摘要：答得快或连续选择同一选项，都不能单独证明员工没有认真作答。肯耐珂萨从问卷路径、质量信号和剔除影响分析有效性判断，帮助HR建立可解释的数据处理规则，避免把不方便理解的意见提前删掉。
“答得最快的这些，要不要先删掉？”做员工调研分析时，可能会出现这样的提议。另一位HR接着问：“问卷有跳题，大家实际看到的题一样多吗？”一个看似简单的清洗动作，就此变成了对判断依据的追问。
作答速度确实可能提供线索。短时间完成很多需要理解的题目，值得检查。但速度本身还不能说明员工有没有认真阅读，更不能直接推断他的态度。熟悉议题的人可能判断很快，放着页面做其他事的人也可能留下很长的完成时间。
如果员工只看到了适用的少量题目，却与完成全部问卷的人比较总时长，较快几乎是自然结果。移动设备、页面设计、题目长度，也可能影响过程。数据里一个统一的时间值，并没有把这些差别自动说明白。
同样需要谨慎的，是连续选择同一个分数。员工可能没有认真区分，也可能确实对一组相关问题持有一致看法。只因答案排列整齐就删除，可能会把态度明确的人排除在外。看到一个模式，下一步应是了解它为什么出现。
AAPOR的透明度倡议要求说明数据处理中的有效性检查与排除方式。这项原则给企业调研一个有用提醒：清洗不是分析人员关起门来的技术动作，排除了什么、依据什么，都应能够解释。它并没有替每家企业规定一条作答时间线。
对于一批已经回收的问卷，可以按下面的顺序核对，而不急着确定哪些人不认真。
1. 时间是否可比。先了解问卷路径、题目数量与时间字段的含义；若系统没有提供所需信息，就承认无法据此作出可靠判断。
2. 信号是否相互支持。把速度与已取得的其他合理线索结合看，注意区分逻辑矛盾、信息不足和真实的一致态度，不能用单个异常代替结论。
3. 处理是否改变解释。对有争议的样本，可以比较保留与排除后的主要结果，说明哪些判断稳定、哪些对处理规则敏感，而非只保留更好看的一版。
这几项检查的重点，是核对材料，不是寻找写问卷的人。匿名调研不能为了判断答卷质量，反过来让主管认领员工，或用工作表现推测谁可能敷衍。数据处理不应顺势改变原先向员工说明的使用边界。
肯耐珂萨员工调研提供数据分析与报告能力，企业讨论问卷质量时，还需要单独确认可获得哪些过程信息、由谁作判断。不能从“有分析功能”推导出已经具备自动识别敷衍答卷的能力，也不宜把软件标出的提示直接当成最终排除决定。
更稳妥的安排，是在下一轮调研启动前先说明质量规则。可以结合试填了解题目是否过长、是否容易误解、分支是否合理。若题目本身让人难以区分，连续同项回答可能在提醒设计需要调整，不能全部归到员工身上。
规则事先确定，也是在保护分析的独立性。若看见某个部门分数偏低以后才修改排除标准，就容易出现一种危险的便利：不喜欢的结果，总能找到一个技术理由处理掉。即使调整确有方法依据，也需要记录原因与影响，让读者知道解释条件变了。
这不要求分析团队承诺每份答卷都能被准确识别。对于证据不足的情况，可以保留疑问，缩小结论范围。明确说“现有数据无法判断”，比贴一个确定的无效标签更专业。缺失的过程字段不能靠猜测补造，也不宜为验证怀疑而临时收集未向员工说明的信息。清洗规则应该帮助认识材料，而非制造没有根据的确定性。
向管理层说明结果时，也不必堆满技术细节。把回收范围、主要排除方法、排除数量及其影响讲清楚，已经能够让讨论更有根据。涉及小群体时，仍应注意不通过这些说明暴露个人。
有时最终需要删除的确实是一批质量不足的问卷；有时更需要重做的是题目、发放方式或分析预期。两种结果都可以接受。下一次有人建议先把答得快的删掉，HR可以继续追问：我们准备排除的是无效信息，还是一批暂时不容易解释的回答？
