随着科技的进步,企业对人才资源愈加重视,因此各类企业无不看重绩效测评这一衡量人才的有效标准,所以如何改进绩效测评的方法成了必须思考的问题。现如今,绩效测评的方法种类繁多,比如有关键事件法、图尺度评价法、配对比较法、目标管理法、交替排序法、关键指标法、行为锚定等级评价法、平衡计分卡法、360度绩效考评法等许多方法。然而这些方法仅获取了数据比较表层的一些信息,并没有深层次的挖掘数据之间的隐含相关性,所以没有取得比较理想的效果,因此对新技术的探索变得尤为重要。数据挖掘技术恰好可以很好的挖掘出数据信息的深层隐含关系,弥补了传统方法的不足,且该技术已在多个领域得到了广泛的应用,亦取得了很好的效果,因此将数据挖掘的方法引入企业的绩效测评应用中来,深层次的挖掘出企业员工的绩效测评结果同多种要素之间的关系。数据挖掘的一个重要课题是数据分类的研究,现已有多种数据分类的方法,而在这些方法中,决策树分类算法由于具有理论简单、计算快速、分类准确、便于理解、易于将生成的决策树转化为分类规则等特点而被广泛的研究以及应用。因此将决策树分类算法应用到绩效测评工作中。在众多决策树分类算法中,ID3算法和FuzzyID3算法分别是清晰决策树和模糊决策树中最为基础的算法,通过分析比较各典型决策树算法,发现这两种算法相较于其它算法具有明显的优势,且可以输出简单易懂的知识规则,便于用户的理解使用。所以本人决定以ID3算法和FuzzyID3算法作为课题研究的算法基础,在此基础上对其计算复杂度加以改进,以减小建树时间。本文引入了决策协调度的概念,将决策协调度与ID3算法和FuzzyID3算法结合,有效降低了算法的计算复杂度,实现了对两种算法的改进。本文中,通过经典示例证实了改进方法在建树时间和测试精度方面的优越性。最后在X公司员工的绩效测评应用中,分别运用原算法和改进算法对目标数据进行分类,通过对分类结果的分析比较,进一步证实了改进算法不仅延续了原算法的所有优点,而且在建树时间和测试精度方面取得了更好的效果。另外,根据采集到的绩效测评数据的特点,在数据预处理阶段增加了数据模糊化处理的操作,通过对模糊化前后数据构建决策树模型的分析比较,发现模糊化后数据构建的模糊决策树模型具有更高的测试精度,证明了对该类数据模糊化处理的必要性。