基于模糊群決策理論的中小企業(yè)人力資源管理外包方案評價

劉玲 朱秋怡 譚輝 夏露

【摘 要】針對中小企業(yè)人力資源管理外包指標評價體系不完善、相關研究較少等問題，文章提出了一種先進、全面的多層次人力資源管理指標評價體系;針對中小企業(yè)的特點和人力資源管理評價指標的模糊性，文章提出了基于三角模糊數計算的灰色關聯理論，它將用于評價模糊文字描述轉化為最終的模糊相關系數，并通過比較各個方案的最終相關模糊系數得出最優(yōu)方案。通過案例分析，文章對所提出的評價模型的可靠性和有效性進行了驗證。

【關鍵詞】人力資源管理外包;群決策;評價體系

【中圖分類號】F272 【文獻標識碼】A 【文章編號】1674-0688（2021）04-0168-05

1 問題的提出

目前，世界各國的中小企業(yè)發(fā)展迅速，為市場注入了生命力，同時在世界各國經濟發(fā)展中發(fā)揮了重要作用。在發(fā)達國家，“人力資源外包”觀念已經很普遍，而現在這種商業(yè)模式也在呈全球爆發(fā)式增長，但亞洲市場直到最近才開始顯示出明顯的增長跡象。近年來，人力資源服務業(yè)的服務從單一的勞務外包逐漸走向各個模塊外包，如一次性招聘外包、薪酬外包及培訓外包等，這體現了人力資源服務業(yè)逐漸朝著專業(yè)化、專門化和集中化發(fā)展。

人力資源外包是把人力資源部門的部分或全部職能委托給第三方專業(yè)人力資源服務機構完成，此過程中需要考慮多方影響因素，從中權衡取舍，最終做出有利于企業(yè)發(fā)展的科學決策。M.Belcourt[1]認為人力資源管理的基本目的是節(jié)約資源、提高對戰(zhàn)略問題的關注度、獲取技術和專業(yè)知識、提高實際管理能力和服務水平。文獻[2]、文獻[3]研究了人力資源管理外包給企業(yè)內部的人力資源管理帶來的風險和回報，體現了企業(yè)人力資源外包比以往更加注重與企業(yè)自身的戰(zhàn)略發(fā)展方向的契合，其靈活性有所下降的同時規(guī)范性和專業(yè)性相應提高[2-3]。然而，在人力資源管理的外包方案評價中的許多因素是難以用準確數值衡量的，大多數文獻采取多屬性群決策方法選擇最佳方案[4-10]。趙蒙川等人[11]提出了用區(qū)間猶豫模糊集建立判斷矩陣并結合TOPSIS方法進行方案的排序。謝全敏和丁修元[12]提出了運用灰色模糊多屬性群決策對隧道施工的方法進行優(yōu)化。馮曉蕾[13]將模糊數理論和灰色關聯理論相結合，推導出基于三角模糊數理論的灰色關聯系數求解的方法。

本文構建了基于模糊群決策的中小企業(yè)人力資源外包方案評價模型。主要貢獻如下：第一，將基于三角模糊數的灰色關聯理論應用于解決中小企業(yè)信息短缺和數據不完整的問題，同時該理論確保了在外包評價方案中定性評價屬性的模糊性不受影響。第二，一個基本涵蓋了所有人力資源管理因素的人力資源管理外包的多層次評價體系被提出，它包括5個一級指標，即管理指標、經濟指標、戰(zhàn)略指標、技術指標和風險指標，以及15個二級指標。第三，針對專家權重的確定，給出一個基本思路，即一個專家的權重取決于該專家與其他專家評價結果的差距。如果差距越大，意味著該專家的評價結果離平均評價水平越遠，其評價水平和質量也越低。

2 人力資源管理外包的評價標準

關于人力資源管理外包的文章很多，大多文章研究經濟、技術、風險等某一方面的具體內容。本文提出5個一級指標，在這5個一級指標下有15個二級指標，這在一定程度上避免了從單一的角度分析人力資源管理外包所帶來的局限性。這個多級系統如圖1所示。

3 模型構建

本文提出的研究方法分為3個步驟：第一步是準備階段，即總結本文所用的三角模糊數公式。第二步是主體架構階段，提出了指標權重和專家權重的計算方法。第三步是建立多層次綜合評價模型。

3.1 三角模糊數理論

3.1.1 三角模糊數

模糊數 可定義為（aL，aM，aU），則其隸屬函數如下：

則稱 為規(guī)范的三角模糊數，記 =（aL，aM，aU），當aL、aM、aU時， 是一個精確數。在方案評價中，aL是三角模糊數的下界，aM是三角模糊數的中值，aU是三角模糊數的上界。

3.1.2 基于三角模糊數的灰色關聯系數

根據灰色系統理論，比較序列Cr（l）={Cr（1），Cr（2），…，Cr（m）}，其中r=1，2，…，n，表示方案的數目;l=1，2，…，m，表示每個方案中相應的指標數。Cr（l）表示第r個方案中的第l個指標。相對而言，參考序列C0（l）={C0（1），C0（2），…，C0（m）}，C0（l）表示參考序列的第l個指標。

設比較序列Cr{Mr（alL，alM，alU）}，r=1，2，…，n，l=1，2，…，m，其中Mr（alL，alM，alU）表示第r個方案中的第l個指標的三角模糊數。參考序列C0{M0（alL，alM，alU）}，r=1，2，…，n，l=1，2，…，m，M0（alL，alM，alU）}表示參考序列的第l個指標的三角模糊數。故指標Mr（alL，alM，alU）的關聯系數如下：

（2）

其中，l=1，2，…，m。運用三角模糊數的排序方法和運算規(guī)則求解式中的三角模糊數的最大值、最小值和算數運算，ρ∈（0，+ ）為分辨系數。ρ越小，分辨能力越大，一般取ρ=0.5。

3.2 指標權重的確定

圖1將人力資源管理外包的方案評價指標體系分為4個部分，即目標層、準則層、子準則層和方案層，這是一個多層次組成的結構圖。因此，本文采用層次分析法（AHP法）確定其底層評價指標之于頂層評價指標的權重，即綜合指標權重。具體方法參考了陳偉[14]介紹和分析的經典AHP方法。

3.3 專家權重的確定

據汪焰[15]的研究，提出的專家權重具體計算方法如下：

若存在k位專家E1，E2，E3，…，Ek且有n個備選方案A1，A2，A3，…，An，令專家Ed對于某備選方案Ar進行評價的三角模糊數為（Ed，EdrL，EdrM，EdrU），暫時假設各評價指標權重相同，故專家Ed的權重如下：

λ =? （3）

3.4 運用三角模糊數的灰色關聯理論建立多層次綜合評價模型

（1）由人力資源管理外包方案的所有子準則層指標值序列確定比較序列Cr（l）={Mr（alL，alM，alU）}|l=1，2，…，m，將方案中的模糊指標轉換為相應的三角模糊數。

（2）按照可比性和先進性原則，確定參考序列C0（l）={M0（alL，alM，alU）|l=1，2，…，m}。

（3）非量綱化。由于不同指標的單位各有不同，所以在用多層次評估方法進行評價時，有必要排除量綱的選用對評估結果的影響，因而采用非量綱化，使其僅用數值的大小就能反映指標值的優(yōu)劣。計算方法如下：

其中，Cr=? Mr（alL，alM，alU），l=1，2，…，m;三角模糊數xr（sl，bl，kl）為比較序列r非量綱化處理后的組成元素。

（4）把非量綱化處理后的比較序列和參考序列代入式

中計算各方案指標的三角模糊數的關聯系數。

（5）利用層次分析法計算指標權重，計算底層指標之于頂層指標的權重wl。

（6）通過公式（3）計算專家權重。

（7）綜合評價。將指標權重、專家權重及關聯系數結合起來，可得綜合評價結果并進行排序，最終選出最優(yōu)的人力資源管理外包方案：

4 計算實例

4.1 案例分析

南方鑫華科技有限公司成立于2014年，是一家體感游戲開發(fā)公司，目前公司的在職員工共120人。該公司在2019年發(fā)展勢頭迅猛，公司收益也創(chuàng)下歷史新高，年收益達1 200萬元。隨著公司業(yè)務與規(guī)模的不斷擴大，公司的人力資源管理面臨著巨大的挑戰(zhàn)。各部門不僅存在人手不足、經常加班等普遍問題，還存在薪酬分配不合理、年終獎發(fā)放隨意性大、員工培訓和團建機制漏洞多等細節(jié)問題。

管理層對公司內部人力資源管理存在的一系列問題進行了初步統計，認為若企業(yè)自行建設人力資源管理的有效機制和全新的組織結構及管理評價體系可能會導致企業(yè)在核心業(yè)務上的資源投入不足，對推進企業(yè)的持續(xù)發(fā)展不利。所以公司高層決定對企業(yè)的人力資源管理進行部分外包，以解決日益凸顯的人事問題和企業(yè)核心業(yè)務持續(xù)高速發(fā)展之間的矛盾。

就此次外包決策，該公司選擇了一支專業(yè)的人力資源管理外包方案評估小組，同時通過為期3個月的調查和統計，提出4個人力資源管理外包的備選方案，選擇了該領域的5名權威專家通過上文所述的人力資源管理外包評價體系5個一級指標及15個二級指標和提及的方法進行評估，最終選定科學合理的人力資源管理外包方案。

4.2 案例評價過程

4.2.1 確定比較序列

方案中的所給參數皆為“很好，一般”等模糊指標，為滿足基于三角模糊數的灰色關聯理論的應用，將此類模糊指標轉換為相對應的三角模糊數。表1中的模糊指標由9個元素的語言評價標度集合組成，分別為“非常差”“很差”“差”“有點差”“一般”“有點好”“好”“很好”“非常好”。表2給出與模糊指標相對應的三角模糊數。

4.2.2 確定參考序列

由于篇幅限制，一致性檢驗過程省略。

4.2.3 各方案指標的三角模糊數的關聯系數

方案指標的關聯系數見表3。

4.2.4 確定指標權重

首先確定目標層的判斷矩陣（見表4），然后確定準則層的判斷矩陣，5個準則層的判斷矩陣見表5。經一致性檢驗，所有判斷矩陣具有一致性。

通過計算可得出5個一級指標下的15個二級指標各自的綜合權重。一級指標管理指標下有4個二級指標，它們各自的綜合權重如下：組織結構權重為0.048 74、人才結構權重為0.044 04、與客戶企業(yè)文化契合度權重為0.048 74、管理資源權重為0.107 87。一級指標經濟指標下有2個二級指標，它們各自的綜合權重如下：企業(yè)運營成本控制權重為0.062 5、企業(yè)長期收益權重為0.187 04;一級指標戰(zhàn)略指標下有3個二級指標，它們各自的綜合權重分別如下：企業(yè)發(fā)展前景權重為0.109 92、企業(yè)核心競爭力權重為0.075 19、企業(yè)控制運營風險能力權重為0.109 92。一級指標技術指標下有2個二級指標，它們各自的綜合權重分別如下：員工素質培訓權重為0.166 26、人力資源管理先進技術權重為0.083 13。一級指標風險指標下有4個二級指標，它們各自的綜合權重分別如下：企業(yè)機密泄露風險權重為0.054 31、目標不一致風險權重為0.029 18、過度依賴風險權重為0.054 31、專業(yè)知識匱乏風險權重為0.045 67。

4.2.5 確定專家權重

為保證專家的評價可信度，假設專家的評判水平較穩(wěn)定且評判時的打分差距可控。評分沿用表2的模糊指標對應的三角模糊數，5位專家對4個方案的評價模糊數見表6。

由上述公式可求得專家E1與其他專家的距離之和D1：

故根據公式（3）可得專家權重λ ，λ ，λ ，λ ，λ 分別為21.6%，11.9%，20.1%，26.3%，20.1%。

4.2.6 綜合評價

Z1= λ? ?wlε1（sl，ml，ul）=（2.565，3.329，3.018）

Z2= λ? ?wlε2（sl，ml，ul）=（0.837，0.824，0.762）

Z3= λ? ?wlε3（sl，ml，ul）=（1.133，0.97，0.909）

Z4= λ? ?wlε4（sl，ml，ul）=（0.975，0.975，0.917）

根據上述綜合評價結果，可得Z1>Z2>Z3>Z4，由此可知方案一為最優(yōu)方案。

5 研究總結

本文采用基于灰色關聯系數理論的三角模糊數方法，解決了人力資源管理外包方案評價中多個定性指標轉化為模糊數的問題。最終的評價結果仍然保留了模糊數的特性，這使得引入模糊數理論具有重要意義。針對中小企業(yè)信息不全、數據不足的問題，引入灰色關聯分析方法，有效地解決了該問題。本文在屬性權重和專家權重的確定上，充分考慮了中小企業(yè)人力資源外包方案評價存在復雜、多層次、模糊的信息問題，具有較強的可操作性和現實性。

本文中專家權重的賦權方法是在基于專家評價較穩(wěn)定的前提下展開。如果專家的評價存在較大的差距或不穩(wěn)定性，模型的計算結果可能會出現較大偏差，專家需要對結果進行多次評價，以確定權重。本文提出的人力資源管理屬性評價體系沒有考慮各主屬性和各次要屬性之間的關系。如果只關注主屬性與其最相關的次屬性之間的關系，可能會導致屬性權重出現一定偏差，因此需要進一步改進。

參 考 文 獻

[1]M Belcourt.Outsourcing-The benefits and the risks[J].HRM Review，2006，16（2）：269-379.

[2]肖祥國，宋英姿.企業(yè)人力資源外包的風險防范和措施[J].經營與管理，2020（7）：146-147.

[3]D W Conklin.Risk and Rewards in HR BusinessProcess Outsourcing[J].Long Range Planning，2005，38（6）：579-598.

[4]P D iu，F Jin.A multi-attribute group decision-making method based on weighted geometric aggregation operators of interval-valued trapezoidal fuzzy numbers[J].Applied Mathematical Modelling，2012，36（24）：98-109.

[5]P D Liu.A weighted aggregation operators multi-attribute group decision-making method based on interval-valued trapezoidal fuzzy numbers[J].Expert Systems with Applications，2011，38：1053-1060.

[6]Z X Su.A hybridfuzzyapproachtofuzzymulti-attribut-egroup decision-making[J].International Journal of Information Technology & Decision Making，2011，10（4）：695-711.

[7]P Gupta，M K Mehlawat，N Grover.Intuitionistic fuzzy multi-attribute group decision-making with an application to plant location selection based on a new extended vikor method[J].Information Scienc-es，2016（370）：184-203.

[8]M S A Khan，S Abdullah，A Ali，et al.Pythagorean

Hesitant Fuzzy Information Aggregation and Their Application to Multi-Attribute Group Decision-Making Problems[J].Soft Computing，2019（23）：251-267.

[9]W F Dai，Q Y Zhong，C Z Qi.Multistage Multiat-tribute Group Decision-Making Method Based on Triangular Fuzzy MULTIMOORA[J].Mathematical Problems in Engineering，2016（8）：1-8.

[10]K D Yin，P Y Wang，X M Li.The Multi-Attribute Group Decision-Making Method Based on Interval Grey Trapezoid Fuzzy Linguistic Variables[J].Inte-rnational Journal of Environmental Research and Public Health，2017，14（12）：15-61.

[11]趙蒙川，楊雁，向毅.基于區(qū)間猶豫模糊TOPSIS法的多屬性群決策[J].四川師范大學學報（自然科學版），

2019，42（1）：39-44.

[12]謝全敏，丁修元.基于灰色模糊多屬性群決策的隧道施工方法優(yōu)化[J].長江科學院院報，2019，36（5）：1-6.

[13]馮曉蕾，楊恒，謝柳輝，等.基于三角模糊數灰色關聯理論的多層次綜合評價模型研究[J].機械工程師，2019（9）：168-171，178.

[14]陳偉.正確認識層次分析法（AHP法）[J].人類工效學，2000（2）：32-35.

[15]汪焰.基于模糊群決策理論的企業(yè)研發(fā)外包風險評價——以浙江X控股集團為例[J].科技管理研究，2016（23）：85-95.