CC BY
100
РАЗРАБОТКА МЕТОДИКИ РЕШЕНИЯ КАДРОВЫХ ВОПРОСОВ НА ОСНОВЕ ТЕОРИИ ПОЛЕЗНОСТИ
Беленький С.Л.
(Университет прикладных наук, Дюссельдорф) [email protected]
Статья посвящена разработке модели управления персоналом на предприятии, позволяющей предвидеть развитие характеристики соответствия занимаемой должности в зависимости от изменения профессиональной компетентности и конъюнктуры рынка. Отправной точкой служат, дополненные собственными соображениями, принципы математической теории полезности и последние разработки в области теории адаптивной полезности. Методика позволяет принимать математически обоснованные управленческие кадровые решения.
Ключевые слова: управление персоналом, теория вероятностей, статистика, теория полезности.
Введение
Планирование рабочей силы должно представлять собой систематический и интегрированный процесс, который имеет своим результатом четкие директивы для организаций, позволяющий им иметь в своем штате достаточное количество надежных сотрудников, обладающих всеми необходимыми навыками, чтобы успешно реагировать на настоящие и будущие изменения конъюнктуры.
Таким образом, актуальность избранной темы определяется необходимостью исследования методических подходов к анализу именно микроструктуры рынков труда, а также разработки механизмов проведения исследований конкретных предприятий на предмет перспективности принятия на работу, продолжения
сотрудничества или увольнения отдельных работников. Эти темы и определили цель настоящего исследования. В соответствии с этой целью были поставлены следующие основные задачи: о исследовать существующие качественные показатели оценки состояния субъектов рынка труда, обосновать возможность их применения в соответствующих условиях предприятия;
о определить характер, классифицировать и оценить возможность оценки профессиональной пригодности сотрудников в свете актуальной кадровой политики; о разработать модель прогнозирования ситуации на предприятии, позволяющую предвидеть изменение профессиональных характеристик персонала и принимать обоснованные управленческие решения.
Предметом исследования является система методов выработки и оценки рыночно ориентированной кадровой стратегии многопрофильных производственных предприятий или организаций сферы услуг, обладающих таким широким ассортиментом и достаточно большим количеством сотрудников, чтобы иметь возможность использования аппарата статистики и современных достижений теории вероятностей.
1. Описание проблемы
Задачу планирования рабочей силы можно интерпретировать как дискретно-временной марковский процесс решений на непрерывном пространстве. Переменный вектор случайных состояний представляет собой количество сотрудников на различных отрезках кривой опыта. Такой подход позволит отразить вероятностный характер объекта исследования и выяснить оптимальные структурные характеристики кадровой политики.
В начальном периоде работы сотрудника обработать полученные показатели статистически наиболее трудно как раз из-за его короткой временной протяженности. Проще говоря, человек не успевает совершить много однотипных ошибок в течение
одного-двух дней, а принятие далеко идущих кадровых решений после такого короткого испытательного срока было бы неосмотрительным.
С другой стороны, чем быстрее станет видно, что сотрудник не соответствует занимаемой должности, тем скорее можно сделать соответствующие организационные выводы и тем самым избежать ещё больше потерь: ущерба репутации компании, срыва контрактных обязательств и дестабилизации внутрифирменного климата.
Таким образом, становится ясно, что эффективное планирование персонала невозможно без разработки адекватной модели случайных изменений в составе и профессиональной пригодности персонала.
Остановимся подробнее на последней переменной. В течение каждого последующего периода работы сотрудник может улучшить свои знания о предмете выполняемой работы. Следуя дискретной концепции, введём уровни / = 1, 2, ... , т. Эти уровни могут объединить в себе накопленные знания, способности гибко реагировать и уместно их применять, быстроту исполнения задания. Более подробная детализация слишком усложнит моделирование на этом этапе.
Описанная динамика развития имеет своим противником противоположную тенденцию. Вспомним, например, сферу медицинского обслуживания. С течением времени виды заболеваний, причины их вызывающие, их симптомы могут существенно и не всегда предсказуемо изменяться. Несчастные случаи, на протяжении многих лет ограничивающиеся сердечными приступами, пищевыми отравлениями и дорожными происшествиями, подверженные лишь сезонным колебаниям, типа роста обморожений и переломов в зимний сезон или количества ядовитых укусов в летний, могут быть неожиданно прерваны техногенной или природной катастрофой, имеющей длительные последствия (пример - авария на ЧАЭС в 1986 году). В такой обстановке большинство накопленных знаний окажутся бесполезными или даже вредными из-за слишком стереотипного мышления. Сум-
мируя, можно сказать, что долгое время работы не означает автоматического повышения надёжности сотрудника.
2. Построение модели
С первого взгляда может показаться, что известное распределение Вейбулла (Барзилович и др. [1]) способно достаточно точно смоделировать описанные процессы изменения уровня надёжности или профессиональной компетентности на протяжении всего периода сотрудничества, но можно предположить, что этим вся проблема не будет решена.
Здесь хотелось бы остановиться на очень важном отличительном моменте. Подход к оценке надёжности, разработанный для деталей машин, электронных элементов, программного обеспечения и других технических систем и агрегатов, лишь весьма ограниченно может быть применим к персоналу предприятия.
Можно заметить, что большинство предлагаемых до сих пор методик оценки индивидуальной надёжности были основаны на прямом переносе технических идей в область управления персоналом. Это недопустимо не только с этической точки зрения, но и по причине отсутствия независимости между действиями сотрудников.
Чтобы подойти к решению этой непростой задачи, возьмем для начала за основу проверенный временем байесовский подход [2, 3] и добавим к нему модельное предположение о дискретизации компетентности работника по уровням. Уровни профессиональной подготовленности можно упорядочить в порядке возрастания, при этом поставив им в соответствие соответствующие уровни предполагаемой надежности работника.
2.1. ОПРЕДЕЛЕНИЕ ОСОБОГО ЗНА ЧЕНИЯ ФУНКЦИИ ПОЛЕЗНОСТИ
Обратимся для начала к критерию максимума ожидаемой полезности, так как он имеет наибольшее распространение при решении задач принятия решений вообще и в случае определе-
ния кадровой политики может быть даже определяющим. Матрица (таблица) полезности содержит полезности (доходы), выраженные в терминах денег. Однако ожидаемые денежные значения не всегда являются наилучшим критерием в задачах принятия решений.
Значение денег есть вещь индивидуальная. Оно изменяется в различных ситуациях и для различных лиц, принимающих решение. В общем, полезность денег не является линейной функцией от количества денег. В каждой ситуации система поддержки принятия кадровых решений должна располагать информацией о полезности денег для лица, принимающего решение, и выбирать такую линию управления персоналом, которая соответствует максимальной ожидаемой полезности в большей мере, чем наибольшему ожидаемому денежному значению прибыли.
Найм нового сотрудника, как правило, означает повышенный риск для фирмы. Некоторые управленцы даже осуществляют страховые выплаты в форме гонорара посредникам или, так называемым, рекрутерским фирмам для того, чтобы избежать возможности финансовых потерь в результате нежелательных событий. Однако полезности различных событий не могут быть пропорциональны их денежным последствиям. Если потери относительно большие, менеджер предпочитает осуществить соответствующую выплату. Если субъект считает, что потери незначительные, то маловероятно, что он будет осуществлять соответствующую выплату.
Субъекты различаются в их отношении к риску, и эти различия влияют на их выбор. Поэтому они должны принимать одинаковые решения относительно воспринимаемого риска в аналогичных ситуациях. Это не означает, что субъекты оценивают одинаково количество риска в аналогичных ситуациях. Более того, из-за финансовой стабильности некоторого субъекта, два субъекта в одной и той же ситуации могут реагировать различно, но их поведение должно быть рационально.
Ожидаемое денежное вознаграждение, соответствующее различным решениям, может быть неприемлемым по следующим двум важным причинам:
1. Денежная единица, например, 100 руб., не всегда точно выражает персональное значение последствия. Это выражение того, что движет некоторых управленцев нанимать нового сотрудника за 100 руб. в час.
2. Ожидаемые денежные значения могут не совсем адекватно отражать нежелание рисковать. Например, предположим, что имеется выбор между получением 10 руб. за ничегонеделание и решением о принятии на работу нового сотрудника. Результат найма, для начала (!), предположим равновероятно позитивным или негативным в широком смысле этого слова.
Если сотрудник оказался работоспособным и компетентным, то фирма получает 1000 руб. прибыли. Однако если сотрудник несостоятелен, фирма теряет 950 руб. Первая альтернатива имеет ожидаемое вознаграждение 10 руб., вторая -0,5-1000 + 0,5- (-950) = 25 руб. Очевидно, что второй выбор был бы более предпочтительным, если бы критерием был бы ожидаемое денежное вознаграждение. В то же время, менеджер может предпочесть гарантированные 10 руб., чтобы избежать риска потери 950 руб.
Вспомним известный Санкт-Петербургский парадокс Бернулли. Парадокс состоит в следующем: симметричную монету, вероятности выпадения орла и решки которой равны 1/2, бросают до тех пор, пока не появится орел. Игрок получает 2т руб., если первое выпадение орла произойдет на т-ом испытании. Вероятность этого события равна вероятности последовательного выпадения решек в первых т - 1 испытаниях и появления орла на т-ом испытании, которая равна (1/2)т.
Таким образом, игрок может получить 2 руб. с вероятностью 1/2, 4 руб. с вероятностью 1/4, 8 руб. с вероятностью 1/8 и т.д. Следовательно, среднее (ожидаемое) значение выигрыша равно 2-1/2 + 4-1/4 +... = 1 +1 +..., и эта сумма бесконечна.
Отсюда следует, что за участие в этой игре можно заплатить какую угодно сумму.
Однако никто не будет в этом случае руководствоваться средним денежным выигрышем. Бернулли в свое время предложил считать не действительную денежную стоимость исходов, а внутреннюю стоимость их денежных значений. Разумно предположить, что для многих субъектов, внутренняя стоимость денег увеличивается с ростом суммы денег, но в уменьшающейся степени. Такой функцией, например, является логарифм. Так, если полезность п руб. равна ^ п, то среднее значение полезности равно 1/2-1§ 2 + 1/4-1§ 4 + ..., что является конечным числом.
Почему же некоторые люди все-таки устраиваются на работу, а некоторые нет? Процесс принятия решений включает среди прочих психологические и экономические факторы. Концепция полезности - это попытка измерить полезность денег для лица, принимающего решение. Она позволяет объяснить, почему, например, некоторые нанимают специалиста за 10 000 руб., в надежде, что сотрудник принесет прибыль на 1 миллион рублей. Для таких людей 1 000 000 х 10 000 руб. меньше, чем 1 000 000 руб. Для этих людей шанс «выиграть» 1 000 000 руб. значит больше, чем 10 000 руб., чтобы «играть». Поэтому для того, чтобы принять осознанное решение, учитывающее отношение лица, принимающего решение, к риску, нужно перевести денежную матрицу доходов в матрицу полезностей. Главный вопрос: как измерить функцию полезности для конкретного лица, принимающего решение?
Рассмотрим ещё один пример задачи принятия решений относительно вопросов кадровой политики. Для начала выясним, что может означать «полезность 12»? Назначим 100 единиц полезности и ноль единиц полезности наибольшим и наименьшим доходом, выраженным в рублях, соответственно в таблице доходов. Для числового аспекта рассматриваемого примера, мы назначим 100 единиц значению 15, и 0 - значению 2. Предпо-
ложим, что у ЛПР (лица принимающего решения) есть выбор между следующими сценариями:
1) Получить 12 руб. за ничегонеделание, то есть без увольнений и без принятия на работу, называемые «определенный эквивалент». Разница между определенным эквивалентом лица, принимающего решение, и ожидаемого денежного значения называется платой за риск.
2) Принять следующую кадровую стратегию (наняв того или иного сотрудника): получить прибыль 15 руб. с вероятностью р, или получить прибыль 2 руб. с вероятностью (1 -
р), где р - некоторое число от 0 до 1.
Изменяя значение р и повторяя аналогичный вопрос, найдется значение р, при котором ЛПР не может выбрать из двух сценариев один из-за их «одинаковости» с его точки зрения. Примем р = 0,58. Теперь полезность за 12 руб. равна
0,58-100 + (1 - 0,58)-0 = 58. Повторяя эту процедуру для всех элементов таблицы доходов, получим матрицу полезностей.
2.2. ПРИМЕНЕНИЕ ТЕОРИИ АДАПТИВНОЙ ПОЛЕЗНОСТИ
Когда архитектор строит дом, то постройке фундамента должно быть уделено наибольшее внимание. Следуя этому образу действий, я предлагаю подробнее рассмотреть этап решений о найме персонала. Это довольно специфичная область принятия решений, связанная с риском, вызванным неточностью оценки потенциала отдельных работников. Многие руководители кадров с успехом решают вопрос нахождения нужного работника в нужное время, но для большего количества их коллег это продолжает оставаться проблемой. После того, как работник зачислен в штат, необходимо попытаться спрогнозировать дальнейшую трудоотдачу, намерения остаться на занимаемом посту, карьерные устремления и многие другие факторы мотивации.
Автор предлагает построить модель принятия решений о найме на основе последних разработок в области теории адап-
тивной полезности (ТАП). Теория адаптивной полезности для последовательного принятия решений в условиях неопределенности подразумевает обобщение стандартного байесовского подхода, разрешающего начальную неопределенность полезности и задающего предпочтения обучения.
ТАП-методы предполагают, что стратегия принятия оптимальных решений отличается от той, которая основана только на окончательной оценке полезности. Существует несколько вариантов, как выяснить предпочтения лица, получающего информацию о перспективном сотруднике. Теория адаптивной полезности может быть с успехом применена к вопросам кадровой политики и предложена к использованию в тех случаях, когда предположения о функции полезности достаточно четко обозначены.
Идеи, предложенные Байесом, дополненные гипотезой ожидаемой полезности Бернулли, могут служить неплохим базисом для принятия решений в ситуациях, связанных с неопределенностью. В процессе последовательного принятия решений специалист, управляющий кадрами, может пользоваться наблюдениями показанных за всё прошедшее время трудовых результатов для того, чтобы скорректировать собственные предположения о будущих успехах работника, сохранении или изменении наметившейся тенденции.
Традиционно предполагается, что лицо, принимающее решения, в состоянии полностью определить свою функцию полезности для всех возможных последствий реализации решений, даже для тех решений, которые ЛПР до этого никогда не принимал. Таким образом, если распределение возможных последствий для всех существующих вариантов решений неизвестно, классическая байесовская теория не позволяет ЛПР извлечь «исторические» уроки.
Теория адаптивной полезности, как показывает Де Гроот (Бе Огоо1;) [4], обобщает классическую теорию принятия решений Байеса, допуская то, что ЛПР не может полностью количественно определить свои предпочтения. Основываясь на сооб-
ражениях о параметрической форме функции полезности, предполагается, что получение опыта происходит тем же путем, что и тот, который позволяет ЛПР корректировать свои предположения о значениях параметров распределения последствий решений. Иначе говоря, ЛПР может актуализировать свои предположения о неизвестных значениях параметров в результате наблюдения и, тем самым, получения данных о результатах решения.
Эти неизвестные параметры могут принимать различные формы. Особо интересные примеры включают вектора весов полезностей или меры склонности к риску. Получение опыта (обучение) может быть результатом наблюдения за рекламой и объявлениями о найме, что означает независимость полученных данных от действий самого ЛПР.
Например, Дж. Бергер (J. O. Berger) в работе [2], обсуждающей оценку полезностей, пишет, что лицу, принимающему решения, требуется бесконечное количество времени и неограниченно точные способности, чтобы рассчитать полный перечень оценок. Общеизвестно, что обычные процедуры оценок в большой степени зависят от методики и подвержены влиянию смещения или несостоятельности. Для последовательных проблем, в которых размерность пространства результатов значительно возрастает, оценка субъективной полезности часто практически невозможна, в отличие от большинства тривиальных проблем.
Исходя из того, что все требуемые субъективные компоненты невозможно определить абсолютно точно, приходится искать возможности решения проблемы в направлении теорий, позволяющих использование неточных предположений или неполных спецификаций целей. Один из таких методов - это параметрическая модель полезности. Предположим, что ЛПР имеет намерение построить логарифмическую функцию полезности параметра благосостояния w, u(w) = log (aw + b), где параметры a и b -это специфические постоянные, которые ЛПР должен определить. Разница заключается в том, что хотя любая такая аппрок-14
симация никогда не будет точной, исследователю достаточно определить постоянные а и Ь, не углубляясь в непосредственное определение полезности для всех возможных уровней w.
Вернемся к функции полезности ы(^) = 1og(aw + Ь). Следуя классической теории построения модели, было бы необходимо вначале задать значение постоянных а и Ь. После того, как это будет сделано, аналитики могут предположить, что такая функция представляет собой корректную модель предпочтения, и, следовательно, разрешается использования классической теории. С другой стороны, ТАП утверждает, что значения, присвоенные а и Ь, являются только догадками и дополнительная информация, становящаяся доступной в промежутках между решениями, достаточно уместна при актуализации предположений, лежащих в основе оценивания этих констант.
Параметрическая функция полезности для вознаграждения г в лучшем случае записывается в виде ы(г/0) = g(г, 0), где g -это любая функция, а 0 - совокупность параметров. Применительно к сфере трудовых ресурсов, это могут быть профессиональные качества конкретной кандидатуры. Такая запись показывает, если предположить корректность построенной модели, что актуальная полезность получения вознаграждения г становится известной, если нам известны значения 0 . Предполагая логарифмическую модель полезности определенного уровня благосостояния, знание 0 = (а, Ь) позволяет ЛПР определить количество полезности при определенном уровне благосостояния w (здесь параметры а и Ь моделируют склонность к риску).
Проблема заключается в том, что хотя и значение 0 предполагается постоянным, лицо, принимающее решение, не обязательно всегда знает это точное значение, и вынуждено основываться на догадках. Лицо, принимающее решение, имеет возможность предварительно оценить ожидаемое текущее значение полезности, которое затем, с помощью ТАП, может быть актуализировано методами "байесовского" обучения.
ТАП сводится к классическому решению в случае одного периода. Однако, в последовательной проблеме, когда дополнительная информация поступает в промежутках между периодами, необходимо учитывать возможность обучения на основе информации, и таким образом перехода к следующим периодам решений с повышенным уровнем знаний о значениях параметров модели.
Лицо, принимающее решение, может иметь намерение максимизировать ожидаемое значение функции полезности или целый ряд значений вознаграждения в случае ситуации последовательных решений. Это значит, что функция полезности приобретает периодический характер. Если получаемая информация пригодна для актуализации предположений об уровнях полезности, зависящих от действий ЛПР, тогда он может посчитать полезным выбрать такие решения, которые, хотя и не обеспечивают наибольшую немедленную прибыль, но обладают большей информативностью и помогают повышению производительности труда в долгосрочном периоде.
Рассмотрим пример планирования медицинского коллектива. Обсудим процедуру отбора претендентов. Обозначим двух перспективных кандидатов, как доктор А и доктор В. Предположим, что менеджер по персоналу никогда до этого не нанимал доктора В и может только догадываться об уровне его профессиональной пригодности и трудоспособности по сравнению с доктором А. Консервативная теория предполагает в этом случае отдачу предпочтения доктору А. Следовательно, так как доктор В не будет нанят, никакой информации о его способностях не будет получено. Таким образом, "близорукая" теория окончательно рекомендует выбор доктора А для включения его в состав бригады скорой помощи. И такой процесс будет повторяться в каждом следующем периоде.
В другом случае, если администрация решит действовать, думая о будущем, то она может быть приятно удивлена работоспособностью доктора В и, может быть, даже отдаст предпочтение ему. Такая альтернатива связана с определенным риском 16
возможной потери некоторого количества полезности, которая будет заметна на начальном этапе (или впоследствии). С другой стороны, большее количество полезности также может быть выиграно в первом или последующих периодах.
Первый пример можно формализовать следующим способом. В случае решений, принимаемых в течении п периодов, решения о найме доктора А или доктора В (соответственно dA или dв), означают получение определенного количества пользы от работы доктора A или Б соответственно. В классической теории полезность обозначается, как ыс, такая теория не предполагает получение опыта от присвоения предпочтений. Это говорит нам о том, что в результате найма доктора А мы получим полезность равную 1, в то время, как найм доктора В принесет нам полезность q < 1. Таким образом, мы имеем, что ыс (Б) = q < 1 = ыс (А). Исходя из того, что такая проблема принадлежит к области принятия решений в условиях неопределенности, но результаты принятия решений можно предсказать с уверенностью, рекомендуется принимать решение йА на каждом периоде времени.
В ТАП предлагается обозначить полезность через ыа. Кроме того, допускается неуверенность ЛПР относительно значений полезности. В частности, можно записать, что ыа (Б) = 0 , где 0 неизвестно и Е[0 ] = q < 1. Можно предположить, что если ЛПР примет решение dБ, то тогда он получит дополнительное количество информации г. Такая информация может иметь различные формы. В рамках обсуждаемого примера достаточно предположить, что г может иметь значение для актуализации оценки
0 . В таком случае получается так, что даже для двух периодов предпочтительнее выбрать йБ в первом периоде. Это можно видеть, рассмотрев наибольшее значение прихода ожидаемой полезности на протяжении двух периодов, сравнивая два случая, когда первым принято решение йА, или первым принято решение
йв'.
dA в первом периоде ^
E[uа і A)] + max {E[ua і A)], E[ua іВ)]}= І + max (1,E[S]}= 2 dB в первом периоде ^
E[ua іВ)] + J max (E[ua і A) / z ], E[ua іВ) / z ]} f і z )dz =
= E[0 ] + J max (1, E[0 / z]} f іz)dz
ТАП опирается на знание субъективных предположений ЛПР и величины горизонта планирования. Для сценария "доктор А против доктора В" используется частный случай функции полезности, основанный на количестве знаний о трудоспособности доктора В и числе периодов, заключенных в расстояние до горизонта планирования. Эти факторы оказывают решающее влияние на решение о том, стоит ли попробовать нанять доктора В в первом периоде.
Рассматривая сценарий "доктор А против доктора В" на протяжении двух периодов, зададим для примера начальные предположения о О следующим образом: Р{О = 1,5) = 0,4 и Р{О = 0,5) = 0,6, что значит E[0 ] = 0,9 < 1. Предположим, что получение данных z снимет всяческую неопределенность со значений О . То есть принятие на работу доктора В даст полное представление о его трудоспособности.
^ dA 1+1
1 + E[0]
^ dA e[o]+1
E[e]+E[qz = 1.5]
-Tn dA E[q] +1
^''''A'dB E[q] + e[o|z = 0.5]
t'-.'-di
d
Рис. 1: Дерево решений для двухпериодной задачи.
Предположим, что г принимает следующие значения: г = 1,5, если мы точно знаем, что 0 = 1,5, и г = 0,5, если мы можем с уверенностью сказать, что 0 = 0,5. Тогда, используя методику Байеса, находим, что г распределяется, как Р(г = 1,5) = 0,4 и Р(г = 0,5) = 0,6. Можно продемонстрировать, что в случае двух периодов лучшей стратегией ЛПР будет принять решение в первом периоде. Дерево решений, иллюстрирующее эту проблему, представлено на рис. 1.
Если мы попробуем поменять начальные условия таким образом, что предположения о 0 будут иметь значения Р(0 = 1,5) = 0,2 и Р(0 = 0,5) = 0,8 (т.е. Е[0 ] = 0,55), получается, что для двухпериодной проблемы оптимально выбрать решение ^ в обоих периодах. С другой стороны, решение dв может быть оптимальным в первом периоде, если горизонт планирования будет достаточно расширен. Принятие решения dA всё же будет оптимально в первом периоде, если информация г будет получена вне зависимости от того, какое конкретно из решений будет принято.
Вообще говоря, любая полученная управляющим кадрами информация имеет неотрицательное значение. Можно сказать, что разница в получении предполагаемого количества полезности, возникающая при принятии решений, используя информацию, и без таковой будет уменьшаться вместе с ростом числа пройденных периодов, по причине уменьшения числа возможностей воспользоваться полученной информацией.
Можно предложить гипотезу о том, что проблема последовательного принятия решений зависит от продолжительности исследуемых процессов и величины начальной неопределенности. Следовательно, оптимальной стратегией является принятие решений в момент наличия наибольшего количества информации. Другими словами, запаздывание с принятием решения может привести к потере актуальной полезности, несмотря на
значительное возрастание количества знаний, полученных за последующие периоды. Нельзя не упомянуть влияние внешней среды, которая обуславливает постоянную изменчивость окружающих условий. Иногда возникает ситуация, в которой становится оптимальным выбрать решение, приводящее к более значительному уменьшению неопределенности.
Проведя такую оценку, мы можем отобрать наиболее надёжных и профессиональных членов команды. Но на этом задачи по управлению персоналом, к сожалению не исчерпываются. Условия интересующего нас процесса есть вещь в высшей степени нестационарная и развивающаяся.
Уровень профессиональной надёжности может спонтанно уменьшаться из-за забывания, опережения прогрессом науки и техники знаний, полученных сотрудником ранее, климатических и природных перемен. Возникает необходимость ответить на эти требования времени путём посещения курсов повышения квалификации, тренингов, семинаров и пр. Этот род деятельности не только полезен, но и затратен. Лицо принимающее кадровые решения должно хорошо представлять баланс возможных выгод и сумму денежных затрат, потерь трудового времени и перепланирования договорных обязательств.
Принципиально, существует три альтернативы: переподготовить сотрудника, оставить всё без изменений, уволить с занимаемой должности. Последствия такого решения имеют большое значение не только для клиентов, которые в медицинском примере могут рисковать здоровьем.
В модели следует учесть не только количественные, но и функциональные характеристики: правила оценки производительности и надёжности, функции роста/падения знаний во времени. И те, и другие характеристики могут существенно различаться между отдельными работниками. Нембхард (№шЬ-ЬаМ) [5] провел имитационное моделирование, чтобы выявить роль персональных характеристик обучаемости и забывания для производительного труда рабочих на сборочной линии. Иссле-
дователи выяснили факторы наибольшей значимости путём многочисленных испытаний.
В своей работе [5] Нембхард предлагает эвристический подход для назначений сотрудников на основе индивидуальной обучаемости. Подразумевается назначение быстро обучаемых сотрудников на краткосрочные задачи и медленно обучаемых на долгосрочные проекты. Производительность труда выясняется в той же эвристической манере, путём произвольного назначения работников на различные посты и последующего «бенчмаркинга», т.е. выделения из многих факторов тех, которые имеют значимость для модели.
Предлагаемые способы могут быть привлекательны с точки зрения простоты управленческих решений и малости затрат на их выработку. Негативной стороной является недооценка получения опыта на рабочем месте, возможные несовпадение способностей сотрудника и специфики должности на ответственном участке и, следовательно, урон надёжности фирмы в целом.
Зачастую, отсутствует возможность исправить последствия подобных кадровых решений (особенно в медицинской области). Предложение исследователей, определять уровень профессионализма путём метода последовательных проб и ошибок, выглядит, например, для клиентов службы скорой помощи весьма угрожающе. Поэтому, не упуская из виду главной задачи-повышения надёжности предприятия, на первый план выходит превентивное прогнозирование надёжности отдельного работника путём оценки развития его профессионализма.
Автор предлагает построение модели на основе идеи о том, что после того, как сотрудник назначен в какое то подразделение фирмы оценка его уровня знаний должна производится не только в соответствии с прогнозируемой функцией опыта, но и в соответствии с общими показателями подразделения. Окончательное решение о кадровых назначениях должны приниматься только после актуализации оценок за некоторый, необходимый для достоверного прогноза, период наблюдения.
Эффективная модель должна иметь многоступенчатую, многопериодическую структуру, охватывающую весь горизонт планирования. Необходимо комплексно рассматривать взаимодействия в рабочей группе. Выбор распределения вероятности (см. [6]) для отдельного сотрудника содержит большую долю субъективности оценивающего эксперта и неточности вследствие непредсказуемости изменений окружающей среды.
Для того чтобы повысить качество прогноза и упростить вычисления, предлагается иерархическая схема генерирования экспертных оценок распределения. На первом этапе генерируются параметры распределения фирмы, затем для подразделения и потом для каждого работника отдельно. Смысл такой процедуры в том, что фирма имеет дело с выполняемыми задачами, как правило, уже долгое время и в любом случае чаще, чем новый сотрудник. Соответственно, фирме намного удобнее определить точки отсчёта, стандарты качества и динамику на основе многолетнего опыта.
3. Выводы
Целью проведенной исследовательской работы явилось исследование теоретических и методических основ формирования стратегии управления персоналом и разработка практических рекомендаций по ее оценке и выбору. В соответствии с поставленной целью в работе решены следующие задачи:
о разработан способ определения и оценки эффективности сотрудничества с отдельным работником; о разработан метод выбора альтернативы персональной стратегии в зависимости от сценария динамики внешней среды и ситуации в трудовом коллективе на базе методов вероятностного прогнозирования и статистического анализа.
Разработанная в исследовании методика позволяет проводить комплексный анализ состояния рынков персонала на уровне сегментов, коллективов и отдельных работников. Полученные
результаты легко адаптируемы и могут быть включены в систему стратегического управления предприятиями различных организационно - правовых форм и направлений хозяйственной деятельности (выпуск продукции, выполнение работ, предоставление услуг).
Литература
1. БАРЗИЛОВИЧ Е.Ю., БЕЛЯЕВ Ю.К., КАШТАНОВ В.А.
Вопросы математической теории надежности / Под ред. Б.В. Гнеденко. - М.: Радио и связь 1983. - 376 с.
2. BERGER J.O., Statistical Decision Theory and Bayesian Analysis (2nd edition), Springer, New York, 1984.
3. BERNARD, J.M. and SMITH, A.F.M. Bayesian theory. Chichester: Wiley, 1993.
4. DE GROOT M. H. Optimal Statistical Decisions: Wiley, 2004.
5. NEMBHARD D.A., Heuristic approach for assigning workers to tasks based on individual learning rates. International Journal of Production Research 39 (9), 2001.
6. WALLEY P. A bounded derivative model for prior ignorance about a real-valued parameter. Scandinavian Journal of Statistics, 1997, 24, pp.463-483.
