基于SPA的人力资源外包风险动态评估 摘要:对外包风险进行量化分析是降低人力资源管理外包风险的基础。通过对人力资源外包风险相关文献和资料的分析,构建了以外包准备阶段的风险、外包商选择阶段的风险、外包商服务阶段的风险和退出外包阶段的风险为目标变量的评价指标体系。针对外包过程的不确定性,采用集对分析和马尔科夫链构建人力资源外包风险评估模型,通过引入对立度和同一度,对企业实施人力资源外包风险进行合理分析。最后,通过一个实例,证明该方法的有效性。
关键字:人力资源;外包;集对分析;动态评估
中图分类号:C9
310 引言
人力资源外包过程中存在风险是客观的,而对风险进行有效分析是做好外包风险防范和控制的前提[1]。因此,如何对人力资源外包过程中的风险动进行态、定量分析,从而合理利用外部资源,降低成本,提高效率,提升企业核心竞争力,是企业实施人力资源外包策略所面临的重要课题。
在这样的背景下,国内外众多专家学者对人力资源外包风险进行了大量深入的研究,并取得了许多有价值的研究成果,如加拿大的David W.Conklin(2005)在研究现有资料的基础上,全面分析了人力资源外包策略的回报和风险,并通过一个案例分析,阐述了在实施人力资源外包过程中的注意点,最后指出各公司应结合自身的业务特色采取相应的外包策略[2]。刘兵(2006)等以人力资源外包流程为分析对象,建立了外包风险评价指标体系,并采用灰色模糊综合评价的方法对企业实施人力资源外包业务过程的风险进行了定量评估[3]。王新驰,姜军(2010)通过风险影响程度和风险发生概率对人力资源外包风险实施过程的各阶段进行研究,并采用Borda 序值法对各阶段风险大小进行排序,并在此基础上提出了具有针对性的风险控制措施[1]。李敏(2009)在问卷调查的基础上设立了
上述研究为企业进行人力资源外包风险分析提供了有力的技术支持和理论指导。但是,关于人力资源外包风险动态评估的研究相对较少,因此,在上述研究的基础上,本文从方面出发构建了人力资源外包风险的评价指标体系,并采用集对分析与马尔科夫链实现人力资源外包风险的动态、定量评估。
1 集对分析的基本理论
集对分析(Set Pair Analysis,SPA)是我国学者赵克勤于1989提出的一种不确定性问题分析方法[5]。集对分析的基本思路是:在同一问题背景下,对一个集对的N个特性展开分析,通过对特性中同一特性(S)、对立特性(P)、既对立又同一特性(F)的确定,建立两个集合在指定问题背景下的同异反联系度μ。则有联系度μ表达式如下:
abicj(1) 从静态角度考虑,假设特征的权重为k,并设定特征按照S、F、P的顺序排列且连续
编号,则集对{A,B}静态联系度为:
abicjk
k
1SSFNSSFkS1kikj(2) kSF1N
式中,k
k1kS1kikj1。
kSF1
2 构建人力资源外包风险评价指标体系
借鉴国内人力资源外包风险评估的相关研究,并对部分文献(刘兵等,2006;王新驰2010)的归纳和总结,建立如图1的人力资源外包风险评价指标体系:
图 1 人力资源外包风险评估指标体系
Fig 1Outsourcing risk evaluation System of human resource management
3 外包风险动态评估模型
3.1 构建外包风险动态评估模型
在对人力资源外包风险评价的过程中,需要考虑各特性指标随时间的动态变化过程。而运用马尔科夫链与考虑元素权重的集对分析相结合可以研究系统动态转移规律,分析随机事件未来变化及可能的结果[5]。因此,建立基于马尔科夫链的动态集对分析可以有效实现动态分析人力资源外包风险的要求。假设集对{A,B}的N个特性在t时刻的各联系分量分别为St、Ft、Pt且满足St+Ft+Pt=N。若将N个特性仍按St、Ft、Pt的顺序重新排列并连续编号,且各特性在t时刻重编后的序号所对应的权重为k(t),则t时刻的联系度,即集对的动态联系度为:
abicjk
(t)
(t)
(t)
(t)
(t)
k
1St
kSt1
Ft
(t)
k
i
kStPt1
N
k(t)j,i[1,1],j1(3)
式中,
k
(t)
k1
St
kSt1
Ft
k
(t)
kStPt1
N
k(t)1。
如果集对在(t,t)期间(为变化周期)原有指标值的同异反关系发生了变化,部分指标保持原有状态,其余则发生了变化。不妨设在(t)时刻,集对中原有的St个共同
特性仍有St1个,St2个既不相同也不对立,St3个转化为对立。从而St在时间内的转移概率向量(经归一化处理)为:
St1St1St
2(t)
m(M11,M12,M13)(k,k(t),
k1
kSt11
kSt1St21
St
k(t))/a(t)(4)
式中,M11M12M131;a
(t)
(t)k。
k1
St
同理,可得F、P两特性的转移概率向量,计算和假设同上。 因此,在(t,t)时间内的转移概率矩阵为M,并得集对的联系度为:
(t)a(t)b(t)ic(t)j(a(t),b(t),c(t))M(1,i,j)T(5)假设每个变化周期的概率转移矩阵都为M,则n个周期后的集对联系度为:
(tn)a(tn)b(tn)ic(tn)j(a(t),b(t),c(t))Mn(1,i,j)T(6)
由上述分析可知该马尔科夫链是遍历的,从而存在唯一不变分布,则有以下方程组:
,c,b(IM)0a
cb1a
,c,b0,I为单位矩阵。 式中,a
解上述方程组可获得集对{A,B}经历多个周期后趋于稳定的联系度为:
~a~bic~j
3.2 外包风险程度等级划分
为了实现评价过程的定量和定性有效结合,本文将风险程度划分为低风险、一般风险(与
企业实施外包的目标有一定差距)和高风险三个等级,分别记为L、G、H。按照均分原则,取i=0,j=-1,则可得外包风险的程度等级,以联系度μ∈[-1,1]表示,划分结果如表1所示:
表 1 外包风险等级划分
Table 1Division standard of outsourcing risk
等级 联系度
高风险 ﹣1≤<﹣0.333
一般风险 ﹣0.333≤<0.333
低风险 0.333≤<1
~
4 实例运用
以内蒙古某煤矿企业为例。组织相关经验的人员按照风险影响程度和发生概率两个方面对过去几年外包的风险情况进行辨识。通过整理,从而形成如表2所示的外包风险评价指标基本数据:
表 2 外包风险评价指标基本数据 Table 2 Data of Outsourcing risk evaluation index
一级指标 外包商 选择阶段
二级指标
选择外包商信息不对称的风险
外包商不匹配的风险
合同的风险 管理和文化融合的风险 时间控制的风险 道德的风险
权重值 0.053 0.026 0.064 0.105 0.053 0.114
2008 G H H L G L
2009 H G L G H H
2010 G H L L H G
外包商 服务阶段
权利责任分担的风险 突发事件的风险 丧失学习创新能力的风险 外包内容与动机不符
外包准备阶段
企业员工的反对 商业机密泄露的风险 影响价值链与工作整体性
退出外包阶段
向独立管理过渡的风险 责任划分不清的风险
泄露的风险
0.053 0.125 0.026 0.053 0.079 0.053 0.064 0.053 0.053 0.026
H G H G H L H L H G
G L H L H L G G L H
L L H L G G L H L G
注:1.由于数据涉及企业核心内容,表中数据是经修改的; 2.权重的确定通过指标权重的集对分析模型获得。
运用以上模型对各年外包风险进行动态分析。由表2中数据和式(2)得该公司08-10年的外包风险联系为:
080.3250.310i0.365j090.3480.301i0.351j 100.5170.3250.158j
若按同一度考虑,由上述联系度可知,2010年的人力资源外包风险最低。还可以通过对变异系数i取不同值进行分析。同时,本文取各时段转移概率矩阵权重相同,从而有该时段内的平均转移概率矩阵为:
0.5050.3190.000M0.6560.5830.175
0.1600.3440.256
同时可得该公司在08-10年时段内的人力资源外包风险平均联系度为:
0.3970.312i0.219j。并且可以通过该模型预测未来的风险情况。因此,由式(6)
可预测下一阶段的外包风险情况为:
11M0.4410.254i0.234j。
5 结论
本文在已有研究的基础上,针对人力资源外包风险的动态特性,建立了基于集对分析和
马尔科夫链的风险动态评估模型。通过集对分析的联系度对风险大小进行了量化分析,同时结合马尔科夫转移概率矩阵实现了集对分析的动态效果,并且提供了一种预测下一阶段风险情况的方法,从而为企业实施外包业务提供决策以及风险控制的依据,以降低成本,提升企业核心竞争力,最终,实现企业经营目标。
参考文献
[1] 王新驰,姜军.企业人力资源外包风险测度分析[J].商业时代,2010,17:72-73.
[2] David W.Conklin.Risks and Rewards in HR Busine Proce Outsourcing[J].Long Range Planning, 2005,38:579-598.
[3] 刘兵,苏姗姗,陈晓洁.企业人力资源管理外包风险评估体系研究[J].商业研究,2006,14:98-102.
[4] 叶义成,柯丽华,黄德育.系统综合评价技术及其应用[M].北京:冶金出版社,2006.
[5] 孙晋众,陈世权.一种集对分析的动态模型及其应用[J].系统工程,2004,22(5):35-38.