第一章 人力资源规划
第三节 企业人力资源的需求预测
第三单元 企业人力资源需求的总量预测①
【学习目标】
通过学习,掌握企业人力资源需求总量预测的各种基本概念和基本方法。
【知识要求】
影响企业人员需求的因素有很多,而且不同人员的影响因素各不相同,因此,在做人力资源需求预测时,必须根据岗位的特点分析其影响因素,确定合理而具体的影响参数
1.影响企业专门技能人员需求的参数有:企业战略、组织结构、销售收入(利润)、产值产量、总资产(净资产)、总成本、追加投资、人工成本、劳动生产率、出勤率、能源消耗情况、定额工时、作业率和废品率等。
2.影响专业技术人员需求的参数有:企业战略、组织结构、销售收入(利润)、产值产量、总资产(净资产)、总成本、追加投资、人工成本、出勤率、生产技术水平、新项目投资、科研项目、科研经费、科研成果、研究成果获奖,以及科技成果转让等。
3.影响经营管理人员需求的参数有:企业战略、组织结构、销售收入(利润)、产值产量、总资产(净资产)、总成本、追加投资、人工成本、劳动生产率、出勤率、能源消耗情况、企业管理幅度、企业信息化程度、信息传送速度、决策速度,以及企业其他各类人员的数量等。
【能力要求】
本单元与下一单元将以A企业为例介绍各种人员需求预测方法的应用。需要指出的是,由于A企业要求对实际数据进行保密,本节中有关A企业的所有数据都经过不同程度的处理,并非原始数据,因此,数据实际参考价值弱,请读者重点理解预测方法的运用。
一、A企业人员总量需求预测
(一)趋势外推法
趋势外推法是利用惯性的原理,对企业人力资源需求总量进行预测。根据调研结果,A企业人员总量的数据见表1—6,其中t表示年度,为自变量;L表示人员总数,为因变量。
1.定性分析
(1)根据近些年来的企业人力资源管理所采取的减员增效策略,可以作出“短期内该企业的人数将持续降低,至少将保持持平的发展状态”的推断。
(2)实际上,企业人数不可能一直下降到0,因为在现实的生产条件下,企业要保证生产产品的销售量,赚取利润,还必须具备一定规模的员工人数,而不可能是“无人工厂”或采用“机器人”的生产模式。因此,做函数拟合的曲线不应具有一直向下的趋势。
2.函数拟合
将上表输入到SPSS,作函数拟合,本文选用九种函数对企业员工总数的趋势做出拟合。
3.模型筛选
根据表1-1所反映的信息,可以判断,在时间序列曲线估计的9种模型中,所有模型的F值都大于10,其显著度P都基本接近0,这说明用这些曲线做人数估计拟合是符合要求的,也就是说可以选用这些曲线做拟合。
表1-1各个模型的显著性、判定系数及标准误差值表
预测模型名称 | 判定系数(R2) | F值 | SigF | Std Error |
对数函数(LOGARITH) | 0.957 2 | 268.652 2 | 0.000 0 | 623.438 9 |
双曲线(INVERSE) | 0.758 0 | 37.578 4 | 0.0001 | 1483.3097 |
二次函数(QUADRATI) | 0.979 3 | 259.887 1 | 0.000 0 | 453.3391 |
三次函数(CUBIC) | 0.981 4 | 175.492 3 | 0.000 0 | 450.923 2 |
复合模型(COMPOUND) | 0.917 2 | 132.959 2 | 0.000 0 | 0.078 9 |
幂指数(POWER) | 0.946 4 | 211.855 8 | 0.000 0 | 0.6351 |
S曲线(S) | 0.701 2 | 28.162 1 | 0.000 2 | 0.149 9 |
生长模型(GROWTH) | 0.917 2 | 132.959 2 | 0.000 0 | 0.078 9 |
指数函数(EXPONENT) | 0.917 2 | 132.959 2 | 0.000 0 | 0.078 9 |
观察表1第二列的数据,发现双曲线与S曲线模型的R2比较小,而一般情况下,R2>0.8才认为有效,所以这两种曲线应舍弃。另外,还能从表中发现复合函数、生长模型和指数函数这三个模型的预测结果是完全相同的,它们的判定系数、显著性以及标准误差值也是完全相同的,这就是说,这三个函数只取一个就可以了。因此保留对数函数、二次函数、三次函数、复合模型、幂指数模型。
(二)回归分析法
回归分析法是依据相关性原理对人力资源需求的总量进行预测。在项目进行中,通过对企业销售收入、利润、资产、产值、能源消耗量、设备数量的调查,取得了大量数据。在对这些数据进行必要的整理汇总和处理之后.绘制出散点图,发现销售收入、总资产、设备等方面的数据变化趋势具有连续性和规律性,而利润、产值、能源消耗量等数据,由于受企业办社会、国家限产等企业外部环境条件的影响较大,使它们的变化趋势不规则,从而导致这些指标的有效性明显降低。因此,经过数据检验和相关分
析,选择销售收入、总资产、设备数量作为自变量,以企业员工总数为因变量,进行回归分析。回归分析检验结果。
1.确定性系数R 2=0.967,趋于1,说明回归方程拟合优度高。
2.回归方程F检验的显著度P为0,小于显著性水平0.05,因此整个回归方程线性关系显著,可建立线性回归模型。
3.回归系数显著性T检验中所有系数的P值均小于显著性水平0.05,可见三个变量与被解释变量月工资额的关系显著,应保留在回归方程中。根据表1—8,回归方程表示如下:
L=85 827.447+0.001R+0.012A-14.245F
标准化方程为:L=0.043R+1.416A-2.376F
式中,L为企业员工总数;R为销售收入;A为总资产;F为设备数重。
根据A企业“十二五”期间的战略规划资料,查得销售收入、总资产和设备数量2011—2016年的规划数据,将该数据代入回归方程,即可得到2011—2016年企业人数的预测结果。
(三)运用灰色预测理论进行预测
(四)利用模型进行预测
在企业的发展战略中,有关未来5年销售收入、利润、投资额(包括投入设备)等数据的计划,则有未来销售收入等各个计划的数据,根据以上方程,代入这些自变量,得到以下预测结果见表1-2。
表1-2最终结果形成表人
年份 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 |
对数函数 | 6 930 | 6 694 | 6 472 | 6 263 | 6 065 | 5 877 |
二次函数 | 7 967 | 8 343 | 8 847 | 9 478 | 10 237 | 11 124 |
三次函数 | 7 447 | 7 407 | 7 365 | 7 305 | 7 213 | 7 072 |
复合模型 | 6 307 | 5 938 | 5 590 | 5 263 | 4 955 | 4 665 |
幂指数 | 7 339 | 7 184 | 7 041 | 6 909 | 6 787 | 6 672 |
回归方程 | 7 292 | 7 250 | 7 126 | 7 109 | 7 018 | 6 959 |
灰色系统 | 6 064 | 5 685 | 5 330 | 4 998 | 4685 | 4 392 |
最终结果 | 7 049 | 6929 | 6 824 | 6 761 | 4709 | 6 680 |
本文认为各个模型的预测结果没有重要与否的区别,即认为它们的权重相同,将这些模型的预测结果做平均,可以得到2011—2016年的企业员工总数最终预测结果。
可以看到。2011年上面7种模型预测结果平均值为7049人,实际上该企业2011年年底企业人数为7103人。这说明,预测值与实际值存在一定的误差,需要连续观察修正。要做长期预测,必须要做好随时修正的准备,也就是动态预测:因为每个预测值都会被依次检验到,那么,当真实值出现时,需要不断比较其与预测值之间的差距,并对后续的一系列预测结果做调整。由于2011年的真实值出现了,且预测误差率为(7049—7 103)/7 103=-0.76%。这个数值是比较低的。用这个误差率对2011—2016年人数预测值进行修正。即用每个预测值加上调整值,得到修正后的企业人员预测值,见表1-3。
表1-3企业201 1—2016年员工总数修正预测值
年份 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 |
预测结果 | 7 103 | 6982 | 6 876 | 6 812 | 6 760 | 6 731 |
二、企业专门技能人员总量预测
(一)企业劳动定员定额分析
1.定性分析
由表1-4可见.专门技能人员在企业总人员中所占的比例基本保持在70%左右,而近年来随着数控设备等新型设备的不断引进,A企业有几个装备好的车间和分厂基本上实现了加工的自动控制或者局部自动化,这种趋势还将不断加强。设备的引进,随之而来的是加工的精细化,加工质量和速度的提高以及对生产工人需求的逐步减少。从表1-4中不难发现,事实上近年来专门技能人员的比例的确是有所下降的,至2010年,专门技能人员所占的比例为67.19%,如果未来几年继续下降的话,有可能会达到65%的比例。因此,以人员比率法推算,按70%~65%的比例,可以大体判断企业专门技能人员的总量范围见表1-5。
表1-4 1997—2010年专门技能人员数量状况表
年份 | 企业员工总数(人) | 专门技能人员数量(人) | 专门技能人员所占比例(%) |
1997 | 15 860 | 10 947 | 69.O2 |
1998 | 14 865 | 10 600 | 71.31 |
1999 | 14 238 | 10 271 | 72.14 |
2000 | 12124 | 8 700 | 71.76 |