基于ahp的企业研发人员招聘决策模型研究

基于ahp的企业研发人员招聘决策模型研究

现代管理大师彼得德赫说：“没有比个人更难做出决定的决定，结果将一直起到作用。但是总的说来,经理们所做的提升和人员调配决策并不理想,一般说来,平均成功率不大于1/3:在多数情况下,1/3的决策是正确的;1/3的决策有一定效果;1/3的决策彻底失败。”在我国,招聘决策平均成功率比例要比1/3更低。大多数管理者都承认,员工甄选是最困难、也是最重要的决策之一。如果企业雇用了太多平庸的或不合适的人,那么即使有完善的计划、合理的组织结构和协调的控制系统,企业也不会取得长期成功。为确保组织目标的实现,必须有能够胜任工作的人员。从这个意义上来讲,科学的招聘决策模型的优化显得尤为重要。按照80/20原则,作为企业的核心员工,研发人员是企业研发项目取得成功的决定因素,企业80%的收益来自于占企业员工人数20%的研发人员的创造,所以对企业研发人员的招募、选拔尤为关键。一、劳动创造性企业中的研发人员是一个特殊的群体,作为知识型员工,其职位的专业性及技术含量要求很高,在企业中占有举足轻重的地位。其工作特点与其他员工比较有很大的区别,主要表现在以下几个方面:(1)研发人员作为知识型员工,工作自主性要求高。研发人员的工作个性化、劳动创造性大,是大脑复杂的思维过程,不受时间和空间的限制,也没有确定的流程和步骤,自主性强,外人无法控制。(2)研发人员流动性大,并且工作难以测量。研发人员的工作极大程度上依赖于自身的智力投入,产品无形,难以测量,难以精确评价个人绩效。(3)研发人员要求公平、公正、公开的竞争环境,轻视管理政策。专业技术的发展和信息传输渠道的多样化改变了组织的权力结构,职位并不是决定权力的唯一因素。他们更信服知识和能力强的引导型管理者,希望得到社会认可。(4)在个人发展方面,研发人员更在意追求工作的挑战性和成就感,注重自我价值的实现。研发人员的上述特点,使企业难以按照传统模式对研发人员进行管理。尤其在对研发人员的招聘方面,更应该注重招聘决策的优化,才能保证企业研发人员的个体绩效乃至研发团队绩效的高效率实现,从而保证研发项目战略得以高效完成。二、企业招聘决策的科学化企业的招聘决策过程直接影响员工甄选结果的科学合理程度,大多数管理者都认同:员工甄选是最困难、最重要的决策之一。为什么传统招聘甄选往往不能有效预测应聘者未来的工作绩效,重视研发人员高学历、丰富经验的招聘决策屡屡受到“高分高能低绩效”现实的挑战?那么企业研发人员的选拔和评估的标准到底是什么?现代人才测评方法的兴起,使员工甄选过程达到最大可能的科学化成为可能。在过去传统招聘程序中,最常用的招聘决策依赖于主观性测评方法。通过主观性测评方法人们可能得到一些有用的信息,但还是存在明显的缺点:(1)以获取表面信息为主,难于获取深层信息;(2)信息很有可能被夸大、失真甚至是造假信息;(3)以评价现有水平为主,难于评价发展潜能;(4)以定性化描述为主,缺乏定量化的科学工具;(5)依赖于主观经验,缺乏客观评价标准……总之,其主观性及非标准化大大降低了招聘决策的有效性。随着心理学、统计学、管理学等学科的发展,标准化、客观性的现代人才测评技术应运而生,代替传统的主观性招聘方法,在企业招聘决策程序中得到越来越广泛的应用。通过现代人才测评技术对应聘者进行科学而迅速的衡量和预测使企业优化招聘决策成为可能。美国2003年的一项调查数据显示,有超过30%的企业候选人筛选甄别时使用人才测评技术作为依据;另一项调查数据显示,超过40%的Fortune100强公司对基层一线员工至高层CEO使用完整的人才测评技术国内很多学者对科技人才测评指标体系进行过或浅、或深的研究三、招聘理想决策模型企业员工招聘决策的典型程序(如图1所示)可以看出,招聘决策的关键和基础在于所招聘职位的测评项目(维度)的确定。为了更加清晰地表达企业招聘环节决策影响因素,在上述各测评方法介绍的基础上,综合设计招聘理想决策模型。该招聘理想决策模型提出了影响招聘决策的各种因素,而具体到现实招聘过程中,并非对每一个职位的招聘过程均需要考虑所有影响因素,而是需要负责招聘工作的责任人根据其管理实践经验,选取各职位的重要关键影响因素,从而选取合适的测评工具对应聘者进行考察、筛选,并非是选取最“优秀”的人选,而是选取针对该职位最“合适”的人选,获得招聘环节中最优化的决策结果。这就对企业员工招聘决策系统的科学性提出了要求。四、企业基于ahp法的招聘决策设计由于合理的招聘决策需要进行大量的主观判断,很难进行定量的分析评定。因此,为了招聘决策的科学性和合理性,为了明确各影响因素在系统中所具有的不同的重要性程度,通常需要对不同的因素赋予不同的权重数。确定指标权重的方法很多,主要有德尔菲法(又称专家法)、相邻指标比较法,层次分析法(AHP)、主成分分析法(PCA)、比较矩阵法(CMM)以及环比评分法(CCM)等。其中应用最广泛而又最成功的是由美国运筹学家T.L.Saaty提出的层次分析法(AnalyticHierarchyProcess,简称AHP),其核心是将复杂无序简化为有序的阶梯层次结构本文将层次分析法引入企业研发人员招聘决策问题的研究中。采用AHP法设定权重,通过两两比较重要程度而逐层比较各种关联因素的相对重要程度建立模型判断矩阵,经过计算,得出准则层权重向量。再通过准则层对不同应聘者的实际量化评价,最后进行综合评价排序,从而为合理选择“合适”人选提供科学的依据。首先把企业员工招聘决策问题条理化、层次化,在企业理想招聘测评模型的基础上,构建企业理想招聘决策层次分析模型。其分析模型如图2所示。五、基于层次分析法的企业科学家招聘政策的证明分析(一)应毕业生的招聘本文招聘决策模型实证分析围绕地处深圳的一家中小型IT企业在招聘中应用人才测评技术的决策过程来展开,实证数据来源于该企业的“软件工程师”真实的招聘过程。深圳一家规模为280人左右、从事软件开发的Y企业,鉴于业务扩展迅猛,拟为公司的研发部、应用产品部、测试部及网络实施部门招聘40人左右的应届毕业生。公司人力资源部门经理和CEO经过市场分析和调查,决定将招聘地区重点放在武汉、成都、西安等地的各大高校。虽然在众多实力雄厚的外企和承诺高薪的大企业强大“包围圈”中,但因为该公司地处深圳,并且拟在国内当时酝酿已久的中小企业创业板上市的呼声很高,利用员工个人发展空间效应的“卖点”和薪水在行业中上水平的承诺,也在众多学子中产生很大的吸引力。为了获得有效的招聘结果,公司招聘相关人员为此次招聘进行了精心策划和准备。鉴于本次招聘对象为应届毕业生,加上公司的招聘初衷是短期内将这些人培养成为优秀的“项目经理”或者“软件研发工程师”,所以招聘主管人员通过对“项目经理”及“软件研发工程师”的职位分析、核心胜任力的回顾和有关部门经理深入讨论后,将招聘对象的重点确定为:有一定用VC++程序语言项目开发经验的通信、电子、计算机及相关专业的硕士研究生或有相当实践经历的优秀本科生。(二)员工性格测试首先,对IT企业研发人员进行深入的职位分析及核心胜任特征研究,主要采用深度访谈法,对象是研发人员及项目经理以上的技术管理人员。综合分析结果获得三个主要评价维度:学习能力、创新能力、合作能力。理所当然,知识考试成为首要因素。通过分析,该企业将性格测试重点放在IT企业研发人员的个人性格倾向测试和沟通能力测试等两方面。另外,通过对应聘者过去的工作经历和学历背景的全方位了解分析结果对招聘决策环节也非常必要。最后有以上三种简单易操作的测评方法都可以在面试环节得到直接的分析验证。结合中小型IT企业现状和特点,提出中小型IT企业研发人员招聘测评实用模型,如图3所示。(三)小型工程公司招聘和决策模型分析1.为待选择机时的招聘选人是如何确定选人在图3的基础上,将典型中小型IT企业研发人员招聘测评决策层次分析模型设计为三个层次结构,如图4所示。其中最上层(即目标层O)有一个因素,即合理的招聘决策;中间是准则层C,即合理选择招聘人选的四方面准则:履历分析、知识考试(笔试)、心理测评、面试。最下层为方案层P,即为待选择的任选:1-9个人选为一组进行择优录用(应聘人选多于9人的情况下,进行多组层次分析法交叉分析,择优录用)。将所确定的评价指标分列成判断矩阵,利用调查问卷及访谈方法,约请十五位中小型IT企业资深的招聘决策者(总经理或主管招聘研发人员的副总),根据Saaty标度原则对矩阵中各元素赋值,综合建立判断矩阵A如下所示:方案层相对准则层的判断矩阵因为应聘人选的不同而有异,这里运用前面案例中Y企业在招聘软件工程师中的一组数据作为示例:3.各判断矩阵的一致性检验对成对比较矩阵计算最大特征根及对应特征向量,利用一致性指标,平均随机一致性指标和一致性比率作一致性检验,若检验通过,特征向量(归一化后)即为权向量,若未通过,需重新构造成对比较矩阵。以下以(1)式中的矩阵示例:CR=CI/RI=0.01266<0.1,可见一致性检验通过,可用其特征向量作为权重。所以W=(0.07,0.40,0.17,0.36)运用同上算法,方案层对于准则层的判断矩阵B由于以上所有判断矩阵的CR值都小于0.1,因此以上所有判断矩阵通过所有一致性检验。第一组人选相对四个测评指标的权重分别如下:4.对企业招聘决策的多次重复分析在应聘人选多于9人的情况下,进行多组AHP分析,由测评指标的权重与各个人选的测评结果进行加权平均,可得到总排序结果,计算出各个人选的综合评价值,即可以比较最优或最合理人选了。鉴于中小型IT企业层次分析模型中方案层P(应聘人选)对准则层C(测评指标)的影响与个人相对不同测评指标的不同测评结果相关,因此相关分析只能通过具体案例来描述,这里仍根据Y企业实际招聘数据列出应聘人选1-9人(第一组)为示例。各应聘人选对企业合理招聘决策的层次总排序如表2所示。表2的含义如下:(1)在准则层,笔试和面试结果是影响合理招聘决策的首要因素,其次是人才测评结果,最后才是履历分析的可靠程度。这跟实际工作中的招聘情况是比较吻合的。(2)综合考虑所有准则层的各因素时,对所有一组应聘人选,将以上权重标注在图4中,可得到以下排序,P鉴于应聘人数超过9人,多次重复以上层次分析法的分析过程,通过多组比较排序,有必要时甚至进行交叉比较,就根据既定招聘计划,有效科学地选拔人才。在招聘的实际操作中,首先通过学校推荐表、简历分析及技术水平的笔试和初步面试,在500多应聘毕业生中初步圈定了120人左右的后选者,再经过心理测试环节,后来在录用通知跟人选沟通过后,加上应届生自身在待遇等方面的考虑,最后双向选择结果是成功录用35人。(四)对招聘结果的测量(1)基于AHP的招聘测评模型的应用大大提高了招聘决策的效率。虽然最后综合测评结果只是简简单单的列表,但实际包含专业技术背景、性格特点、与人沟通风格类型等多方面信息。Y企业招聘决策者们通过相关信息的综合,结合以往用人的经验,可以很快做出决策,使以往的决策困难局面大为改观。而且在应届毕业生次年6月到公司报到上班统一培训后,进行人员分配的过程中,该测评结果又一次起到了主要的决定性因素。因为员工的个性特点和个人心理素质风格又决定了他们在不同岗位的初步派遣意向。最后通过跟踪,那批应届生也有以下反馈:通过个性特征测评和风格测试的结果反馈后,使他们自身更加看清楚自己,在工作中注意扬长避短,跟团队同事和跨部门同事都相处得很好。(2)基于AHP的招聘决策模型的应用提高了招聘结果的科学性和合理性,大大降低研发人员的流失率。在本项研究中,Y企业人力资源部在随后的一年、两年、三年后对那批应届毕业生进行了跟踪调查,进行追踪记录和分析,具体结果见表3所列。一般而言,因为IT行业特征等原因,与其他IT企业一样,Y企业研发人员流失率是非常显著的。从表3数据可看出,将Y企业200X年应届生与该公司200(X-1)年接收的应届生的情况进行对比发现:人员流失率降低显著,尤其在毕业生工作一年以内的流失率降低了80%。由此可见:在企业员工招聘环节,采用科学合理的招聘测评模型,应用合适的测评工具,多方位地对应聘者进行考察,而非只注重技术水平和能力的考察,是可以提高招聘结果的科学性和合理性的,同时也从“源头”遏止IT研发人员频繁流失的势头。(3)用招聘决策层次分析模型分析的结果(测评指标的权重)对各应届生的测评结果进行综合比较权重,无论是效率还是成功率,对这种大规模招聘活动的组织是非常有效的。仔细研究发现,应届生的社交风格类型中没有单纯的“促进型”出现,虽然每种类型的人选性格都有长有短,但促进型性格在IT行业这个工作结果无法精确测量、工作过程无法随时跟踪、员工自我创新能力要求比较高等特点的行业中任职是不特别合适的(当然不排除IT天才的利用等例外情况)。事实也证明:凡是风格类型中稍微出现“促进型”比例的员工在工作管理方面呈现出“问题员工”的倾向。这也间接证实我们当初的测评结果选择以及决策模型的科学性都是非常正确的。在对此次测评的效果进行了跟踪调查后发现,该企业的CTO和技术开发部门经理一致认为:在人力资源部门尝试性地在应用招聘测评模型后,在优先考虑技术