基于粗糙集技術的勝任力模型簡化方法探析

摘要:構建勝任力模型并運用于人力資源管理的各個方面是當今企業獲得競爭優勢的重要途徑。然而由于勝任力模型的構建大多通過專家訪談來確定，不僅具有較強的主觀性，并且包含過多的要被實現的勝任能力，這大大增加了企業運用勝任力模型的成本。作為減少定性分析而著名的數據挖掘技術——粗糙集理論是一個比較新的方法，運用客觀科學的粗糙集方法來挖掘高科技企業管理人員勝任力的最小集合，可為探討簡化勝任力模型提供一種思路與方法。

關鍵詞:勝任力模型;粗糙集理論;高科技企業經理

中圖分類號:F830 文獻標識碼:A 文章編號:1003-3890(2010)05-0051-05

一、引言

為把握企業現有的和未來競爭優勢，建立崗位勝任力模型正逐步成為當今企業人力資源管理發展的趨勢。勝任力模型是指勝任某崗位所需要的一系列的勝任能力，包括在特定角色中有出色表現所必須具備的關鍵行為[1]，是用來確定員工在現有工作中能否提高績效或者是否勝任其他工作的重要依據。勝任力模型一般是以研究組織中某崗位最優績效者為基礎構建的。它為員工成長提供了一系列優秀績效行為的發展路徑圖，有助于設定個人訓練和發展計劃，提升崗位勝任能力和工作績效。由于這一方法在實現企業內部員工能崗匹配、完善員工個人職業生涯、提升組織績效等方面發揮著重要作用。因此，近年來，國內企業開始在招聘、選拔、評價、開發、員工激勵[2]和薪酬等方面廣泛引入崗位勝任力模型。

目前，勝任力模型構建大都采用專家研究全部樣本并歸納的方法。為了開發勝任力模型，要通過多種途徑搜集基本的數據，包括員工問卷調查以及與經理人員和雇員訪談。這種研究方法能夠較全面的反映某一企業在戰略導向、文化價值背景下某一崗位所需要的勝任力模型，是針對特定環境下特定角色的勝任能力構建的有效方法的歸納。但是用這種方法構建勝任力模型在一定程度上會影響企業對崗位勝任力模型的應用。首先這一過程歷時較長，以企業專業化分工相對清晰為基礎;其次，構建過程復雜性、評估成本過高。這兩大特點必然成為中國大多數正處在成長期的、普遍存在一崗多能、資金和實力有限等問題的中小企業應用這一方法的瓶頸。同時，21世紀是一個飛速發展的時代，企業發展戰略的調整、經營思路的轉變，需要根據變化及時調整個性崗位勝任力模型，鑒于成本較高，又難以做到，建立個性模型實效性受到影響。在這種情況下，借鑒并探討具有普遍性規律的勝任力模型則是更有現實意義和成效。

許多專家也更傾向于探討通用勝任力模型，因為通用的勝任力模型是在大量企業實際研究的基礎上，經過多人長時間的反復驗證，不斷地對比分析后全面構建的，更具有代表性，它涵蓋了某崗位全部的勝任力，而且操作方便，這無疑大大降低了成本，為構建各崗位的勝任力模型提供了便捷的途徑，為資金實力有限的中小企業提供了可以借鑒的方法，但應用時對于某一企業而言存在的問題就是勝任力過多。因此，如何在反映共性特點的勝任力模型基礎上，借助科學的方法，客觀地提煉適合同類型企業的勝任力模型將成為學術界需要解決的一個重要問題。因此，筆者嘗試通過運用粗糙集方法挖掘管理人員勝任力的最小集合，對探討構建反映普遍性特點的勝任力模型的方法作一嘗試，以便幫助企業更好地運用管理人員的勝任力模型，提升企業效益。

二、粗糙集理論基礎

RST在1982年首先被Pawlak提出[3]，這是一個非常有用的處理模糊和不確定的數學工具。粗糙集理論(RST)善于在定性問題中減少數據。最初這項理論被用來處理諸如誘導原因，自動分類，模型辨認，學習運算法則等等。粗糙集理論常用于處理不準確的或者模糊的概念[4]。不像傳統的應用統計數據分析，粗糙集方法是基于數據挖掘的技術來發現知識，RST已成功地運用于諸多領域。在粗糙集方法中，任何模糊的概念都被標以兩個精確的內容，即較低的和較高的近似值。在一個集合中使用較低和較高近似值時，就可以定義較為準確的和定量的近似值。同時，在數據表中的隱藏知識就能夠以確定的標準被表達出來。粗糙集理論的基本概念和數據分析的程序分析如下文所述。

(一)數據分析基本原理

基于粗糙集的數據分析源于一個叫做信息系統的數據表，這個數據表中包含關于一些屬性或者特點的刻畫。信息系統用于構造近似值的空間。這個信息系統可以被視為一個對象的一系列屬性的描述。根據Pawlak的論述，一個信息系統被定義為4元，即S=(U，Q，V，p)，U是對象的一個限定集，V=Uq∈Qq∈QVq是屬性值的集合，Vq是屬性q的域;q:U×Q→V:是一個描述功能，例如對每一個q∈Q， x∈U有P(x，q)∈Vq。

在開始運用粗糙集理論的時候很難在不準確信息的基礎上區分對象。換句話說，準確的信息對可用的數據會引起對象的不易識別。另外，不易識別的關系通常被用于對數據集的較低和較高近似值的兩個主要的操作。通過運用一個集合的較低和較高近似值，我們可以準確地、定量地定義近似值[5]。

(二)數據分析過程

結果表描述了執行決策表中特定結果而必須被滿足條件的一些結果。一個信息系統可以被看作決策表，它的形式為S=(U，C∪D，V，ρ)，其中C∪D=Q，條件屬性C和結果屬性D是兩個不同類別的屬性。通過分析決策表，可以提取出有效的決策規則。

覆蓋索引(CI)是評價決策規則的質量的重要方法。令決策樹行D是一個D={d｝，d在S中作為元素集被Yi∈{Y1，Y2，...，Ym｝表示，用來訪問分類中的決策種類;令條件屬性A≦C且它的域為Vaj，其中屬性aj∈A。

然后CI可以被描述為CI(Vaj，Yi)=card(Vaj∧Yi)/card(Yi)，“∧”表示“兼”操作。CI代表了一個比率，這個比率被稱作覆蓋率，它代表在匹配的決策層中有相同屬性值的對象的數量與屬于同一的決策層中對象的數量相比較的程度。粗糙集理論提供了相對合理的處理模糊和不確定數據的新技術，它有很多特點和優點[6]。實際上，對于決策表的分析有一些主要步驟。用粗糙集方法分析數據有三個主要過程:(1)計算近似值;(2)找到還原的屬性以及關鍵屬性;(3)創建決策規則。

三、研究設計和結果

我國的高科技企業經歷了諸多生存問題之后，現在又面臨著價格削弱的競爭和利潤更低的現狀，因此他們有強烈的意愿要優化組織人力資源以提升勞動生產率來保證企業穩定而長遠的發展。作為“二八”定律中的各級管理人員，在高科技企業中起著舉足輕重的作用，他們的勝任力模型如何科學合理地構建并且行之有效是許多專家所關注的熱點問題。最近，一些專家學者認為六項勝任力就足以描述高新企業管理人員的勝任能力[7]。筆者以西安地區部分高新技術企業各級管理人員為研究對象，運用粗糙集方法挖掘勝任力模型以獲得高新企業管理人員勝任能力的最小集合，實現科學客觀簡化勝任力模型的目標。研究設計、取樣、數據分析和討論如下。

(一)研究設計

本研究的問卷設計是依據之前專家的論斷利用粗糙集方法收集數據。研究分為兩個階段。第一階段，選擇一個模型。第二階段，用粗糙集方法完成簡化。首先，根據專家最新且被大家普遍認可的研究成果，筆者選擇由Hellriegel，D.，Jackson，S.E.與Slocum，J.W.論述的《管理:基于勝任力的方法》來構建管理人員的勝任力模型并設計測量規模。文中管理人員勝任力模型包括六組管理人員勝任能力(見表1);另外，管理人員勝任力模型的每個組都有一些勝任能力細節的描述。在表1中，六組管理人員勝任能力作為條件屬性，每組的細節描述作為粗糙集分析的條件屬性值(字母表示從A到S)。另外，管理層級的決策屬性被劃分為三個級別:(1)高層管理人員;(2)中層管理人員;(3)基層管理人員，分析不同層級的管理人員在通用的管理人員勝任力模型中各自具備怎樣的勝任力[8]。

問卷包含兩部分:一部分是基本信息，另一部分是關于主題的一系列問題。通過從A到S的值的內容收集數據。基本信息部分用來記錄關于管理者職位和公司的利潤包括產品種類的信息。在關鍵問題部分，記錄每個組最重要的管理勝任能力。例如，問題為“在溝通能力組中，哪一項勝任力是最重要的?”選項為:(A)信息交流能力(B)正式交流能力(C)協商能力

(二)取樣

通過電話邀請和說明研究目的，共有50位西安高新企業接受調查。調查共收回了43份有效回復，達到了86%的研究標準。這些回復者的職位都是高層管理人員、中層管理人員和基層管理人員。這些回復來自以下工業類別:電路一體化，計算機及其相關行業，電信業，光電業等等。另外，回復主要來自電信業和計算機業。

(三)數據分析

執行數據分析時是通過運用叫做ROSE(粗糙集數據開發)的軟件按照設定的三步分析過程來完成的。ROSE是執行粗糙集理論基本元素和發現規則的技術的一款軟件。在進行數據分析之前，需要設計決策表。如表2所示，決策表包含43個記錄，這些記錄受一個決策屬性(DEC)和6個條件屬性(六組勝任能力)約束。其中溝通能力(Comm)，計劃管理能力(Plan)，團隊能力(Team)，戰略行動能力(Stra)，全球危機意識(Glob)以及自我管理能力(Self)是條件屬性。另外，這6個屬性和他們的值表示如下:Vcomm={A，B，C｝，Vplan={D，E，F，G｝，Vteam={H，I，J｝，Vstra={K，L，M｝，Vglob={N，O｝，Vself={P，Q，R，S｝，Vdec={1，2，3，4｝。

第一步:計算近似值

應用粗糙集理論進行數據分析的第一步就是計算決策層級的近似值。如表3所示，每一個決策層級都被最后一列精確度為1.000的數據描述。這意味著所有的決策層級都被決策表中的準確數據所描述。另外，在決策表中共有36個原子。整體上看，完全分類的精確度為1.000，且完全分類的量是1.000。

第二步:找到要還原的屬性和核心屬性

在這一步，由于所有的條件屬性和無實意屬性(無序的定量的屬性)的值是語言描述的值，因此用不可識別的方法來還原屬性并且找到核心屬性。運用這種方法，可以在信息表中找到所有潛在的要還原的屬性。結果，我們少了4個屬性找到了一個核心屬性。還原的這4個屬性是:{溝通，計劃，全球化和自我管理｝，{溝通，計劃，團隊，戰略｝，{溝通，團隊，戰略，自我管理｝，{計劃，團隊，全球化，自我管理｝。核心屬性只有一個{自我管理｝。這意味著自我管理屬性在這6個屬性里面是最有意義的屬性。

第三步:制定決策規則

數據分析最重要的一步就是生成決策規則。為了找到最小化的覆蓋規則，最小化的覆蓋方法意在于為決策規則找到最小數量的屬性值。結果創建了10項規則。這10條規則詳見表4，從中可以獲得一些有用的制定決策的規則。特別地，筆者可以通過使用覆蓋索引(CI)的覆蓋率為每個決策層級找到最重要的決策規則。

對于決策層1，明顯的規則1={C，J，I，M，L｝的90.00%的覆蓋率比規則2={A，J，L｝10.00%的覆蓋率要高。這意味著90.00%的高層管理人員認為在經理人員的勝任力模型中這些勝任能力相對比較重要，包括(C)協調能力，(I)創建支持的環境，(J)動態團隊管理，(L)對組織的理解力，(M)采取戰略行動的能力。同理，對決策層2，規則3={A，S，Q｝的覆蓋率為85.71%，而規則4和規則5的覆蓋率較低，均為7.14%。這說明85.71%的中層管理者認為在經理人員的勝任力模型中這些勝任能力相對比較重要，包括(A)非正式溝通能力，(Q)個人激勵和放松能力，(S)自我反省和發展能力。在決策層3中，規則7={D，G，K，O｝比其他規則的覆蓋率都高，為63.16%。決策層3比決策層1和2包含的規則都多，這意味著基層管理人員與高層和中層管理人員在有關于“哪項勝任力是最重要的”問題上有很大的不同。根據規則7，有63.16%的基層管理人員認為在經理人員的勝任力模型中這些勝任能力相對比較重要，包括(D)信息收集、分析和解決問題的能力，(G)預算和財政管理能力，(K)了解企業的能力，(O)文化開放性和敏感性。

(四)討論

RST成功地運用于多個領域，例如市場、財務、銀行和制造領域的數據挖掘，同樣也運用于人力資源領域。

因此，為了解決減少包含復雜和多屬性的勝任力模型的問題，在這項研究中，筆者應用了粗糙集方法來挖掘所需勝任力的最小集。根據調查問卷的結果，我們能夠得到以下結論。

1. “自我管理”屬性是管理人員勝任力模型的核心屬性。反映出大多數管理人員認為這項勝任力對每位管理者都是基本的能力，是管理人員勝任力模型中不可缺少的屬性。

2. 通過粗糙集方法得出的4個原始屬性在構建管理人員勝任力模型時是作為4個可選擇的主要屬性集合。例如，如果選擇初始={溝通，計劃，全球化，自我管理｝就意味著實際的模型中包含這4項。

3. 不同層級管理人員的勝任力有差別。對于哪些詳細的勝任力是最重要的，不同層級的管理人員有著不同的回答。在覆蓋率方面，如果為高層管理人員構建勝任力模型，以下勝任力需要在內部設立:(C)協商能力，(I)創建支持環境的能力，(J)管理動態團隊能力，(L)理解組織的能力，(M)采取戰略行動能力。同樣，為中層管理人員構建勝任力模型需要:(A)非正式溝通能力，(Q)個人激勵和放松能力，(S)自我反省和發展能力。基層管理人員的勝任力模型的構建需要(D)信息收集、分析和解決問題的能力，(G)預算和財政管理能力，(K)了解企業的能力，(O)文化開放性和敏感性。

總之，為簡化管理人員勝任力模型，這項研究結果是很有幫助的，是科學客觀的。通過使用粗糙集方法的以上優點，本項研究成功地簡化了所需要的勝任力集合，簡化后指標能夠反映整體或整體變化趨勢，因此達到了簡化的目的。然而應用這種方法在具體應用中的效用還有待于今后的進一步驗證，本研究可視為RST在人力資源領域應用的探索。

四、結論

為了簡化和更好地應用高科技企業管理人員勝任力模型，運用粗糙集方法實現了簡化模型的目標。最終，研究的結果是令人滿意的，實踐證明它是行之有效的方法，并且在利用勝任力模型方面得到許多啟示。例如，由于“自我管理能力”是管理人員勝任力模型的核心屬性，它反映出絕大多數管理人員認為“自我管理能力”是每位管理人員所應具備的基本能力，是管理人員勝任力模型中不可缺少的。此外，目前尚無運用粗糙集方法解決構建勝任力模型的文獻資料。因此，本項研究擴展了RST在人力資源領域里的應用。運用筆者提出的分析過程可以有效地處理這一類問題，它能夠挖掘關鍵元素的最小集合而減少復雜和構建多元屬性的模型。

參考文獻:

[1]Schoonover， S.C.， Schoonover， H.， Nemerov， D. Ehly， C.: Competency-Based HR Applications: Results of a Comprehensive Survey. Andersen/Schoonover/SHRM (2000).

[2]innott， G.C.， Madison， G.H. Pataki， G.E.: Competencies: Report of the Competencies Workgroup， Workforce and Succession Planning Work Groups. New York State Governor's Office of Employee Relations and the Department of Civil Service (2002).

[3]Pawlak， Z.: Rough sets. International Journal of Computer and Information Science. 11 (5) (1982) 341-356.

[4]Tay， F.E.H. Shen， L.: Economic and financial prediction using rough sets model.European Journal of Operational Research. 141 (3) (2002) 641-659.

[5]Pawlak， Z.: Rough Sets. In: Lin， T. Y. Cercone， N. (Eds.). Rough Sets and Data Mining: Analysis for Imprecise Data. Norwell， MA: Kluwer Academic Publishers (1997).

[6]陳維民.Rough集理論與粒計算[J].電腦知識與技術，2006(29).

[7]Dive， B.: Education Management. Auckland: New Zealand Management (2004).

[8]Hellriegel， D.， Jackson， S.E. Slocum， J.W.: Management: A Competency-Based Approach. Cincinnati: South-Western College Pub (2004).

責任編輯:孫 飛

責任校對:世 玲

Simple Method Analysis on the Competency Model Based on the Rough Set Approach

Ding Yuelan， Huang Jing， Han Lei

(International Business School， Shanxi Normal University， Xi'an 710062， China)

Abstract: It is an important way that building competency model and appling it to all aspects of human resource management of gaining a competitive advantage. However， a competency model mostly set through interviews with experts to determine， it not only has a strong subjective， but also includes many competencies to be achieved， which greatly increased the cost. Well-known data mining as reducing Qualitative analysis-the rough set theory is a relatively new approach， which apply the objective and scientific approach to mining managers' minimum set of competence in high technology enterprises， and provide a new thinking and method to simplify the competency model.

key words: competency model; rough sets theory; managers in high technology enterprises