人力姿源 企业人才竞争力的１３Ｐ神经网络分析 一孙昊哲首都经济贸易大学 ［摘 要］衣文从企业ＨＲ竞争力指标中用主成分分析析取出４个因子，构成企业ＨＲ的竞争力模型，通过ＢＰ神经网络对 ５Ｏ家企业的ＨＲ竞争力进行了仿真预测，便于ＨＲ管理者即时对企业人才竞争力定位，有利于管理者对企业ＨＲ的战略部署。 【关键词】ＨＲ竞争力 主成分分析一ＢＰ神经网络 马克威分析系统 、引言 率、性别流动率、平均服务时间流动率、特定物理区域人员流 随着信息技术在企业的人力资源部门的广泛推广应用，组织 动率、季节更动流动率。外在因素有国际流动率和其它企业的 中有大量可用数据，数据中有大量的宝藏等待被发掘，可以撬动 职工流动率。 潜在竞争优势的领域。人力资源部门如果可以利用现有的数据积 指标３（劳动力规划ｊ： 累进行挖掘，得到对企业战略实现至关重要的结论 将可以帮助 组织建立竞争优势．取得竞争优势。 的、简单的处理单元（称为神经元）广泛的互相连接而形成的复杂 网络系统．模拟了人脑神经元基本功能和网络的基本特性，它可 未知系统进行高精度建模。 员工流利掌握某特定语言能力人数比率、属于特定的工作分 类内员工比率、特定的技能集合员工人数比率、最高的业绩表现 指标４（雇员开发）： 参加需要的培训事件人数比率、参加了特定的培训班级人 人工神经网络（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ，简称ＡＮＮ）是由大量 员工比率 征募来源的成功率 特定的开发活动完成率。 以避开复杂的参数估计过程．同时又可以灵活地对多成因的复杂 数比率、完成了特定开发行动的员工保持时间、业绩指标和特 定开发行动参与的相关比率、业务单元绩效和开发项目实现的 ２．Ａ～Ｔ５企业的ＢＰ神经网络的输入变量值 ＢＰ网络模型包含了神经网络理论中最为精华的部分 其结构 相关比率。简单、可塑性强，应用领域广泛。 二、实证分析 用这４个因子的特征值对应的特征向量，即经过变换后的综 表１的前４列指标。 ３人才竞争力指标计量 人才竞争力指标是根据专家打分 采用灰色系统评价得出的 数据来源．Ａ—Ｔ５（见表１）等３Ｏ家企业人力资源部门的公司 合指标，标准化后得分作为ＢＰ人力资本竞争力的输入样本间。见 总流动率、职位流动率等３０个指标。 １用主成分分析法提取３０家企业的人才竞争的特征值 企业人力资源部门的指标数据较多，信息重叠多．不易于直 指标体系，采用主成分分析法对指标数据进行特征提取，获得４ 个主要综合指标。 接用ＢＰ网络进行预测。本文通过对Ａ企业建立人才竞争力形成的 结果。人才竞争力指标可分为５档，具体标准如下：４分一５分的优势阶段； ３分～４分：较强 企业人才竞争力经常超出劳动力市场平均 水平： 强大，企业人才竞争力十分强大，处于吸引人才 运用ＳＰＳＳ１ ３软件，对影响企业人才竞争力的数据提取主成 分。 第１主成分的特征值为７ ２２９，方差在总方差中的比重为 ２分～３分：一般，企业人才竞争力能和劳动力市场平均水平 １分～２分：偏弱．企业人才竞争力落后于劳动力市场平均水 ５４ ６３５％，它是人力资本形成的主要方面 前４项主成分的方差 持衡；在总方差中的比重达到９４ ８２８％，按照主成分的选取标准．说明 这４项主成分可以代替原来的３０项指标，从而可以更简单地利 平 将出现人才危机；用它作用网络的输入节点数。由旋转过后的分载荷矩阵可对４ ０分～１分：差．企业人才竞争力不能同任何企业相比，人员 表１ ＢＰ神经网络输入输出原始数据表 指： 个因子命名为”成本因素、流动率因素、劳动力规划、雇员开 流失出于危急关头。 发” 根据各指标值在０ ５以上的因素列出组成内容分别为： 指标１（成本因素） 工资、津贴、激励、职位升迁机会、新雇员的培训费用、每 个业务单元的事件／事故损失、激励分布于业务单元绩效匹配 公司 １成本因素 ２流动率因素 ３劳动力规划 ４雇员开发 Ａ Ｂ Ｃ －２ １ ２３ １ ７５５ －０ ４７５ ２ ５５２ ２ ３０７ ｛７ｌ８ —１ ８７５ －０ ０３ ２ ｏ８３ ０ ８１ ９ －０．８５９ －０ ０４３ 竞争力 １ ２９５８６４９ ５ 率。 指标２（流动率因素）． ３ ０４３０９８４ 企业内的流动率是否与劳动力市场现有水平有可比性。关 键流动率统计量包括公司总流动率、职位流动率、特定职能单 位的流动率、地理位置的流动率、年龄段的流动率、种族流动 Ｘ Ｙ Ｔ１ ０ ５１ ３ Ｏ ４８４ Ｏ Ｏ０１ －０ ８０４ －０．８８３ －０ ９４７ ０ ０１４ ０ １９２ Ｏ ９４１ —１ ２１１ －０，８６６ １ ０５７ ２ ９９９４１ ７６ ３ ６８９５７４８ １ ８５７８９１ ７ 《裔场现代化 ２００９年１月（下旬刊）总第５６４期 人力资ｉ噘 Ｔ２ ０．１０８ 一Ｏ ９６ ０，６７１ ０．７９４ １ ９４２３４１ ３ 变置（竞争力）渊练拟台圈 ＿ Ｔ３ 丁４ Ｏ．ｏ２２ 一Ｏ １８６ —１ Ｏ１ －１ ０１ ５ １ ５３２ 一Ｏ ３８６ ０．８８２ １．５８９９８２５ 一Ｏ ０５４ ２ ２５９７５５４ Ｔ５ －０．０９８ －１．０４２ 一Ｏ ５９７ １ ００６ １ ５８９９８２５ ４．ＢＰ网络的结构及学习算法基本数学公式 ＢＰ网络是采用Ｗｉｄ ｒｏｗ２Ｈｏｆｆ学习算法和非线性可微转移函数 的多层网络（图１）神经网络模型通常由输入层、输出层和若干隐 含层组成．每层包含有多个神经元 各层之间以权值相连，每个神 经元的初值定义为阈值。 口 －ｂｑ 输八层｛ｍ个） 隐层｛ｎ个） 输出层（ｐ个） 田 固 囡 图１神经网络模型图 在图１中．假定输入层、隐含层和输出层的神经元分别是Ｉ层， Ｈ层，Ｏ层。Ｘ１．ｘ２．…，ｘｍ是网络的输入层 Ｈ１，Ｈ２ … Ｈｎ是网 络的隐层 Ｙ１，Ｙ２，…，Ｙｐ是神经网络输出层的实际输出值。 ５．３Ｏ个企业ＨＲ竞争力的神经网络训练与预测实验设计 ＢＰ神经网络结构的设计包括确定网络的输入层节点数、隐含 层节点数及输出层节点数。网络输入层的节点数为输入样本的指 标个数，输出层的节点数为目标向量的个数．因此，根据本文原始 数据资料可知，ＢＰ网络输入层和输出层的节点数分别为３Ｏ个和３０ 个。隐含层节点数的选择是一个十分复杂的问题 往往根据设计 者的经验和多次试验来确定，没有一个固定的标准，根据本文的输 入层输出层节点数．用马克威分析系统（ＭａｒｋＷａｙ）经过多次试验结 果显示 实验方法为训练和预测 前２５个企业为训练集，后面５ 个企业为预测集．学习精度为０ ００１，最大训练次数为３０００，学习 率为０．６，隐含层的节点数选用８个．网络的 ＂１４＝６Ａ比较好，实际系 统精度为０．００１ ８。训练结果见表２： 表２ ２５家企韭ＨＲ竞争力的训练结果准确率分析 公司 预测值 实际值 绝对误差 相对误差 Ａ １ ２６１ ７ １ ２９５９ ０ ０３４１ Ｏ Ｏ２６３ Ｂ ４ ９５７４ ５ ０。ｏ。 ０ ０４２６ ０ ００８５ Ｃ ３ １３１０ ３ ０４３１ ０ ０８７９ ０ ０２８９ Ｘ ３ ｏ１２７ ２．９９９４ ０ ０１ ３３ ０ ００４４ Ｙ ３ ４１６７ ３ ６８９６ ０．２７２９ ０ ０７４０ 训练测试样本的拟合图见图２ 《商场现代化 ２００９年１月（Ｔ旬刊ｊ总第５６４期 ０ ０ ５０ １０ ０ １ＳＯ ∞０ ２５Ｄ 图２ ２５家企监ＨＲ竞争力的训练结果的拟合图 表３ ５家预测集企业的预测准确率检验分析 公司 预测值 实际值 绝对误差 相对误差 丁１ １ ７７２８ １ ８５７９ Ｏ ｏ８５｛ ０ ０４５８ 丁２ ｌ ９３１２ １ ９４２３ ０ ０１１ ２ Ｏ Ｏ０５７ Ｔ３ １ ６２７８ １ ５９Ｏ０ Ｏ ｏ３７８ Ｏ．０３２５ Ｔ４ ２ ２６９８ ２ ２５９８ ０ ０８９９ Ｏ．０４２６ Ｔ５ １ ４７７２ ｛５９ｏ０ Ｏ Ｏ｛２７ ０ ０２９６ ２５家企业作为样本集．经过训练和结果比较，ＢＰ神经网络的 预测准确度达到了９５％以上 可以认定训练结果准确率是可接受 的，那么就可以保存已经训练好的网络结构．以供预测真实的未 知数据使用 来评定企业的ＨＲ竞争力。 三、结束语 企业ＨＲ管理者的职责已逐渐从作业性、行政性事务中出 来 更多地从事战略性人力资源管理工作，想要让企业获得持久 的竞争优势，必须要依靠构筑人力资源竞争力。 ＢＰ神经网络对ＨＲ竞争力可以对一个企业在市场竞争中所处 的地位，与其他企业竞争力量的强弱作出准确的预测．为ＨＲ管理 者提供了干斗学的判断工具，让ＨＲ管理者在整个动态人事管理体系 之中，择机采用不同的操作策略，不断地激活人力资源．从而提 升了企业的人才竞争力 快速构筑人才竞争力．方可提高和持续 保持企业竞争力。 参考文献： …文魁吴冬梅：科技创新人才环境研究报告ｆＪ１．北京：经 济与管理研究，２００６．１ 【２】董长虹：神经网络与应用［Ｍ】．北京：国防工业出版社，２００５： ２３９～２５４ 雷蒙德（Ｒａｙ Ｍｏｎｄ，Ａ．Ｎ．）：人力资源管理（获取竞争优势第５版 影印版）【Ｍ】．清华大学出版社，２００５ ［４】李中斌：企业人力资源竞争研究【Ｍ］．中国言实出版社，２Ｏ０７ ［５】黄 晖：马克威软件与当代数据分析【Ｍ］．北京：中国统计出 版社 ２００６．５１ ９～３５８
