創新人才管理復合指數模型研究

范瑋衛 楊捷 席玉敏

摘?要：本研究的核心是利用采集的創新人才數據信息解讀創新人才管理中的各類問題。采用基于層次分析法所構建得復合指數模型算法，對數據進行計算分析，從而提升創新人才管理精準高效程度。研究通過數據分析發現了一些影響人才工作效率的因素，并針對不同情況提出差異化管理思路。最終，本文希望能夠通過分析結論，促使人才資源配置改善，改變單一的用人和評價制度，形成結構合理、發展機會多樣的用人局面。

關鍵詞：量化分析;復合指數;評價指標;創新人才

中圖分類號：F24???文獻標識碼：A????doi：10.19311/j.cnki.16723198.2022.16.030

1?創新人才管理綜述

創新人才管理既是良好人才管理體系的延伸，也是管理體系內各維度協調的關鍵。當今稱為“數據時代”，各類數據為社會方方面面的治理提供了改革和創新的戰略資源。以數據說話，可以說是構建了社會治理的新思路和新模式，實現了從封閉管理走向開放管理，從靜態管理轉為動態管控，從單向管理演變為多維度協同治理。通過數據分析發現影響科研效率的關鍵因素，實現差異化管理，以期取得最佳業績的同時減少資源損耗。因此，本研究就是為各級科研管理者提供“識才、愛才、敬才、用才”的參考數據，當數據量足夠多就能挖掘數據背后的創新人才管理內涵，為決策者提供更嚴謹、準確的參考依據。本研究關鍵是對數據進行篩選，挖掘有效信息和知識，指導決策行為。

1.1?研究對象

本研究主要針對近三年調研單位引進的創新人才群體，覆蓋了12個大類，27個一級學科。調研內容涵蓋了個人信息、學術經歷、縱橫向科研項目、科研獎勵、科研榮譽、論文成果、著作成果、知識產權、學術會議、平臺團隊、學會組織及期刊管理等十余個類目，囊括了創新人才、海歸等創新人才能夠獲得的各類與科研工作相關的業績項目。同時，兼顧了常規科研評價指標涉及內容，以及社會機構、業內同行對個人的認可程度，還有相關科研團隊、平臺建設等工作的付出等方方面面，力求全面體現創新人才的創新能力。

1.2?研究思路

創新人才管理一直都是管理領域里極具復雜性和系統性的研究，一些可以用數字或統一形式表達的信息往往被用來作為重要的管理評價標準，比如前述的論文、專利、著作等。而更大量的無法用數字表達的信息則被弱化或模糊處理。這必然導致管理片面化。本研究根據傳統質性思維，利用經驗和抽象概括，將大量的無法用數字或統一形式表達的信息凝練出來，賦予抽象意義，以便于數據化。同時，又利用復合指數模型，為管理提供邏輯特征和必要導向。研究將通過概念抽象化-信息數據化-評價系統化的邏輯分析，實現創新人才精細化管理。

研究涉及參數根據權重賦值并量化，指標權重可隨管理導向調整。本文以層次分析法來構建復合指數模型。建模邏輯如圖1所示，本研究首先將兩類初級指標，含可量化指標和不可量化指標，兩兩結合形成全新的復合指數。對復合指數優先采用人工分析進行篩選，主要結合研究人員經驗設置篩選指標。同時，人工篩選結果可以用于指導自動篩選閾值設定。研究過程還將對復合指數進行自動篩選模擬，根據結果不斷調試閾值范圍，以提高自動篩選精度。根據以上兩類篩選方式得出的符合要求的新指標將作為二級指標和初級量化指標同時構成全新的管理評價體系所含復合指數。

本研究基于層次分析法將復合指數指標（Y）和指標（X）通過加權求和構建適合的復合指數模型Y=∑ni=1αiXi，其中，α為各指標的權重。

將上述模型采用MATLAB程序實現以下功能：自動讀取數據，對各類指標進行去量綱（范圍：0～1;目的：使權重為衡量各指標重要性的唯一標準），計算綜合指標，保存結果模型數據格式，運行程序前將數據和各分類指標的權重按實際情況及管理需求進行完善即可。后續研究將利用該模型針對不同指標參數逐一進行對比分析。

1.3?創新人才科研產出

根據本次信息采集上來的數據，作者根據實際情況對所有創新人才的科研產出進行了量化分析。通過分析，可以得出近三年來各位創新人才的總產出和其入職時間的對比圖（如圖2）。本次統計原則是盡量體現個人在成果中的作用，以及支持高水平成果的導向。因此對參與、低層次成果降低或取消權重。并且，對于入職時間尚短或仍未獲得水準以上成果的人才信息不予記入。與常規預期不同的是，科研產出量與入職時間并沒有嚴格的關系（部分獲得在職學歷人才的統計時間以畢業至今為準）。筆者在統計科研產出時，不但對常規項目如：科研項目、論文、專著、專利、獎勵等;還將團隊平臺工作、所獲榮譽稱號、學術會議、學術團體工作以及負責期刊編輯工作等情況納入個人科研評價體系中來。因為，后面這些數據一方面能夠體現外界對個人學術成果的評價，另一方面也能衡量其本人在所在專業領域的學術資源，這些都是長久發展所需的續航能力，乃至沖擊更創新項目的軟實力。

盡管圖2反饋出時間與產出無直接關系，但相對而言，入職時間越長，在統計入職后科研產出總量時，總是存在優勢的。因此，為了更準確地衡量各位創新人才的科研工作，本文采用的分析模型基本消除時間差異。但是，入職時間較短的創新人才，沒有科研產出計入是合理的。反之，如果入職時間短，但是產出可觀，則在年均分析中會占據優勢。這是對部分優秀人才，能夠突破適應期，盡快進入角色的權重傾斜。

經過統計，可以得到多數參評人才科研工作量對比數據，但是總體數值不高。調研發現具有一定優勢的個體通常具備某些特別突出的業績，提升了個人數據。科學研究鼓勵發揮特長，找出個人的長處并合理發揮，也是科研管理工作重點之一。同時，應指出“特長”不是“瘸腿”，沒有良好的研究基礎，就不能在科研路上走得太遠。在沒有尋找到個人契機前，科研管理首先要做得還是引導人才沉下心來，豐富自己的科研基礎。如果入職三年內沒有良好的科研業績，一旦科研工作出現斷層，再想接續博士期間研究工作就非常困難了。未統計入圖3中的部分人才已經開始顯現出科研斷檔趨勢，必須加以重視。同樣，本次分析結果良好的人才，如果不能保持工作狀態，也可能有下滑趨勢。因此，數據在不斷鞭策創新人才向科研投入更多精力。5A9C9713-24F5-443C-A401-7593FD6F894F

1.4?科研業績綜合分析

本次統計涉及眾多學科的近三年引進過創新人才，占調研對象的907%，但總體分布以理工類為主。統計數據中的學術帶頭人和國家級項目主持人在科研表現上極為優秀。但還有占比269%的創新人才受多種因素影響，暫時還沒有良好的科研產出。另有205%的創新人才科研業績較低。圖3反映了本次統計數據分布，269%為無業績人數占比，205%為個位數科研業績人數占比，10-20業績分人數占比為256%，154%為20-40分的占比，大于40分為115%。

2?創新人才管理復合指數模型研究

在數據分析中，本研究將學術會議、團隊平臺、學術組織及雜志管理等社會工作統一劃歸“社會資源”，將論文、專利及專著等科研工作產出合并為“科研成果”，將科研獎勵、學術榮譽綜合為“學術成就”，將每位創新人才入職前后科研水平的變化差異定義為“發揮度”，將個人近年來全部科研工作設置為科研“潛力值”，將其承擔的各類科研項目統稱為“科研項目”，此類為本研究側重分析的復合指數。

2.1?科研項目分析

本研究根據不同項目類型的特點，分別提高其引導性權重值，縱向在于國家層面的項目主持和審批資金雙向引導，橫向在于主持合同金額增長的引導。希望能借此機會，真正為單位發掘出各類人才，能夠發揮各自特長服務于國家整體科研發展戰略。根據這一指導性原則，特篩選部分在科研項目上的業績突出人員數據作圖4。

圖4中只標出了入職以來橫、縱向項目業績突出的創新人才。從圖中可以看出統計范圍內科研項目主體以各級縱向項目為主。根據調研對象單位需求，在數據分析中對國家級項目進行了加權配重。同時，數據也對橫向項目進行了一定的權重傾斜，為的是鼓勵更多人才參與到橫向合作和成果轉化工作中來?？梢钥闯龅谝惶蓐?，大多具備國家級項目，或在具備一定省部級縱向外還能實現成果轉化的人才。其他人員多以省部級項目為主，含少量社會服務和成果轉化專長人員。這體現創新人才在做基礎科學研究方面優勢明顯，但在做應用型技術開發方面還缺乏積累。這也是目前科研管理的難點之一：成果轉化難度較大。沒有足夠創新的項目，很難說其具備良好的創新水準;沒有足夠量的項目經費，也不能說這個單位在技術開發、成果轉化方面具備明顯優勢，實力的體現必須要有經得起檢驗的數據支撐。

2.2?不同學科創新人才綜合分析

圖5為不同學科創新人才群體科研總量分析圖，對于本次調研占比最高的工科專業而言，其科研總量與其它兩類專業對比無意義。因此上圖重點在于分析擁有相同人數的“文、理”兩類專業成績。在總量上，多數項目下都是“經管文史”類創新人才群體占據優勢，除了科研成果一項理科創新人才具備明顯優勢外，其余幾項均無優勢可言。從這一數據而言，“經管文史”類創新人才群體并不處于絕對弱勢。而且在新時期科研發展自然科學和社會科學“兩手抓”的導向下，“經管文史”綜合起來比理學類占據一定優勢地位是可以理解的。

圖6分析了發揮度、人均產出、總產出和年人均產出。由于各指標參數量級不同，采用百分比對比分析。如圖6所示，工科類除了在總量上占據明顯優勢外，發揮度最低，人均最低，年人均略好。就發揮度而言，理工類均遠低于文科類。工科類在年人均數值上有所好轉，而“文史經管”類下降明顯，一方面工科基數大，新入職人數高，整體結構年輕化;另一方面文科類在職創新人才比例較高，人員結構相對老化。

2.3?不同學源創新人才群體科研工作綜合分析

本節根據創新人才學源進行了分類分析，鑒于此類分析人數浮動較大，不再做總值分析，以均值分析為主。同時，將中央黨校及中國社科院與一般院校以“其它”類歸。該分析試圖查看人才來源對調研單位科研工作發展的貢獻值和支撐能力。一共四類人群，985院校畢業創新人才最多，占比約58%;211院校畢業創新人才其次，占比約24%;其它院校畢業創新人才占比約15%;海歸創新人才占比約2.5%。

圖7分色系分項目類別，詳細描述了不同創新人才學源的不同科研指標對比。其中海歸創新人才為195%，985院校畢業創新人才為3202，211院校畢業創新人才為3026%，其它院校畢業創新人才2358%，同一環表示一個指標類型，數字表示人均數值。如圖7所示，985院校畢業創新人才具備最好的科研潛力，但對比211院校畢業創新人才并未拉開差距。同時，海歸群體的科研潛力與期望值相反，處于末位。這與調研對象的引進策略有一定關系。根據年人均產出可以看出，海歸后來居上，保持了應有的頂級水準;而985院校創新人才緊隨其后，保持著相對高水準;其他類院校畢業創新人才則相對落后。根據入職后參研項目來看，985和211畢業創新人才相對積極參與各類項目申報，具有領先優勢;海歸創新人才在項目申報上略有差距。

參考文獻

[1]董瑞豐，胡喆，張泉，等.見證中國創新磅礴動能、2018年度國家科學技術獎勵五大看點[J].中亞信息，2019，（01）：2023.

[2]習近平.在全國科技創新大會、兩院院士大會、中國科協第九次全國代表大會上的講話[J].科技管理研究，2016，36（12）：14.

[3]王萌萌.“大數據技術+”與人力資源量化管理的研究展望與多維分析[J].天水行政學院學報，2016，17（02）：3135.5A9C9713-24F5-443C-A401-7593FD6F894F