[摘要] 本文從企業(yè)HR競爭力指標中用主成分分析析取出4個因子，構成企業(yè)HR的競爭力模型，通過BP神經(jīng)網(wǎng)絡對30家企業(yè)的HR競爭力進行了仿真預測，便于HR管理者即時對企業(yè)人才競爭力定位，有利于管理者對企業(yè)HR的戰(zhàn)略部署。

[關鍵詞] HR競爭力 主成分分析 BP神經(jīng)網(wǎng)絡 馬克威分析系統(tǒng)

一、引言

隨著信息技術在企業(yè)的人力資源部門的廣泛推廣應用，組織中有大量可用數(shù)據(jù)，數(shù)據(jù)中有大量的寶藏等待被發(fā)掘，可以撬動潛在競爭優(yōu)勢的領域。人力資源部門如果可以利用現(xiàn)有的數(shù)據(jù)積累進行挖掘，得到對企業(yè)戰(zhàn)略實現(xiàn)至關重要的結論，將可以幫助組織建立競爭優(yōu)勢，取得競爭優(yōu)勢。

人工神經(jīng)網(wǎng)絡(Artificial Neural Network，簡稱ANN)是由大量的、簡單的處理單元(稱為神經(jīng)元)廣泛的互相連接而形成的復雜網(wǎng)絡系統(tǒng)，模擬了人腦神經(jīng)元基本功能和網(wǎng)絡的基本特性，它可以避開復雜的參數(shù)估計過程，同時又可以靈活地對多成因的復雜未知系統(tǒng)進行高精度建模。

BP網(wǎng)絡模型包含了神經(jīng)網(wǎng)絡理論中最為精華的部分，其結構簡單、可塑性強，應用領域廣泛。

二、實證分析

數(shù)據(jù)來源：A－T5(見表1)等30家企業(yè)人力資源部門的公司總流動率、職位流動率等30個指標。

1.用主成分分析法提取30家企業(yè)的人才競爭的特征值

企業(yè)人力資源部門的指標數(shù)據(jù)較多，信息重疊多，不易于直接用BP網(wǎng)絡進行預測。本文通過對A企業(yè)建立人才競爭力形成的指標體系，采用主成分分析法對指標數(shù)據(jù)進行特征提取，獲得4個主要綜合指標。

運用SPSS13軟件，對影響企業(yè)人才競爭力的數(shù)據(jù)提取主成分。

第1主成分的特征值為7.229，方差在總方差中的比重為54.635%，它是人力資本形成的主要方面。前4項主成分的方差在總方差中的比重達到94.828%，按照主成分的選取標準，說明這4項主成分可以代替原來的30項指標，從而可以更簡單地利用它作用網(wǎng)絡的輸入節(jié)點數(shù)。由旋轉過后的分載荷矩陣可對4個因子命名為“成本因素、流動率因素、勞動力規(guī)劃、雇員開發(fā)”，根據(jù)各指標值在0.5以上的因素列出組成內容分別為:

指標1（成本因素）：

工資、津貼、激勵、職位升遷機會、新雇員的培訓費用、每個業(yè)務單元的事件/事故損失、激勵分布于業(yè)務單元績效匹配率。

指標2（流動率因素）：

企業(yè)內的流動率是否與勞動力市場現(xiàn)有水平有可比性。關鍵流動率統(tǒng)計量包括公司總流動率、職位流動率、特定職能單位的流動率、地理位置的流動率、年齡段的流動率、種族流動率、性別流動率、平均服務時間流動率、特定物理區(qū)域人員流動率、季節(jié)更動流動率。外在因素有國際流動率和其它企業(yè)的職工流動率。

指標3（勞動力規(guī)劃）：

員工流利掌握某特定語言能力人數(shù)比率、屬于特定的工作分類內員工比率、特定的技能集合員工人數(shù)比率、最高的業(yè)績表現(xiàn)員工比率、征募來源的成功率、特定的開發(fā)活動完成率。

指標4（雇員開發(fā)）：

參加需要的培訓事件人數(shù)比率、參加了特定的培訓班級人數(shù)比率、完成了特定開發(fā)行動的員工保持時間、業(yè)績指標和特定開發(fā)行動參與的相關比率、業(yè)務單元績效和開發(fā)項目實現(xiàn)的相關比率。

2.A～T5企業(yè)的BP神經(jīng)網(wǎng)絡的輸入變量值

用這4個因子的特征值對應的特征向量，即經(jīng)過變換后的綜合指標，標準化后得分作為BP人力資本競爭力的輸入樣本間。見表1的前4列指標。

3.人才競爭力指標計量

人才競爭力指標是根據(jù)專家打分，采用灰色系統(tǒng)評價得出的結果。人才競爭力指標可分為5檔，具體標準如下：

4分－5分：強大，企業(yè)人才競爭力十分強大，處于吸引人才的優(yōu)勢階段；

3分～4分：較強，企業(yè)人才競爭力經(jīng)常超出勞動力市場平均水平；

2分～3分：一般，企業(yè)人才競爭力能和勞動力市場平均水平持衡；

1分～2分：偏弱，企業(yè)人才競爭力落后于勞動力市場平均水平，將出現(xiàn)人才危機；

0分～1分：差，企業(yè)人才競爭力不能同任何企業(yè)相比，人員流失出于危急關頭。

4.BP網(wǎng)絡的結構及學習算法基本數(shù)學公式

BP網(wǎng)絡是采用Widrow2Hoff學習算法和非線性可微轉移函數(shù)的多層網(wǎng)絡(圖1)神經(jīng)網(wǎng)絡模型通常由輸入層、輸出層和若干隱含層組成，每層包含有多個神經(jīng)元，各層之間以權值相連，每個神經(jīng)元的初值定義為閾值。

在圖1中，假定輸入層、隱含層和輸出層的神經(jīng)元分別是I層，H層，O層。X1，X2，…，Xm是網(wǎng)絡的輸入層；H1，H2，…，Hn是網(wǎng)絡的隱層，Y1，Y2，…，Yp是神經(jīng)網(wǎng)絡輸出層的實際輸出值。

5.30個企業(yè)HR競爭力的神經(jīng)網(wǎng)絡訓練與預測實驗設計

BP神經(jīng)網(wǎng)絡結構的設計包括確定網(wǎng)絡的輸入層節(jié)點數(shù)、隱含層節(jié)點數(shù)及輸出層節(jié)點數(shù)。網(wǎng)絡輸入層的節(jié)點數(shù)為輸入樣本的指標個數(shù)，輸出層的節(jié)點數(shù)為目標向量的個數(shù)，因此，根據(jù)本文原始數(shù)據(jù)資料可知，BP網(wǎng)絡輸入層和輸出層的節(jié)點數(shù)分別為30個和30個。隱含層節(jié)點數(shù)的選擇是一個十分復雜的問題，往往根據(jù)設計者的經(jīng)驗和多次試驗來確定，沒有一個固定的標準，根據(jù)本文的輸入層輸出層節(jié)點數(shù)，用馬克威分析系統(tǒng)(MarkWay)經(jīng)過多次試驗結果顯示，實驗方法為訓練和預測，前25個企業(yè)為訓練集，后面5個企業(yè)為預測集，學習精度為0.001，最大訓練次數(shù)為3000，學習率為0.6，隱含層的節(jié)點數(shù)選用8個，網(wǎng)絡的性能比較好，實際系統(tǒng)精度為0.0018。訓練結果見表2：

訓練測試樣本的擬合圖見圖2：

25家企業(yè)作為樣本集，經(jīng)過訓練和結果比較，BP神經(jīng)網(wǎng)絡的預測準確度達到了95%以上，可以認定訓練結果準確率是可接受的，那么就可以保存已經(jīng)訓練好的網(wǎng)絡結構，以供預測真實的未知數(shù)據(jù)使用，來評定企業(yè)的HR競爭力。

三、結束語

企業(yè)HR管理者的職責已逐漸從作業(yè)性、行政性事務中解放出來，更多地從事戰(zhàn)略性人力資源管理工作，想要讓企業(yè)獲得持久的競爭優(yōu)勢，必須要依靠構筑人力資源競爭力。

BP神經(jīng)網(wǎng)絡對HR競爭力可以對一個企業(yè)在市場競爭中所處的地位，與其他企業(yè)競爭力量的強弱作出準確的預測，為HR管理者提供了科學的判斷工具，讓HR管理者在整個動態(tài)人事管理體系之中，擇機采用不同的操作策略，不斷地激活人力資源，從而提升了企業(yè)的人才競爭力，快速構筑人才競爭力，方可提高和持續(xù)保持企業(yè)競爭力。

參考文獻:

[1]文魁吳冬梅:科技創(chuàng)新人才環(huán)境研究報告[J]．北京:經(jīng)濟與管理研究，2006.1

[2]董長虹:神經(jīng)網(wǎng)絡與應用[M]．北京:國防工業(yè)出版社，2005:239～254

[3]雷蒙德(Ray Mond，A.N.):人力資源管理(獲取競爭優(yōu)勢第3版影印版)[M].清華大學出版社，2005

[4]李中斌:企業(yè)人力資源競爭研究[M]．中國言實出版社， 2007

[5]黃暉:馬克威軟件與當代數(shù)據(jù)分析[M]．北京:中國統(tǒng)計出版社，2006.319～358