面向企業業務問題知識化求解的人員配置方法*

□ 杜俊宏 □ 戰洪飛 □ 余軍合 □ 王 瑞

寧波大學 機械工程與力學學院 浙江寧波 315211

1 研究背景

隨著知識經濟時代的高速發展,知識資源已成為企業的重要戰略資源。企業員工所擁有的知識資源是企業知識資源的一部分,如何高效運用企業員工的知識資源為企業創造更大的價值,具有重要的現實意義。企業在業務問題求解中,存在人員配置盲目性現象,對業務的知識需求及執行人的知識能力等都缺乏科學的表述與研判,導致業務執行績效低下,尤其是對于新業務的執行,績效更低。從知識管理角度出發,企業員工的知識資源如何高效配置,已成為學者研究和企業管理者關注的熱點。

目前,國內外學者在企業人員配置方面已進行了較為豐富的研究。Eeckhout等[1]提出一種基于離散時間和資源權衡視角的業務人員配置優化方法。Gungor等[2]將模糊層次分析法運用于企業人員匹配中,為企業引入外部專家資源提供建議。楊龍等[3]將價值流程圖思想應用于企業生產線人員的配置。王珺[4]、楊學良[5]等結合遺傳算法和蟻群算法,在優化業務人員配置中展開實證。Kalugina等[6]提出一種基于雇主和候選人的人員選拔模型。Bergh等[7]對人員配置相關研究進行綜述,對未來研究趨勢進行預測。Ham[8]、蔣辰[9]等引入排隊論構建人員配置模型,對業務人員配置進行優化。Chien Chenfu等[10]通過基于決策樹和關聯規則的數據挖掘框架來構建人員甄選機制,為企業人員招聘提供服務。文獻[11]提出一種基于映射的專家知識資源建模方法。杜剛等[12]構建通用的馬爾可夫人員配置決策模型,在數據中心人員配置中進行實例驗證。Zhang Shifang 等[13]提出一種基于灰色關聯理論的直覺模糊多準則決策方法,為人員選擇提供決策服務。Qin Yichen等[14]提出一種兩階段的人員配置優化方法,在機庫維修案例中展開實證。武小平等[15]從資源、風險、成本三個角度提出一種基于計劃評估和審查技術的人力資源優化方法。

綜合以上文獻,在以多元數據驅動結合需求理論分析的人員模型構建方面,研究和應用較少,業務求解人員配置方法仍具有深入研究的必要性。筆者從知識管理的角度出發,提出業務求解過程中人員配置的一體化方法,稱為面向企業業務問題知識化求解的人員配置方法。這一方法首先通過多元數據挖掘,結合問卷調研,從多維度視角構建知識型人員模型;然后引入5W1H(Who,What,When,Where,Why,How)理論,結合知識型人員模型對業務求解過程中的人員需求進行建模;再通過知識資源輔助信息,進行二次篩選,進一步縮小人員范圍。筆者的研究旨在為業務問題求解提供一套高效、系統化的人員配置方法,推動企業員工知識資源的高效運用。

2 業務問題求解人員配置服務框架

在對企業調研中發現,企業業務執行的任務下達后,人員的選定大都通過部門會議或主管人員來確定,這一過程往往通過決策者的主觀判斷來決定人員分工,存在業務人員配置盲目性的問題,對業務的知識需求、人員的知識能力等了解都比較片面,也缺乏系統化指導方法及操作模型。對此,筆者提出一種面向企業業務問題知識化求解的人員配置方法,為企業人員配置決策提供參考。業務問題求解人員配置服務框架如圖1所示。

▲圖1 業務問題求解人員配置服務框架

首先進行知識型人員模型維度確定及構建工作。數據來自論壇、大會、企業招聘、調研問卷,利用數據挖掘手段確定人員維度類別。在維度分類的基礎上,對細分維度進行類別歸屬劃分,完成知識型人員模型的構建。然后引入5W1H理論,結合知識型人員模型,基于知識需求、能力需求、知識性成果需求三大維度,構建業務對人員需求模型。通過設計規則,對定性維度進行量化,形成知識型人員模型量化表。通過知識化業務人員配置服務系統人員知識資源庫模塊,完成知識型人員資源庫的構建。再進行業務對人員需求模型和知識型人員模型的匹配,選取知識需求維度、能力需求維度、知識性成果需求維度,利用歐氏距離進行相似度計算,完成業務求解人員配置一次篩選。以人員成本、項目滿意度等維度結合灰色關聯度分析理論,對人員進行二次篩選,進一步確定業務人員配置方案。最后對面向企業業務問題知識化求解的人員配置服務系統的設計進行步討論。面向企業業務問題知識化求解的人員配置方法有利于推動業務求解人員的高效配置。

3 知識型人員模型的構建

在知識型人員模型構建過程中,人員維度如何選定將直接影響最終業務解決過程人員匹配的合理性。為保證模型的科學性、有效性、真實性,筆者在準備階段收集論壇、大會、企業崗位招聘等數據。其中,大會數據和企業崗位招聘數據蘊含著大量有價值的信息,企業崗位招聘數據涉及對人員技能和能力的具體需求,對知識型人員模型維度的確定有重要的參考價值。另外,通過調研問卷、訪談方式深入企業,對企業部門進行調研。通過數據挖掘,結合問卷調研方法,確定人員維度,完成知識型人員模型的構建。

3.1 多元數據挖掘

筆者收集論壇、大會、企業招聘等數據,通過文本挖掘方法進行人員維度特征抽取。首先對數據文本進行分詞、去停用詞處理,然后通過詞頻-逆文本頻率指數關鍵詞提取算法,對文本關鍵詞進行提取。關鍵詞包括經驗、能力、團隊、專業、項目、責任心、抗壓、執行力、表達能力、組織協調、技能、業績、素養、態度等。

3.2 模型維度調查問卷設計

為保證問卷樣本內容的科學性、有效性,筆者通過查閱文獻及人員一般特征,進行問卷問題設計。再通過企業訪談方式,對問卷問題進行完善和調整。問卷圍繞人員的基本背景、個性化特征、業務求解影響因素、知識性成果影響因素進行設計。人員基本背景包括年齡、學歷、職稱等內容。人員個性化特征包括愛好、性格、榮譽等內容。人員業務求解影響因素包括技術能力、溝通能力等與業務求解相關的能力內容,根據樣本受眾的選擇,確定與業務相關的能力因素。人員知識性成果影響因素包括專利、論文、軟件著作權等指標,根據樣本受眾的選擇,確定與知識性成果相關的成果因素。

3.3 問卷收集

筆者對國企、民企、中外合資企業發布調查問卷,歷時3個月,收回問卷213份,有效問卷205份,有效率為96.24%。企業性質樣本分布見表1,職位級別樣本分布見表2,工齡樣本分布見表3,學歷樣本分布見表4。

表1 企業性質樣本分布

表2 職位級別樣本分布

表3 工齡樣本分布

表4 學歷樣本分布

3.4 模型構建

基于數據挖掘和調研問卷分析結果,對模型維度進行類別劃分,最終確定基本屬性維度、業務能力維度、業務經驗維度、知識性成果維度、輔助能力維度、特征屬性維度、榮譽維度共七大維度。在這七大維度的基礎上,根據數據挖掘結果,對細分維度進行類別歸屬劃分,以七大維度及其細分維度兩層維度構建知識型人員模型,如圖2所示。

基本屬性維度主要包括員工的一些基本信息,如職級、工齡、知識域等。職級表示員工在企業中的職位等級,工齡表示員工工作年限,知識域表示員工所具有的知識結構。業務能力維度由技術能力、溝通能力、團隊協作能力、執行能力等細分維度構成。技術能力表示員工的專業技能水平,溝通能力表示員工的交流水平,團隊協作能力表示員工的團隊合作能力水平,執行能力表示員工在業務解決過程中的積極性水平。業務經驗維度由參與項目數、項目完成度、項目產出比、項目滿意度等細分維度構成。參與項目數表示員工所參與的項目總數,項目完成度為員工已完成項目數與參與項目總數的比值,項目產出比為項目產出與項目投入的比值,項目滿意度表示項目完成后客戶對項目的平均滿意程度。知識性成果維度由專利申請數、發明專利占比、軟件著作權、商標數、論文發表數等細分維度構成。專利申請數表示員工所參與的外觀、實用、發明專利總數,發明專利占比為發明專利數與專利總數的比值,軟件著作權表示員工擁有的軟件著作數量,論文發表數表示員工所發表的論文總數,商標數表示員工所參與設計的商標數量。特征屬性維度包括愛好、性格、癖好等細分維度,該維度在企業業務解決人員匹配中起參考作用。榮譽維度包括個人榮譽、團隊榮譽、市級榮譽、國家級榮譽等細分維度。個人榮譽表示員工獲得的個人獎項數,團隊榮譽表示員工獲得的團隊獎項數,市級榮譽表示員工獲得的市級獎項數,國家級榮譽表示員工獲得的國家級獎項數。

▲圖2 知識型人員模型

4 知識型人員資源庫的構建

4.1 構建流程

構建知識型人員資源庫,有利于企業知識管理的實施,對企業實現業務求解人員高效配置具有重要意義。知識型人員資源庫的構建方法主要為大數據挖掘和企業系統信息導入。大數據挖掘包括業務案例挖掘、員工簡歷挖掘、互聯網數據挖掘,企業系統信息導入包括績效管理系統、項目管理系統、知識產權系統等信息的導入。由面向企業業務問題知識化求解的人員配置服務系統人員資源庫模塊完成大部分知識型人員資源庫的構建工作,少部分缺失數據由管理人員補充,最終形成企業人員庫。知識型人員資源庫的構建流程如圖3所示。

4.2 人員維度指標量化規則

根據對企業案例及員工資料進行數據挖掘,提取關鍵詞標簽,再參考企業管理層的意見進行調整,最終形成業務解決過程中的總知識域。知識域量化規則中,具有對應領域知識記為1,不具有記為0。對于業務能力、輔助能力等定性指標,通常分為好、較好、一般、較差、差五種情況。參考李克特1-5分量表,對維度指標進行量化,1對應差,2對應較差,3對應一般,4對應較好,5對應好。對于員工能力的量化,由績效管理系統錄入面向企業業務問題知識化求解的人員配置服務系統。企業對員工內部職級有明確的劃分,職級的量化與企業內部職級劃分對應。人員薪酬關系到業務解決過程中的成本問題,在達到預定目標的前提下,成本控制越低,對企業越有利。對薪酬等級的劃分如下:0～200元/d對應5,200～300元/d對應4,300～400元/d對應3,400～500元/d對應2,500元/d以上對應1。通過上述方法,對定性指標和定量指標進行整理,最終形成人員維度指標量化規則。

▲圖3 知識型人員資源庫構建流程

5 業務對人員需求模型的構建

業務需求往往可以細化為具有求解邏輯關系的業務活動,筆者對于需求主要定義在業務活動層,即單個或一組執行人將進行操作的層面。業務對人員的需求通常表現為知識、能力方面,筆者引入5W1H理論,結合知識型人員模型,通過企業調研和專家意見,對業務對人員需求模型進行構建。業務對人員需求模型主要圍繞由誰進行深化,結合業務,最終確定知識領域需求維度、能力領域需求維度、知識性成果需求維度三大維度。知識領域需求維度代表業務解決過程中所需要的知識類型,與知識型人員模型中基本屬性維度下的知識域維度相對應。能力領域需求維度代表業務解決過程中所需要的能力類型,與知識型人員模型中業務能力、輔助能力維度下的細分維度相對應。知識性成果需求維度代表業務解決過程中對人員知識性成果的需求,與知識型人員模型中知識性成果維度下的細分維度相對應。業務對人員需求模型如圖4所示。

▲圖4 業務對人員需求模型

Pk={Xk,Yk,Zk|k=1,…,n}

(1)

式中:k為企業業務問題求解編號;n為企業業務求解需求總數;Xk為第k個業務問題求解所需知識領域需求維度的總數;Yk為第k個業務問題求解所需能力領域需求維度的總數;Zk為第k個業務問題求解所需知識性成果需求維度的總數。

筆者通過面向企業業務問題知識化求解的人員配置服務系統中的業務對人員需求模型模塊來實現業務對人員需求模型的構建。第一種方法,管理人員通過參考知識型人員模型對業務對人員的需求進行文字描述,通過長短期記憶人工神經網絡和條件隨機場算法,設定規則,進行需求信息的抽取,形成業務對人員需求模型。第二種方法,部門在業務解決中,通過管理人員對業務對人員的需求參照模型維度表打分,形成業務對人員需求打分表,導入系統,生成業務對人員需求模型。業務對人員需求模型構建流程如圖5所示。

6 業務人員配置方法

企業在業務人員配置過程中,往往由企業決策層主觀決定,存在配置盲目性問題。而對于新業務的求解,對人員知識需求和能力需求與以往業務需求相比具有差異性,決策者不能準確定位到合適的人員,對此筆者提出了人員兩次篩選的方法,為企業業務人員配置提供決策服務。兩次篩選所起的作用不同。一次篩選滿足業務對人員的基本需求,實現業務對人員需求模型與知識型人員模型相匹配,在大批人員中確定小范圍人員。二次篩選以企業決策者視角考慮業務成本、業務完成情況,在一次篩選的基礎上以數據理化方法科學地精確定位人員。

▲圖5 業務對人員需求模型構建流程

基于以上構思,一次篩選基于業務對人員需求模型與知識型人員模型,選取知識域、業務能力、輔助能力、知識性成果等維度,通過相似度計算方法來初選確定業務人員。二次篩選在人員初選的基礎上考慮人員成本、項目滿意度、項目完成度等因素,結合灰色關聯度分析理論,進一步縮小人員范圍,為業務人員配置提供決策支持。

6.1 業務人員配置一次篩選

通過問卷調查及知識型人員模型維度劃分,將基本屬性維度中的知識域維度,業務能力領域維度中的技術能力、溝通能力、團隊協作能力、執行能力維度,輔助能力維度中的獨立判斷能力、問題解決能力、組織能力維度,知識性成果維度中的專利申請數、發明專利占比、軟件著作數、商標數、論文發表數維度作為業務人員配置一次篩選的參考維度進行相似度計算。

在面向企業業務問題知識化求解的人員配置服務系統業務對人員需求模型模塊的輔助下,構建業務對人員的需求模型。業務對人員需求可表示為X=(x1,x2,…,xn),xi表示業務對人員需求模型中某一維度的數值。知識型人員模型維度量化后可表示為Y=(y1,y2,…,yn),yi表示知識型人員模型中某一維度的數值。由于知識性成果維度中的專利申請數、軟件著作數、商標數、論文發表數維度在不同人員中可能存在差異較大,在進行相似度計算時會導致結果較大,影響效果,因此需要對這些維度數據進行標準化處理。Z得分方法抗干擾能力強,若數據中存在離群值,則會被抑制,由此采用Z得分方法進行標準化處理。標準化公式為:

x′=(x-u)/σ

(2)

式中:x為原始數據;u為樣本均值;σ為樣本標準差;x′為原始數據經標準化處理后得到的數值。

采用歐式距離進行相似度計算,因為參加計算的變量較多,所以為便于比較,對歐式距離取平均值,計算式為:

(3)

式中:d(x,y)為人員綜合水平與業務對人員需求的相似程度;m為一次篩選中維度總數,數值越小,表示對應人員與對應業務越匹配。

通過計算結果,選取與業務高度相似的人員數人。這些人員具有解決新業務的知識儲備和能力,作為業務人員配置一次篩選的結果。

6.2 業務人員配置二次篩選

在一次篩選中,已充分考慮了業務對知識、能力、知識性成果的需求,但人員的成本、業務完成情況也是影響業務執行績效的重要因素,因此在一次篩選的基礎上,從成本、業務完成情況等角度進行二次篩選。將基本屬性維度中的薪酬維度,業務經驗維度中的參與項目數、項目完成度、項目產出比、項目滿意度維度,榮譽維度中的個人榮譽數、團隊榮譽數、市級榮譽數、國家級榮譽數維度作為業務人員配置二次篩選指標,進一步確定業務求解人選。采用客觀權重賦權法[16]與灰色關聯度分析[17]為業務人員配置提供決策參考?？陀^權重賦權法通過原始數據的對比強度和數據之間的沖突性來衡量指標之間的重要程度,通過客觀權重賦權法對指標賦權,結合灰色關聯度分析,以加權灰色關聯度對人員進行多屬性決策。進行指標賦權,因為筆者所用指標與人員配置成正相關,所以采用正向化對數據進行無量綱化處理,正向化處理式為:

(4)

進行變異因數vj計算,vj為:

(5)

式中:Sj為第j個指標的標準差;xj為第j個指標的平均值。

標準差Sj越大,表示該指標越能反映更多的信息,該指標就越重要。

指標間的沖突性Rj為:

(6)

式中:rij為指標i和j之間的相關性。

指標客觀權重Wj為指標j的信息量占所有信息和的比重。指標信息量Cj越大,表示所包含的信息量越大,指標越重要,應分配更多的權重。信息量Cj為:

(7)

指標權重Wj為:

(8)

進行灰色關聯多屬性決策,對一次篩選出的人員進行二次篩選,二次篩選指標數據由知識型人員資源庫導出,作為數據集,從數據集各項指標中選取最優數據作為參考數據。由于多維度數據可能因量綱不同不便于比較工作,因此需要對數據進行無量綱化處理。在灰色關聯度分析多目標決策中,常用的無量綱方法有均值法和初值法,筆者選用均值法對數據樣本進行無量綱化處理,均值法計算式為:

(9)

進行關聯因數ζi(k)計算,計算式為:

(10)

進行灰色加權關聯度r0i計算,計算式為:

(11)

式中:Wk為權重賦權法得到的指標權重。

最后通過計算結果得到人員的排名,從而得到人員配置方案。

業務人員配置方法在滿足業務知識需求和能力需求的前提下,以企業決策者視角考慮業務成本、項目滿意度、人員獲獎榮譽等因素,通過兩次篩選,進一步縮小人員范圍,為業務人員配置提供輔助決策支持。

7 人員配置服務系統

為便于業務人員的配置,筆者設計了面向企業業務問題知識化求解的人員配置服務系統,利用Eclipse開發平臺[18]和SSH(Struts,Spring,Hibernate)框架進行開發。數據庫采用結構化查詢語言[19],系統前端采用超文本標記語言、JavaScript、串聯樣式表語言進行代碼開發,采用Java語言實現前后端的交互功能。軟件系統架構圖如圖6所示。

面向企業業務問題知識化求解的人員配置服務系統功能模塊設計應滿足業務服務系統的一般功能和特點,具備業務人員配置相關的核心功能,主要包括知識型人員模型構建模塊、業務對人員需求模型構建模塊、知識型人員資源庫管理模塊、知識化業務求解人員配置管理模塊、系統設置與管理模塊、系統數據管理模塊,如圖7所示。

根據理論框架,構建面向企業業務問題知識化求解的人員配置服務系統界面,如圖8所示。

▲圖6 軟件系統架構圖

▲圖7 面向企業業務問題知識化求解的人員配置服務系統功能模塊

8 結束語

筆者針對企業在知識化業務問題求解人員配置中,由于新業務具體需求與以往業務需求相比存在差異,造成決策者不能精確進行業務人員配置,從而導致績效低下的問題,從知識管理角度出發,結合數據挖掘手段,提出面向企業業務問題知識化求解的人員配置方法,通過兩次篩選實現業務求解人員的配置。一次篩選考慮業務知識、能力、知識性成果等基本需求,二次篩選以決策者視角考慮業務成本、業務完成情況,結合灰色關聯度分析,進一步縮小人員范圍。

所提出的方法有利于企業人員知識資源的高效運用,推動業務問題求解人員的高效配置,提高業務的執行績效。

▲圖8 面向企業業務問題知識化求解的人員配置服務系統界面