面向企业业务问题知识化求解的人员配置方法*

□ 杜俊宏 □ 战洪飞 □ 余军合 □ 王 瑞

宁波大学 机械工程与力学学院 浙江宁波 315211

1 研究背景

随着知识经济时代的高速发展,知识资源已成为企业的重要战略资源。企业员工所拥有的知识资源是企业知识资源的一部分,如何高效运用企业员工的知识资源为企业创造更大的价值,具有重要的现实意义。企业在业务问题求解中,存在人员配置盲目性现象,对业务的知识需求及执行人的知识能力等都缺乏科学的表述与研判,导致业务执行绩效低下,尤其是对于新业务的执行,绩效更低。从知识管理角度出发,企业员工的知识资源如何高效配置,已成为学者研究和企业管理者关注的热点。

目前,国内外学者在企业人员配置方面已进行了较为丰富的研究。Eeckhout等[1]提出一种基于离散时间和资源权衡视角的业务人员配置优化方法。Gungor等[2]将模糊层次分析法运用于企业人员匹配中,为企业引入外部专家资源提供建议。杨龙等[3]将价值流程图思想应用于企业生产线人员的配置。王珺[4]、杨学良[5]等结合遗传算法和蚁群算法,在优化业务人员配置中展开实证。Kalugina等[6]提出一种基于雇主和候选人的人员选拔模型。Bergh等[7]对人员配置相关研究进行综述,对未来研究趋势进行预测。Ham[8]、蒋辰[9]等引入排队论构建人员配置模型,对业务人员配置进行优化。Chien Chenfu等[10]通过基于决策树和关联规则的数据挖掘框架来构建人员甄选机制,为企业人员招聘提供服务。文献[11]提出一种基于映射的专家知识资源建模方法。杜刚等[12]构建通用的马尔可夫人员配置决策模型,在数据中心人员配置中进行实例验证。Zhang Shifang 等[13]提出一种基于灰色关联理论的直觉模糊多准则决策方法,为人员选择提供决策服务。Qin Yichen等[14]提出一种两阶段的人员配置优化方法,在机库维修案例中展开实证。武小平等[15]从资源、风险、成本三个角度提出一种基于计划评估和审查技术的人力资源优化方法。

综合以上文献,在以多元数据驱动结合需求理论分析的人员模型构建方面,研究和应用较少,业务求解人员配置方法仍具有深入研究的必要性。笔者从知识管理的角度出发,提出业务求解过程中人员配置的一体化方法,称为面向企业业务问题知识化求解的人员配置方法。这一方法首先通过多元数据挖掘,结合问卷调研,从多维度视角构建知识型人员模型;然后引入5W1H(Who,What,When,Where,Why,How)理论,结合知识型人员模型对业务求解过程中的人员需求进行建模;再通过知识资源辅助信息,进行二次筛选,进一步缩小人员范围。笔者的研究旨在为业务问题求解提供一套高效、系统化的人员配置方法,推动企业员工知识资源的高效运用。

2 业务问题求解人员配置服务框架

在对企业调研中发现,企业业务执行的任务下达后,人员的选定大都通过部门会议或主管人员来确定,这一过程往往通过决策者的主观判断来决定人员分工,存在业务人员配置盲目性的问题,对业务的知识需求、人员的知识能力等了解都比较片面,也缺乏系统化指导方法及操作模型。对此,笔者提出一种面向企业业务问题知识化求解的人员配置方法,为企业人员配置决策提供参考。业务问题求解人员配置服务框架如图1所示。

▲图1 业务问题求解人员配置服务框架

首先进行知识型人员模型维度确定及构建工作。数据来自论坛、大会、企业招聘、调研问卷,利用数据挖掘手段确定人员维度类别。在维度分类的基础上,对细分维度进行类别归属划分,完成知识型人员模型的构建。然后引入5W1H理论,结合知识型人员模型,基于知识需求、能力需求、知识性成果需求三大维度,构建业务对人员需求模型。通过设计规则,对定性维度进行量化,形成知识型人员模型量化表。通过知识化业务人员配置服务系统人员知识资源库模块,完成知识型人员资源库的构建。再进行业务对人员需求模型和知识型人员模型的匹配,选取知识需求维度、能力需求维度、知识性成果需求维度,利用欧氏距离进行相似度计算,完成业务求解人员配置一次筛选。以人员成本、项目满意度等维度结合灰色关联度分析理论,对人员进行二次筛选,进一步确定业务人员配置方案。最后对面向企业业务问题知识化求解的人员配置服务系统的设计进行步讨论。面向企业业务问题知识化求解的人员配置方法有利于推动业务求解人员的高效配置。

3 知识型人员模型的构建

在知识型人员模型构建过程中,人员维度如何选定将直接影响最终业务解决过程人员匹配的合理性。为保证模型的科学性、有效性、真实性,笔者在准备阶段收集论坛、大会、企业岗位招聘等数据。其中,大会数据和企业岗位招聘数据蕴含着大量有价值的信息,企业岗位招聘数据涉及对人员技能和能力的具体需求,对知识型人员模型维度的确定有重要的参考价值。另外,通过调研问卷、访谈方式深入企业,对企业部门进行调研。通过数据挖掘,结合问卷调研方法,确定人员维度,完成知识型人员模型的构建。

3.1 多元数据挖掘

笔者收集论坛、大会、企业招聘等数据,通过文本挖掘方法进行人员维度特征抽取。首先对数据文本进行分词、去停用词处理,然后通过词频-逆文本频率指数关键词提取算法,对文本关键词进行提取。关键词包括经验、能力、团队、专业、项目、责任心、抗压、执行力、表达能力、组织协调、技能、业绩、素养、态度等。

3.2 模型维度调查问卷设计

为保证问卷样本内容的科学性、有效性,笔者通过查阅文献及人员一般特征,进行问卷问题设计。再通过企业访谈方式,对问卷问题进行完善和调整。问卷围绕人员的基本背景、个性化特征、业务求解影响因素、知识性成果影响因素进行设计。人员基本背景包括年龄、学历、职称等内容。人员个性化特征包括爱好、性格、荣誉等内容。人员业务求解影响因素包括技术能力、沟通能力等与业务求解相关的能力内容,根据样本受众的选择,确定与业务相关的能力因素。人员知识性成果影响因素包括专利、论文、软件著作权等指标,根据样本受众的选择,确定与知识性成果相关的成果因素。

3.3 问卷收集

笔者对国企、民企、中外合资企业发布调查问卷,历时3个月,收回问卷213份,有效问卷205份,有效率为96.24%。企业性质样本分布见表1,职位级别样本分布见表2,工龄样本分布见表3,学历样本分布见表4。

表1 企业性质样本分布

表2 职位级别样本分布

表3 工龄样本分布

表4 学历样本分布

3.4 模型构建

基于数据挖掘和调研问卷分析结果,对模型维度进行类别划分,最终确定基本属性维度、业务能力维度、业务经验维度、知识性成果维度、辅助能力维度、特征属性维度、荣誉维度共七大维度。在这七大维度的基础上,根据数据挖掘结果,对细分维度进行类别归属划分,以七大维度及其细分维度两层维度构建知识型人员模型,如图2所示。

基本属性维度主要包括员工的一些基本信息,如职级、工龄、知识域等。职级表示员工在企业中的职位等级,工龄表示员工工作年限,知识域表示员工所具有的知识结构。业务能力维度由技术能力、沟通能力、团队协作能力、执行能力等细分维度构成。技术能力表示员工的专业技能水平,沟通能力表示员工的交流水平,团队协作能力表示员工的团队合作能力水平,执行能力表示员工在业务解决过程中的积极性水平。业务经验维度由参与项目数、项目完成度、项目产出比、项目满意度等细分维度构成。参与项目数表示员工所参与的项目总数,项目完成度为员工已完成项目数与参与项目总数的比值,项目产出比为项目产出与项目投入的比值,项目满意度表示项目完成后客户对项目的平均满意程度。知识性成果维度由专利申请数、发明专利占比、软件著作权、商标数、论文发表数等细分维度构成。专利申请数表示员工所参与的外观、实用、发明专利总数,发明专利占比为发明专利数与专利总数的比值,软件著作权表示员工拥有的软件著作数量,论文发表数表示员工所发表的论文总数,商标数表示员工所参与设计的商标数量。特征属性维度包括爱好、性格、癖好等细分维度,该维度在企业业务解决人员匹配中起参考作用。荣誉维度包括个人荣誉、团队荣誉、市级荣誉、国家级荣誉等细分维度。个人荣誉表示员工获得的个人奖项数,团队荣誉表示员工获得的团队奖项数,市级荣誉表示员工获得的市级奖项数,国家级荣誉表示员工获得的国家级奖项数。

▲图2 知识型人员模型

4 知识型人员资源库的构建

4.1 构建流程

构建知识型人员资源库,有利于企业知识管理的实施,对企业实现业务求解人员高效配置具有重要意义。知识型人员资源库的构建方法主要为大数据挖掘和企业系统信息导入。大数据挖掘包括业务案例挖掘、员工简历挖掘、互联网数据挖掘,企业系统信息导入包括绩效管理系统、项目管理系统、知识产权系统等信息的导入。由面向企业业务问题知识化求解的人员配置服务系统人员资源库模块完成大部分知识型人员资源库的构建工作,少部分缺失数据由管理人员补充,最终形成企业人员库。知识型人员资源库的构建流程如图3所示。

4.2 人员维度指标量化规则

根据对企业案例及员工资料进行数据挖掘,提取关键词标签,再参考企业管理层的意见进行调整,最终形成业务解决过程中的总知识域。知识域量化规则中,具有对应领域知识记为1,不具有记为0。对于业务能力、辅助能力等定性指标,通常分为好、较好、一般、较差、差五种情况。参考李克特1-5分量表,对维度指标进行量化,1对应差,2对应较差,3对应一般,4对应较好,5对应好。对于员工能力的量化,由绩效管理系统录入面向企业业务问题知识化求解的人员配置服务系统。企业对员工内部职级有明确的划分,职级的量化与企业内部职级划分对应。人员薪酬关系到业务解决过程中的成本问题,在达到预定目标的前提下,成本控制越低,对企业越有利。对薪酬等级的划分如下:0～200元/d对应5,200～300元/d对应4,300～400元/d对应3,400～500元/d对应2,500元/d以上对应1。通过上述方法,对定性指标和定量指标进行整理,最终形成人员维度指标量化规则。

▲图3 知识型人员资源库构建流程

5 业务对人员需求模型的构建

业务需求往往可以细化为具有求解逻辑关系的业务活动,笔者对于需求主要定义在业务活动层,即单个或一组执行人将进行操作的层面。业务对人员的需求通常表现为知识、能力方面,笔者引入5W1H理论,结合知识型人员模型,通过企业调研和专家意见,对业务对人员需求模型进行构建。业务对人员需求模型主要围绕由谁进行深化,结合业务,最终确定知识领域需求维度、能力领域需求维度、知识性成果需求维度三大维度。知识领域需求维度代表业务解决过程中所需要的知识类型,与知识型人员模型中基本属性维度下的知识域维度相对应。能力领域需求维度代表业务解决过程中所需要的能力类型,与知识型人员模型中业务能力、辅助能力维度下的细分维度相对应。知识性成果需求维度代表业务解决过程中对人员知识性成果的需求,与知识型人员模型中知识性成果维度下的细分维度相对应。业务对人员需求模型如图4所示。

▲图4 业务对人员需求模型

Pk={Xk,Yk,Zk|k=1,…,n}

(1)

式中:k为企业业务问题求解编号;n为企业业务求解需求总数;Xk为第k个业务问题求解所需知识领域需求维度的总数;Yk为第k个业务问题求解所需能力领域需求维度的总数;Zk为第k个业务问题求解所需知识性成果需求维度的总数。

笔者通过面向企业业务问题知识化求解的人员配置服务系统中的业务对人员需求模型模块来实现业务对人员需求模型的构建。第一种方法,管理人员通过参考知识型人员模型对业务对人员的需求进行文字描述,通过长短期记忆人工神经网络和条件随机场算法,设定规则,进行需求信息的抽取,形成业务对人员需求模型。第二种方法,部门在业务解决中,通过管理人员对业务对人员的需求参照模型维度表打分,形成业务对人员需求打分表,导入系统,生成业务对人员需求模型。业务对人员需求模型构建流程如图5所示。

6 业务人员配置方法

企业在业务人员配置过程中,往往由企业决策层主观决定,存在配置盲目性问题。而对于新业务的求解,对人员知识需求和能力需求与以往业务需求相比具有差异性,决策者不能准确定位到合适的人员,对此笔者提出了人员两次筛选的方法,为企业业务人员配置提供决策服务。两次筛选所起的作用不同。一次筛选满足业务对人员的基本需求,实现业务对人员需求模型与知识型人员模型相匹配,在大批人员中确定小范围人员。二次筛选以企业决策者视角考虑业务成本、业务完成情况,在一次筛选的基础上以数据理化方法科学地精确定位人员。

▲图5 业务对人员需求模型构建流程

基于以上构思,一次筛选基于业务对人员需求模型与知识型人员模型,选取知识域、业务能力、辅助能力、知识性成果等维度,通过相似度计算方法来初选确定业务人员。二次筛选在人员初选的基础上考虑人员成本、项目满意度、项目完成度等因素,结合灰色关联度分析理论,进一步缩小人员范围,为业务人员配置提供决策支持。

6.1 业务人员配置一次筛选

通过问卷调查及知识型人员模型维度划分,将基本属性维度中的知识域维度,业务能力领域维度中的技术能力、沟通能力、团队协作能力、执行能力维度,辅助能力维度中的独立判断能力、问题解决能力、组织能力维度,知识性成果维度中的专利申请数、发明专利占比、软件著作数、商标数、论文发表数维度作为业务人员配置一次筛选的参考维度进行相似度计算。

在面向企业业务问题知识化求解的人员配置服务系统业务对人员需求模型模块的辅助下,构建业务对人员的需求模型。业务对人员需求可表示为X=(x1,x2,…,xn),xi表示业务对人员需求模型中某一维度的数值。知识型人员模型维度量化后可表示为Y=(y1,y2,…,yn),yi表示知识型人员模型中某一维度的数值。由于知识性成果维度中的专利申请数、软件著作数、商标数、论文发表数维度在不同人员中可能存在差异较大,在进行相似度计算时会导致结果较大,影响效果,因此需要对这些维度数据进行标准化处理。Z得分方法抗干扰能力强,若数据中存在离群值,则会被抑制,由此采用Z得分方法进行标准化处理。标准化公式为:

x′=(x-u)/σ

(2)

式中:x为原始数据;u为样本均值;σ为样本标准差;x′为原始数据经标准化处理后得到的数值。

采用欧式距离进行相似度计算,因为参加计算的变量较多,所以为便于比较,对欧式距离取平均值,计算式为:

(3)

式中:d(x,y)为人员综合水平与业务对人员需求的相似程度;m为一次筛选中维度总数,数值越小,表示对应人员与对应业务越匹配。

通过计算结果,选取与业务高度相似的人员数人。这些人员具有解决新业务的知识储备和能力,作为业务人员配置一次筛选的结果。

6.2 业务人员配置二次筛选

在一次筛选中,已充分考虑了业务对知识、能力、知识性成果的需求,但人员的成本、业务完成情况也是影响业务执行绩效的重要因素,因此在一次筛选的基础上,从成本、业务完成情况等角度进行二次筛选。将基本属性维度中的薪酬维度,业务经验维度中的参与项目数、项目完成度、项目产出比、项目满意度维度,荣誉维度中的个人荣誉数、团队荣誉数、市级荣誉数、国家级荣誉数维度作为业务人员配置二次筛选指标,进一步确定业务求解人选。采用客观权重赋权法[16]与灰色关联度分析[17]为业务人员配置提供决策参考。客观权重赋权法通过原始数据的对比强度和数据之间的冲突性来衡量指标之间的重要程度,通过客观权重赋权法对指标赋权,结合灰色关联度分析,以加权灰色关联度对人员进行多属性决策。进行指标赋权,因为笔者所用指标与人员配置成正相关,所以采用正向化对数据进行无量纲化处理,正向化处理式为:

(4)

进行变异因数vj计算,vj为:

(5)

式中:Sj为第j个指标的标准差;xj为第j个指标的平均值。

标准差Sj越大,表示该指标越能反映更多的信息,该指标就越重要。

指标间的冲突性Rj为:

(6)

式中:rij为指标i和j之间的相关性。

指标客观权重Wj为指标j的信息量占所有信息和的比重。指标信息量Cj越大,表示所包含的信息量越大,指标越重要,应分配更多的权重。信息量Cj为:

(7)

指标权重Wj为:

(8)

进行灰色关联多属性决策,对一次筛选出的人员进行二次筛选,二次筛选指标数据由知识型人员资源库导出,作为数据集,从数据集各项指标中选取最优数据作为参考数据。由于多维度数据可能因量纲不同不便于比较工作,因此需要对数据进行无量纲化处理。在灰色关联度分析多目标决策中,常用的无量纲方法有均值法和初值法,笔者选用均值法对数据样本进行无量纲化处理,均值法计算式为:

(9)

进行关联因数ζi(k)计算,计算式为:

(10)

进行灰色加权关联度r0i计算,计算式为:

(11)

式中:Wk为权重赋权法得到的指标权重。

最后通过计算结果得到人员的排名,从而得到人员配置方案。

业务人员配置方法在满足业务知识需求和能力需求的前提下,以企业决策者视角考虑业务成本、项目满意度、人员获奖荣誉等因素,通过两次筛选,进一步缩小人员范围,为业务人员配置提供辅助决策支持。

7 人员配置服务系统

为便于业务人员的配置,笔者设计了面向企业业务问题知识化求解的人员配置服务系统,利用Eclipse开发平台[18]和SSH(Struts,Spring,Hibernate)框架进行开发。数据库采用结构化查询语言[19],系统前端采用超文本标记语言、JavaScript、串联样式表语言进行代码开发,采用Java语言实现前后端的交互功能。软件系统架构图如图6所示。

面向企业业务问题知识化求解的人员配置服务系统功能模块设计应满足业务服务系统的一般功能和特点,具备业务人员配置相关的核心功能,主要包括知识型人员模型构建模块、业务对人员需求模型构建模块、知识型人员资源库管理模块、知识化业务求解人员配置管理模块、系统设置与管理模块、系统数据管理模块,如图7所示。

根据理论框架,构建面向企业业务问题知识化求解的人员配置服务系统界面,如图8所示。

▲图6 软件系统架构图

▲图7 面向企业业务问题知识化求解的人员配置服务系统功能模块

8 结束语

笔者针对企业在知识化业务问题求解人员配置中,由于新业务具体需求与以往业务需求相比存在差异,造成决策者不能精确进行业务人员配置,从而导致绩效低下的问题,从知识管理角度出发,结合数据挖掘手段,提出面向企业业务问题知识化求解的人员配置方法,通过两次筛选实现业务求解人员的配置。一次筛选考虑业务知识、能力、知识性成果等基本需求,二次筛选以决策者视角考虑业务成本、业务完成情况,结合灰色关联度分析,进一步缩小人员范围。

所提出的方法有利于企业人员知识资源的高效运用,推动业务问题求解人员的高效配置,提高业务的执行绩效。

▲图8 面向企业业务问题知识化求解的人员配置服务系统界面