人力资源管理风险评估方法优化

人力资源管理风险评价的目的是理解人力资源管理风险管理决策中的风险成分，有的时候，人力资源管理风险管理的失败并非由于未能正确识别风险，也并非未能落实处理策略，而是由于处理风险的方法不当，而处理方法的选择往往与风险估计的结果密切相关。可见，风险评价方法是整个人力资源管理风险管理过程中很关键的一环。

人力资源管理风险评价是一项极其复杂和困难的工作，必须用详细充分的损失资料加以衡量，评价人力资源管理损失发生的频率和强度，其重要性在于它不仅使人力资源风险管理建立在科学的基础上，而且还为选择最佳管理技术提供了科学依据。

从风险的定义即损失产生的可能性可知，风险的评价就是对风险发生概率及风险可能导致的损失大小的评价。在企业人力资源管理风险评价系统中至少涉及三类因素：一是被评价的企业人力资源风险；二是评价者；三是评价方法。无论其中任何一个因素发生变化都会影响到评价的结果。基于以上考虑，并结合到实践经验，可从定性和定量两种方法来对企业人力资源管理风险进行评价。

一、专家评价法

专家评价法是出现较早且应用较广的一种评价方法。它是在定量和定性分析的基础上，以打分等方式作出定量评价，其结果具有数理统计特性。其最大的优点在于使用简单、直观性强，能够在缺乏足够统计数据和原始资料的情况下，可以作出定量估计。专家评价法的主要步骤是：首先，根据评价对象的具体情况选定评价指标，对每个指标均定出评价等级，每个等级的标准用分值表示；其次，以此为基准，由专家对评价对象进行分析和评价，确定各个指标的分值，采用加法评分法、乘法评分法或加乘评分法求出各个评价对象的总分值，从而得到评价结果。人力资源管理风险专家评价法可分为绝对评价法和相对评价法。

1.绝对评价法

首先，细分企业所存在的各种不同类型的人力资源风险以及可能发生风险的部门；其次，请风险管理专家给每个部门每类风险的大小进行打分，如0表示无风险，9表示风险最大；最后，将各个分值按风险或部门加起来，再除以风险评价最大值之和，便得出某风险或部门风险的大小。例如，某企业共有4个部门，有6类主要人力资源风险，假定风险管理专家的打分值如表5-1所示。根据表5-1中企业最大风险一项，以及表5-2可知，企业最大风险数值之和为Rmax＝4×6×9＝216，实际风险值R＝128，实际风险水平r＝R/Rmax＝128/216＝0.593。

表5-1　各类风险打分表

根据历史及专家经验可得出一个企业人力资源风险的最低水平，如rmin＝0.5，由于r＞rmin，所以可以知道该企业的人力资源风险水平较高。同时，还可以计算出各部门和各类风险的实际水平，具体如表5-2和表5-3所示。

表5-2　部门综合评价评分表

表5-3　风险综合评价评分表

续表

2.相对评价法

在进行风险管理时，往往需要确定各种不同类型风险的相对大小，即进行风险排序，但是由于绝对评价法不能很好地表达风险两两之间的相对关系，便可利用相对评价法（专家相对打分法）这种方法。该方法需要细分风险类型，所不同的是专家相对打分法与绝对评价法不同，专家采用风险两两相互比较重要性的方法打分，如表5-4所示，表5-4中的第i行第j列的值：

Aij＝0，表明风险j没有风险i重要；

Aij＝1，表明风险j与风险i同样重要；

Aij＝2，表明风险j比风险i更重要。

那么横行相加求和结果大小就可显示出风险的排序。由表5-4可以看出各类风险的排序依次为：劳动关系管理风险、考评风险、培训风险、薪酬风险和招聘风险、离职风险。

企业人力资源风险专家评价法主要考虑了企业人力资源风险的特点和专家具有丰富的风险管理理论知识与经验，更重要的是考虑并利用了专家在处理繁杂、模糊信息方面的优势，而且使用起来非常方便。但笔者认为使用专家评价法也有它的适用条件：首先是专家的选择，并不是具有高级职称或拥有权力的人就是专家，尽管专家与职称、权力可能有某些联系。这里的“专家”是指具有相当扎实的风险管理及相关专业领域的理论知识，并通过长期的风险管理实践积累了丰富的经验和智慧的人员。其次是专家的人数，人数不能过少，否则不能反映不同情况或者说不能从不同的角度评价风险，但人数过多，专家意见又难以综合，也加大了量化处理的工作量及费用。上面的例子只考虑了一位专家的评价，若有多位专家，则要进行统计处理，限于篇幅不再赘述。

表5-4　相对打分法

（1）在请专家进行评价的过程中要特别注意信息的沟通问题：一是主持人将本企业有关情况汇报给各位专家；二是要尽可能使专家之间进行讨论，交换各自不同的看法，这样有利于意见的统一。

（2）要特别注意方法的灵活性问题，本书仅仅给出了方法的基本点，许多方面可以灵活处理。如绝对评价法中为了让专家考虑到各种不同类型风险的相互关系，可以给每位专家一个固定分值，如100分，让专家在不同风险之间分配，而相对评价法中的重要性还可以细分。

二、模糊综合评价法

企业人力资源风险由于风险载体的复杂性及所处环境的多变性，一些风险发生的概率和损失的大小可以量化，如人员流失风险中每年不同数量人员流出的可能性概率是可以通过历史资料分析和预测出来的，而人员健康风险发生后可能造成的间接损失也是可以计算出来的，但是大多数企业人力资源风险发生的概率及风险可能导致的损失大小不能准确用数字量化。即使是同一种风险，不同的评价者由于知识、经验、价值观等的不同，对于风险大小的认识也不相同。激进者对同一风险的大小评价要小于保守者对同一风险的评价，而且不同的评价者对于不同的风险大小评价也不相同。因此，企业人力资源风险大小具有模糊理论中的模糊特点，即具有模糊性，所以评价企业人力资源风险的大小，可以借鉴模糊数学理论中的模糊综合评价法。

（一）模糊综合评价方法的基本思想

1965年，美国控制论专家Zadeh第一次提出了模糊集合的概念，由此开创了一门新的数学分支——模糊数学。我国学者汪培庄在这个基础上提出了模糊综合评判法（Fuzzy Comprehensive Evaluation），该方法是以隶属程度来描述模糊界限的。评价因素的复杂性、评价对象的层次性、评价标准中存在的模糊性以及评价影响因素的模糊性或不确定性、定性指标难以定量化等一系列问题，使得人们难以用绝对的“非此即彼”来准确地描述客观现实，经常存在着“亦此亦彼”的模糊现象，其描述也多用自然语言来表达，而自然语言最大的特点是它的模糊性。而这种模糊性很难用经典数学模型加以统一量度。因此，建立在模糊集合基础上的模糊综合评价方法，从多个指标对被评价事物隶属等级状况进行综合性评价，它把被评价事物的变化区间作出划分，一方面，可以顾及对象的层次性，使得评价标准、影响因素的模糊性得以体现；另一方面，在评价中又可以充分发挥人的经验，使评价结果更客观，符合实际情况。模糊综合评价可以做到定性和定量因素相结合，扩大信息量，使评价结论可信。

（二）模糊综合评价模型类别

1.模糊评价基本模型

设评价对象为P：其因素集U＝{u1，u2，…，un}，评价等级集V＝{v1，v2，…，vm}。对U中每一因素根据评价集中的等级指标进行模糊评价，得到如下评价矩阵：

其中，rnm表示un关于vm的隶属程度。（U，V，R）则构成了一个模糊综合评价模型。确定各因素重要性指标（也称为权数）后，记为A＝{a1，a2，…，an}满足ai＝1，合成得：

经归一化后，得B＝{b1，b2，…，bm}，于是可确定对象P的评价等级。

2.置信度模糊评价模型

（1）置信度的确定。

在（U，V，R）模型中，R中的元素rnm是由评判者“打分”确定的。例如，k个评判者，要求每个评判者uk对照{v1，v2，…，vm}作一次判断，统计得分和归一化后产生：

且cij＝k，i＝1，2，…，k，组成R0。其中。既代表uk关于vm的“隶属程度”，也反映了评判uk为vm的集中程度。数值为“1”，说明uk为vm是可信的，数值为“0”，则忽略。因此，将反映这种集中程度的量称为“置信度”。对于权系数的确定也存在一个置信度问题。(www.xing528.com)

在用层次分析法确定了各个专家对指标评估所得的权重后，做关于权系数的等级划分，由此决定其结果的置信度。当取N个等级时，其量化后对应于[0，1]区间上N次平分。例如，N取5，则依次得到[0，0.2]、[0.2，4]、[0.2，0.6]、[0.6，0.8]和[0.8，1]。对某j个指标，取遍k个专家对该指标评估所得的权重，得[a1j，a2j，…，akj]。作和式：

其中，dij表示数组中[a1j，a2j，…，akj]属于[ai，bi]的个数，ao＝0，bi＝1。

取遍j＝1，2，…，n，得z1，z2，…，zn，归一化后得到权向量A＝{a1，a2，…，an}。如果zj∈[ai，bi]，则ai的置信度为。由此得置信度向量为{c1，c2，…，cn}。

（2）置信度的综合。

设c1，c2是两个置信度，对于逻辑AND，其置信度合成为：

对于逻辑OR，置信度成为：

其中，ε∈[0，1]，为参数，可适当配置。（5）、（6）两式的含义是：在逻辑AND下，min{c1，c2}≤c≤{c1，c2}；在逻辑OR下，{c1＋c2}≤c≤max{c1，c2}。

若c1＜1或c2＜1，则（5）、（6）两式中的平均值补偿部分不宜太强。ε可如下配置：

对于（2）置信度可合成为：

其中，

εi和εj的选择可参照（7）式。

结合（2）式，得到置信度的评价结果：

3.评价步骤

（1）确定评价对象的因素集域。

P个评价指标，u＝{u1，u2，…，up}

（2）确定评语等级集域。

v＝{v1，v2，…，vp}即等级集合。每一个等级可对应一个模糊子集。

（3）建立模糊关系矩阵R。

在构造了等级模糊子集后，要逐个对被评价事物从每个因素ui（i＝l，2，…，p）上进行量化，即确定从单因素来看被评价事物对等级模糊子集的隶属程度（R｜ui），进而得到模糊关系矩阵：

矩阵R中第i行第j列元素rij表示某个被评价事物从因素ui来看对vi等级模糊子集的隶属程度。一个被评价事物在某个因素ui方面的表现，是通过模糊向量（R｜ui）＝（ri1，ri2，…，rim）来刻画的，而在其他评价方法中多是由一个指标实际值来刻画的，因此，从这个角度讲模糊综合评价要求更多的信息。

（4）确定评价因素的权向量。

在模糊综合评价中，确定评价因素的权向量：A＝（a1，a2，…，ap）。权向量A中的元素ai本质上是因素ui对模糊子集（对被评事物重要的因素）的隶属程度。一般使用层次分析法来确定评价指标间的相对重要性次序，从而确定权系数，并且在合成之前归一化，即ai＝1，a≥0，i＝1，2，…，p。

（5）合成模糊综合评价结果向量。

利用合适的算子将A与各被评事物的R进行合成，得到各被评价事物的模糊综合评价结果向量B。即

其中，bi是由A与R的第j列运算得到的，它表示被评价事物从整体上看对vj等级模糊子集的隶属程度。

（6）对模糊综合评价结果向量进行分析。

通过分析与计算后，可以方便直观地对企业人力资源风险的大小进行综合评价，从而为企业管理者制定相应的人力资源风险管理决策提供帮助。但是笔者认为在企业实践当中，并非人力资源风险过程的每个环节都适宜使用模糊数学方法。由于企业人力资源风险的载体的复杂性及所处环境的多变性，一些风险发生的概率和损失大小可以量化，但企业人力资源风险发生的概率及风险可能导致的损失大小大多不能准确地用数字量化，因此在企业人力资源风险管理实践当中，管理者应当因地因时制宜，选择适合企业的、可操作性最强的方法。

三、马尔科夫评价模型

马尔科夫预测方法是以俄国数学家A.A.Markov的名字命名的一种预测方法，它将时间序列看做一个随机过程，通过对事物不同状态的初始概率及状态之间的转移概率的研究，预测事物的未来状态。

马尔科夫预测模型建立的基础是“无后效性”和“平稳性”，它决定了此模型的适用范围，企业人力资源风险的变动可以看做是随机变量，其状态数即主要核心能力始终保持不变，且具有了上述两个性质，可以应用马尔科夫预测模型进行预测。详细过程可参考相关数学书籍，计算过程比较烦琐，不再赘述。

例如，某公司的人力资源部，需预测未来企业人力资源风险的构成比例，对企业具体的人力资源风险进行分类，可以分为以下状态：招聘风险T、人员离职风险M、培训风险O、薪酬调整风险L、考评风险S、管理者道德风险N等。然后根据当前公司的状况确定其状态向量，确定每一步的状态转移概率的分布。可以采取调查问卷的方法，对移步转移概率进行多次评价来确定里面所包含的各种能力的权数，然后对照上述方法来确定1年或者2年甚至n年以后这样几种核心能力在企业人力资源风险中所占的权重，以预测未来1年该公司人力资源的发展方向以及未来该公司在人力资源风险中的主要风险，指导企业可持续发展。

综上所述，虽然人力资源风险评估模型的种类有很多，但是如果企业人力资源风险评估仅仅按照风险成因的每一项小点就建立一个模型，则往往会由于其他因素的变化降低结论的代表性，而且整个评估过程需要付出的代价对企业来说也太大，不符合企业追逐利润的根本需求，所以需要从企业整体的角度来进行人力资源风险的评估而不是简单地从哪个因素引发风险就针对哪个因素进行评估，进而从整体的层面上制定出企业人力资源风险管理策略。