● 蔣蓉華 曹 琦

基于灰色BP神經(jīng)網(wǎng)絡(luò)的企業(yè)人力資源需求預(yù)測(cè)

● 蔣蓉華 曹 琦

本文運(yùn)用灰色關(guān)聯(lián)分析對(duì)預(yù)測(cè)指標(biāo)進(jìn)行篩選，并采用灰色BP神經(jīng)網(wǎng)絡(luò)模型為研究工具，對(duì)企業(yè)未來(lái)3年的人力資源需求量進(jìn)行預(yù)測(cè)。與灰色預(yù)測(cè)相比，灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果精度更高，可為企業(yè)人力資源預(yù)測(cè)工作提供更好的方法。

人力資源 BP神經(jīng)網(wǎng)絡(luò) 灰色預(yù)測(cè)

科學(xué)有效的預(yù)測(cè)方法能滿足企業(yè)生存發(fā)展過(guò)程中對(duì)人力資源的需求，進(jìn)而獲得和保持企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)。新型定量預(yù)測(cè)方法的出現(xiàn)和信息技術(shù)的發(fā)展極大地拓展了人力資源需求預(yù)測(cè)的種種可能，預(yù)測(cè)技術(shù)逐步向高級(jí)預(yù)測(cè)技術(shù)階段發(fā)展。因此，選取科學(xué)有效的預(yù)測(cè)方法，提高預(yù)測(cè)精確度，對(duì)企業(yè)人力資源需求預(yù)測(cè)尤為重要。

企業(yè)人力資源需求預(yù)測(cè)包括定性預(yù)測(cè)和定量預(yù)測(cè)兩個(gè)方面。定量預(yù)測(cè)側(cè)重于模型的建立、比較和應(yīng)用，該方法能夠減弱主觀因素對(duì)預(yù)測(cè)結(jié)果的影響。由于客觀世界存在大量的非線性系統(tǒng)問(wèn)題，定量預(yù)測(cè)有逐步向非線性預(yù)測(cè)方法轉(zhuǎn)變的趨勢(shì)，出現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)、非線性混沌動(dòng)力學(xué)和自適應(yīng)神經(jīng)模糊推理系統(tǒng)等用于解決非線性系統(tǒng)問(wèn)題的預(yù)測(cè)方法。神經(jīng)網(wǎng)絡(luò)具有良好地逼近非線性函數(shù)的能力，在預(yù)測(cè)未來(lái)的非連續(xù)性變化中展現(xiàn)出巨大魅力,具有廣泛的應(yīng)用前景。灰色BP神經(jīng)網(wǎng)絡(luò)是灰色預(yù)測(cè)和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型，具備弱化數(shù)據(jù)波動(dòng)性、隨機(jī)性和良好逼近非線性函數(shù)的優(yōu)點(diǎn)，相對(duì)于單一的灰色預(yù)測(cè)模型和傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型而言，預(yù)測(cè)精度更高。

一、預(yù)測(cè)技術(shù)準(zhǔn)備

（一）預(yù)測(cè)指標(biāo)體系的構(gòu)成

借鑒前人的預(yù)測(cè)指標(biāo)體系，結(jié)合預(yù)測(cè)指標(biāo)的選取原則，對(duì)預(yù)測(cè)指標(biāo)體系的構(gòu)成進(jìn)行分析。企業(yè)人力資源需求預(yù)測(cè)的影響因素分為外部因素和內(nèi)部因素。外部影響因素涉及市場(chǎng)需求和企業(yè)方針政策?？紤]到企業(yè)外部環(huán)境復(fù)雜，外部因素的不確定性太多，衡量指標(biāo)的數(shù)據(jù)獲取難度大，因此僅對(duì)內(nèi)部因素下的預(yù)測(cè)指標(biāo)體系構(gòu)成進(jìn)行分析。影響企業(yè)人力資源需求預(yù)測(cè)的內(nèi)部因素有企業(yè)規(guī)模、生產(chǎn)需求、成果性指標(biāo)、勞動(dòng)力成本趨勢(shì)、勞動(dòng)生產(chǎn)率變化趨勢(shì)、企業(yè)人員結(jié)構(gòu)、培訓(xùn)的需求、每個(gè)工種員工的移動(dòng)情況、曠工趨向和企業(yè)人員流失程度。相應(yīng)的衡量指標(biāo)為總資產(chǎn)、凈資產(chǎn)、企業(yè)總產(chǎn)值、利潤(rùn)、銷(xiāo)售收入、企業(yè)工資與地區(qū)行業(yè)工資比值、勞動(dòng)生產(chǎn)率、管理人員比重、科技人員比重、高學(xué)歷人員比重、培訓(xùn)投入量、晉升比例、出勤率和辭職率。這些指標(biāo)之間存在著關(guān)聯(lián)性，如企業(yè)規(guī)模的大小對(duì)企業(yè)的總產(chǎn)值有影響，較大的企業(yè)規(guī)模往往意味著更大的企業(yè)總產(chǎn)值；培訓(xùn)投入對(duì)勞動(dòng)生產(chǎn)率的變化有影響，培訓(xùn)投入有助于勞動(dòng)生產(chǎn)率的提高。企業(yè)人力資源預(yù)測(cè)指標(biāo)體系見(jiàn)表1。

需要說(shuō)明的是：企業(yè)規(guī)模由總資產(chǎn)X1或凈資產(chǎn)X2來(lái)衡量，當(dāng)企業(yè)負(fù)債較少時(shí)，總資產(chǎn)X1可以反應(yīng)出企業(yè)的規(guī)模；當(dāng)企業(yè)負(fù)債較多時(shí)，凈資產(chǎn)X2可以反應(yīng)企業(yè)的規(guī)模。勞動(dòng)力成本趨勢(shì)可由企業(yè)工資與地區(qū)行業(yè)工資比值X6來(lái)表示。一般而言勞動(dòng)成本高的企業(yè)，企業(yè)會(huì)選取機(jī)器和技術(shù)來(lái)取代人力，對(duì)于勞動(dòng)成本低的企業(yè)，企業(yè)會(huì)雇傭更多的人員。

表1 企業(yè)人力資源需求預(yù)測(cè)指標(biāo)體系

（二）指標(biāo)的篩選

關(guān)鍵指標(biāo)指在企業(yè)人力資源需求預(yù)測(cè)中權(quán)重較大的指標(biāo)。不同的企業(yè)或企業(yè)在發(fā)展的不同階段，人力資源預(yù)測(cè)的關(guān)鍵指標(biāo)不同?；疑P(guān)聯(lián)分析可以客觀地刪選出關(guān)鍵指標(biāo)?；疑P(guān)聯(lián)分析指定量地比較描述系統(tǒng)之間或系統(tǒng)中各因素之間在發(fā)展過(guò)程中隨時(shí)間而相對(duì)變化的情況，其基本思路是根據(jù)序列曲線幾何形狀的相似程度來(lái)判斷其聯(lián)系是否緊密。曲線越接近，相應(yīng)序列之間關(guān)聯(lián)度就越大，反之就越小。下面根據(jù)上市公司披露的信息和企業(yè)調(diào)研信息對(duì)A企業(yè)2003～2010年的相關(guān)數(shù)據(jù)，進(jìn)行灰色關(guān)聯(lián)分析。

灰色關(guān)聯(lián)系數(shù)γ0i越大，反映X0對(duì)Xi的影響越大。計(jì)算得出 γ0，11，γ08，γ02，γ09，γ0，10的數(shù)值較大，選取 5 項(xiàng)關(guān)鍵指標(biāo) X11，X8，X2,X9,X10， 即高學(xué)歷人員比重，勞動(dòng)生產(chǎn)率，凈資產(chǎn)，管理人員比重和科技人員比重?？梢?jiàn)人員結(jié)構(gòu)、勞動(dòng)生產(chǎn)率和凈資產(chǎn)對(duì)A企業(yè)人力資源需求量的影響是很大的。高學(xué)歷人員比重、管理人員比重和科技人員比重都屬于企業(yè)人力資源結(jié)構(gòu)范疇，可以看成是知識(shí)型員工的構(gòu)成，知識(shí)型員工是掌握科學(xué)文化知識(shí)和先進(jìn)技術(shù)的生產(chǎn)力代表，其比重與企業(yè)人員需求量成反比。勞動(dòng)生產(chǎn)率對(duì)企業(yè)人力資源需求量的影響是顯著的，它與企業(yè)人力資源量成正比。凈資產(chǎn)能反映生產(chǎn)規(guī)模和生產(chǎn)能力，企業(yè)人力資源需求量與企業(yè)的規(guī)模成正比。A企業(yè)屬于技術(shù)密集型企業(yè)，技術(shù)對(duì)企業(yè)的發(fā)展至關(guān)重要，進(jìn)而對(duì)企業(yè)人力資源需求產(chǎn)生了重大影響，這與企業(yè)的客觀實(shí)際情況十分吻合。該企業(yè)近年來(lái)一直用先進(jìn)裝備改造傳統(tǒng)產(chǎn)業(yè)，勞動(dòng)生產(chǎn)率得到了很大提高，總產(chǎn)值難以有效解釋企業(yè)人力資源需求的變化。另外企業(yè)開(kāi)通廣泛的融資渠道，財(cái)務(wù)反映出的工資支付也無(wú)法有效地解釋人力資源的需求的變化。而企業(yè)人力資源需求的傳統(tǒng)預(yù)測(cè)中，人力資源需求與企業(yè)的產(chǎn)量、銷(xiāo)售量或者員工工資成本關(guān)系密切，因此往往基于以上指標(biāo)，采用線性回歸的方法預(yù)測(cè)企業(yè)人力資源需求量。該方法對(duì)反映企業(yè)規(guī)模擴(kuò)大帶來(lái)的人力資源需求變化是簡(jiǎn)單有效的，但無(wú)法體現(xiàn)“科學(xué)進(jìn)步——企業(yè)發(fā)展——人力資源需求變化”這一關(guān)系。隨著競(jìng)爭(zhēng)越來(lái)越激烈，企業(yè)為重塑競(jìng)爭(zhēng)優(yōu)勢(shì)紛紛推進(jìn)由勞動(dòng)密集型向技術(shù)密集型的升級(jí)轉(zhuǎn)型，傳統(tǒng)的預(yù)測(cè)方法難以滿足企業(yè)人力資源預(yù)測(cè)工作的實(shí)際需要，人力資源需求預(yù)測(cè)工作亟須引入新型的預(yù)測(cè)技術(shù)。

二、預(yù)測(cè)方法的選擇

（一）灰色BP神經(jīng)網(wǎng)絡(luò)理論

灰色預(yù)測(cè)理論對(duì)樣本數(shù)據(jù)要求較少，并且得到的預(yù)測(cè)數(shù)據(jù)可以很好的反映出數(shù)據(jù)的變化趨勢(shì)。BP神經(jīng)網(wǎng)絡(luò)模型對(duì)非線性關(guān)系具有很好的學(xué)習(xí)能力，可以通過(guò)網(wǎng)絡(luò)訓(xùn)練確定指標(biāo)的權(quán)重。灰色BP神經(jīng)網(wǎng)絡(luò)是灰色預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)模型的組合方法，兼顧了兩種模型的優(yōu)點(diǎn)。它在能源預(yù)測(cè)、電力負(fù)荷預(yù)測(cè)、水質(zhì)參數(shù)預(yù)測(cè)中已有運(yùn)用，但還很少引入到企業(yè)人力資源需求預(yù)測(cè)中。

灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型分為并聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)組合模型和串聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)組合模型。并聯(lián)型組合模型是采用最優(yōu)組合預(yù)測(cè)方法求出灰色模型和神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果，將其加權(quán)平均值作為實(shí)際預(yù)測(cè)值；串聯(lián)型組合模型是將多個(gè)灰色模型的預(yù)測(cè)結(jié)果作為人工神經(jīng)網(wǎng)絡(luò)模型的輸入，利用神經(jīng)網(wǎng)絡(luò)的非線性擬合求出各灰色模型的權(quán)重。

（二）灰色BP神經(jīng)網(wǎng)絡(luò)的計(jì)算原理

選用串聯(lián)型的BP神經(jīng)網(wǎng)絡(luò)作為研究工具，其計(jì)算原理為：運(yùn)用灰色預(yù)測(cè)模型得出關(guān)鍵指標(biāo)的預(yù)測(cè)值，并將關(guān)鍵指標(biāo)的預(yù)測(cè)值作為神經(jīng)網(wǎng)絡(luò)的輸入變量，以企業(yè)人力資源需求的實(shí)際值作為輸出變量，來(lái)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。這樣處理的優(yōu)點(diǎn)，一是運(yùn)用灰色預(yù)測(cè)模型可以獲取關(guān)鍵指標(biāo)的預(yù)測(cè)值，為企業(yè)人力資源需求預(yù)測(cè)工作的進(jìn)一步開(kāi)展提供數(shù)據(jù)參考；二是在網(wǎng)絡(luò)訓(xùn)練完成后，用的預(yù)測(cè)值來(lái)預(yù)測(cè)的真實(shí)值，有效地保持了數(shù)據(jù)的同質(zhì)性。

（三）BP神經(jīng)網(wǎng)絡(luò)建模原則

三、預(yù)測(cè)的MATLAB實(shí)現(xiàn)

（一）數(shù)據(jù)提取和灰處理

（二）數(shù)據(jù)訓(xùn)練

數(shù)據(jù)輸入

（三）網(wǎng)絡(luò)預(yù)測(cè)

網(wǎng)絡(luò)訓(xùn)練完成后，根據(jù)2011～2013的關(guān)鍵指標(biāo)的預(yù)測(cè)，可以預(yù)測(cè)出未來(lái)3年的。部分源碼如下：

數(shù)據(jù)輸入

為驗(yàn)證模型的精確性，將灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值、灰色預(yù)測(cè)值與員工實(shí)際人數(shù)進(jìn)行列表比較，見(jiàn)表2。

四、結(jié)果分析與模型評(píng)價(jià)

（一）評(píng)價(jià)擬合結(jié)果

根據(jù)表2的數(shù)據(jù)，在excel中完成模型擬合圖，見(jiàn)圖2。

可以看出，灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與實(shí)際值之間有非常好的擬合效果。與灰色模型的預(yù)測(cè)值相比，預(yù)測(cè)精度更高。通過(guò)灰色BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)得出企業(yè)2011～2013年企業(yè)人力資源需求預(yù)測(cè)值為59574人、58840人、58596人。

表2 兩種預(yù)測(cè)方法結(jié)果比較

預(yù)測(cè)值反映出企業(yè)進(jìn)入平穩(wěn)發(fā)展期，未來(lái)3年企業(yè)人力資源需求量有少量減少，原因可能是技術(shù)對(duì)企業(yè)發(fā)展產(chǎn)生了影響，隨著企業(yè)對(duì)技術(shù)的重視，技術(shù)人才的比重的加大，帶來(lái)了勞動(dòng)效率提高。預(yù)測(cè)結(jié)果反映出的高學(xué)歷人員比重有所提升，管理人員比重較為穩(wěn)定，科技人員比重有明顯的上升趨勢(shì)，證實(shí)了這一點(diǎn)。

（二）模型的適用性

當(dāng)企業(yè)規(guī)模較小，業(yè)務(wù)和組織結(jié)構(gòu)簡(jiǎn)單時(shí)，傳統(tǒng)的預(yù)測(cè)方法已經(jīng)能夠取得很好的效果?；疑獴P神經(jīng)網(wǎng)絡(luò)模型實(shí)際操作起來(lái)較為復(fù)雜，不是普適的預(yù)測(cè)方法。該預(yù)測(cè)方法適用以下情況：預(yù)測(cè)成本較大，受到人為因素的阻礙；影響預(yù)測(cè)的因素過(guò)多，感覺(jué)預(yù)測(cè)無(wú)法下手；技術(shù)對(duì)企業(yè)發(fā)展的影響十分顯著。值得說(shuō)明的是，定量方法往往不如定性方法靈活，為增強(qiáng)預(yù)測(cè)工作的靈活性，可采取“自上而下”和“自下而上”相結(jié)合的方法。在制定具體的人力資源規(guī)劃時(shí)，可以在“自上而下”時(shí)運(yùn)用該方法作為進(jìn)行預(yù)測(cè)；在“自下而上”的反饋過(guò)程中對(duì)預(yù)測(cè)數(shù)據(jù)進(jìn)行修正。

由于數(shù)據(jù)獲取渠道的局限性，預(yù)測(cè)中沒(méi)有考慮企業(yè)戰(zhàn)略和外部因素對(duì)人力資源需求的影響，這是本文的不足之處。在企業(yè)戰(zhàn)略目標(biāo)和外部影響數(shù)據(jù)可獲取的條件下，不足是可以進(jìn)一步改善的：一是將預(yù)測(cè)工作與企業(yè)戰(zhàn)略規(guī)劃結(jié)合起來(lái)，用企業(yè)中長(zhǎng)期業(yè)務(wù)計(jì)劃中的數(shù)據(jù)代替關(guān)鍵指標(biāo)的預(yù)測(cè)值，進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和訓(xùn)練，可以使預(yù)測(cè)過(guò)程獲得具體業(yè)務(wù)發(fā)展戰(zhàn)略和階段性目標(biāo)的支持。二是將預(yù)測(cè)工作與企業(yè)外部因素結(jié)合起來(lái)，搜集企業(yè)外部因素的相關(guān)數(shù)據(jù)，如市場(chǎng)需求趨勢(shì)指數(shù)，行業(yè)風(fēng)險(xiǎn)指數(shù)等，使預(yù)測(cè)結(jié)果更為有效。

1.司聽(tīng)：《預(yù)測(cè)方法中的神經(jīng)網(wǎng)絡(luò)模型》，載《預(yù)測(cè)》，1998年第2期。

2.華瑤、俞明傳、喬志強(qiáng)：《非線性混沌動(dòng)力學(xué)在電力企業(yè)人力資源需求預(yù)測(cè)應(yīng)用研究》，載《生產(chǎn)力研究》，2009年第18期。

3.劉思峰：《灰色系統(tǒng)理論及其應(yīng)用》，科學(xué)出版社，2008年版。

4.嚴(yán)樂(lè)寧、張寧、劉媛華：《系統(tǒng)工程》，機(jī)械工業(yè)出版社，2008年版。

5.HECHT-NIELSON R,Theory-oftheback propagation neural network [C], Proceedings of the international joint conference on Neural Networks,1989.

6.飛思科技產(chǎn)品研發(fā)中心：《神經(jīng)網(wǎng)絡(luò)理論與MATLAB 7實(shí)現(xiàn)》，電子工業(yè)出版社，2005年版。

桂林理工大學(xué)）

■責(zé)編 韓樹(shù)杰 Tel:010-68345891 E-mail：hrdhsj@126.com