چند هفته کار در مسیر اشتباه جلوگیری کند.

هدف این است که مشکلات زمانی دیده شوند که هنوز امکان اصلاح وجود دارد.

ارزیابی عملکرد همچنان ضروری است

تمرکز بر Performance Management به معنای کنار گذاشتن Performance Evaluation نیست.

در نهایت، مدیر باید بتواند درباره عملکرد افراد قضاوت کند و این قضاوت باید مبنایی روشن و قابل دفاع داشته باشد.

اما کیفیت این ارزیابی زمانی به‌مراتب بالاتر خواهد بود که مدیر در طول دوره، عملکرد فرد را مشاهده کرده، بازخورد داده و نمونه‌های مشخصی از نقاط قوت و حوزه‌های نیازمند بهبود در اختیار داشته باشد.

در چنین شرایطی، Performance Evaluation دیگر یک قضاوت ناگهانی در پایان دوره نیست. بیشتر به جمع‌بندی یک فرایند مستمر شباهت دارد.

این موضوع هم ارزیابی را منصفانه‌تر می‌کند و هم احتمال غافلگیر شدن افراد در Performance Review را کاهش می‌دهد.

در تیم تحلیل داده چه چیزی باید ارزیابی شود؟

یکی از خطاهای رایج در ارزیابی اعضای تیم Analytics، تمرکز بیش از حد بر خروجی‌های قابل شمارش است.

تعداد Dashboard، Query، Report یا Task می‌تواند بخشی از تصویر عملکرد را نشان دهد، اما به‌تنهایی معیار مناسبی برای ارزیابی نیست.

ممکن است یک Analyst خروجی زیادی تولید کند، اما اثر محدودی بر تصمیم‌های کسب‌وکار داشته باشد. در مقابل، یک تحلیل محدود اما دقیق می‌تواند مسیر یک تصمیم مهم در Product یا Business را تغییر دهد.

به همین دلیل، ارزیابی عملکرد در تیم تحلیل داده باید تصویری ترکیبی از کیفیت کار، توانایی حل مسئله، میزان استقلال، تعامل با Stakeholderها، Ownership و Impact ارائه دهد.

انتظارات نیز باید متناسب با سطح فرد تعریف شوند.

برای مثال، انتظار از یک Senior Analyst صرفاً این نیست که تحلیل‌های پیچیده‌تری انجام دهد. معمولاً انتظار می‌رود مسائل مبهم‌تری را مدیریت کند، با استقلال بیشتری تصمیم بگیرد، Stakeholderها را بهتر هدایت کند و مسئولیت بیشتری در قبال نتیجه نهایی پروژه داشته باشد.

بنابراین Performance همواره باید در چارچوب نقش، سطح و دامنه مسئولیت فرد ارزیابی شود.

یک چارچوب ساده برای Performance Management

در عمل، Performance Management را می‌توان به‌عنوان یک چرخه مستمر در نظر گرفت.

در ابتدای دوره، انتظارات و اهداف باید روشن باشند. در طول کار، مدیر باید به اندازه کافی با مسیر فرد در ارتباط باشد، بازخورد بدهد و در جایی که لازم است Coaching انجام دهد.

در طول زمان، باید بتوان شواهد مشخصی از نقاط قوت، حوزه‌های نیازمند توسعه و میزان رشد فرد جمع‌آوری کرد.

در پایان دوره، این اطلاعات مبنای Performance Evaluation قرار می‌گیرند.

خروجی ارزیابی نیز نباید صرفاً یک Rating باشد. ارزیابی خوب باید مشخص کند فرد در چه حوزه‌هایی عملکرد مناسبی داشته، در چه حوزه‌هایی نیاز به توسعه دارد و سطح انتظار در دوره بعد چیست.

به این ترتیب، نتیجه Performance Evaluation دوباره به ورودی چرخه بعدی Performance Management تبدیل می‌شود.

مرز میان Performance Management و Micromanagement

در تیم‌های داده، این مرز اهمیت زیادی دارد.

مدیر قرار نیست همه Queryها را بررسی کند، در تمام تحلیل‌ها حضور داشته باشد یا برای هر تصمیمی تایید بدهد.

سطح همراهی باید متناسب با تجربه فرد، پیچیدگی مسئله و میزان ریسک پروژه باشد.

یک Junior Analyst معمولاً به Check-in و بازخورد بیشتری نیاز دارد. در مقابل، از یک Senior Analyst انتظار می‌رود پروژه‌های پیچیده‌تری را با استقلال بیشتری پیش ببرد.

اگر با رشد فرد، میزان وابستگی او به مدیر کاهش پیدا نکند، احتمالاً بخشی از مدل مدیریت عملکرد به‌درستی طراحی نشده است.

جمع‌بندی

Performance Evaluation به ما کمک می‌کند بدانیم عملکرد یک فرد در یک دوره چگونه بوده است.

Performance Management تلاش می‌کند احتمال شکل‌گیری عملکرد مطلوب را افزایش دهد.

در تیم‌های Analytics، تمرکز صرف بر ارزیابی کافی نیست. کیفیت کار تحلیلی در طول مسیر ساخته می‌شود؛ از طریق تعریف درست مسئله، بازخورد به‌موقع، Coaching، تجربه و افزایش تدریجی استقلال فرد.

به همین دلیل، بهتر است ارزیابی عملکرد را به‌عنوان بخشی از یک سیستم بزرگ‌تر ببینیم.

سیستمی که در آن ابتدا انتظارات روشن می‌شوند، در طول مسیر به شکل‌گیری عملکرد بهتر کمک می‌شود و در پایان، عملکرد ایجادشده مورد ارزیابی قرار می‌گیرد.

ابتدا باید به شکل‌گیری Performance کمک کرد؛ سپس آن را Evaluation کرد.