招聘工作對企業(yè)的意義重大，它是保證企業(yè)整個人力資源管理工作順利開展的重要前提和基礎。如何有效地對應聘人員做出評價，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，還是評價中心法，人的主觀判斷和選擇對結果的影響較大，使得企業(yè)在招聘過程中所體現(xiàn)的主觀成分很大，有時甚至會影響到招聘的效果。筆者在此介紹幾種較為客觀科學的企業(yè)人員招聘評價的定量分析技術與大家一同學習分享。

　　1.層次分析法

　　層次分析法的基本思想是把應聘者的綜合能力分解為若干指標及層次，在最低層次通過兩兩對比得出各因素的權重，通過由低到高的層層分析計算，最后計算出各應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聘者評價指標層次結構模型。而建立評價指標層次模型，首先要對所要招聘的崗位有明確的認識，弄清它涉及哪些因素，如目標、分目標、部門、約束條件、可能情況等等，以及各因素之間的相互關系。其次將評價指標層次化，分為若干個層次。建立評價指標層次模型之后，可以對應聘者的各項指標進行兩兩比較，構造出判斷矩陣。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行檢驗，檢查企業(yè)招聘方在構造判斷矩陣時判斷思維是否具有一致性。通過一致性檢驗后，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指標相對重要的排序加權值，然后從高層次到低層次逐層計算排序權值，得出應聘者的總排序。

　　2.模糊決策法

　　在現(xiàn)實生活中，很多概念都是模糊的。如高個子，身高達到多少即算高個子，并無明確的定義，不同的人會有不同的理解。另外如應聘的能力、工作態(tài)度、性格等概念也是模糊的。這些概念的內涵是明確的，但外延是模糊的。在企業(yè)招聘的現(xiàn)實中，很多指標概念是模糊的，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用價值的工具。

　　模糊綜合評價法是綜合考慮系統(tǒng)或者事物的多種價值因素，用模糊集理論來評定優(yōu)劣的方法。它的特點是將定性分析和定量分析相結合，主觀分析與客觀分析相結合。模糊決策的基本方法首先是構造評價指標集X和評級域V。比如X={X1(知識)，X2(能力)，X3(個性)，X4(動機)},V={V1(很好)，V2(好)，V3(不太好)，V4(不好)}。如果對于應聘者甲的“知識”指標，企業(yè)招聘方有30%認為“很好”，60%認為“好”，還有10%認為“不太好”，卻無人認為“不好”，為了簡便起見，我們可近似地認為對應聘者甲的“知識”指標的評價集為（0.3,0.6,0.1,0）。相似類推，即可得出應聘者的評價矩陣，將對應聘者的評價矩陣與其相應的權值進行求解，最后將會得到每個應聘者的綜合評價分數(shù)。在實踐中，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)法是通過對應聘人員的各項指標相對于其他應聘者的優(yōu)劣程度進行比較，從中甄選出較優(yōu)秀的應聘者的一種定量分析方法。在現(xiàn)實生活中，沒有哪一個應聘者絕對優(yōu)于其他應聘者，也沒有哪一個應聘者的各項指標絕對優(yōu)于其他人員。

　　對于企業(yè)來說，各項素質指標的重要性并不是一樣的，有些素質相對重要一些，而有些素質則相對次要一些。因此企業(yè)在計算優(yōu)劣系數(shù)之前，首先需要對不同的評價指標給予不同的權數(shù)；然后通過標準化各項評價指標，使各項指標之間具有可比性，再計算優(yōu)、劣系數(shù)。所謂優(yōu)系數(shù)，是指一個應聘者優(yōu)于另一個應聘者所對應的權數(shù)之和與全部權數(shù)之和的比率。所謂劣系數(shù)是通過對比兩方案的優(yōu)極差與劣極差來計算的。

　　由于優(yōu)系數(shù)只反映優(yōu)的應聘者，而不反映應聘者優(yōu)的程度，劣系數(shù)只反映應聘者劣的程度，而不反映劣的應聘者，因而在進行招聘決策時應綜合考慮優(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聘者，在招聘過程中具有較廣泛的應用價值。

　　4.人工神經網(wǎng)絡法

　　人工神經網(wǎng)絡(ArtificialNeuralNetwork)是一門嶄新的信息處理科學，是用來模擬人體神經結構和智能的一個前沿研究領域，因其具有獨特的結構和處理信息的方法，使其在許多實際應用中取得了顯著成效。近年來，由于神經科學、數(shù)理科學、信息科學、計算機科學的快速發(fā)展，使得以研究神經元的工作模式、非程序的信息處理的人工神經網(wǎng)絡的實現(xiàn)成為可能。人工神經網(wǎng)絡不需構建任何數(shù)學模型，只靠過去的經驗和專家的知識來學習，通過網(wǎng)絡學習達到其輸出與期望輸出相符的結果。網(wǎng)絡所具有的自學習能力使得傳統(tǒng)的專家系統(tǒng)技術應用最為困難的知識獲取工作方式轉換為網(wǎng)絡的變結構調節(jié)過程，它能根據(jù)己學會的知識和處理問題的經驗對復雜問題作出合理的判斷決策，給出較滿意的解答，或對未來過程作出有效預側和估計。只要我們能夠按照科學的數(shù)據(jù)選擇參數(shù)構建網(wǎng)絡模型，它即可獲取數(shù)據(jù)中的專家經驗數(shù)據(jù)，對應聘者的各項素質評價指標進行判斷，給出較為客觀合理的結果。目前人工神經網(wǎng)絡在管理中的應用尚處于研究開發(fā)階段。

擴展閱讀

版權聲明：