招聘工作對企業(yè)的意義重大，它是保證企業(yè)整個(gè)人力資源管理工作順利開展的重要前提和基礎(chǔ)。如何有效地對應(yīng)聘人員做出評價(jià)，從中甄選出最適合企業(yè)的人員是人力資源部門面臨的一個(gè)重大問題。傳統(tǒng)的招聘面試方法，無論是常規(guī)的筆試、面試，還是評價(jià)中心法，人的主觀判斷和選擇對結(jié)果的影響較大，使得企業(yè)在招聘過程中所體現(xiàn)的主觀成分很大，有時(shí)甚至?xí)绊懙秸衅傅男Ч９P者在此介紹幾種較為客觀科學(xué)的企業(yè)人員招聘評價(jià)的定量分析技術(shù)與大家一同學(xué)習(xí)分享。

　　1.層次分析法

　　層次分析法的基本思想是把應(yīng)聘者的綜合能力分解為若干指標(biāo)及層次，在最低層次通過兩兩對比得出各因素的權(quán)重，通過由低到高的層層分析計(jì)算，最后計(jì)算出各應(yīng)聘者的最終綜合指數(shù)，指數(shù)最大的即為最佳候選人。

　　它的基本方法是建立應(yīng)聘者評價(jià)指標(biāo)層次結(jié)構(gòu)模型。而建立評價(jià)指標(biāo)層次模型，首先要對所要招聘的崗位有明確的認(rèn)識，弄清它涉及哪些因素，如目標(biāo)、分目標(biāo)、部門、約束條件、可能情況等等，以及各因素之間的相互關(guān)系。其次將評價(jià)指標(biāo)層次化，分為若干個(gè)層次。建立評價(jià)指標(biāo)層次模型之后，可以對應(yīng)聘者的各項(xiàng)指標(biāo)進(jìn)行兩兩比較，構(gòu)造出判斷矩陣。判斷矩陣是定性過渡到定量的重要環(huán)節(jié)，再通過求解判斷矩陣的特征向量，并對判斷矩陣的一致性進(jìn)行檢驗(yàn)，檢查企業(yè)招聘方在構(gòu)造判斷矩陣時(shí)判斷思維是否具有一致性。通過一致性檢驗(yàn)后，便可按歸一化處理過的特征向量作為某一層次對上一層次某評價(jià)指標(biāo)相對重要的排序加權(quán)值，然后從高層次到低層次逐層計(jì)算排序權(quán)值，得出應(yīng)聘者的總排序。

　　2.模糊決策法

　　在現(xiàn)實(shí)生活中，很多概念都是模糊的。如高個(gè)子，身高達(dá)到多少即算高個(gè)子，并無明確的定義，不同的人會有不同的理解。另外如應(yīng)聘的能力、工作態(tài)度、性格等概念也是模糊的。這些概念的內(nèi)涵是明確的，但外延是模糊的。在企業(yè)招聘的現(xiàn)實(shí)中，很多指標(biāo)概念是模糊的，因此模糊決策方法正在成為企業(yè)招聘決策中的一種很有實(shí)用價(jià)值的工具。

　　模糊綜合評價(jià)法是綜合考慮系統(tǒng)或者事物的多種價(jià)值因素，用模糊集理論來評定優(yōu)劣的方法。它的特點(diǎn)是將定性分析和定量分析相結(jié)合，主觀分析與客觀分析相結(jié)合。模糊決策的基本方法首先是構(gòu)造評價(jià)指標(biāo)集X和評級域V。比如X={X1(知識)，X2(能力)，X3(個(gè)性)，X4(動(dòng)機(jī))},V={V1(很好)，V2(好)，V3(不太好)，V4(不好)}。如果對于應(yīng)聘者甲的“知識”指標(biāo)，企業(yè)招聘方有30%認(rèn)為“很好”，60%認(rèn)為“好”，還有10%認(rèn)為“不太好”，卻無人認(rèn)為“不好”，為了簡便起見，我們可近似地認(rèn)為對應(yīng)聘者甲的“知識”指標(biāo)的評價(jià)集為（0.3,0.6,0.1,0）。相似類推，即可得出應(yīng)聘者的評價(jià)矩陣，將對應(yīng)聘者的評價(jià)矩陣與其相應(yīng)的權(quán)值進(jìn)行求解，最后將會得到每個(gè)應(yīng)聘者的綜合評價(jià)分?jǐn)?shù)。在實(shí)踐中，模糊決策法常與專家分析評估法、層次分析法等綜合使用。

　　3.優(yōu)劣系數(shù)法

　　優(yōu)劣系數(shù)法是通過對應(yīng)聘人員的各項(xiàng)指標(biāo)相對于其他應(yīng)聘者的優(yōu)劣程度進(jìn)行比較，從中甄選出較優(yōu)秀的應(yīng)聘者的一種定量分析方法。在現(xiàn)實(shí)生活中，沒有哪一個(gè)應(yīng)聘者絕對優(yōu)于其他應(yīng)聘者，也沒有哪一個(gè)應(yīng)聘者的各項(xiàng)指標(biāo)絕對優(yōu)于其他人員。

　　對于企業(yè)來說，各項(xiàng)素質(zhì)指標(biāo)的重要性并不是一樣的，有些素質(zhì)相對重要一些，而有些素質(zhì)則相對次要一些。因此企業(yè)在計(jì)算優(yōu)劣系數(shù)之前，首先需要對不同的評價(jià)指標(biāo)給予不同的權(quán)數(shù)；然后通過標(biāo)準(zhǔn)化各項(xiàng)評價(jià)指標(biāo)，使各項(xiàng)指標(biāo)之間具有可比性，再計(jì)算優(yōu)、劣系數(shù)。所謂優(yōu)系數(shù)，是指一個(gè)應(yīng)聘者優(yōu)于另一個(gè)應(yīng)聘者所對應(yīng)的權(quán)數(shù)之和與全部權(quán)數(shù)之和的比率。所謂劣系數(shù)是通過對比兩方案的優(yōu)極差與劣極差來計(jì)算的。

　　由于優(yōu)系數(shù)只反映優(yōu)的應(yīng)聘者，而不反映應(yīng)聘者優(yōu)的程度，劣系數(shù)只反映應(yīng)聘者劣的程度，而不反映劣的應(yīng)聘者，因而在進(jìn)行招聘決策時(shí)應(yīng)綜合考慮優(yōu)、劣系數(shù)。優(yōu)劣系數(shù)法是根據(jù)優(yōu)劣系數(shù)逐步淘汰不理想的應(yīng)聘者，在招聘過程中具有較廣泛的應(yīng)用價(jià)值。

　　4.人工神經(jīng)網(wǎng)絡(luò)法

　　人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork)是一門嶄新的信息處理科學(xué)，是用來模擬人體神經(jīng)結(jié)構(gòu)和智能的一個(gè)前沿研究領(lǐng)域，因其具有獨(dú)特的結(jié)構(gòu)和處理信息的方法，使其在許多實(shí)際應(yīng)用中取得了顯著成效。近年來，由于神經(jīng)科學(xué)、數(shù)理科學(xué)、信息科學(xué)、計(jì)算機(jī)科學(xué)的快速發(fā)展，使得以研究神經(jīng)元的工作模式、非程序的信息處理的人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)成為可能。人工神經(jīng)網(wǎng)絡(luò)不需構(gòu)建任何數(shù)學(xué)模型，只靠過去的經(jīng)驗(yàn)和專家的知識來學(xué)習(xí)，通過網(wǎng)絡(luò)學(xué)習(xí)達(dá)到其輸出與期望輸出相符的結(jié)果。網(wǎng)絡(luò)所具有的自學(xué)習(xí)能力使得傳統(tǒng)的專家系統(tǒng)技術(shù)應(yīng)用最為困難的知識獲取工作方式轉(zhuǎn)換為網(wǎng)絡(luò)的變結(jié)構(gòu)調(diào)節(jié)過程，它能根據(jù)己學(xué)會的知識和處理問題的經(jīng)驗(yàn)對復(fù)雜問題作出合理的判斷決策，給出較滿意的解答，或?qū)ξ磥磉^程作出有效預(yù)側(cè)和估計(jì)。只要我們能夠按照科學(xué)的數(shù)據(jù)選擇參數(shù)構(gòu)建網(wǎng)絡(luò)模型，它即可獲取數(shù)據(jù)中的專家經(jīng)驗(yàn)數(shù)據(jù)，對應(yīng)聘者的各項(xiàng)素質(zhì)評價(jià)指標(biāo)進(jìn)行判斷，給出較為客觀合理的結(jié)果。目前人工神經(jīng)網(wǎng)絡(luò)在管理中的應(yīng)用尚處于研究開發(fā)階段。

擴(kuò)展閱讀

版權(quán)聲明：