基于劳动定员人力资源需求配置模型的应用

刘刚宇

（北方魏家峁煤电有限责任公司，内蒙古鄂尔多斯 017000）

企业为实现发展战略愿景，完成企业的生产经营目标，根据企业内外环境和条件的变化，运用科学的方法对企业人力资源需求和供给进行预测，制定相宜的政策和措施，从而使企业人力资源供给和需求达到平衡的过程，同时实现人工成本最小化是企业应当深入研究的课题[1]。

企业用工的数量总是随着自然减员（退休）或辞职、死亡等其他退出机制不断变化。如何形成一个合理的补员规划，让原本缺员的企业及时补员，满足应有的人力资源需求？每年补员总量如何确定？如果仅靠主观经验回答以上问题，那么，意味着补员规划的决策有很大的随意性、模糊性，缺乏科学性，这就迫切需要寻找到一个科学、合理的补员规划模型[2]。

目前国内外虽然对人力资源规划预测有不少研究，采用了不少模型，主要有医院线性回归模型，幂函数预测模型、罗杰斯特预测模型等，但大多只重视人力资源供需的平衡，而忽视影响补员因素的分析[3-5]。采用关键因素驱动法和专家研讨法，深入分析影响企业人力资源需求的相关性因素，构建分析模型，对企业人力资源需求进行预测[6]，确定切实有效的补员策略，从而实现优化人力资源配置。

1 补员影响因素

1.1 企业劳动定员规模

一个企业规模越大，劳动定员也就越多。在理想情况下，企业的用工数应当等于劳动定员数，每年的退休人数是劳动定员人数与职工平均工作年限的比值。此时，补员需求人数也是理想条件下每年的补员人数。考虑各企业的劳动定员，设置基本补员系数为K1，K1=定员数／工作年限。

如果B 公司员工参加工作时的平均年龄为23周岁，退休的平均年龄约为60 周岁，那么，员工在企业的工作年限平均为37 年，即K1=定员数/37。参数K1考虑的是劳动定员规模对补员的影响，劳动定员规模与补员数量正相关，劳动定员规模越大的企业，企业补员的数量级也应该越大。

1.2 企业缺员情况

对于缺员企业而言，为确保企业生产经营正常有序开展，应当保有一定人员规模，需要及时补充人员。即超缺员与补员相关，超（缺）员率=（定员数-用工数）/定员数。如果以企业的超（缺）员率作为参数，对超员企业而言，就会得到1 个负数，负数无法进行乘法运算。为了使该参数能够进行乘法运算，将这一参数修改为定员数与用工数的比值，即超员时该参数为小于1 的数，缺员时该参数为大于1 的数。在计算乘积时就能较好地反映企业超缺员情况，这样就能更好的为超员企业的补员提供依据，也赋予了其合理的参数，体现超缺员率对补员效果的影响差异。

考虑到缺员程度与补员存在正相关性，建立缺员系数C1=各企业定员数／用工数。按照“缺员多补、超员少补”的原则，当C1数值越大时，说明定员比实际用工人多，表示缺员越多，补员需求越大，反之亦然；当超员时，C1为小数，补员需求较少[7]。

1.3 员工平均年龄

员工老龄化造成企业发展劳动力人才的相应缺失，特别是从国企员工管理来看，老龄员工逐年增多，企业负担加重，考虑到老龄化程度与补员存在正相关性，建立老龄化系数C2＝企业职工平均年龄／理想平均年龄。

同一企业不同的业务类型（岗位）应存在不同的理想平均年龄，限于基础数据和时间关系，本次规划模型计算时暂用B 公司职工平均年龄代替。对于老龄化较为严重的企业，应该较多给予补员，从而保障该企业核心岗位人员的年轻化。C2越大，表示从业人员平均年龄越大，老企业龄化越严重，补员数量应当越多，反之亦然[8]。

1.4 企业所在地域

考虑到企业间地域差异与流失率直接相关，与补员间接相关，对于成本控制型（公司本部和经营型子公司）和生产型企业分别给予不同的补员权重系数K2。成本控制型企业对人才吸引力较强，近年来缺员问题主要为自然减员，缺员情况不突出，主要由各基层企业补充，补员权重确定为0.9；对于基层生产企业，由于基层生产企业所处地域不同，同时也是B 公司盈利的重要依托，根据地域可划分为3 类，位于县市级城市的基层企业赋予权重1.0；对于位于偏远旗县、乡镇（苏木嘎查）企业赋予权重1.2[9]。

2 补员分配模型的设计

2.1 设计前提

1）企业应当建立科学、合理的劳动定员体系，并且对各个类型企业及岗位（工种）的劳动定员进行了明确的规定。劳动定员是决定企业人力资源总量的重要依据，同时也是企业人力资源管理的重要基础工作之一。

2）通过分析劳动定员与实际用工之间的差别，来反映企业对各岗位（工种）的人员需求是否得到满足或是否存在冗员。

3）在现有企业劳动定员框架下，通过劳动定员与实际用工的对比来确定企业所需的用工总量。特别是对于一个拥有多家基层企业，而且业务类型多样化的企业来说，在明确每年总的补员人数这个“总量边界”条件下讨论各个企业的补员数量问题是必要前提条件。

2.2 设计原则

在补员总量一定的前提下，充分考虑定员规模、超缺员情况、年龄结构、地域差异等因素，通过补员分配模型确定各基层企业的补员人数。

1）缺员企业补员，超员企业二不补员或少补员。

2）老龄化企业通过补员，调整关键岗位年龄结构，超出企业平均年龄的适当补员。

3）地域差异通过赋予权重进行调整。位于偏远地域、生活、教育、科教文卫等条件相对较差的地域权重高，反之权重低。

2.3 设计模型

企业补员需要充分考虑定员规模、超缺员情况、年龄结构、地域差异等因素，将以上4 个因素相乘得到每个企业补员量，在补员总量一定的约束下，根据每个企业补员量BYi占各企业补员总和的比例，从而求得各企业的补员人数BY。

为突出各企业因缺员和老龄化程度差异而导致补员不同的影响，对C1、C22 个参数采用指数化修正。

式中：K1为基本补员系数；C1为缺员系数；C2为老龄化系数；K2为补员权重系数；x、y 为C1、C2的修正系数。

3 补员模型的应用

对于拥有多个控股子公司的B 公司来说，特别是各子公司成立于不同时期，受到当时人事政策及劳动定员影响较大，在现阶段面临超定员、老龄化等多种情况，通过补员分配模型，预测2020—2022 年企业超缺员率变化情况。

首先计算B 公司下属各企业2020—2022 年补员量，输入各企业2019 年定员、用工和平均年龄等基础数据。根据B 公司下属企业2020 年的退休减员预估补员量（按照退休减员的45%～50%补员）；利用模型计算出各企业2020 年的补员数；将2019 年度末用工数减去当期预计退休减员数在加上2020 年补员数，得到2020 年实际用工数，将此数作为2021年预测的基础数据。在计算企业理想平均年龄时，按照B 企业的平均年龄进行计算。2020—2024 年各企业预测用工基本情况见表1。

表1 2020—2024 年各企业预测用工基本情况

表1 展现了超员企业的超员率逐年下降，超员情况得以控制；缺员企业人员补充配置率逐年提高，缺员情况得到缓解。各企业2020—2023 年预计超缺员情况如图1，图1 展示了各企业在补充人员后超（缺）员率的变化情况。从图1 中可以看出，各企业超缺员情况均得到了有效的优化。超员企业的超员率逐年降低，超员情况均得到改善。例如单位9 的超员率由2019 年的49.8%下降到2022 年的28.6%，单位3 的超员率由2019 年的17.8%下降到8.24%。

图1 各企业2020—2023 年预计超缺员情况

缺员严重的单位随着人员的补充配置，缺员率逐年提高，缺员情况得到有效缓解。例如单位8 的缺员率由2019 年的-9.4%提高到2022 年的0.23%，单位7 的缺员率由2019 年的-4.0%提高到2022 年的-1.08%。

4 模型实践意义及后续改进

补员规划模型在实际应用中具有实践意义，是可以作为一个人力资源需求预测工具来使用。但是它也有局限性，需要不断改进和完善。

4.1 实践意义

1）建立了企业补员定量分配模型。在建立模型之初，充分考虑影响企业人力资源分配的各项因素，分析各变量之间的因果关系，使模型能够全面反映变量对企业人力资源的影响。通过对模型分析，扭转了企业补员需求规划的主观性和随意性，提高企业人力资源需求规划的针对性和科学性。

2）在补员人数总量受控的情况下，提出了优化企业超缺员的最优策略。模型的最终的目标就是要最大限度地优化企业超缺员情况。使缺员严重的企业和业务（工种）能够得到最大限度的人员补充；超员严重企业得超员情况能够得到一定程度的压降。同时，检验模型有效与否的标准也就是企业超缺员率优化的程度。

3）提出了优化关键业务或核心岗位人员年龄结构优化的定量分析策略。由于企业人工成本预算控制人员数量，各企业分配到的补员人数有限，从整体上无法改善各企业的平均年龄，但各企业按照此模型可以建立内部各类业务（岗位）的人员补充方案，从而优化关键岗位老龄化情况。

4.2 主要不足

1）模型适用需要前提条件。①企业的定员体系科学、合理、完备；②补员总量边界确定。

2）模型参考因素有待拓展。模型选择的变量参数是否涵盖了影响企业人员补充的全部因素，是否能够客观反映出企业对人员的需求情况，是否还有其他影响补员的关键参数需要引入，这都是需要进一步深入分析的问题。

3）利用Excel 软件的模拟分析工具进行规划求解虽然可以找到最优解，但是在进行预测时需要设定分析条件，手动修改基础数据。优化算法程序，只需要输入基础数据，就可以自然计算得出每年的补员分解数量，提高模型的应用的准确性、便捷性。

4.3 后续改进

1）深入分析影响补员的因素，将未考虑到的因素充实到模型当中以提高模型的完整性。

2）充分考虑企业内部人力资源市场，将超劳动定员的人员归入到补员总量当中，盘活企业内部人力资源市场，压缩存量的同时减少外部补员的数量。

5 结语

1）在建立模型时充分考虑影响企业人力资源分配的各项因素，重视变量之间的因果关系，对变量的选取及参数的制定都经过了多次试验，从而保证整个模型的有效性和可靠性。

2）模型在实际应用过程中避免人力资源需求规划过程中过多依靠以往的经验和少数人的判断来定性的预测企业人力资源需求，也避免了刻板套用现有定量模型而不顾具体影响因素产生的严重脱离实际的预测产生。

3）在利用模型的过程中需灵活地与定性预测方法结合起来使用，从而确保预测结果的科学合理符合实际。