Человеческий капитал является ключевым и системообразующим фактором деятельности и жизнеспособности любого предприятия. Все продуктивные ресурсы предприятия есть не что иное, как воплощенные в материальной или интеллектуальной форме опыт и знания людей. Эта идея становится очевидной и центральной в тренде развития управления человеческими ресурсами в мире в настоящее время. Поиск, подбор, привлечение, адаптация и обучение работников; управление их профессиональным развитием и рабочей эффективностью, а также удержание наиболее полезных и опытных специалистов являются ключевыми направлениями деятельности служб управления персоналом. Столь развитый функционал комплекса управления человеческим капиталом означает, что для принятия оптимальных и компромиссных решений, выстраивания долгосрочной стратегии и лучшего понимания текущих возможностей человеческих ресурсов предприятия необходимо разрабатывать и применять новые специализированные методы обработки больших объёмов разнородных данных с привлечением современных технических средств и информационных технологий.
Одной из трудных задач при попытке формализации управления человеческими ресурсами предприятия является задача оценки и учета компетентности высококвалифицированного персонала предприятия и его адаптационного потенциала при реинжиниринговых мероприятиях и перестройках организационной структуры предприятия в целях повышения его рентабельности. Эта задача в ряде зарубежных публикаций формулируется как задача управления «знаниевыми» работниками (knowledge workers [9]), которые в силу своего устойчивого положения в иерархической структуре предприятия, как правило, весьма болезненно реагируют на необходимость любых реорганизаций, зачастую приводящих к увольнению ценных и опытных работников.
Традиционно понятие «компетенция» включает в себя области знаний, умений, опыта, функций и ответственности работников в процессе практической работы предприятия. Например, «этот вопрос находится в его (работника) компетенции», или «решение по этому вопросу не входит в его (работника) компетенцию». Термин «компетентность» определен в международном стандарте ISO 9000:2000 «Компетентность: Атрибуты персонала. Продемонстрированная способность применять знания и умения». Уровень владения индивидуумом совокупностью взаимосвязанных качеств личности, в том числе знаниями, умениями, навыками, способами деятельности, включая личное отношение к предмету деятельности, входит в понятие «компетентность». По сути можно полагать, что «компетентность» – это степень пригодности работника для выполнения конкретных производственных задач предприятия.
Вопросам оценки компетенций работников и формализации самого понятия «компетенция» посвящен ряд отечественных работ [2, 3, 5–8], однако в этих исследованиях, как правило, не затрагивается область компетенции «знаниевых» работников предприятий.
Например, в [5] автором предложены эффективные механизмы и инструменты управления формированием в высшей школе кадрового потенциала науки на основе оценки научно-исследовательских компетенций учащихся с учетом объема научно-исследовательских работ, выполненных ими, и коэффициентов, учитывающих индивидуальную скорость развития компетенций учащегося. Это позволяет решать задачи управления формированием кадрового потенциала науки с учетом требований к уровню научно-исследовательских компетенций исполнителей и количественных требований к пополнению кадрового потенциала науки при ограничениях на стоимость научно-исследовательских работ. В данной работе присутствует методика развития компетентности научных работников (которые, несомненно, могут быть отнесены к категории «знаниевых» работников), однако автор не затрагивает вопросы формирования коллектива исполнителей научно-исследовательского проекта.
В работе [8] представлена концепция системы управления отбором технического персонала, обусловленная интеграцией созданной системы принятия решений в традиционный процесс отбора персонала на базе комплексной диагностики профессиональных и личностных качеств кандидатов. Основой оценки соискателей является вариативный комплекс диагностических методик, основанных на применении качественных и количественных методов, позволяющих определять значения показателей, характеризующих уровень профессиональных и личностных качеств соискателей на вакантную должность на всех этапах отбора. В данном исследовании автор решает задачу оценки индивидуальной компетенции работника и его подбора под определенную вакансию, не рассматривая наличия «лишних» (с точки зрения вакансии) компетенций и вопросов их оплаты.
В исследовании [3] разработаны методы и алгоритмы оценки трудового потенциала инженерно-технических работников на основе информационной базы с применением экспертных оценок. Также предложен метод редукции данной информационной базы путем исключения неинформативных показателей. В данном исследовании не выделена категория «знаниевых» работников, однако разработанный метод редукции информационной базы для оценки трудового потенциала может быть использован и для этой категории работников.
Работа [7] посвящена вопросам оценки компетентности работников и формализации самого понятия компетентности в «проактивном» взаимодействии образовательной системы с объектом образовательного процесса. В своем исследовании автор не затрагивает область компетенции «знаниевых» работников предприятий, не приводит методик расширения и формализации должностных профилей, являющихся необходимой ступенью создания алгоритмов оценки профессиональных качеств работников, для последующей обработки в аппаратно-программных комплексах.
Многопараметрическая модель адаптивного управления развитием человеческого капитала работников предприятия [2] учитывает показатели качества человеческого капитала адекватного ценностям, целям и оперативной производственной программе предприятия. Здесь же приведена разработанная методика расчета эффективности программ развития компетентности работников. Внедрение построенной на основе данной модели информационной подсистемы управления персоналом предприятия позволило не только повысить эффективность и качество управления кадрами, но и уменьшило расходование финансовых и временных ресурсов предприятия [2]. Предложенная автором многопараметрическая модель может быть модифицирована для подбора специалистов под временный проект. Однако разработанную информационную подсистему управления персоналом нецелесообразно пытаться использовать как автономный компонент аппаратно-программного комплекса управления человеческими ресурсами, так как в большинстве используемых аппаратно-программных комплексов специальной обработки данных в сфере управления человеческими ресурсами (АПК ЧР) задачи оперативного управления и учета работников во многом уже решены, а добавление предлагаемых аналитических функций потребует коренной перестройки внутренних информационных объектов и будет являться отдельной затратной инженерной задачей.
Аппаратно-программные комплексы специальной обработки данных в сфере управления человеческими ресурсами являются обязательной частью современных корпоративных информационных систем, необходимой для решения оперативных и долгосрочных задач по планированию бизнес-процессов. Взгляд на персонал, как на человеческий капитал, требует автоматизации выполнения аналитических функций по планированию, оценки компетенций и управлению персоналом, поскольку в настоящее время часто наблюдается существенный разрыв между имеющейся функциональностью и новыми бизнес-требованиями. Например, практика продуктивного и безболезненного перемещения внутри предприятия сотрудников, обладающих опытом и знаниями, с целью создания временных (сроком 2–5 лет) коллективов для решения конкретных контрактных задач, диктуемых потребностями общества и/или инновационным развитием производства, становится сейчас все более актуальной. Новые тенденции требуют создания мультидисциплинарных команд специалистов, обладающих ключевыми компетенциями по широкому спектру направлений [6, 10]. Поскольку во многих случаях «знаниевых» работников целесообразно группировать вокруг инновационных проектов, возникает задача выбора наиболее подходящих работников из числа работающих на предприятии для выполнения конкретного проекта.
Рассмотрим проект, для выполнения которого требуется n компетенций (умений, функции). Запишем множество
A = (a1, a2, ..., an), (1)
где aj – потребное количество специалистов j-й компетенции из общего числа n компетенций. Далее положим: N – общее количество «знаниевых» работников на предприятии, из которых делается выбор; αi – количество умений (компетентности) i-го работника вообще. Она определяет цену работника; βi – количество умений i-го работника пригодных (применяемых) для выполнения работ по данному проекту.
Тогда отношение
(2)
назовем степенью соответствия i-го работника условиям (требованиям) данного проекта. Естественно, чем больше величина γi – тем больше данный работник подходит для выполнения проекта. Чем меньше величина γi, тем больше приходится платить за ненужные умения i-го специалиста. Присвоим каждому специалисту предприятия n-й вектор Bi = bi1, bi2, ..., bin). Элементы вектора Bi выбираются следующим образом.
Если i-й работник умеет выполнять j-ую компетенцию, то Bij = 1, в противном случае Bij = 0. (3)
Проверим способность предприятия выполнить данный инновационный проект имеющимся набором работников. Очевидно, критерий реализуемости проекта запишется следующим образом:
(4)
Правомерность критерия (условия) (4) проверяется с помощью матрицы соответствия компетенций имеющихся в наличии работников, задействованных в данном проекте. Строками матрицы являются векторы Bi из нулей и единиц (рис. 1).
Рис. 1. Матрица соответствия
Сумма элементов каждого столбца равна 
, необходимая для выполнения проекта согласно (4). Если хотя бы одно из условий (4) нарушается – проект невыполним. Далее предполагая, что условие (4) выполняется, ранжируем «знаниевых» работников предприятия по степени соответствия условиям проекта:
γ1 > γ2 > γ3 ... γn. (5).
Исключим из множества A (1) все компетенции, которые может выполнить первый работник (ранг 1). Получим новое множество: A1 = (a11, a21, ..., an1). Повторим эту процедуру для работника с рангом 2 (γ2) и так далее. Так как согласно (4) проект выполним, то на k-м шаге (с рангом работника k) получим Ak = (0, 0, ..., 0), то есть проект может быть выполнен k «знаниевыми» работниками из N, у которых наиболее высокая степень соответствия условиям данного проекта. Эта процедура ориентирована на уменьшение оплаты компетентности (умений), в которых нет необходимости в данном проекте, при естественном допущении, что цена каждого работника определена спектром задач или умений, которые он может решить или применить.
В комбинаторных задачах обычный способ решения задач – полный перебор, однако в задачах с очень большой размерностью (количество необходимых компетенций n, количество работников N) такой подход вряд ли возможен. При этом аналитическое решение удается найти редко и для сугубо частных случаев. Основатель теории оптимальных систем Р. Беллман (Richard Bellman) назвал эту ситуацию «проклятием размерности». Вместе с тем предложенный комбинаторный подход позволяет осуществить выбор k подходящих «знаниевых» работников из общего из числа N для выполнения данного проекта и уменьшить сумму затрат на ненужные компетенции «знаниевых» работников предприятия.
Данный подход применим и для более сложных задач. В предложенной здесь процедуре каждый работник оценивается по бинарной системе: «умеет/не умеет». Однако если качество умений у работников разное, то в (4) должны быть введены весовые коэффициенты для более и менее компетентных работников. От этого лишь изменяются элементы матрицы соответствия, однако предложенная процедура полностью сохраняется.
В работах [1, 4] описана методика реализации предложенного подхода в виде встраиваемого компонента АПК ЧР, учитывающая поддержание непрерывности функционирования комплекса при изменении функциональности системы и структуры хранимых данных. Учитывая, что большинство современных АПК ЧР имеют сервис-ориентированную архитектуру (рис. 2), то изменения затронут «центральную» базу данных плюс добавление соответствующих аналитических сервисов. Приложения, реализующие учетные функции, не будут затронуты изменениями. Изменение функциональности приведет к добавлению нового независимого приложения и включения дополнительного веб сервиса в среду обмена данными. Работоспособность всей системы при этом должна сохраниться. После окончания модернизации желательно проведение реинжиниринга программного обеспечения в целях упрощения системы и удаления из нее всего лишнего.
Разработанная методика модернизации АПК ЧР включает: построение модели данных расширенного профиля должности, построение модели существующей исходной АПК ЧР на основе расширенного профиля должности, построение модели модернизированной АПК ЧР на основе расширенного профиля должности, разработку и реализацию нового функционала АПК ЧР в виде программных модулей в соответствии с моделью модернизированной системы.
Рис. 2. Типовая схема АПК ЧР
Рецензенты:
Соловьев И.В., д.т.н., профессор, зав. кафедрой «Информатика и информационные системы», Московский государственный университет информационных технологий, радиотехники и электроники, г. Москва;
Раев В.К., д.т.н., профессор кафедры МОСИТ, Московский государственный университет информационных технологий, радиотехники и электроники, г. Москва.