第三单元 企业人力资源需求的总量预测①
【学习目标】
通过学习，掌握企业人力资源需求总量预测的各种基本概念和基本方法。
【知识要求】
影响企业人员需求的因素有很多，而且不同人员的影响因素各不相同，因此，在做人力资源需求预测时，必须根据岗位的特点分析其影响因素，确定合理而具体的影响参数
1．影响企业专门技能人员需求的参数有：企业战略、组织结构、销售收入(利润)、产值产量、总资产(净资产)、总成本、追加投资、人工成本、劳动生产率、出勤率、能源消耗情况、定额工时、作业率和废品率等。
2．影响专业技术人员需求的参数有：企业战略、组织结构、销售收入(利润)、产值产量、总资产(净资产)、总成本、追加投资、人工成本、出勤率、生产技术水平、新项目投资、科研项目、科研经费、科研成果、研究成果获奖，以及科技成果转让等。
3．影响经营管理人员需求的参数有：企业战略、组织结构、销售收入(利润)、产值产量、总资产(净资产)、总成本、追加投资、人工成本、劳动生产率、出勤率、能源消耗情况、企业管理幅度、企业信息化程度、信息传送速度、决策速度，以及企业其他各类人员的数量等。
【能力要求】
本单元与下一单元将以A企业为例介绍各种人员需求预测方法的应用。需要指出的是，由于A企业要求对实际数据进行保密，本节中有关A企业的所有数据都经过不同程度的处理，并非原始数据，因此，数据实际参考价值弱，请读者重点理解预测方法的运用。
一、A企业人员总量需求预测
(一)趋势外推法
趋势外推法是利用惯性的原理，对企业人力资源需求总量进行预测。根据调研结果，A企业人员总量的数据见表1—6，其中t表示年度，为自变量；L表示人员总数，为因变量。
表1—6企业员工总数时间序列统计表
1．定性分析
(1)根据近些年来的企业人力资源管理所采取的减员增效策略，可以作出“短期内该企业的人数将持续降低，至少将保持持平的发展状态”的推断。
(2)实际上，企业人数不可能一直下降到0，因为在现实的生产条件下，企业要保证生产产品的销售量，赚取利润，还必须具备一定规模的员工人数，而不可能是“无人工厂”或采用“机器人”的生产模式。因此，做函数拟合的曲线不应具有一直向下的趋势。
2．函数拟合
将上表输入到SPSS，作函数拟合，本文选用九种函数对企业员工总数的趋势做出拟合，见表1—7。
上述公式中，L为人员总数，t为时间变量，bi为系数。通过SPSS分析，上述9种函数做拟合的结果见表1一7。
表1—7曲线拟合结果表
续表
3．模型筛选
根据表1一8所反映的信息，可以判断，在时间序列曲线估计的9种模型中，所有模型的F值都大于10，其显著度P都基本接近0，这说明用这些曲线做人数估计拟合是符合要求的，也就是说可以选用这些曲线做拟合。
表1—8各个模型的显著性、判定系数及标准误差值表
预测模型名称 |
判定系数(R2) |
F值 |
SigF |
Std Error |
|
对数函数(LOGARITH) |
0.957 2 |
268.652 2 |
0.000 0 |
623.438 9 |
|
双曲线(INVERSE) |
0.758 0 |
37.578 4 |
0.0001 |
1483.3097 |
|
二次函数(QUADRATI) |
0.979 3 |
259.887 1 |
0.000 0 |
453.3391 |
|
三次函数(CUBIC) |
0.981 4 |
175.492 3 |
0.000 0 |
450.923 2 |
|
复合模型(COMPOUND) |
0.917 2 |
132.959 2 |
0.000 0 |
0.078 9 |
|
幂指数(POWER) |
0.946 4 |
211.855 8 |
0.000 0 |
0.6351 |
|
S曲线(S) |
0.701 2 |
28.162 1 |
0.000 2 |
0.149 9 |
|
生长模型(GROWTH) |
0.917 2 |
132.959 2 |
0.000 0 |
0.078 9 |
|
指数函数(EXPONENT) |
0.917 2 |
132.959 2 |
0.000 0 |
0.078 9 |
观察表1—8第二列的数据，发现双曲线与S曲线模型的R2比较小，而一般情况下，R2>0．8才认为有效，所以这两种曲线应舍弃。另外，还能从表中发现复合函数、生长模型和指数函数这三个模型的预测结果是完全相同的，它们的判定系数、显著性以及标准误差值也是完全相同的，这就是说，这三个函数只取一个就可以了。因此保留对数函数、二次函数、三次函数、复合模型、幂指数模型。
(二)回归分析法
回归分析法是依据相关性原理对人力资源需求的总量进行预测。在项目进行中，通过对企业销售收入、利润、资产、产值、能源消耗量、设备数量的调查，取得了大量数据。在对这些数据进行必要的整理汇总和处理之后．绘制出散点图，发现销售收入、总资产、设备等方面的数据变化趋势具有连续性和规律性，而利润、产值、能源消耗量等数据，由于受企业办社会、国家限产等企业外部环境条件的影响较大，使它们的变化趋势不规则，从而导致这些指标的有效性明显降低。因此，经过数据检验和相关分 析，选择销售收入、总资产、设备数量作为自变量，以企业员工总数为因变量，进行回归分析。回归分析检验结果，见表1—9。
表1—9回归分析检验表
1．确定性系数R 2=0．967，趋于1，说明回归方程拟合优度高。
2．回归方程F检验的显著度P为0，小于显著性水平0．05，因此整个回归方程线性关系显著，可建立线性回归模型。
3．回归系数显著性T检验中所有系数的P值均小于显著性水平0．05，可见三个变量与被解释变量月工资额的关系显著，应保留在回归方程中。根据表1—8，回归方程表示如下：
L=85 827．447+0．001R+0．012A-14．245F
标准化方程为：L=0．043R+1．416A-2．376F
式中，L为企业员工总数；R为销售收入；A为总资产；F为设备数重。
根据A企业“十二五”期间的战略规划资料，查得销售收入、总资产和设备数量2011—2016年的规划数据，将该数据代入回归方程，即可得到2011—2016年企业人数的预测结果。
(三)运用灰色预测理论进行预测
选取表1一6中1997—2010年的企业人员总数统计数作为预测的基础数据，见表1一10。
表1—10灰色系统预测基础数据表
应用灰色系统GM(1，1)模型，K=0，1，…，13，分别代表1997年、1998年、……、2010年，X(O)(K)为第K年企业员工总数。设X(1)(K+1)为累加到第K年的企业员工总数，即对X(O) (K)做一次累加生成。则：
由此可以推导出未来年度企业员工总数的累加生成数，将累加预测做还原，即得到预测数值，见表1—11(K=13时，预测累计值为143 299)。
表1—11灰色系统预测值表
(四)利用模型进行预测
在企业的发展战略中，有关未来5年销售收入、利润、投资额(包括投入设备)等数据的计划，则有未来销售收入等各个计划的数据，根据以上方程，代入这些自变量，得到以下预测结果见表1一12。
表1—12最终结果形成表人
年份 |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
|
对数函数 |
6 930 |
6 694 |
6 472 |
6 263 |
6 065 |
5 877 |
|
二次函数 |
7 967 |
8 343 |
8 847 |
9 478 |
10 237 |
11 124 |
|
三次函数 |
7 447 |
7 407 |
7 365 |
7 305 |
7 213 |
7 072 |
|
复合模型 |
6 307 |
5 938 |
5 590 |
5 263 |
4 955 |
4 665 |
|
幂指数 |
7 339 |
7 184 |
7 041 |
6 909 |
6 787 |
6 672 |
|
回归方程 |
7 292 |
7 250 |
7 126 |
7 109 |
7 018 |
6 959 |
|
灰色系统 |
6 064 |
5 685 |
5 330 |
4 998 |
4685 |
4 392 |
|
最终结果 |
7 049 |
6929 |
6 824 |
6 761 |
4709 |
6 680 |
本文认为各个模型的预测结果没有重要与否的区别，即认为它们的权重相同，将这些模型的预测结果做平均，可以得到2011—2016年的企业员工总数最终预测结果。
可以看到。2011年上面7种模型预测结果平均值为7049人，实际上该企业2011年年底企业人数为7103人。这说明，预测值与实际值存在一定的误差,需要连续观察修正。要做长期预测，必须要做好随时修正的准备，也就是报考预测：因为每个预测值都会被依次检验到，那么，当真实值出现时，需要不断比较其与预测值之间的差距，并对后续的一系列预测结果做调整。由于2011年的真实值出现了，且预测误差率为(7049—7 103)／7 103=-0．76％。这个数值是比较低的。用这个误差率对2011—2016年人数预测值进行修正。即用每个预测值加上调整值，得到修正后的企业人员预测值，见表1一13。
表1—13企业201 1—2016年员工总数修正预测值
年份 |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
|
预测结果 |
7 103 |
6982 |
6 876 |
6 812 |
6 760 |
6 731 |
二、企业专门技能人员总量预测
(一)企业劳动定员定额分析
1．定性分析
由表1一14可见．专门技能人员在企业总人员中所占的比例基本保持在70％左右，而近年来随着数控设备等新型设备的不断引进，A企业有几个装备好的车间和分厂基本上实现了加工的自动控制或者局部自动化，这种趋势还将不断加强。设备的引进，随之而来的是加工的精细化，加工质量和速度的提高以及对生产工人需求的逐步减少。从表1一14中不难发现，事实上近年来专门技能人员的比例的确是有所下降的，至2010年，专门技能人员所占的比例为67．19％，如果未来几年继续下降的话，有可能会达到65％的比例。因此，以人员比率法推算，按70％～65％的比例，可以大体判断企业专门技能人员的总量范围见表1—15。
表1—141997—2010年专门技能人员数量状况表
年份 |
企业员工总数(人) |
专门技能人员数量(人) |
专门技能人员所占比例(％) |
|
1997 |
15 860 |
10 947 |
69．O2 |
|
1998 |
14 865 |
10 600 |
71.31 |
|
1999 |
14 238 |
10 271 |
72.14 |
|
2000 |
12124 |
8 700 |
71.76 |
|
2001 |
10 890 |
7 741 |
71.08 |
|
2002 |
10 067 |
7 116 |
70.69 |
|
2003 |
8900 |
6 250 |
70.22 |
|
2004 |
8 602 |
5 983 |
69.55 |
|
2005 |
9026 |
6 357 |
70.43 |
续表
年份 |
企业员工总数(人) |
专门技能人员数量(人) |
专门技能人员所占比例(％) |
|
2006 |
8 236 |
5 786 |
70.25 |
|
2007 |
8 109 |
5 540 |
6.32 |
|
2008 |
7 738 |
5 342 |
69.04 |
|
2009 |
7 621 |
5 124 |
67.24 |
|
2010 |
7 325 |
4 922 |
67.19 |
表1—15企业专门技能人员总量范围判断表
年份 |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
|
上限 |
4 972 |
4 887 |
4 813 |
4 768 |
4 732 |
4 712 |
|
下限 |
4 617 |
4 538 |
4 469 |
4 428 |
4 394 |
4 375 |
2．采用劳动效率定员法进行预测
通过调研,搜集到A企业甲、乙两种系列产品各基本生产工人的劳动定额工时，历年平均出勤率、平均作业率、历年废品率、企业历年产品产量等一系列数据，以及企业2011一2016年主要产品产量的计划指标和数据。预测某一工种岗位人员的需求人数，通常利用以下公式进行预测：
(1)定额完成率=实际完成定额工时总数／实作工时总数。
(2)实作工时总数=制度工时总数一缺勤工时总数一非生产工时总数一停工工时总数+加班加点工时总数，或者=制度工时总数×工时利用率+加班加点工时总数。
(3)工时利用率=作业率×出勤率。
(4)出勤率=出勤工时／制度工时。
(5)作业率=实作工时／出勤工时。
(6)需求人数=计划定额工时总数×(1+废品率)／(2 000×出勤率×作业率×定额完成率)。
最后一个公式是人员需求预测的最终公式，其中2 000是每年每个员工满额的制度工作工时数。
在进行岗位人员需求预测时，根据采集到的统计数据，在作业率、出勤率、废品率和定额完成率等指标已知的情况下，可以根据下列数据，对钳工和数控机床操作工需求人数进行核算。
(1)已知钳工2010年的甲产品单件定额工时为164．255小时，乙产品单件定额工时为271．377小时，2010年甲产品产量为1415台，乙产品产量为1 054台。2010年的平均作业率为90．2％，平均出勤率为98．6％，废品率为0．09％，平均定额完成率为l28％，则2010年钳工岗位人员需求人数为：
2010年钳工岗位人员需求人数
=(164．255 × 1 415+271．377×1 054)×(1+0．09％)÷(2 000 × 98．6％× 90．2％× l28％)=227．917≈228(人)
但实际上，钳工当年的人数为239人，这就是说，钳工富余11人(239-228=11)。
(2)已知数控机床操作工2010年的甲产品单件定额工时为52．785小时。乙产品单件定额工时为87．21小时，2010年甲产品产量为1 415台，乙产品为1 054台。2010年平均作业率、平均出勤率、废品率、平均定额完成率同上，则2010年数控机床操作工岗位人员的需求为：2010年数控机床操作丁：(52．785×1 415+87．21 × 1 054)(1+0．09％)／岗位人员需求量(2 000×128％×90．2％×98．6％)=73．243≈73(人)
2010年数控机床操作工的实际人数是68人，这说明数控机床操作工还欠缺5人(68+73=--5)，这个工种的工作有些吃紧，因此，工人在实际工作中需要加班加点才能完成生产任务。
依次可计算出所有实行工时定额管理工种的定员人数，并填入表1—16。
表1—16基本生产工人2010年定员人数表
序号 |
工种 |
实际在职人数 |
定额定员人数 |
|
|
钳工操作 |
239 |
227 |
|
|
数控机床操作 |
68 |
73 |
|
|
车床操作 |
389 |
382 |
|
|
铣床操作 |
162 |
171 |
|
|
刨插床操作 |
30 |
25 |
|
|
磨床操作 |
130 |
112 |
|
|
镗床操作 |
36 |
34 |
|
|
加工中心操作 |
25 |
26 |
|
|
拉床操作 |
10 |
11 |
|
|
锯床操作 |
24 |
24 |
|
|
弹性元件制造 |
11 |
12 |
|
|
冷作钣金操作 |
15 |
20 |
|
|
铸造操作 |
50 |
52 |
|
|
锻造操作 |
90 |
88 |
|
|
焊接操作 |
363 |
342 |
序号 |
工种 |
实际在职人数 |
定额定员人数 |
|
|
金属热处理操作 |
291 |
282 |
|
|
剪切操作 |
21 |
21 |
|
|
成型操作 |
16 |
18 |
|
|
冲压操作 |
70 |
62 |
|
|
电加工操作 |
13 |
12 |
|
|
表面镀层操作 |
33 |
30 |
|
|
表面涂装操作 |
56 |
49 |
|
|
木材制品操作 |
27 |
25 |
|
合计 |
2 169 |
2 098 | |
一般来说，单件产品的定额工时总是呈下降趋势的，产品刚上线时，单件产品定额工时通常比较高，但随着产品产量的加大，设备操作的熟练以及工人技能的提高,单件产品定额工时就会随之下降,这种下降趋势不是无限的，到了某个点，就会保持稳定状态，这时产品也就到了成熟期。进行单件产品工时定额的预测应以产品成熟期的数据为基础。
A企业根据甲、乙产品的单件定额工时的预测数据，再结合“十二五”规划里甲、乙产品产量的数据，就可以根据定员定额公式推断专门技能人员基本生产工所需要的员工总数。计算结果见表1一17。
表1—17专门技能人员基本生产工人数预测表
年份 |
2011 |
2012 |
2013 |
2014 |
20152016 |
|
预测值(人) |
2 165 |
2 171 |
2 104 |
2 039 |
1 9681 910 |
(二)回归分析
可以有两种方式作多元回归方程：一是利用企业产量产值等数据做自变量，以专门技能人员人数为因变量做回归；二是以经营管理人员人数、专业技术人员人数、企业员工总数做自变量。以专门技能人员人数做因变量做回日。第一种方式的问题在于企业的各种指标到底是与员工总数相关，还是与专门技能人员人数相关。列入自变量的指标在未来六年中的规划数据是否齐全：第二种方式的问题在于企业员工总数的值必须是经过预测后的调整值。而经营管理人员、专业技术人员在做回归时采用的是真实值，如何知道其未来六年的预测值。
查阅调查数据．发现企业的很多指标都没有未来规划值，也就是说企业战略没有对这些具体指标作规划，比如能源消耗、工资水平、劳动生产率水平等。而且专门技能人员在多元回归上还存在大量数据空白，因此本例只能选择一元回归，用已知的数据来进行预测。
现在考虑以企业人员总数为自变量，专门技能人员人数为因变量，设计一元回归线性方程。先利用SPSS做相关分析，得到企业人员总数与专门技能人员人数的相关系数为0．998，显著度P值为0，可见两者高度相关，这也符合前面的定性分析，即专门技能人员与企业员工总数基本保持在70％。说明可以利用企业人员总数来做预测，一元回归方程的形式如下：
Y=α·X+b
式中，Y为专门技能人员的人数；X为企业人员总数；a为回归系数；b为常数项。
将表1—14的数据输入计算机。利用SPSS进行回归分析，即可得到回归方程：
Y=0．73X-297．531
将前面表1—12中预测的2011—2016年的企业员工总数带人方程，可以得到专门技能人员在未来6年的预测值，见表1—18。
表1—182011—2016年专门技能人员人数预测值表
年份 |
2011 |
2012 |
2013 |
2014 |
20152016 |
|
预测值(人) |
4888 |
4 799 |
4 722 |
4675 |
4 637 4616 |
将表1—18中的数值与表1—15相对照．发现这些数据全部符合定性判断的范围，这说明一元回归分析的结果是具有一定可靠性的。
三、企业专业技术人员总量预测
影响企业专业技术人员数量的因素很多，本例收集了1999—2010年A企业的专业技术人员数量、销售收入、利润、资产、产值、能源消耗量、设备数量等数据，经过初步处理发现：利润、产值、能源消耗量因受国家政策和社会情况影响较大．不宜引入回归方程：企业员工总数与专业技术人员数量线性关系不显著，也不宜引入回归方程；而销售收入、科技支出、设备数量变化趋势连续，跳动比较有规律，且与企业专业技术人员数量有明显线性关系，可以引入回归方程。因此，本例以企业的销售收入、科技支出、设备数量为自变量，以专业技术人员数量为因变量，建立回归预测模型，运用SPSS统计分析软件进行分析处理，得出回归方程：
y=866．729+0．070x 1-0．171x2-0．107x 3
式中，y为企业专业技术人员总数；x1为企业销售收入；x2为科技支出；x3为设备数量。
将企业1999—2010年的销售收入、科技支出和设备数量分别代入回归方程，得到企业1999—2010年的专业技术人员的预测人数，与实际人数进行对比，见表1一19和图1一20。
表1—19 1999—2010年企业专业技术人员实际值与预测值比较人
年份 |
1999 |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
|
预测值 |
313 |
318 |
313 |
326 |
322 |
315 |
36l |
368 |
438 |
425 |
502 |
542 |
|
实际值 |
304 |
304 |
323 |
300 |
332 |
377 |
409 |
462 |
445 |
517 |
565 |
591 |
由图1—20中可以直观看出，企业专业技术人员的预测值的变化趋势基本反映了实际值的变化趋势。由此可以判断，我们所建立的回归模型用来预测企业专业技术人员的偏差率比较低．可靠度较高。
根据A企业“十二五”规划的要求．将2011—2016年该企业的销售收入、科技支出、设备数量的数据代入回归方程，得到2011一2016年该企业专业技术人员的预测值，汇总于表1—20。
表1—20 2011一2016年A企业专业技术人员人员人数预测值
年份 |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
|
预测值(人) |
604 |
653 |
712 |
780 |
846 |
928 |
四、企业经营管理人员总量预测
影响企业经营管理人员数量的因素很多，本例经过收集、处理、分析和筛选，选择了员工总数、销售收入、信息化投入作为自变量，以经营管理人员为因变量，建立回归预测模型，运用SPSS统计分析软件进行分析处理，
得到回归方程：
Y=-77．912+0．199x1+0．023x2-33．699x3
式中，y为企业经营管理人员数量；x1为员工总数；x2为销售收入；x3为信息化投入。
将企业1999—2010年的员工总数、销售收入、信息化投入分别代入回归方程，得到企业1999—2010年的经营管理人员的预测人数，与实际人数进行对比，见表1—21和图1一21。
表1—211999—2010年企业经营管理人员实际值与预测值比较人
年份 |
1999 |
2000 |
2001 |
2002 |
2003 |
2004 |
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
|
预测值 |
1 290 |
1281 |
1 135 |
1091 |
1237 |
1101 |
874 |
629 |
710 |
825 |
789 |
791 |
|
实际值 |
1 461 |
1427 |
1 399 |
1347 |
1269 |
988 |
959 |
869 |
930 |
85l |
789 |
754 |
由图1—21中可以直观看出，企业经营管理人员的预测值的变化趋势基本反映了实际值的变化趋势。由此可以判断，我们所建立的回归模型用来预测企业专业技术人员的偏差率比较低，可靠度较高。
根据A企业“十二五”规划的要求．将，2011—2016年该企业的员工总数、销售收入、信息化投入的数据代入回归方程，得到2011—2016年该企业经营人员的预测值，汇总于表1一22。
表1—222011—2016年A企业经营管理人员人数预测值
年份 |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
|
预测值(人) |
732 |
721 |
699 |
650 |
630 |
601 |
报考信息：2014年11月人力资源管理师考试时间：11月23日｜报名时间
课程辅导：为方便广大学员充分备考，233网校“2014年人力资源管理师HD高清课件”开始招生，辅导课程：VIP班，套餐班，精讲班，预测班，应用技巧班。免费试听>>
