基于模糊群决策理论的中小企业人力资源管理外包方案评价

刘玲 朱秋怡 谭辉 夏露

【摘 要】针对中小企业人力资源管理外包指标评价体系不完善、相关研究较少等问题，文章提出了一种先进、全面的多层次人力资源管理指标评价体系;针对中小企业的特点和人力资源管理评价指标的模糊性，文章提出了基于三角模糊数计算的灰色关联理论，它将用于评价模糊文字描述转化为最终的模糊相关系数，并通过比较各个方案的最终相关模糊系数得出最优方案。通过案例分析，文章对所提出的评价模型的可靠性和有效性进行了验证。

【关键词】人力资源管理外包;群决策;评价体系

【中图分类号】F272 【文献标识码】A 【文章编号】1674-0688（2021）04-0168-05

1 问题的提出

目前，世界各国的中小企业发展迅速，为市场注入了生命力，同时在世界各国经济发展中发挥了重要作用。在发达国家，“人力资源外包”观念已经很普遍，而现在这种商业模式也在呈全球爆发式增长，但亚洲市场直到最近才開始显示出明显的增长迹象。近年来，人力资源服务业的服务从单一的劳务外包逐渐走向各个模块外包，如一次性招聘外包、薪酬外包及培训外包等，这体现了人力资源服务业逐渐朝着专业化、专门化和集中化发展。

人力资源外包是把人力资源部门的部分或全部职能委托给第三方专业人力资源服务机构完成，此过程中需要考虑多方影响因素，从中权衡取舍，最终做出有利于企业发展的科学决策。M.Belcourt[1]认为人力资源管理的基本目的是节约资源、提高对战略问题的关注度、获取技术和专业知识、提高实际管理能力和服务水平。文献[2]、文献[3]研究了人力资源管理外包给企业内部的人力资源管理带来的风险和回报，体现了企业人力资源外包比以往更加注重与企业自身的战略发展方向的契合，其灵活性有所下降的同时规范性和专业性相应提高[2-3]。然而，在人力资源管理的外包方案评价中的许多因素是难以用准确数值衡量的，大多数文献采取多属性群决策方法选择最佳方案[4-10]。赵蒙川等人[11]提出了用区间犹豫模糊集建立判断矩阵并结合TOPSIS方法进行方案的排序。谢全敏和丁修元[12]提出了运用灰色模糊多属性群决策对隧道施工的方法进行优化。冯晓蕾[13]将模糊数理论和灰色关联理论相结合，推导出基于三角模糊数理论的灰色关联系数求解的方法。

本文构建了基于模糊群决策的中小企业人力资源外包方案评价模型。主要贡献如下：第一，将基于三角模糊数的灰色关联理论应用于解决中小企业信息短缺和数据不完整的问题，同时该理论确保了在外包评价方案中定性评价属性的模糊性不受影响。第二，一个基本涵盖了所有人力资源管理因素的人力资源管理外包的多层次评价体系被提出，它包括5个一级指标，即管理指标、经济指标、战略指标、技术指标和风险指标，以及15个二级指标。第三，针对专家权重的确定，给出一个基本思路，即一个专家的权重取决于该专家与其他专家评价结果的差距。如果差距越大，意味着该专家的评价结果离平均评价水平越远，其评价水平和质量也越低。

2 人力资源管理外包的评价标准

关于人力资源管理外包的文章很多，大多文章研究经济、技术、风险等某一方面的具体内容。本文提出5个一级指标，在这5个一级指标下有15个二级指标，这在一定程度上避免了从单一的角度分析人力资源管理外包所带来的局限性。这个多级系统如图1所示。

3 模型构建

本文提出的研究方法分为3个步骤：第一步是准备阶段，即总结本文所用的三角模糊数公式。第二步是主体架构阶段，提出了指标权重和专家权重的计算方法。第三步是建立多层次综合评价模型。

3.1 三角模糊数理论

3.1.1 三角模糊数

模糊数 可定义为（aL，aM，aU），则其隶属函数如下：

则称 为规范的三角模糊数，记 =（aL，aM，aU），当aL、aM、aU时， 是一个精确数。在方案评价中，aL是三角模糊数的下界，aM是三角模糊数的中值，aU是三角模糊数的上界。

3.1.2 基于三角模糊数的灰色关联系数

根据灰色系统理论，比较序列Cr（l）={Cr（1），Cr（2），…，Cr（m）}，其中r=1，2，…，n，表示方案的数目;l=1，2，…，m，表示每个方案中相应的指标数。Cr（l）表示第r个方案中的第l个指标。相对而言，参考序列C0（l）={C0（1），C0（2），…，C0（m）}，C0（l）表示参考序列的第l个指标。

设比较序列Cr{Mr（alL，alM，alU）}，r=1，2，…，n，l=1，2，…，m，其中Mr（alL，alM，alU）表示第r个方案中的第l个指标的三角模糊数。参考序列C0{M0（alL，alM，alU）}，r=1，2，…，n，l=1，2，…，m，M0（alL，alM，alU）}表示参考序列的第l个指标的三角模糊数。故指标Mr（alL，alM，alU）的关联系数如下：

（2）

其中，l=1，2，…，m。运用三角模糊数的排序方法和运算规则求解式中的三角模糊数的最大值、最小值和算数运算，ρ∈（0，+ ）为分辨系数。ρ越小，分辨能力越大，一般取ρ=0.5。

3.2 指标权重的确定

图1将人力资源管理外包的方案评价指标体系分为4个部分，即目标层、准则层、子准则层和方案层，这是一个多层次组成的结构图。因此，本文采用层次分析法（AHP法）确定其底层评价指标之于顶层评价指标的权重，即综合指标权重。具体方法参考了陈伟[14]介绍和分析的经典AHP方法。

3.3 专家权重的确定

据汪焰[15]的研究，提出的专家权重具体计算方法如下：

若存在k位专家E1，E2，E3，…，Ek且有n个备选方案A1，A2，A3，…，An，令专家Ed对于某备选方案Ar进行评价的三角模糊数为（Ed，EdrL，EdrM，EdrU），暂时假设各评价指标权重相同，故专家Ed的权重如下：

λ =  （3）

3.4 运用三角模糊数的灰色关联理论建立多层次综合评价模型

（1）由人力资源管理外包方案的所有子准则层指标值序列确定比较序列Cr（l）={Mr（alL，alM，alU）}|l=1，2，…，m，将方案中的模糊指标转换为相应的三角模糊数。

（2）按照可比性和先进性原则，确定参考序列C0（l）={M0（alL，alM，alU）|l=1，2，…，m}。

（3）非量纲化。由于不同指标的单位各有不同，所以在用多层次评估方法进行评价时，有必要排除量纲的选用对评估结果的影响，因而采用非量纲化，使其仅用数值的大小就能反映指标值的优劣。计算方法如下：

其中，Cr=  Mr（alL，alM，alU），l=1，2，…，m;三角模糊数xr（sl，bl，kl）为比较序列r非量纲化处理后的组成元素。

（4）把非量纲化处理后的比较序列和参考序列代入式

中计算各方案指标的三角模糊数的关联系数。

（5）利用层次分析法计算指标权重，计算底层指标之于顶层指标的权重wl。

（6）通过公式（3）计算专家权重。

（7）综合评价。将指标权重、专家权重及关联系数结合起来，可得综合评价结果并进行排序，最终选出最优的人力资源管理外包方案：

4 计算实例

4.1 案例分析

南方鑫华科技有限公司成立于2014年，是一家体感游戏开发公司，目前公司的在职员工共120人。该公司在2019年发展势头迅猛，公司收益也创下历史新高，年收益达1 200万元。随着公司业务与规模的不断扩大，公司的人力资源管理面临着巨大的挑战。各部门不仅存在人手不足、经常加班等普遍问题，还存在薪酬分配不合理、年终奖发放随意性大、员工培训和团建机制漏洞多等細节问题。

管理层对公司内部人力资源管理存在的一系列问题进行了初步统计，认为若企业自行建设人力资源管理的有效机制和全新的组织结构及管理评价体系可能会导致企业在核心业务上的资源投入不足，对推进企业的持续发展不利。所以公司高层决定对企业的人力资源管理进行部分外包，以解决日益凸显的人事问题和企业核心业务持续高速发展之间的矛盾。

就此次外包决策，该公司选择了一支专业的人力资源管理外包方案评估小组，同时通过为期3个月的调查和统计，提出4个人力资源管理外包的备选方案，选择了该领域的5名权威专家通过上文所述的人力资源管理外包评价体系5个一级指标及15个二级指标和提及的方法进行评估，最终选定科学合理的人力资源管理外包方案。

4.2 案例评价过程

4.2.1 确定比较序列

方案中的所给参数皆为“很好，一般”等模糊指标，为满足基于三角模糊数的灰色关联理论的应用，将此类模糊指标转换为相对应的三角模糊数。表1中的模糊指标由9个元素的语言评价标度集合组成，分别为“非常差”“很差”“差”“有点差”“一般”“有点好”“好”“很好”“非常好”。表2给出与模糊指标相对应的三角模糊数。

4.2.2 确定参考序列

由于篇幅限制，一致性检验过程省略。

4.2.3 各方案指标的三角模糊数的关联系数

方案指标的关联系数见表3。

4.2.4 确定指标权重

首先确定目标层的判断矩阵（见表4），然后确定准则层的判断矩阵，5个准则层的判断矩阵见表5。经一致性检验，所有判断矩阵具有一致性。

通过计算可得出5个一级指标下的15个二级指标各自的综合权重。一级指标管理指标下有4个二级指标，它们各自的综合权重如下：组织结构权重为0.048 74、人才结构权重为0.044 04、与客户企业文化契合度权重为0.048 74、管理资源权重为0.107 87。一级指标经济指标下有2个二级指标，它们各自的综合权重如下：企业运营成本控制权重为0.062 5、企业长期收益权重为0.187 04;一级指标战略指标下有3个二级指标，它们各自的综合权重分别如下：企业发展前景权重为0.109 92、企业核心竞争力权重为0.075 19、企业控制运营风险能力权重为0.109 92。一级指标技术指标下有2个二级指标，它们各自的综合权重分别如下：员工素质培训权重为0.166 26、人力资源管理先进技术权重为0.083 13。一级指标风险指标下有4个二级指标，它们各自的综合权重分别如下：企业机密泄露风险权重为0.054 31、目标不一致风险权重为0.029 18、过度依赖风险权重为0.054 31、专业知识匮乏风险权重为0.045 67。

4.2.5 确定专家权重

为保证专家的评价可信度，假设专家的评判水平较稳定且评判时的打分差距可控。评分沿用表2的模糊指标对应的三角模糊数，5位专家对4个方案的评价模糊数见表6。

由上述公式可求得专家E1与其他专家的距离之和D1：

故根据公式（3）可得专家权重λ ，λ ，λ ，λ ，λ 分别为21.6%，11.9%，20.1%，26.3%，20.1%。

4.2.6 综合评价

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）

根据上述综合评价结果，可得Z1>Z2>Z3>Z4，由此可知方案一为最优方案。

5 研究总结

本文采用基于灰色关联系数理论的三角模糊数方法，解决了人力资源管理外包方案评价中多个定性指标转化为模糊数的问题。最终的评价结果仍然保留了模糊数的特性，这使得引入模糊数理论具有重要意义。针对中小企业信息不全、数据不足的问题，引入灰色关联分析方法，有效地解决了该问题。本文在属性权重和专家权重的确定上，充分考虑了中小企业人力资源外包方案评价存在复杂、多层次、模糊的信息问题，具有较强的可操作性和现实性。

本文中专家权重的赋权方法是在基于专家评价较稳定的前提下展开。如果专家的评价存在较大的差距或不稳定性，模型的计算结果可能会出现较大偏差，专家需要对结果进行多次评价，以确定权重。本文提出的人力资源管理属性评价体系没有考虑各主属性和各次要属性之间的关系。如果只关注主属性与其最相关的次属性之间的关系，可能会导致属性权重出现一定偏差，因此需要进一步改进。

参 考 文 献

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

[2]肖祥国，宋英姿.企业人力资源外包的风险防范和措施[J].经营与管理，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，杨雁，向毅.基于区间犹豫模糊TOPSIS法的多属性群决策[J].四川师范大学学报（自然科学版），

2019，42（1）：39-44.

[12]谢全敏，丁修元.基于灰色模糊多属性群决策的隧道施工方法优化[J].长江科学院院报，2019，36（5）：1-6.

[13]冯晓蕾，杨恒，谢柳辉，等.基于三角模糊数灰色关联理论的多层次综合评价模型研究[J].机械工程师，2019（9）：168-171，178.

[14]陈伟.正确认识层次分析法（AHP法）[J].人类工效学，2000（2）：32-35.

[15]汪焰.基于模糊群决策理论的企业研发外包风险评价——以浙江X控股集团为例[J].科技管理研究，2016（23）：85-95.