貝葉斯統計分析下A省電力公司人才梯隊健康度評估模型研究

呂妍　吳小勇

[摘 要]人才梯隊健康度是確保建設好“三型兩網、世界一流”能源互聯網企業宏偉目標的重要根基。A省電力有限公司以“觀測現象實現問題預警、主觀數據客觀量化”為目標，基于現象與癥狀間的關聯性、一致性，運用貝葉斯分布原理推導現象概率分布，建立《人才梯隊健康度感測自檢表》。通過調研問卷觀察18個關鍵因子，判斷19個關鍵“病癥”，實現人才梯隊健康提前預警，為管理人員提供精準參謀。

[關鍵詞]人才梯隊健康度;健康評估;風險預警

doi：10.3969/j.issn.1673 - 0194.2020.08.064

[中圖分類號]R195[文獻標識碼]A[文章編號]1673-0194（2020）08-0-02

1? ? ?背景意義

千秋基業，人才為本。做好新時代的組織工作，要用好人才這個第一資源。習近平在全國組織工作會議上多次強調要加快實施人才強國戰略，確立人才引領發展的戰略地位，努力建設一支矢志愛國奉獻、勇于創新創造的優秀人才梯隊。面對建設“三型兩網”世界一流能源互聯網企業的宏偉目標，A省電力有限公司（以下簡稱“A公司”）要以習近平新時代中國特色社會主義思想為指導，秉持守正創新的思想方法和穩中求進的工作基調，大力踐行“敢為人先、實干在先、創新爭先”工作理念，樹立強烈的人才意識，深化人才發展體制改革，激發員工的奮斗精神、創造活力，完善人才培養機制，改進人才評價機制，創新人才流動機制，健全人才激勵機制，為推動經濟社會發展提供源源不斷的人才資源。人才梯隊健康度較模糊抽象，不容易觀察。為此，A公司試圖運用統計工具、計量經濟學的理論工具，結合日常調研，形成一套人才梯隊健康的體檢感測工具，提前預防和感知風險，從而使公司的人才管理更加平穩、和諧。

2? ? ?目標與假設

通過交叉分析，以指數化的形式，判斷人才梯隊存在的潛在風險，具體管理目標包括：①主觀現象客觀化，通過問卷調研，觀測18個現象，將人才提議健康的數據條目化;②關聯觀測與預警，通過單因子、雙因子評估量表，建立關鍵預警信號，形成預警線。本課題有3個基礎假設：①現象的可觀測性、關聯性，現象是客觀的，人的感受差異相對較小，現象與本質之間存在關聯性，通過表層現象的交叉分析，可以探索到現象與“病癥”之間的相關性;②個體現象本質關聯的相對一致性，不同組織之間可以通過觀測同一套“生理指標”來實現體檢;③通過貝葉斯分布原理找到其中的分布關系。即在“病癥”（c）發生的情況下，觀測現象（a）與現象（b）同時發生的情況。此時，如果可以得知現象（a）與現象（b）同時發生的概率P（a∩b），那么可以通過貝葉斯分布推導90%置信區間內，“病癥”（c）發生時，P（a∩b）的概率范圍，進而可以通過觀測現象（a）與現象（b）同時發生的概率，判斷此時組織在90%置信區間內，是否發生了“病癥”（c）。

3? ? ?現象與癥狀關聯

基礎數據來自《人才梯隊健康度因子線上調研問卷》，觀測現象聚集18個關鍵因子：流動情況、人員去向、流動性與穩定性、在崗時長、流動意向、專業匹配度、學歷結構、年齡結構、吸引力因素、吸引力表現、新員工表現、新員工流失率、人崗匹配情況、崗位發展空間、后備梯隊、培訓體系、績效表現和成果表現。用于判斷以下19個“病癥”：培養體系與本單位現狀不匹配、缺乏標準化工作方法、績效提升困難、學歷結構需要調整、年齡結構“青黃不接”、軟性（環境）能力有待提高、新入職大學生心理建設需要進一步加強、大學生難留住、長期無法吸引大學生，缺乏新鮮血液補充、重要人員離崗出現“癱瘓”、創新力逐年減弱、吸引力逐年降低、人才梯隊出現斷檔、存在“老齡化”風險、成為“福利院”、員工出現“懶散”苗頭、員工普遍缺乏上進心、員工普遍對工作不滿和工作要求超出員工能力。

4? ? ?研究過程與成果

4.1? ?尋找典型樣本

A公司選取4個具有典型特征的樣本作為觀測對象，分別分布于合肥、宣城、宿州3座城市。以“同意、不同意和不確定”為關鍵選項，以4個公司專家（人資部主任）的觀測結果為依據，確定19種關鍵“病癥”在4個公司存在的情況。最終結果為，除了“缺乏新鮮血液補充”“員工普遍缺乏上進心”“工作要求普遍超出員工能力范圍”、缺少“同意”的選項外（樣本典型性不夠，本輪無法進一步挖掘），其他“病癥”均存在“同意”“不同意”的選項，可進一步觀測判斷。

4.2? ?明確單因子評估關系量表

逐一分析問卷問題，并聚焦風險選項，根據4個典型樣本對風險選項的認同度，運用貝葉斯計算公式，確定風險上限、下限，作為日常管理參考。以關聯問題“06.關于您所在單位人才的專業匹配性，您認為？”的風險因子“B.專業匹配度雖然很高，但是人才成長速度不如人意”為例開展說明。以上關聯問題的風險因子對應的潛在“病癥”是：組織可能缺少合適的培養體系以及標準化的工作方法。4家單位的分布情況為：宣城公司，24.19%選擇“不同意”;合肥一公司38.84%選擇“同意”;合肥2公司，29.91%選擇“不同意”;宿州公司，27.23%選擇“同意”。計算過程為：以合肥二公司的數據取上限37.5%，以宿州公司的數據取下限23.64%。數據的意義為，當該數值低于23.64%時，出現潛在“病癥”的風險較低，當該數值高于37.5%時，則有較高的風險出現該“病癥”，需要引起重視。最終以表格的形式，羅列“關聯因子、風險選項、上限、下限和風險說明”，生成包含10個關聯問題和風險因子的《單因子風險因子感測表》。

4.3? ?明確雙因子評估關系量表

聚焦關鍵問題關鍵選項，通過交叉分析，基于4個典型樣本對關鍵“病癥”的認同度，運用貝葉斯計算公式，確定風險上限、下限，作為日常管理參考。以關聯問題“15.對于目前崗位的發展空間，您？”的風險因子“D.不太滿意，希望能擴大發展空間”“E.不滿意，看不到發展空間”與關聯問題“17.您認為自己接受的培訓？”的風險因子“C.相對零散，對職業發展幫助有限”為例開展說明。以上關聯問題的風險因子對應的潛在“病癥”為“員工可能對組織失去耐心，會滋生懶散情緒”。4家單位“病癥”分布情況為：宣城公司總人數為510人，頻次73，頻率14.31%，“病癥”結果“同意”。合肥一公司總人數為564人，頻次171，頻率30.32%，“病癥”結果“同意”。合肥二公司總人數為108人，頻次15，頻率13.89%，“病癥”結果“不同意”。宿州公司總人數為393人，頻次63，頻率16.03%，“病癥”結果“同意”。計算過程為：選取宣城公司的數據計算下限，通過查表計算得出下限數據為11.89%。該數據的含義為，當該數值低于11.89%時，出現潛在“病癥”的風險較低。選取合肥二公司的數據計算上限，通過查表計算得出其上限數據為20.09%，該數據的內涵為當該數值高于20.09%時，有較高的風險出現該“病癥”，需要引起重視。逐一對各個關聯問題和風險因子進行交叉分析，最終以表格的形式，羅列“關聯問題1與風險因子a，關聯問題2與風險因子b、風險選項、上限、下限和風險說明”，生成包含10對風險因子的《雙因素風險因子感測表》。《雙因素風險因子感測表》和《單因子風險因子感測表》合并成為《人才梯隊健康度感測自檢表》，作為各單位自我評估的重要工具。

4.4? ?界定使用范疇

在數據計算驗證的過程中，存在3種情況為無法計算或需要調整的情況。第一種情況，當“病癥”（c）的結果為“不確定”“不同意”，沒有出現“同意”時，樣本不具有典型性，無法合理計算。第二種情況，當計算結果存在矛盾，說明雙因子的相關性關系不明顯，不能成為典型樣本，結果不可靠。第三種情況，當數據存在缺陷，例如某個現象出現極端數據（過好或過壞），數據不能成為典型樣本，需要調整后才能使用。

4.5? ?研究成果的應用

《人才梯隊健康度感測自檢表》的建立包括以下內容。一是前瞻預警。構建一系列關鍵“生理指標”，用于觀測是否在健康范圍內，從而第一時間預判潛在風險，為公司人才戰略、人力資源策略決策提供依據。二是自我優化。每個公司可以通過自我檢測，及時干預不健康、不穩定因子，使本公司的“生理指標”始終保持在一個相對健康的范圍。三是積累經驗。各單位根據自檢表及數據建立人才管理經驗庫，并根據檢測成效，不斷校正、升級典型經驗。

5? ? ?啟發與展望

《人才梯隊健康度感測自檢表》的結果可供管理人員判斷企業當前人才梯隊存在的健康問題，為自己的管理決策提供必要依據。結果來自數據積累，有一定的參考意義，但是在結果應用的過程中，仍必須發揮管理者的主觀能動性，進一步深挖背后的原因，實現“理性+感性”互為支撐，更好地解決根本問題。同時，自檢表是一個持續優化的表格，隨著收集的數據越來越多，可參考的樣本量日益增加，可信度將隨之提高。在今后的管理中，將進一步深化《人才梯隊健康度自檢表》應用，結合日常管理實踐，真正發揮“體檢表”的作用，實現人才梯隊健康度問題的提前預警。

主要參考文獻

[1]羅帆，羅靜媚，吳蘭玉.國有企業人才流失的成因及對策分析[J].武漢理工大學學報：社會科學版，2002（2）：170-173.

[2]張穎麗，李建華.企業科技人才流失預警信息系統的構建及運行對策研究[J].情報科學，2010（5）：788-792.

[3]都浩.基于JAVA平臺的人才需求預警系統的設計與實現[J].現代企業教育，2014（16）：53-55.

[4]張德.人力資源開發與管理[M].北京：清華大學出版社，2001.

[5]劉守會.變革轉型時期HK集團人才梯隊建設體系研究[D].濟南：山東大學，2019.

[6]鄧芳.轉型期中國企業人力資源管理變革研究[D]開封：河南大學，2012.

[7]馮鐵山，李洪，藍鯤.基于貝葉斯統計的測量系統可靠性評估方法[J].導彈與航天運載技術，2014（6）：60-64.