创新人才管理复合指数模型研究

范玮卫 杨捷 席玉敏

摘 要：本研究的核心是利用采集的创新人才数据信息解读创新人才管理中的各类问题。采用基于层次分析法所构建得复合指数模型算法，对数据进行计算分析，从而提升创新人才管理精准高效程度。研究通过数据分析发现了一些影響人才工作效率的因素，并针对不同情况提出差异化管理思路。最终，本文希望能够通过分析结论，促使人才资源配置改善，改变单一的用人和评价制度，形成结构合理、发展机会多样的用人局面。

关键词：量化分析;复合指数;评价指标;创新人才

中图分类号：F24   文献标识码：A    doi：10.19311/j.cnki.16723198.2022.16.030

1 创新人才管理综述

创新人才管理既是良好人才管理体系的延伸，也是管理体系内各维度协调的关键。当今称为“数据时代”，各类数据为社会方方面面的治理提供了改革和创新的战略资源。以数据说话，可以说是构建了社会治理的新思路和新模式，实现了从封闭管理走向开放管理，从静态管理转为动态管控，从单向管理演变为多维度协同治理。通过数据分析发现影响科研效率的关键因素，实现差异化管理，以期取得最佳业绩的同时减少资源损耗。因此，本研究就是为各级科研管理者提供“识才、爱才、敬才、用才”的参考数据，当数据量足够多就能挖掘数据背后的创新人才管理内涵，为决策者提供更严谨、准确的参考依据。本研究关键是对数据进行筛选，挖掘有效信息和知识，指导决策行为。

1.1 研究对象

本研究主要针对近三年调研单位引进的创新人才群体，覆盖了12个大类，27个一级学科。调研内容涵盖了个人信息、学术经历、纵横向科研项目、科研奖励、科研荣誉、论文成果、著作成果、知识产权、学术会议、平台团队、学会组织及期刊管理等十余个类目，囊括了创新人才、海归等创新人才能够获得的各类与科研工作相关的业绩项目。同时，兼顾了常规科研评价指标涉及内容，以及社会机构、业内同行对个人的认可程度，还有相关科研团队、平台建设等工作的付出等方方面面，力求全面体现创新人才的创新能力。

1.2 研究思路

创新人才管理一直都是管理领域里极具复杂性和系统性的研究，一些可以用数字或统一形式表达的信息往往被用来作为重要的管理评价标准，比如前述的论文、专利、著作等。而更大量的无法用数字表达的信息则被弱化或模糊处理。这必然导致管理片面化。本研究根据传统质性思维，利用经验和抽象概括，将大量的无法用数字或统一形式表达的信息凝练出来，赋予抽象意义，以便于数据化。同时，又利用复合指数模型，为管理提供逻辑特征和必要导向。研究将通过概念抽象化-信息数据化-评价系统化的逻辑分析，实现创新人才精细化管理。

研究涉及参数根据权重赋值并量化，指标权重可随管理导向调整。本文以层次分析法来构建复合指数模型。建模逻辑如图1所示，本研究首先将两类初级指标，含可量化指标和不可量化指标，两两结合形成全新的复合指数。对复合指数优先采用人工分析进行筛选，主要结合研究人员经验设置筛选指标。同时，人工筛选结果可以用于指导自动筛选阈值设定。研究过程还将对复合指数进行自动筛选模拟，根据结果不断调试阈值范围，以提高自动筛选精度。根据以上两类筛选方式得出的符合要求的新指标将作为二级指标和初级量化指标同时构成全新的管理评价体系所含复合指数。

本研究基于层次分析法将复合指数指标（Y）和指标（X）通过加权求和构建适合的复合指数模型Y=∑ni=1αiXi，其中，α为各指标的权重。

将上述模型采用MATLAB程序实现以下功能：自动读取数据，对各类指标进行去量纲（范围：0～1;目的：使权重为衡量各指标重要性的唯一标准），计算综合指标，保存结果模型数据格式，运行程序前将数据和各分类指标的权重按实际情况及管理需求进行完善即可。后续研究将利用该模型针对不同指标参数逐一进行对比分析。

1.3 创新人才科研产出

根据本次信息采集上来的数据，作者根据实际情况对所有创新人才的科研产出进行了量化分析。通过分析，可以得出近三年来各位创新人才的总产出和其入职时间的对比图（如图2）。本次统计原则是尽量体现个人在成果中的作用，以及支持高水平成果的导向。因此对参与、低层次成果降低或取消权重。并且，对于入职时间尚短或仍未获得水准以上成果的人才信息不予记入。与常规预期不同的是，科研产出量与入职时间并没有严格的关系（部分获得在职学历人才的统计时间以毕业至今为准）。笔者在统计科研产出时，不但对常规项目如：科研项目、论文、专著、专利、奖励等;还将团队平台工作、所获荣誉称号、学术会议、学术团体工作以及负责期刊编辑工作等情况纳入个人科研评价体系中来。因为，后面这些数据一方面能够体现外界对个人学术成果的评价，另一方面也能衡量其本人在所在专业领域的学术资源，这些都是长久发展所需的续航能力，乃至冲击更创新项目的软实力。

尽管图2反馈出时间与产出无直接关系，但相对而言，入职时间越长，在统计入职后科研产出总量时，总是存在优势的。因此，为了更准确地衡量各位创新人才的科研工作，本文采用的分析模型基本消除时间差异。但是，入职时间较短的创新人才，没有科研产出计入是合理的。反之，如果入职时间短，但是产出可观，则在年均分析中会占据优势。这是对部分优秀人才，能够突破适应期，尽快进入角色的权重倾斜。

经过统计，可以得到多数参评人才科研工作量对比数据，但是总体数值不高。调研发现具有一定优势的个体通常具备某些特别突出的业绩，提升了个人数据。科学研究鼓励发挥特长，找出个人的长处并合理发挥，也是科研管理工作重点之一。同时，应指出“特长”不是“瘸腿”，没有良好的研究基础，就不能在科研路上走得太远。在没有寻找到个人契机前，科研管理首先要做得还是引导人才沉下心来，丰富自己的科研基础。如果入职三年内没有良好的科研业绩，一旦科研工作出现断层，再想接续博士期间研究工作就非常困难了。未统计入图3中的部分人才已经开始显现出科研断档趋势，必须加以重视。同样，本次分析结果良好的人才，如果不能保持工作状态，也可能有下滑趋势。因此，数据在不断鞭策创新人才向科研投入更多精力。5A9C9713-24F5-443C-A401-7593FD6F894F

1.4 科研业绩综合分析

本次统计涉及众多学科的近三年引进过创新人才，占调研对象的907%，但总体分布以理工类为主。统计数据中的学术带头人和国家级项目主持人在科研表現上极为优秀。但还有占比269%的创新人才受多种因素影响，暂时还没有良好的科研产出。另有205%的创新人才科研业绩较低。图3反映了本次统计数据分布，269%为无业绩人数占比，205%为个位数科研业绩人数占比，10-20业绩分人数占比为256%，154%为20-40分的占比，大于40分为115%。

2 创新人才管理复合指数模型研究

在数据分析中，本研究将学术会议、团队平台、学术组织及杂志管理等社会工作统一划归“社会资源”，将论文、专利及专著等科研工作产出合并为“科研成果”，将科研奖励、学术荣誉综合为“学术成就”，将每位创新人才入职前后科研水平的变化差异定义为“发挥度”，将个人近年来全部科研工作设置为科研“潜力值”，将其承担的各类科研项目统称为“科研项目”，此类为本研究侧重分析的复合指数。

2.1 科研项目分析

本研究根据不同项目类型的特点，分别提高其引导性权重值，纵向在于国家层面的项目主持和审批资金双向引导，横向在于主持合同金额增长的引导。希望能借此机会，真正为单位发掘出各类人才，能够发挥各自特长服务于国家整体科研发展战略。根据这一指导性原则，特筛选部分在科研项目上的业绩突出人员数据作图4。

图4中只标出了入职以来横、纵向项目业绩突出的创新人才。从图中可以看出统计范围内科研项目主体以各级纵向项目为主。根据调研对象单位需求，在数据分析中对国家级项目进行了加权配重。同时，数据也对横向项目进行了一定的权重倾斜，为的是鼓励更多人才参与到横向合作和成果转化工作中来。可以看出第一梯队，大多具备国家级项目，或在具备一定省部级纵向外还能实现成果转化的人才。其他人员多以省部级项目为主，含少量社会服务和成果转化专长人员。这体现创新人才在做基础科学研究方面优势明显，但在做应用型技术开发方面还缺乏积累。这也是目前科研管理的难点之一：成果转化难度较大。没有足够创新的项目，很难说其具备良好的创新水准;没有足够量的项目经费，也不能说这个单位在技术开发、成果转化方面具备明显优势，实力的体现必须要有经得起检验的数据支撑。

2.2 不同学科创新人才综合分析

图5为不同学科创新人才群体科研总量分析图，对于本次调研占比最高的工科专业而言，其科研总量与其它两类专业对比无意义。因此上图重点在于分析拥有相同人数的“文、理”两类专业成绩。在总量上，多数项目下都是“经管文史”类创新人才群体占据优势，除了科研成果一项理科创新人才具备明显优势外，其余几项均无优势可言。从这一数据而言，“经管文史”类创新人才群体并不处于绝对弱势。而且在新时期科研发展自然科学和社会科学“两手抓”的导向下，“经管文史”综合起来比理学类占据一定优势地位是可以理解的。

图6分析了发挥度、人均产出、总产出和年人均产出。由于各指标参数量级不同，采用百分比对比分析。如图6所示，工科类除了在总量上占据明显优势外，发挥度最低，人均最低，年人均略好。就发挥度而言，理工类均远低于文科类。工科类在年人均数值上有所好转，而“文史经管”类下降明显，一方面工科基数大，新入职人数高，整体结构年轻化;另一方面文科类在职创新人才比例较高，人员结构相对老化。

2.3 不同学源创新人才群体科研工作综合分析

本节根据创新人才学源进行了分类分析，鉴于此类分析人数浮动较大，不再做总值分析，以均值分析为主。同时，将中央党校及中国社科院与一般院校以“其它”类归。该分析试图查看人才来源对调研单位科研工作发展的贡献值和支撑能力。一共四类人群，985院校毕业创新人才最多，占比约58%;211院校毕业创新人才其次，占比约24%;其它院校毕业创新人才占比约15%;海归创新人才占比约2.5%。

图7分色系分项目类别，详细描述了不同创新人才学源的不同科研指标对比。其中海归创新人才为195%，985院校毕业创新人才为3202，211院校毕业创新人才为3026%，其它院校毕业创新人才2358%，同一环表示一个指标类型，数字表示人均数值。如图7所示，985院校毕业创新人才具备最好的科研潜力，但对比211院校毕业创新人才并未拉开差距。同时，海归群体的科研潜力与期望值相反，处于末位。这与调研对象的引进策略有一定关系。根据年人均产出可以看出，海归后来居上，保持了应有的顶级水准;而985院校创新人才紧随其后，保持着相对高水准;其他类院校毕业创新人才则相对落后。根据入职后参研项目来看，985和211毕业创新人才相对积极参与各类项目申报，具有领先优势;海归创新人才在项目申报上略有差距。

参考文献

[1]董瑞丰，胡喆，张泉，等.见证中国创新磅礴动能、2018年度国家科学技术奖励五大看点[J].中亚信息，2019，（01）：2023.

[2]习近平.在全国科技创新大会、两院院士大会、中国科协第九次全国代表大会上的讲话[J].科技管理研究，2016，36（12）：14.

[3]王萌萌.“大数据技术+”与人力资源量化管理的研究展望与多维分析[J].天水行政学院学报，2016，17（02）：3135.5A9C9713-24F5-443C-A401-7593FD6F894F