基于贝叶斯网络的人力资源管理风险预警模型

李　静，宋　利

(安徽理工大学 经济与管理学院，安徽　淮南　232001)



基于贝叶斯网络的人力资源管理风险预警模型

李静，宋利

(安徽理工大学 经济与管理学院，安徽淮南232001)

摘要：人力资源管理的众多不确定性因素可能导致企业面临各种各样的风险，有效评估和预警人力资源管理风险有助于提高企业人力资源管理的有效性。基于现有研究成果的局限性，将贝叶斯网络引入到企业人力资源管理风险预警研究之中。首先阐述了贝叶斯网络的相关理论和在风险管理方面的应用研究，然后对人力资源管理风险的内涵和分类进行界定，在此基础上构建了人力资源管理风险预警指标体系。最后以贝叶斯网络为工具，建立了基于贝叶斯网络的人力资源管理风险模型。通过问卷调查获得网络节点参数，在MATLAB平台结合Full-BNT工具箱完成了贝叶斯网络的局部学习，并根据网络推理的结果提出相应的风险管理决策。

关键词：人力资源管理风险；贝叶斯网络；风险预警

随着知识经济和全球化竞争时代的到来，人力资源已成为企业的核心资源，人力资源管理在企业管理中处于战略地位。然而，因为人力资源具有自己的独特属性，企业在进行人力资源管理的过程中不可避免地会遇到各种各样的风险。迄今为止，已有不少国内外学者对其进行过研究[1-2]，并取得一定的成果，这些成果为企业防控人力资源管理风险提供了重要借鉴。但是，总的来说，这些研究成果多数停留在人力资源管理风险的内涵、分类、危害及防控措施等定性方面，只有少数采用了定量的方法，如层次分析法、模糊综合评判法、风险矩阵法等工具来评估企业人力资源管理风险水平[3-4]。虽然这些数学方法计算简便、容易操作，但是由于这些方法涉及的指标大都具有非线性和模糊性，其准确性和客观性难以保证。基于此，本文将贝叶斯网络(Bayesian networks，BN)方法引入到人力资源管理风险预警研究中，探索用于研究人力资源管理风险的新方法，以期对企业人力资源管理有一定的借鉴作用。

一、贝叶斯网络的相关知识

(一) 贝叶斯网络理论

贝叶斯网络又称信度网络，是人工智能学科中一种以概率统计为基础，进行数据分析和不确定性推理的统计推断方法，该方法由Pearl于1988年首次提出[5]。BN是一个有向无环图(Directed Acyclic Graph，DAG)，它以概率论为基础，以图论的形式形象直观地反映出要素间的因果关系和条件关系，能够综合先验知识进行网络推理。因此BN成为近几年来理论研究的热点，被广泛应用于统计决策、风险评估、医疗诊断等领域。

贝叶斯网络推理规则就是在特定的网络结构中，当出现新的补充事件概率P(BAi)时，可以修正原有事件Ai的概率P(Ai)，得到后验概率P(AiB)。

(二) 贝叶斯网络的应用综述

国内关于贝叶斯网络的应用研究比较晚，大多数研究都集中在最近几年，并且主要应用在人工智能、故障诊断、模式识别等领域，其中将贝叶斯网络应用于风险评估尤其是企业风险管理评估方面的研究比较少。

如索秀花[6]在利用SCOR模型并结合社会领域的马林诺夫斯基理论对供应链风险因素进行分析识别的基础上，以汽车备件供应链为例，建立了基于贝叶斯网络的局部风险评估模型，应用消息传递算法(Pearl算法)对风险进行动态预测，并诊断出影响风险的主要因素，可以有针对性地提出风险应对策略。李江飞[7]从风险发生的概率、风险的损失、风险发生的可控性三个角度对地铁项目施工风险进行了评价，利用贝斯网络借助Netica软件完成了施工风险发生概率的评估。尹凤阳[8]根据事故致因理论构造了船舶过闸风险评价的贝叶斯网络拓扑结构，并在VS2008系统开发平台上开发了风险评价系统，得出多个风险因素共同作用时，事故发生概率呈多倍增长。王美怡[9]采用贝叶斯网络推理和层次分析法相结合的方法，对不确定风险进行综合评估，以帮助管理者有效地规避风险，对高风险部分进行着重管理。熊涛[10]构造了基于贝叶斯网络的上市公司信用风险预警模型，在MATLAB软件上利用数据训练BN模型，并与Logistic模型进行对比，体现了贝叶斯网络模型用于风险评价的优越性。王爱文等[11]提出了基于因果贝叶斯网络的风险建模与分析方法，该方法被应用于某公司国际采购风险评估中，效果显著。周田[12]以IT企业研发人员为研究对象，在构建贝叶斯网络时加入时间因素，设计了帮助企业进行人力资源绩效考核的小型软件，具有很强的实用性。陆静和王捷[13]将贝叶斯网络拓扑结构用于商业银行全面风险预警，利用Netica软件进行网络推理，完成了各种风险指标对全面风险影响程度的计算，结合预警系统灯号模型，对银行风险水平做出判断，有利于管理者有针对性地进行风险管理。

二、人力资源管理风险预警指标体系的构建

(一) 人力资源管理风险的内涵及其分类

何谓人力资源管理风险，虽然学者们的观点不一致，但是比较普遍接受的观点是，人力资源管理风险是指在组织人力资源管理的活动中，因为没有妥善地处理好人力资源管理中各种因素之间的关系，而给组织的经营管理带来意想不到的损失的可能性。人力资源管理中存在着各种风险，十分庞杂，本文在文献研究的基础上[14]，结合企业人力资源管理实例，将人力资源管理风险分为五大类：(1)招聘配置风险：是指组织在对人力资源进行招聘、配置和使用的过程中，因为人为因素或是企业内外部因素不确定性的影响所产生的风险。众所周知，有效的人力资源配置会给企业带来巨大的效益，但是在人力资源招聘与配置过程中，可能会存在人职不匹配、人员配置低效率等问题，导致人力资源的浪费。(2)培训开发风险：培训是企业人力资源管理工作的一项重要职能，企业的培训相当于人力、物力、财力的投资，任何投资都是有风险的，人力资源管理培训也不例外，比如培训收益风险、培训后人员流失风险等。(3)绩效考核风险:绩效考核是人力资源管理的核心环节，有效的绩效考核会对员工起到激励作用，反之，若绩效考核不公正、不全面、员工满意度低，则会挫伤员工的工作积极性，带来用人风险。(4)薪酬福利风险：是指由于薪酬设置不合理、福利待遇差等原因给企业带来的人力资源管理风险。(5)员工管理风险：人力资源管理的核心是人，由于人力资本具有复杂性、流动性、动态性，这就导致企业在进行人力资源管理时不可避免地会遇到员工违纪、人员冲突、劳资纠纷等风险。

(二) 指标体系的构建

建立具有科学性、真实性、可行性、全面性的人力资源管理风险预警指标体系，是构建贝叶斯网络进行风险评估的基础。根据人力资源管理风险的分类，结合文献查阅的结果，建立如表1所示的人力资源管理风险预警指标体系。

表1人力资源管理风险预警指标体系

三、基于贝叶斯网络的人力资源管理风险模型

(一) 贝叶斯网络的构建

贝叶斯网络的构建有两种方法：一种是分析节点关系并咨询专家意见来构建，另一种是利用较完整的数据，通过网络学习功能来完成构建。鉴于人力资源管理各种风险的定量数据很难收集，本文采用第一种方法，利用因果关系结合专家经验构建贝叶斯网络。根据原因在前，结果在后的变量顺序，本文将人力资源管理风险作为终端节点，一级风险指标作为次层节点，二级风险指标作为初始端节点，构建了基于贝叶斯网络的人力资源管理风险预警系统的拓朴结构，如图1所示。

(二) 网络节点的设置

在确定了贝叶斯网络结构后，需要对节点进行设置并赋值，即获得节点参数，包括先验概率和条件概率分布(CPD)。考虑到企业人力资源管理风险的定量数据很难查阅到，因此通过向人事主管、人力资源管理专家、企业风险管理专家组成的专家组征求意见，获得一个比较主观的结果。本模型实际运用中，企业可以根据自身的实际数据对该模型中的先验概率进行修正。

本文中的人力资源管理风险指标体系由5个一级指标和17个二级指标组成，若将这22个指标通过MATLAB软件，利用Full-BNT工具箱进行参数学习，学习过程复杂且长，限于篇幅，论文选取招聘配置风险及其下的3个二级指标进行贝叶斯网络的局部学习。

本文选取某企业作为调研对象，通过向该企业人事主管、人力资源管理专家、风险管理专家组成的20人专家组进行问卷调查，得到该企业人力资源管理风险中招聘配置风险的数据，以便运用基于贝叶斯网络的人力资源管理风险模型，判断其人力资源管理风险状况。

图1　人力资源管理风险贝叶斯网络

在进行问卷调查获得参数时，为了克服专家过度自信等认知方面的偏差，论文给出了风险概率等级的分值量化表(如表2所示)，拟先采用等级区间判断，专家可以凭自己的经验判断指标的风险等级，再结合等级量化表在相应的问卷调查表中填入概率值。同时，借助风险概率等级量化表，我们可以由参数学习得到的后验概率来判断人力资源管理风险所处的风险水平，为进行相应的风险防范和控制提供依据。

表2　 风险概率等级的分值量化

在完成问卷调查之后，通过对收集到的问卷进行分析，得到这次调查问卷的基本信息如表3所示。

表3　 招聘配置风险调查问卷的基本信息

由表可知本次问卷的有效回收率达75%，问卷调查的数据是可以使用的。利用SPSS19.0软件对15份有效问卷的数据进行统计分析，求得各节点概率的平均值作为最终的节点参数，如表4、表5、表6所示。

表4 　节点A的条件概率表

表5 　节点A1、A2、A3的先验概率表

表6 　节点HRMR的条件概率表

(三) 贝叶斯网络参数的学习

应用MATLAB的Full-BNT工具箱对建立的贝叶斯网络进行局部学习，其程序代码如下：

N=5;

dag=zeros(N,N);

HRMR=1;A=2;A1=3;A2=4;A3=5;

dag([A1 A2 A3],A)=1;

dag(A,HRMR)=1;

discrete_nodes=1:N;

node_sizes=2*ones(1,N);

bnet=mk_bnet(dag,node_sizes);

bnet.CPD{HRMR}=tabular_CPD(bnet,HRMR,[0.68,0.85,0.15,0.32]);

bnet.CPD{A}=tabular_CPD(bnet,A,[0.99,0.65,0.72,0.4,0.79,0.45,0.25,0,0.01,0.35,0.28,0.6,0.21,0.55,0.75,1]);

bnet.CPD{A1}=tabular_CPD(bnet,A1,[0.85,0.15]);

bnet.CPD{A2}=tabular_CPD(bnet,A2,[0.76,0.24]);

bnet.CPD{A3}=tabular_CPD(bnet,A3,[0.63,0.37]);

draw_graph(dag)

运行程序即可得到各节点的后验概率为：

ans = 0.4500 0.5500 0.2000 0.4500 0.7000

从参数学习的结果可以看出,人力资源管理风险发生的概率为0.4500，所处的风险水平居中，说明人力资源管理风险应该得到相应的重视，需要投入足够的精力和成本进行管理。

下面再利用团树传播算法来计算招聘成本收益风险A1发生时，招聘配置风险A发生的概率。团树传播算法由Lauritzen和Spiegelhalte于1988年提出，是最常用的一种参数推理算法，其基本思想是将BN转化为团树，然后通过定义在团树上的消息传递过程来进行概率计算，完成对网络的推理计算。团树传播算法可以在MATLAB中通过 engine=jtree_inf_engine(bnet)函数，调用联合树推理引擎来实现[15]。其代码如下：

engine=jtree_inf_engine(bnet);

evidence=cell(1,N);

evidence{A1}=2;

[engine,loglik]=enter_evidence(engine,evidence);

m=marginal_nodes(engine,A);

m.A(2)

在MATLAB中运行程序,得到概率P(A|A1)=0.2833，这说明当招聘成本收益风险发生时，招聘配置风险发生的概率较低。

同样地，通过MATLAB软件利用上述代码，我们可以实现P(A|A2)和P(A|A3)的计算，运算结果为P(A|A2)=0.6167，P(A|A3)=0.3000。所以管理者在进行人力资源管理的风险管理时，对于招聘配置风险的管理重点应放在提高招聘的有效性上，以有效地规避风险，消除隐患。像这样通过利用贝叶斯网络推理，我们在进行人力资源管理的风险管理时，便可做到有的放矢。

四、结束语

本文将贝叶斯网络方法应用于人力资源管理风险的预警研究中，通过构建人力资源管理风险的网络拓扑结构，将各类风险因素对于人力资源管理总体风险的影响归入到具有因果关系的网络结构中，并以招聘配置风险为例进行贝叶斯网络的局部学习，通过问卷调查在对各级网络节点进行赋值的基础上，利用Full-BNT工具箱，完成了贝叶斯网络的参数学习，实现了对人力资源管理风险的定量研究。管理者可以结合本企业人力资源管理风险的实际数据，进行贝叶斯网络推理，根据推理结果，有针对性地采取措施来防范控制风险。当然，由于人力资源管理风险因素种类很多，所以防控人力资源管理风险势必是一个复杂的系统工程。因此，在对人力资源管理风险进行全面防范的基础上，还需要企业树立风险管理理念，提高识别风险的能力，完善人力资源管理制度，加强人力资源管理风险预警信息系统的建设等，这样才能有效地落实风险管理。

参考文献：

[1]张兰霞,王俊.基于BP网络的人力资源管理风险预警模型[J].南开管理评论,2007,10(6):78-85.

[2]Danielle S Beu,M.Ronald Buckley.Using Accountability to Create aMore Ethical Climate[J].Human Resource Management Review,2004(14):67-83.

[3]王爱莲,李君.基于风险矩阵法的石油销售企业人力资源管理风险评估[J].西安石油大学学报(社会科学版),2014,23(1):37-42.

[4]陈心德,周晋.基于模糊综合评判法的人力资源管理风险预警模型[J].商业研究,2006(15):12-16.

[5]黄友平.贝叶斯网络研究[D].北京：中国科学院,2005.

[6]索秀花.供应链风险的识别与评估[D].广州：暨南大学，2011.

[7]李江飞.基于贝叶斯网络的地铁项目施工风险评价研究[D].哈尔滨：哈尔滨工业大学，2013.

[8]尹凤阳.基于贝叶斯网络的船舶过闸风险评价研究[D].武汉：武汉理工大学，2011.

[9]王美怡.贝叶斯网络在不确定性风险决策中的应用[D].北京：首都经贸大学，2012.

[10]熊涛.基于贝叶斯网络的我国上市公司信用风险预警研究[D].金华：浙江师范大学,2013.

[11]王爱文，杨敏，段华蕾.基于因果贝叶斯网络的风险建模与分析[J].系统工程与电子技术,2013,35(5):1023-1030.

[12]周田.基于贝叶斯网络的人力资源绩效考核模型的研究与应用[D].北京：首都师范大学,2014.

[13]陆静，王捷.基于贝叶斯网络的商业银行全面风险预警系统[J].系统工程理论与实践,2012,32(2):225-235.

[14]战一欣.企业人力资源管理风险控制研究[D].长春：吉林大学,2011.

[15]张连文,郭海鹏.贝叶斯网引论[M].北京:科学出版社,2006.

[责任编辑：范君]

Early Warning Model for Risks in Human Resources Management Based on Bayesian Networks

LI Jing , SONG Li

(Economy and Management School, Anhui University of Science and Technology, Huainan, Anhui 232001, China)

Abstract:There are many uncertainties in human resources management which may lead to various risks that enterprises may face. Effective assessment and early warning of risks in Human Resources Management (HRM) can contribute to greater effectiveness in HRM. Because of the limitations of the findings in previous studies, this paper attempts to apply Bayesian networks (BN) in the research on early warning of risks in HRM. Firstly, the paper illustrates the relevant theories of BN and the applied researches in terms of risk management. Then it defines the specifics and classification of risks in HRM. Finally an early warning model based on Bayesian Networks for risks in HRM is constructed. Network node parameters are obtained through questionnaires; the partial learning is completed by using Full-BNT toolbox on MATLAB platform; risk management decisions are put forward based on the result of network reasoning.

Key words:risks in HRM; Bayesian Networks; risk modeling

中图分类号：F243.2

文献标识码：A

文章编号：1672-1101(2016)01-0028-05

作者简介：李静(1990-)，女，安徽凤台人，在读硕士，研究方向：人力资源管理。

基金项目：教育部人文社科规划基金项目(12YJAZH119)

收稿日期：2015-10-26