王保賢 ，劉 毅

（1.濟南大學(xué) 商學(xué)院，濟南 250022；2.山東龍山綠色經(jīng)濟研究中心，濟南 250002）

0 引言

人力資源是寶貴的企業(yè)資源，對其預(yù)測分析具有重要意義，國內(nèi)外不少專家學(xué)者都進行了相關(guān)研究。劉善仕等利用德爾菲法對企業(yè)的人力資源預(yù)測進行了研究，闡述了人力資源預(yù)測在企業(yè)管理中的重要性；Belhaj等通過Markov模型對企業(yè)的人力資源進行預(yù)測，獲得了企業(yè)未來人力資源的需求情況；鄭赤建等則利用灰色預(yù)測模型對旺旺集團進行人力資源預(yù)測分析，為其人力資源規(guī)劃提供了參考；胡延路等基于BP神經(jīng)網(wǎng)絡(luò)對供電企業(yè)的人力資源進行了預(yù)測，認為BP神經(jīng)網(wǎng)絡(luò)能夠獲得較好的預(yù)測結(jié)果。

由于影響人力資源需求的因素多且非線性相關(guān)，同時，層次分析法、多元線性回歸法、德爾菲法等傳統(tǒng)常用的分析預(yù)測方法存在著預(yù)測精度不高、主觀分析偏重等缺點和不足，因此，常見的預(yù)測分析方法不能對問題的本質(zhì)進行真實的反映。灰色BP神經(jīng)網(wǎng)絡(luò)是灰色預(yù)測與BP神經(jīng)網(wǎng)絡(luò)的結(jié)合，集合了二者優(yōu)點，能夠有效應(yīng)對人力資源需求預(yù)測相關(guān)問題中復(fù)雜非線性、不確定性、多因素影響的實際情況。蔣蓉華等對企業(yè)未來3年的人力資源需求進行預(yù)測，認為BP網(wǎng)絡(luò)模型比灰色預(yù)測模型具有更高的預(yù)測精度；白一言采用BP神經(jīng)網(wǎng)絡(luò)模型對服裝企業(yè)的人力資源需求進行了實證分析，為服裝行業(yè)的企業(yè)人力資源需求提供了參考。目前，將灰色BP模型運用于電力行業(yè)人力資源需求的分析較少，本文以此為切入點，將灰色BP神經(jīng)網(wǎng)絡(luò)模型運用到電力公司的人力資源需求預(yù)測分析中。

1 預(yù)測理論及模型構(gòu)建

1.1 人力需求預(yù)測理論

人力資源需求預(yù)測需要遵循相關(guān)性原理及慣性原理。相關(guān)性原理基于研究對象之間的相關(guān)聯(lián)系并借助其他對象來預(yù)測目標(biāo)對象。如A、B、C三者之間存在明顯的相關(guān)性，研究過程中能夠獲得A、B、C豐富的過往數(shù)據(jù)，同時還能通過合適的預(yù)測手段預(yù)測B、C的趨勢值，最終實現(xiàn)對A進行預(yù)測；慣性原理具體是指事物A進展較慢或其發(fā)展有規(guī)律可循，并能獲得一些有效的過往數(shù)據(jù)，在此前提下，即可選擇合適的手段對A的趨勢值進行預(yù)估。

人力資源需求預(yù)測模型以定性、定量分析為主。定性分析方法主要有:德爾菲法、主觀判斷法、微觀集成法等。以上方法更多地依賴于專家或經(jīng)驗豐富的人，均存在著主觀成分偏重的缺點，預(yù)測結(jié)果極易出現(xiàn)非容觀的評判；定量分析方法主要有：生產(chǎn)函數(shù)法、比率法、趨勢法、回歸分析法等。以上定量分析基于現(xiàn)有數(shù)據(jù)進行預(yù)測分析，預(yù)測邏輯性嚴密，克服了定性方法的不足，但也存在著預(yù)測精度不高、收集數(shù)據(jù)困難等問題。因此，定量與定性方法相結(jié)合自然成為了企業(yè)人力資源預(yù)測的研究方向。

1.2 灰色BP神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)是一種含有若干簡單非線性聯(lián)結(jié)點或計算模塊的非線性系統(tǒng)。由許多簡單處理單元廣泛構(gòu)成的Back-PropagationNetwork復(fù)雜網(wǎng)絡(luò)，簡寫為BP網(wǎng)絡(luò)，是目前研究最為深入、應(yīng)用最為廣泛人工神經(jīng)網(wǎng)絡(luò)之一。BP神經(jīng)網(wǎng)絡(luò)包含輸入層、輸出層，克服了傳統(tǒng)評價方法的不足，豐富了相關(guān)評價手段，評價結(jié)果能夠真實地映射各分析指標(biāo)間的非線性關(guān)系。

BP神經(jīng)網(wǎng)絡(luò)模型適用于非線性的樣本分析，屬于定量分析，灰色預(yù)測模型則屬于定性分析，能夠預(yù)測分析對象的未來發(fā)展趨勢，對數(shù)據(jù)要求不高?；疑獴P神經(jīng)網(wǎng)絡(luò)是BP神經(jīng)網(wǎng)絡(luò)與灰色預(yù)測結(jié)合而成的組合預(yù)測模型，是一種定性、定量分析方法相結(jié)合的預(yù)測方法，具有適用性強、高度擬合非線性關(guān)系的優(yōu)點，和單一的BP神經(jīng)網(wǎng)絡(luò)模型、灰色預(yù)測模型相比，具有更好的預(yù)測效果，將其引入到人力資源需求研究，將有助于改進、豐富現(xiàn)有預(yù)測手段。

依據(jù)計算方法的不同，灰色BP模型又可劃分為串聯(lián)、并聯(lián)兩種。串聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)將灰色模型的預(yù)測結(jié)果作為BP神經(jīng)網(wǎng)絡(luò)的輸入，然后通過神經(jīng)網(wǎng)絡(luò)的擬合求出預(yù)測值；而并聯(lián)型預(yù)測模型則是同時求出BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型和灰色預(yù)測模型的預(yù)測值，通過計算得到二者的加權(quán)平均值，將其作為最終的預(yù)測值。根據(jù)分析樣本的特征，本文選用的灰色BP神經(jīng)網(wǎng)絡(luò)模型為串聯(lián)型。

串聯(lián)型灰色BP模型具體實施如下：先通過灰色預(yù)測模型獲得企業(yè)人力資源預(yù)測的關(guān)鍵分析指標(biāo)及相關(guān)預(yù)測值，然后輸入其預(yù)測值對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，由此通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)預(yù)測模型獲得最后的預(yù)測值。顯然，這樣預(yù)測的優(yōu)點有：企業(yè)人力資源需求預(yù)測的關(guān)鍵指標(biāo)由灰色預(yù)測模型提供，預(yù)測指標(biāo)選取更科學(xué)、合理；同時，將灰色模型獲得的預(yù)測值作為BP神經(jīng)網(wǎng)絡(luò)的輸入值進行訓(xùn)練，訓(xùn)練效果更好，獲得的預(yù)測結(jié)果更真實、準(zhǔn)確。

本文選用的灰色預(yù)測模型為GM（1,1）模型，其預(yù)測方程式為：

其中，a、b分別表示發(fā)展系數(shù)和灰色作用量，由最小二乘法進行預(yù)估。

2 實證

2.1 企業(yè)概況

本文選取的分析對象是某地區(qū)的大型供電企業(yè)A，公司具體情況介紹如下：A公司是該地區(qū)的主要供電和管理單位，供電范圍涵蓋地區(qū)轄屬的29個鄉(xiāng)鎮(zhèn)及2個林場，總共設(shè)有31個二級供電公司；公司成立已有30多年，經(jīng)過長期的發(fā)展，公司的人員結(jié)構(gòu)和業(yè)務(wù)范圍（服務(wù)地區(qū)）及數(shù)量（主要是售電量及設(shè)備）發(fā)生了巨大的變化。到2015年，公司現(xiàn)有點電站中無人變電站類型已占97%以上，服務(wù)形成了以8個500千伏變電站為依托供電網(wǎng)絡(luò)。隨著國家電網(wǎng)市場化改革的不斷深化，企業(yè)發(fā)展面臨著新的挑戰(zhàn)，管理方法需要改進、人員結(jié)構(gòu)需要優(yōu)化、供電設(shè)備和設(shè)施需要進一步升級改造。在此背景下，A公司提出了“積極變革，人才優(yōu)先”的人力資源口號，努力打造適應(yīng)新形勢的人力資源管理體系，力爭成為國內(nèi)一流的供電公司、行業(yè)內(nèi)的排頭尖兵。A公司人力資源及公司業(yè)績信息主要通過公司信息發(fā)布整理匯總得到。

圖1描述了2005—2015年A公司的員工數(shù)量及售電量的變化趨勢?？梢钥闯?，A企業(yè)的員工數(shù)量一直保持著增長的態(tài)勢，增速相對緩慢；而A企業(yè)的售電量除了在2011年左右呈現(xiàn)了一定下滑趨勢之外，總體上都保持了較好的增長，且在近一年總量增長的情況下依然保持了不錯的增長，對2011年間的電力需求下降可能是由國內(nèi)經(jīng)濟的疲軟等因素造成。

圖1 A公司2005—2015年員工數(shù)與售電量的變化趨勢圖

盡管公司員工人數(shù)保持了增長，但隨著國家相關(guān)政策的調(diào)整以及公司內(nèi)部人力資源結(jié)構(gòu)的變化，導(dǎo)致公司人員結(jié)構(gòu)出現(xiàn)了一定的問題，具體表現(xiàn)為對輸電主網(wǎng)中的電力調(diào)度、輸變電人員需求較大。對此，公司有必要提前規(guī)劃人力資源部署，盡早完成人力資源需求預(yù)測，調(diào)整、優(yōu)化人員結(jié)構(gòu)，清理過剩人員，引入數(shù)量不足的專業(yè)人員，服務(wù)于公司的長期發(fā)展目標(biāo)。

通過上述的基本情況可知，A公司發(fā)展歷史的相關(guān)信息比較詳實，數(shù)據(jù)豐富，且收集到的數(shù)據(jù)表現(xiàn)出一定的波動性，適合運用灰色BP神經(jīng)網(wǎng)絡(luò)對其人力資源需求進行分析預(yù)測。

2.2 模型分析指標(biāo)及篩選

本文結(jié)合A企業(yè)的實際情況，建立了企業(yè)的分析指標(biāo)體系并基于灰關(guān)聯(lián)度法對所有指標(biāo)進行了篩選，確定了最終的人力資源需求關(guān)鍵分析指標(biāo)。

人力資源需求分析指標(biāo)的建立應(yīng)符合企業(yè)大小、企業(yè)生產(chǎn)經(jīng)營、企業(yè)內(nèi)外部人力資源環(huán)境等因素，基于以上原則，本文選取了如下分析指標(biāo)作為A公司人力資源需求預(yù)測的初始分析體系，具體匯如表1所示。

表1 A公司人力資源需求預(yù)測分析體系

需求預(yù)測分析原始體系構(gòu)建完成之后，需要從中篩選影響A公司人力資源需求較大的指標(biāo)，即關(guān)鍵指標(biāo)。篩選方法采用的是灰關(guān)聯(lián)分析方法中的計算綜合關(guān)聯(lián)度，分析結(jié)果匯總?cè)缦马摫?所示。

各個指標(biāo)與人力資源的相關(guān)度由灰色系統(tǒng)建模軟件計算得到，具體結(jié)果為：

表2 A企業(yè)人力資源需求關(guān)鍵指標(biāo)分析結(jié)果匯總

關(guān)聯(lián)度數(shù)值越大，說明對人力資源需求的影響也越大。對上述關(guān)聯(lián)度數(shù)值大小進行排序，可以得到：a1、a2、a3、a6四個變量的數(shù)值相對較大，即輸電網(wǎng)絡(luò)長度、下轄變電站個數(shù)、用戶總數(shù)量、上網(wǎng)售電量四個指標(biāo)對人力資源需求分析有較大的影響，因此選擇以上四個分析指標(biāo)作為關(guān)鍵指標(biāo)。

2.3 建立灰色BP預(yù)測模型

灰色BP神經(jīng)網(wǎng)絡(luò)模型的實施包含兩個階段：首先利用GM（1,1）模型進行分析獲得關(guān)鍵指標(biāo)預(yù)測數(shù)據(jù)；然后是利用原始數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，將關(guān)鍵指標(biāo)預(yù)測值輸入BP模型，得到最終的預(yù)測值。

A公司2017—2019年人力資源需求關(guān)鍵分析指標(biāo)預(yù)測值如表3所示。

表3 GM(1,1)模型的關(guān)鍵指標(biāo)預(yù)測值

通過灰色預(yù)測模型獲得關(guān)鍵分析指標(biāo)的預(yù)測值后，接著對BP網(wǎng)絡(luò)進行訓(xùn)練。為了獲得好的訓(xùn)練效果，本文對相關(guān)數(shù)據(jù)都做了歸一化處理，確保數(shù)據(jù)的合理性。BP神經(jīng)網(wǎng)絡(luò)的參數(shù)設(shè)定如下：訓(xùn)練的最大次數(shù)為45000次，訓(xùn)練目標(biāo)為0.00001，學(xué)習(xí)率為0.01。訓(xùn)練輸入為2005—2015年的相關(guān)數(shù)據(jù)，2016年的數(shù)據(jù)留作對比。

圖2是BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的誤差趨勢情況?？梢钥闯觯珺P網(wǎng)絡(luò)訓(xùn)練獲得的輸出值與最佳輸出值差別不大。為了進一步說明該趨勢，本文通過線性回歸的方法對BP神經(jīng)網(wǎng)絡(luò)模型的輸出值和期望值進行了分析，分析結(jié)果如圖3所示。得到R=0.9999，初步表明BP網(wǎng)絡(luò)模型得到了很好的訓(xùn)練。

使用2014年的歷史數(shù)據(jù)對模型進行仿真，得到2014年實際輸出數(shù)值為6437，其計算相對誤差為1.0677%，小于3%，表明訓(xùn)練后BP神經(jīng)網(wǎng)絡(luò)模型具有很好的預(yù)測精度。將GM(1,1)模型獲得的數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入，預(yù)測A企業(yè)2017—2019年的人力資源需求，相關(guān)結(jié)果匯總?cè)绫?所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差結(jié)果

圖3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果

表4 經(jīng)過訓(xùn)練的BP網(wǎng)絡(luò)預(yù)測結(jié)果匯總

根據(jù)預(yù)測結(jié)果，A企業(yè)需要進一步增加員工總數(shù)，具體的配置需求還需要結(jié)合公司實際情況進行調(diào)整。

2.4 灰色預(yù)測模型與灰色BP神經(jīng)網(wǎng)絡(luò)模型的比較

為了直觀地比較灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型及GM(1,1)模型的預(yù)測效果，本文分別進行了二者的預(yù)測分析，具體結(jié)果如表5所示。

表5 灰色預(yù)測模型與灰色BP模型的預(yù)測結(jié)果匯總

由表5中兩個模型的人力資源需求預(yù)測值可以清楚地看到，灰色BP網(wǎng)絡(luò)預(yù)測模型各個年份的預(yù)測結(jié)果比GM(1,1)模型更接近真實值，具有更好的預(yù)測精確度；同時灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的平均相對誤差僅為0.1481%，表明模型具有非常高的預(yù)測精度，間接說明本文中所選取的灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的適用性和可靠性。

因此，在分析對象相關(guān)信息充分且表現(xiàn)出一定的波動時，應(yīng)該優(yōu)選定量、定性組合的灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，而灰色預(yù)測模型則可更多地應(yīng)用在信息較少、規(guī)律性強的分析案例當(dāng)中。

3 結(jié)束語

本文將BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型與灰色預(yù)測模型組合的預(yù)測分析方法運用到某地區(qū)大型電力公司人力資源需求預(yù)測中。模型分析過程中，通過關(guān)聯(lián)度法構(gòu)建了A企業(yè)的分析指標(biāo)體系并基于關(guān)聯(lián)度分析確定了關(guān)鍵分析指標(biāo)，然后把GM(1,1)模型得到的預(yù)測分析數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的預(yù)測輸入數(shù)據(jù)。得到的預(yù)測數(shù)據(jù)說明表明A公司的人力資源需求會持續(xù)增加，企業(yè)有必要結(jié)合自身發(fā)展實際情況，制定人力資源規(guī)劃，合理引入緊缺員工、辭退冗余員工；同時，通過對比灰色BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型與灰色預(yù)測模型的預(yù)測結(jié)果，發(fā)現(xiàn)灰色BP預(yù)測模型具有更高的預(yù)測精度，也間接說明本文中對A企業(yè)所選用組合模型的合理性。不同的人力資源預(yù)測模型有各自的適用范圍，一般而言，定量、定性分析的組合預(yù)測模型有著更好的預(yù)測精度和更廣的預(yù)測應(yīng)用場合。