员工满意度调查结果分析方法

员工满意度调查结果分析方法

目前很多公司每年都花很多的人力与物力于员工满意度调查，员工满意度调查能提供给公司决策层以量化的数据来侦测到员工总体的、现时的满意度水平，从而为经营决策提供依据。员工满意度与员工的绩效有着密切关系，从员工满意度的水平可以预测到未来的业务绩效，不满意的员工很可能会产生不令人满意的绩效；反之，工作愉快的员工会产生良好的绩效。因此，公司决策层非常重视员工满意度调查。

ESS（employee’s satisfaction survey）即员工满意度调查，主要通过问卷的形式对组织的员工进行调查。通过填写问卷了解员工对组织各个方面的满意程度，从而深入了解员工的想法，使领导者能有针对性的提出激励策略，提高内部满意度。

但是在多数的ESS中，分析方法非常简单，没有合理的运用统计工具，只是把问题的得分统计起来，对基本情况进行频次统计通过平均值、最大最小值等得出一个浅显的结论。频次统计（frequency）主要是对各题选择情况进行频次统计，如最高分、最低分、中位数、平均分等，通过频次统计初步了解企业员工整体满意度情况、不同分类标准（部门、年龄、工龄、性别、文化等）的员工满意度情况等，所以频次统计主要是对问卷数据进行一个初步的处理，了解大致情况并为后续的复杂统计分析提供一定的数据支持。事实上，ESS问卷中可以挖掘出很多潜在的、对企业决策有用的信息，能够运用的统计分析方法也很多，如平均值分析、相关系数分析、回归分析、方差分析、因素分析、聚类分析等，关键看调查方能否运用合理的统计分析方法，与ESS结合，得到企业需要的信息。

一、平均值的分析方法

满意度调查的结果分析是整个满意度调查过程中两个最重要的环节之一。通常，我们会运用平均值方法来分析结果，我们把问卷中的几道或十几道联系紧密的问题归为一组（称为Index），然后把一组中每一问题回答的比例加总平均，计算出组的平均值。（注：这里的平均值是指比例的平均值）。平均值分析方法是我们通常使用的方法，它的优点是简单明了，易于操作。

通常，在一个index中可得到两个平均值：满意人群所占比例的平均值和不满意人群所占比例的平均值，然后如图1.1所示，把每一个index从左到右地按序进行排列。

如图1.1举例：第一个index满意度的平均值是49%（该index的上端所示），不满意度的平均值为7%（该index的下端所示）；同样可以看到，最后一个index满意度的平均值和不满意度的平均值分别为33%、18%。

经过排列我们很快地发现：相对于其它index，最需要提高的index是最后一个。因为它是所有index 中平均得分最差的一个，也就是说这个index在总体层面上体现出的不满意人群所占比例最多。基于此，决策层通常会首先着手解决最后一个index所反映的问题。优先提高成绩最差的指标的做法看起来是符合逻辑的，也易于让人接受。

运用平均值分析的另一方法是市场数据的对比，也就是我们通常所说Benchmark分析：公司会找到同一区域的、同一行业的竞争对手的相近指标的数据；以及本公司上一次做员工满意度调查时得到的数据。运用这两组数据再与最近一次得到的结果相对比，如图1.2所示，自左到右地进行排列。

第一个index满意度的平均值按本次调查得分（Fav）、上一次调查得分（Previous）和本区域竞争对手的得分（Region）排列分别为是61%、55%和65%；同样，最后一个index满意度的平均值按本次调查得分（Fav）、上一次调查得分（Previous）、和本区域竞争对手的得分（Region）排列分别是38%、35%和44%。

显然，按照Benchmark的分析方法也能很快地找到我们最需要着手解决的问题，即最后一个index。Benchmark的方法要好于前面我们所说的简单的平均值分析方法，因为它不仅考虑到自身发展变动的因素，还考虑到竞争对手的情况，以市场的数据对比来衡量自身的成绩优劣。

然而，不管两种方法如何有优有劣，它们都是以平均值为依据来评判，把平均值最低的一组作为优先考虑解决的环节。

二、相关系数分析

1、主因子作用

平均值分析方法是我们通常使用的方法，这的优点是简单明了，易于操作。然而，作为一份满意的分析报告，只从平均值的高低得分入手分析还不够完善，尤其是它对决策指导缺乏效率。因此，企业必须在员工满意度调查中找到一个杠杆解（Leverage），利用相同的资源投入达到最大的效果。那么如何才能找到杠杆解呢？首先我们应该看看统计学是如何分析变量（Variable）对结果所产生作用（Effect）的。

拿员工满意度调查问卷为例，变量就是指问卷中每一个问题所代表的变动因素，如：公司内部各部门是否合作紧密？这个问题所展示的变量就是团队合作，也就是说团队合作的好坏将直接影响到整个满意度调查的结果。每个变量在过程中产生的作用主要可分为两种：主因子作用（Main Effect）和交互作用（Interaction Effect）。主因子作用代表了每一个问题对总体结果的作用大小；交互作用代表了问题与问题之间的互相交叉作用。交互作用常常比主因子作用更为重要，因为交互作用能扩大与缩小主因子作用。一份调查报告若能对这两种作用都能进行分析，那将是完美的。

然而，交互作用在普通的简单问卷中是不能得以体现的，只能在特殊设计的联合问卷中才能加以测量。尽管如此，若能在主因子作用的分析上做得更完善，也能使我们对员工满意度调查在质量上更上一层楼。主因子作用的侦测目的是为了鉴别出具体某个问题（变量）对最终结果的作用大小，它用相关性紧密程度来表示，相关性越密切，最终的作用越大。这种联系程度在统计上可以用一个指标一一相关系数来表示：完全正相关的为+l；完全负相关的-1；没有相关性的为0；每个变量与最终结果的相关性总是在+1和-l之间摆动。我们做相关系数分析是要找到相关系统非常接近于1的某些问题，因为它们是最有效地影响最终结果的变量。上述提及的平均值分析方法显然是没有能很好地体现出每个问题对最终结果的联系程度。通过分析，我们会发现哪些问题的解决最有利于总体满意度的提高，也最有效率。

2、相关系数分析

我们可以运用相关系数方法来侦测变量（每一个问题）与变量（总体满意度）之间的线性关系。当我们发现某几个问题得分的变动与总体满意度得分的变动有着密切的相关性（接近于1），尤其是这几个问题又是属于同index的，我们即可判定这几个问题在整个问卷中起重大的主因子作用。这些问题的解决最有利于总体满意度的提高，也最有效率。

我们用一案例做一简要说明：假设XX公司共有30名员工，于2002年11月做员工满意度调查，XX公司罗列了10个重要问题组成下列问卷（现实中，问卷的问题数量将大大多于10题），它们分别是：Ql：你目前所从事的工作是否能充分发挥你的才能。

Q2：你认为你的上司在绩效评估时与你面谈的效果如何？

Q3：你在工作中的创新是否经常得到上司的支持与奖励？

Q4：你是否有公平的晋升与发展机会？

Q5：你得到的薪资福利是否公正地反映了你的贡献？

Q6：你的工作环境是否整洁与安全？

Q7：你认为公司在新产品开发上做得怎样？