企業の人材募集の定量分析技術

募集の仕事は企業にとって重要な意義があります。企業全體の人的資源管理の仕事が順調に発展することを保証する重要な前提と基礎です。

どのように効果的に応募者を評価し、その中から最適な企業の人員を選び出すかは人的資源部門の大きな問題である。

伝統的な採用面接の方法は、筆記試験、面接、評価センター法にかかわらず、人の主観的な判斷と選択が結果に大きな影響を與え、企業が採用過程で體現している主観的な要素が大きく、時には求人効果に影響を與えることもあります。

ここでは、いくつかの比較的客観的科學的な企業員の募集評価の定量的分析技術を紹介します。

階層分析法の基本思想は、応募者の総合能力をいくつかの指標とレベルに分解し、最低レベルでは両方の対比で各要素の重みを導出し、低い層から高い層までの分析で計算し、最後に各応募者の最終総合指數を計算し、指數が一番大きいのは最優秀候補者である。

その基本的な方法は応募者評価指標階層構造モデルを作ることです。

評価指標階層モデルを構築するには、まず募集する職位に対して明確な認識を持ち、目標、目標、部門、制約條件、可能な狀況など、どのような要素が含まれているかを明らかにすることと、各要素間の相互関係が必要である。

次に評価指標の階層化をいくつかの階層に分けます。

評価指標階層モデルを作成した後、応募者の各指標を二つの比較で判斷マトリックスを作成することができます。

マトリクスは定性的に定量に移行する重要な一環であると判斷し、判定マトリックスの特徴ベクトルを解くことによって、判定マトリックスの整合性を検査し、企業招聘側が判定マトリックスを構築する時に思考が一致するかどうかを判斷する。

一致性検査によって、正規化処理された特徴ベクトルは、ある段階で前の段階のある評価指標に対して比較的重要な順序重み付け値として、その後、高いレベルから低いレベルまで逐次的に並べ替えられた重み値を計算して、応募者の総合的な並べ替えを得ることができる。

あいまいな政策決定法が現実生活の中で，多くの概念があいまいである。

背が高くても、身長がどれぐらいあるかは背が高いかという明確な定義がないので、人によっては理解が違います。

また、応募する能力、仕事の態度、性格などの概念も曖昧です。

これらの概念の內包は明確であるが，エピタキシャルは曖昧である。

企業の募集の現実では、多くの指標概念があいまいであるため、あいまいな決定方法は企業の採用決定のための実用的なツールとなっている。

_ぼんやり総合評価法はシステムや事物の多様な価値要素を総合的に考慮し、あいまいな集理論で優劣を評価する方法である。

その特徴は定性的分析と定量的分析を結合し、主観的分析と客観的分析を結合することである。

あいまいな意思決定の基本的な方法は、まず評価指標セットXと格付けドメインVを構築することである。

例えばX={X 1(知識)、X 2(能力)、X 3(個性)、X 4(動機)}、V={V 1(良い)、V 2(良い)、V 3(良くない)、V 4(良くない)}です。

応募者の甲の「知識」指標について、企業の採用者の30%が「いいです」、60%が「いいです」、10%が「よくない」と思っていますが、「よくない」という人はいません。簡便さのために、応募者の甲に対する「知識」指標の評価集は（0.3,0.6,0.1,0）に近いと考えられます。

類推のように、応募者の評価行列が出てきます。応募者の評価行列とそれに応じた數値を解いて、最終的に応募者一人の総合評価點數が得られます。

実踐の中で、はっきりしない方策の法は常に専門家と分析して法、段階の分析法などを評価して総合的に使います。

優劣係數法は、応募者の各指標を他の応募者に対する優劣度と比較することにより、より優秀な応募者を選び出す定量的な分析方法です。

実際の生活の中で、他の応募者より優れている応募者はいません。どの応募者の各指標も他の人より絶対に優れています。

企業にとって、各素質指標の重要性は同じではなく、一部の素質は比較的重要で、一部の素質は相対的に副次的である。

そのため、企業は優劣係數を計算する前に、まず異なる評価指標に対して異なる権利を與える必要があります。その後、標準化された各評価指標を通じて、各指標の間に比較性を持たせて、優劣係數を再計算します。

優數とは、応募者が他の応募者よりも優れている場合の合計の合計の比率です。

劣化係數とは，両スキームの優れた極差と悪極差を比較して計算した。

優れた係數は優れた応募者だけを反映しているので、応募者の優さの度合いは反映されません。劣悪な係數は応募者の劣悪さを反映していますが、劣悪な応募者を反映していません。したがって、採用決定時には優、劣等係數を総合的に考慮しなければなりません。

優劣係數法は優劣係數によって徐々に理想的ではない応募者を淘汰し、採用過程において応用価値が広いです。

人工神経ネットワーク法（Artficial Neural Network）は、人體の神経構造と知能を模擬する先端研究分野であり、獨特な構造と情報処理方法を持っており、多くの実用的応用において顕著な効果をあげている。

近年、神経科學、數理科學、情報科學、コンピュータ科學の急速な発展により、ニューロンの働き方、非プログラムの情報処理を研究する人工神経ネットワークの実現が可能になりました。

人工神経ネットワークはいかなる數學モデルを構築する必要はなく、過去の経験と専門家の知識だけで學習し、ネットワーク學習を通じて、その出力が期待される出力と一致する結果を達成する。

ネットワークが持っている自己學習能力は、伝統的な専門家システム技術の応用が最も困難な知識取得方法をネットワークの変構造調整プロセスに変換し、それは自分が習得した知識と問題を処理する経験に基づいて複雑な問題に対して合理的な判斷を行い、満足できる解答を與えたり、將來の過程に対して有効な予見と推定を行うことができます。

科學的なデータに基づいてパラメータを選択してネットワークモデルを構築すれば、データの中の専門家の経験データを取得できます。応募者の素質評価指標を判斷し、より客観的で合理的な結果を提供します。

現在、人工神経ネットワークの管理における応用はまだ研究開発段階にある。

管理學修士、湖南大學元副校長、湘潭大學元校長の李樹丞さんは、企業診斷、人力資源、プロジェクト計畫、管理訓練、科學的方策、人工神経ネットワークなどの分野の研究と実踐に力を入れています。

多くの外資及び民営企業の人的資源専門案件のマネージャーを務め、大學管理學教育と理論研究の仕事、管理コンサルタント及び訓練の仕事をしていました。複數のコンサルティング會社の高級HR顧問を擔當しています。