贝叶斯统计分析下A省电力公司人才梯队健康度评估模型研究

吕妍　吴小勇

[摘 要]人才梯队健康度是确保建设好“三型两网、世界一流”能源互联网企业宏伟目标的重要根基。A省电力有限公司以“观测现象实现问题预警、主观数据客观量化”为目标，基于现象与症状间的关联性、一致性，运用贝叶斯分布原理推导现象概率分布，建立《人才梯队健康度感测自检表》。通过调研问卷观察18个关键因子，判断19个关键“病症”，实现人才梯队健康提前预警，为管理人员提供精准参谋。

[关键词]人才梯队健康度;健康评估;风险预警

doi：10.3969/j.issn.1673 - 0194.2020.08.064

[中图分类号]R195[文献标识码]A[文章编号]1673-0194（2020）08-0-02

1     背景意义

千秋基业，人才为本。做好新时代的组织工作，要用好人才这个第一资源。习近平在全国组织工作会议上多次强调要加快实施人才强国战略，确立人才引领发展的战略地位，努力建设一支矢志爱国奉献、勇于创新创造的优秀人才梯队。面对建设“三型两网”世界一流能源互联网企业的宏伟目标，A省电力有限公司（以下简称“A公司”）要以习近平新时代中国特色社会主义思想为指导，秉持守正创新的思想方法和稳中求进的工作基调，大力践行“敢为人先、实干在先、创新争先”工作理念，树立强烈的人才意识，深化人才发展体制改革，激发员工的奋斗精神、创造活力，完善人才培养机制，改进人才评价机制，创新人才流动机制，健全人才激励机制，为推动经济社会发展提供源源不断的人才资源。人才梯队健康度较模糊抽象，不容易观察。为此，A公司试图运用统计工具、计量经济学的理论工具，结合日常调研，形成一套人才梯队健康的体检感测工具，提前预防和感知风险，从而使公司的人才管理更加平稳、和谐。

2     目标与假设

通过交叉分析，以指数化的形式，判断人才梯队存在的潜在风险，具体管理目标包括：①主观现象客观化，通过问卷调研，观测18个现象，将人才提议健康的数据条目化;②关联观测与预警，通过单因子、双因子评估量表，建立关键预警信号，形成预警线。本课题有3个基础假设：①现象的可观测性、关联性，现象是客观的，人的感受差异相对较小，现象与本质之间存在关联性，通过表层现象的交叉分析，可以探索到现象与“病症”之间的相关性;②个体现象本质关联的相对一致性，不同组织之间可以通过观测同一套“生理指标”来实现体检;③通过贝叶斯分布原理找到其中的分布关系。即在“病症”（c）发生的情况下，观测现象（a）与现象（b）同时发生的情况。此时，如果可以得知现象（a）与现象（b）同时发生的概率P（a∩b），那么可以通过贝叶斯分布推导90%置信区间内，“病症”（c）发生时，P（a∩b）的概率范围，进而可以通过观测现象（a）与现象（b）同时发生的概率，判断此时组织在90%置信区间内，是否发生了“病症”（c）。

3     现象与症状关联

基础数据来自《人才梯队健康度因子线上调研问卷》，观测现象聚集18个关键因子：流动情况、人员去向、流动性与稳定性、在岗时长、流动意向、专业匹配度、学历结构、年龄结构、吸引力因素、吸引力表现、新员工表现、新员工流失率、人岗匹配情况、岗位发展空间、后备梯队、培训体系、绩效表现和成果表现。用于判断以下19个“病症”：培养体系与本单位现状不匹配、缺乏标准化工作方法、绩效提升困难、学历结构需要调整、年龄结构“青黄不接”、软性（环境）能力有待提高、新入职大学生心理建设需要进一步加强、大学生难留住、长期无法吸引大学生，缺乏新鲜血液补充、重要人员离岗出现“瘫痪”、创新力逐年减弱、吸引力逐年降低、人才梯队出现断档、存在“老龄化”风险、成為“福利院”、员工出现“懒散”苗头、员工普遍缺乏上进心、员工普遍对工作不满和工作要求超出员工能力。

4     研究过程与成果

4.1   寻找典型样本

A公司选取4个具有典型特征的样本作为观测对象，分别分布于合肥、宣城、宿州3座城市。以“同意、不同意和不确定”为关键选项，以4个公司专家（人资部主任）的观测结果为依据，确定19种关键“病症”在4个公司存在的情况。最终结果为，除了“缺乏新鲜血液补充”“员工普遍缺乏上进心”“工作要求普遍超出员工能力范围”、缺少“同意”的选项外（样本典型性不够，本轮无法进一步挖掘），其他“病症”均存在“同意”“不同意”的选项，可进一步观测判断。

4.2   明确单因子评估关系量表

逐一分析问卷问题，并聚焦风险选项，根据4个典型样本对风险选项的认同度，运用贝叶斯计算公式，确定风险上限、下限，作为日常管理参考。以关联问题“06.关于您所在单位人才的专业匹配性，您认为？”的风险因子“B.专业匹配度虽然很高，但是人才成长速度不如人意”为例开展说明。以上关联问题的风险因子对应的潜在“病症”是：组织可能缺少合适的培养体系以及标准化的工作方法。4家单位的分布情况为：宣城公司，24.19%选择“不同意”;合肥一公司38.84%选择“同意”;合肥2公司，29.91%选择“不同意”;宿州公司，27.23%选择“同意”。计算过程为：以合肥二公司的数据取上限37.5%，以宿州公司的数据取下限23.64%。数据的意义为，当该数值低于23.64%时，出现潜在“病症”的风险较低，当该数值高于37.5%时，则有较高的风险出现该“病症”，需要引起重视。最终以表格的形式，罗列“关联因子、风险选项、上限、下限和风险说明”，生成包含10个关联问题和风险因子的《单因子风险因子感测表》。

4.3   明确双因子评估关系量表

聚焦关键问题关键选项，通过交叉分析，基于4个典型样本对关键“病症”的认同度，运用贝叶斯计算公式，确定风险上限、下限，作为日常管理参考。以关联问题“15.对于目前岗位的发展空间，您？”的风险因子“D.不太满意，希望能扩大发展空间”“E.不满意，看不到发展空间”与关联问题“17.您认为自己接受的培训？”的风险因子“C.相对零散，对职业发展帮助有限”为例开展说明。以上关联问题的风险因子对应的潜在“病症”为“员工可能对组织失去耐心，会滋生懒散情绪”。4家单位“病症”分布情况为：宣城公司总人数为510人，频次73，频率14.31%，“病症”结果“同意”。合肥一公司总人数为564人，频次171，频率30.32%，“病症”结果“同意”。合肥二公司总人数为108人，频次15，频率13.89%，“病症”结果“不同意”。宿州公司总人数为393人，频次63，频率16.03%，“病症”结果“同意”。计算过程为：选取宣城公司的数据计算下限，通过查表计算得出下限数据为11.89%。该数据的含义为，当该数值低于11.89%时，出现潜在“病症”的风险较低。选取合肥二公司的数据计算上限，通过查表计算得出其上限数据为20.09%，该数据的内涵为当该数值高于20.09%时，有较高的风险出现该“病症”，需要引起重视。逐一对各个关联问题和风险因子进行交叉分析，最终以表格的形式，罗列“关联问题1与风险因子a，关联问题2与风险因子b、风险选项、上限、下限和风险说明”，生成包含10对风险因子的《双因素风险因子感测表》。《双因素风险因子感测表》和《单因子风险因子感测表》合并成为《人才梯队健康度感测自检表》，作为各单位自我评估的重要工具。

4.4   界定使用范畴

在数据计算验证的过程中，存在3种情况为无法计算或需要调整的情况。第一种情况，当“病症”（c）的结果为“不确定”“不同意”，没有出现“同意”时，样本不具有典型性，无法合理计算。第二种情况，当计算结果存在矛盾，说明双因子的相关性关系不明显，不能成为典型样本，结果不可靠。第三种情况，当数据存在缺陷，例如某个现象出现极端数据（过好或过坏），数据不能成为典型样本，需要调整后才能使用。

4.5   研究成果的应用

《人才梯队健康度感测自检表》的建立包括以下内容。一是前瞻预警。构建一系列关键“生理指标”，用于观测是否在健康范围内，从而第一时间预判潜在风险，为公司人才战略、人力资源策略决策提供依据。二是自我优化。每个公司可以通过自我检测，及时干预不健康、不稳定因子，使本公司的“生理指标”始终保持在一个相对健康的范围。三是积累经验。各单位根据自检表及数据建立人才管理经验库，并根据检测成效，不断校正、升级典型经验。

5     启发与展望

《人才梯队健康度感测自检表》的结果可供管理人员判断企业当前人才梯队存在的健康问题，为自己的管理决策提供必要依据。结果来自数据积累，有一定的参考意义，但是在结果应用的过程中，仍必须发挥管理者的主观能动性，進一步深挖背后的原因，实现“理性+感性”互为支撑，更好地解决根本问题。同时，自检表是一个持续优化的表格，随着收集的数据越来越多，可参考的样本量日益增加，可信度将随之提高。在今后的管理中，将进一步深化《人才梯队健康度自检表》应用，结合日常管理实践，真正发挥“体检表”的作用，实现人才梯队健康度问题的提前预警。

主要参考文献

[1]罗帆，罗静媚，吴兰玉.国有企业人才流失的成因及对策分析[J].武汉理工大学学报：社会科学版，2002（2）：170-173.

[2]张颖丽，李建华.企业科技人才流失预警信息系统的构建及运行对策研究[J].情报科学，2010（5）：788-792.

[3]都浩.基于JAVA平台的人才需求预警系统的设计与实现[J].现代企业教育，2014（16）：53-55.

[4]张德.人力资源开发与管理[M].北京：清华大学出版社，2001.

[5]刘守会.变革转型时期HK集团人才梯队建设体系研究[D].济南：山东大学，2019.

[6]邓芳.转型期中国企业人力资源管理变革研究[D]开封：河南大学，2012.

[7]冯铁山，李洪，蓝鲲.基于贝叶斯统计的测量系统可靠性评估方法[J].导弹与航天运载技术，2014（6）：60-64.