基于层次分析法的HRBP胜任力模型构建

(中国人民大学 北京 100000)

一、胜任力

人力资源管理的工作内容除了员工的薪酬管理，绩效考核，业务能力培训等工作外，更重要的就是为企业招聘到优秀且合适的人才。只要岗位合适，每个人都能充分发挥自己的潜能，为企业的效益出一份力。招聘工作要求人力资源工作者尽可能在短时间内对应聘者现有能力做出评价，看是否符合该岗位，更重要的是能判断出应聘者的潜能，即未来他能够为企业带来什么样的贡献，同时判断他的价值观是否与企业文化和愿景相契合。所以，建立胜任力模型，能够帮助人力资源工作者更准确高效的做出判断。胜任力模型包含了适应该岗位所必要的核心能力，有助于面试过程中的快速筛选。更重要的是，企业一般都会组织培训活动，包括对企业文化，企业战略，企业愿景的学习，或者是针对某一岗位的特别培训，但是培训学习的内容对工作并无很大影响仍然是现在大多企业所存在的问题。所以胜任力模型也可以运用到培训当中，有助于企业明确培训目标，结合HRBP日常工作内容，为其定制培训内容，使培训效果极大化，为企业培养出优秀的HRBP从业人员。

二、胜任力模型构建方法

完成某一项目或者是某一类型的工作，除了需要高效沟通，解决问题能力等常见的普遍要求之外，还需要相应的专业能力，胜任力模型就是综合能力要求，其内容包含某项工作需要的技能和能力。它能够让工作更高效圆满的完成。在研究中需要罪遵从科学合理的研究方法，找出指标因子，从而构建HRBP胜任力模型。通过查找相关文献，发现较常用的方法是工作分析法、文献研究法、行为事件访谈法、问卷调查法、专家小组法、评价中心法等等。而本文是用工作分析法、文献研究法和问卷调查法等方式来进行研究的。

(一)模型构建

分析互联网企业软件研发部岗位的工作要求，结合已查阅的相关文献，得出HRBP的23项胜任力指标，之后，对调研数据进行因子分析以使得结果更为准确。将结果数据分为两部分，大部分用来建立胜任力模型，小部分用来验证模型的拟合程度。

(二)胜任力维度确定

因子分析是将相关性较强的因子分为一组，形成新随机变量的一种有降维作用的统计分析方法，用变量的基础结构，能够选出合适的数据维度。前文已经确定了胜任力的要素，现在需要用因子分析得方法确定胜任力维度。在进行因子分析之前，本文首先用KMO抽样充分性检验和Bartlett球形检验对变量进行检验，看是否可以进行因子分析。

由SPSS计算结果得KMO=0.864>0.8，且差异性显著，所以适合做因子分析。采用因子分析法提取因子，在多个变量中将相关性较强的变量分为一组形成新的随机变量，组间变量间的相关性会很低，这样可以在尽量保留原信息的前提下，对变量进行降维处理，从而便于我们处理分析数据。一般我们更倾向于用经验法则取舍因子，其主要思想是用特征值来衡量变量间公因子的影响力，选取特征值大于1的成分为主成分。

胜任力特征问卷总方差结果得，有4个因子选取为主成分，初始特征值方差累计为72.599%，提取平方和载入方差累计为72.599%，旋转平方和载入方差累计为76.33%。因此，选取的主成分在76.33%的程度上可以解释胜任力，所以选取的指标是合适的，问卷的结构效度也是较好的。

为对上述变量进行因子载荷分析，了解4个因子分别对胜任力模型的影响大概有多少，结果为：第一主成分在自我效能维度下，对积极主动因子载荷为0.824，自信心因子载荷为0.736，学习能力因子载荷为0.716，抗压能力因子载荷为0.728，个人信誉因子载荷为0.694，保密意识因子载荷为0.537。第二主成分为整合者维度，对解决问题能力因子载荷为0.840，对培训发展他人能力因子载荷为0.834，对激励能力因子载荷为0.752，对责任心因子载荷为0.734，对系统思维因子载荷为0.658，对战略领导能力因子载荷为0.683，对变革能力因子载荷为0.508。第三主成分为人际关系，对获得同事信任胜任力因子载荷为0.683，对与他人合作能力胜任力因子载荷为0.671，对组织协调胜任力因子载荷为0.642，对高效沟通胜任力因子载荷为0.598，对客户服务导向胜任力因子载荷为0.596。第四主成分为专业度维度，对业务知识胜任力因子载荷为0.833，对法律知识胜任力因子载荷为0.608，对运营管理知识胜任力因子载荷为0.699，对企业文化胜任力因子载荷为0.642，对行政专家胜任力因子载荷为0.585。

(三)胜任力模型提出

因子分析所选取的4个变量即互联网企业HRBP岗位最看重的四个能力，由此可以得出胜任力模型囊括的四个维度，胜任力模型具体内容如下表所示：

表1 胜任力模型

(四)信效度分析

量表总题项为23个，各分量表累计解释变量达到73.89%，整个量表Cronbach' s Alpha值为0.96，说明薪酬激励量表信度很好。

KMO值为0.914。这说明样本数据非常适合进行因子分析(0.917>0.9)。此外，由表可知，Bartlett的球形度检验值得显著性为0.000<0.05，有很强的显著性。综上所述，问卷量表效度较高。

三、确定指标权重

前文所构建的模型是在理论层面建立起来的，要想真正在互联网企业有所应用可能还是有顾虑的，为了消除这一疑虑，本文在模型构建之后，运用层次分析法对各指标进行赋权，以避免主观臆断的可能。

(一)建立指标层级结构

HRBP胜任力模型共包含四项胜任力维度指标;自我效能、整合者能力、人际关系、专业度。将这四项胜任力维度定位层级结构中的一级指标，每项胜任力维度包含的胜任力因子定为二级指标。具体的二级指标建立如下：

自我效能=(积极主动，自信心，学习能力，抗压能力，个人信誉，保密意识)；整合者能力=(解决问题能力，培养发展他人能力，激励能力，责任心，系统思维，战略领导能力，变革能力)；人际关系=(获得同事信任，与他人合作能力，组织协调能力，高效沟通，客户服务导向)；专业度=(法务知识，法律知识，运营管理知识，企业文化知识，行政专家)。

(二)构造判断矩阵

根据心理学的分析得知，对于具有相似属性的事物，大多数人的评价标准是相似的，因此对于两者是否统一可以得出相关结论。与此同时，人们在不同事物的某一属性的评定上也会有相似的能力。一般而言，人们对事物判断的数量极值在5到9之间，因此从1-9的标度进行分析可以更适应人们的常规分辨能力。在多年的实践经验中来看，1-9标度方法完全可以在不同事物的同一属性中判别中发挥重要作用，这也是层次分析法中最常见的方法之一。本文将以此方法为例，通过对评价指标进行比对，从而确定各个指标的重要性。具体评分规则：评价尺度为1表明两个因素之间进行对比，其重要程度相同；评价尺度为3表明两个因素之间进行对比，其中一个相对于另一个因素稍重要；评价尺度为5表明两个因素之间进行对比，其中一个相对于另一个因素重要；评价尺度为7表明两个因素之间进行对比，其中一个相对另一个因素重要得多；评价尺度为9表明两个因素之间进行对比，其中一个相对另一个因素极为重要；评价尺度为2、4、6、8表明处于上述两个相邻判断的中值。

判断矩阵A中的元素是依据层次分析模型和具体的评分规则各指标两两对比的，表示评判指标的相对重要程度。

(三)权重计算结果

邀请人力资源部门负责人，互联网企业研发部负责人和对该岗位有深入研究的专家，共计15人，对前文构建的HRBP胜任力模型中的指标，通过两两对比的方法，按照重要程度对指标进行打分，以1-9标度计分形成判断矩阵。

通过前文的分析可以知道，在一级指标下面有23个二级指标，二级指标的计算不再赘述，胜任力指标权重系数如下表。

二级指标权重:

WB1=(积极主动，自信心，学习能力，抗压能力，个人信誉，保密意识)=(0.062,0.216,0.204,0.247,0.197,0.166)

WB2=(解决问题能力，培养发展他人能力，激励能力，责任心，系统思维，战略领导能力，变革能力)=(0.058,0.045,0.277,0.342,0.146,0.019,0.247)

WB3=(获得同事信任，与他人合作能力，组织协调能力，高效沟通，客户服务导向)=(0.273,0.169,0.293,0.172,0.093)

WB4=(法务知识，法律知识，运营管理知识，企业文化知识，行政专家)=(0.288,0.264,0.185,0.203,0.06)

一级指标权重：

WA=(自我效能，整合者能力，人际关系，专业度)=(0.19,0.215,0.53,0.065)

四、结论

互联网企业的核心竞争力是企业技术水平，而技术水平是要靠软件研发人员来提升的。在互联网时代中，企业和社会都处在高速发展阶段，所以企业人力资源部门招聘和培训员的内容和模式也应该有所变化，软件研发和人事部门工作上的交集是比较少的，需要专门的研发部HRBP来架起沟通的桥梁。有助于人力资源招聘到更适合企业的员工，并且给公司员工进行合理的技能培训，以助力企业发展。为了更科学系统地了解互联网企业软件研发部HRBP这一岗位具体需要什么样的工作能力，本文构建了互联网企业软件研发部HRBP人员的胜仼力模型，能够为互联网企业相关部门提供一些指导。确定了互联网企业软件研发部HRBP胜任力的构成要素，并确定指标为：自我效能、整合者能力、人际关系、专业度。再用AHP，胜仼力模型中包括指标的权重系数，量化指标以使得在现实中可以运用这一模型，本研究中4项维度的权重从大到小依次是：人际关系、整合者能力、自我效能、专业度。

近年来各行各业的发展速度都很快，尤其是互联网企业，本文的HRBP胜任力模型就是根据互联网企业研发部岗位构建的。本模型只适应当前市场情境下，若市场环境发生改变，胜任力模型也应该有所调整，对于这部分内容，本研究尚未涉及。