在绩效管理中，绩效表现异常的员工始终是我们管理的重点之一。那么对于绩效表现异常的员工应该如何界定与识别呢？在统计学及数据分析方面一般有几种方法：IQR四分位距法，正态分布Z值法(Z-Score)，假设检验法(hypothesistesting)、数据聚类法以及排序观察法等。当然，直方图、箱线图以及散点图也是观察与识别离群值的非常有力的工具。在以上这些方法中，IQR四分位距法是相对最比较简单易懂的方法，而其它方法都有一些相对复杂的数据分布及前提假设要求。因此我们这里就主要解释一下IQR四分位距法的应用。

 

四分位距（interquartilerange, IQR），又称四分差。是描述统计学中的一种方法，以确定第三四分位数和第一四分位数的区别。与方差、标准差一样，表达数据的集中离散趋势，但四分位距是相对更稳健的一种统计方法（robust statistic）。

 

这里我们拿月度接听量指标来示例。假设我们这个月的月度接听量指标的四分位值分别是：

 

第一四分位：2833 (=percentile(数据,0.25)第二四分位：3120 (=percentile(数据,0.50)第三四分位：3358 (=percentile(数据,0.75)

 

则IQR值为：3358-2833=525

正常值上限的界定值为：3358+(525*1.5)=4145.5

正常值下限的界定值为：2833-(525*1.5)= 2045.5

 

所以我们的离群值判断标准为：大于4145.5或小于2045.5

但是这里必须要强调的是，任何的统计分析原理及方法都不能脱离生产运营实际。尽管我们以上所示例的数据有些极端，但假设这就是或接近你的真实运营数据的话，你是否会坦然接受超过两千(4145-2045)的员工接话量“正常”波动范围。恐怕没有几个运营管理者不会摇头。因此，以科学的统计分析方法为基础和依据，紧密结合实际生产运营场景去调整和修正指标的合理管控范围和优化方向，才是更加符合日常运营场景的做法。