CC BY
179
ISSN 2311-8709 (Online) Банковская деятельность
ISSN 2071-4688 (Print)
ФОРМИРОВАНИЕ ОПТИМАЛЬНОЙ СИСТЕМЫ СТИМУЛИРОВАНИЯ И ОПЛАТЫ ТРУДА ПЕРСОНАЛА В КОММЕРЧЕСКОМ БАНКЕ*
Ольга Юрьевна МЯСНИКОВА", Наталья Юрьевна СОПИЛКОМ
а кандидат экономических наук, ассистент кафедры инженерного бизнеса и управления предприятием инженерного факультета,
Российский университет дружбы народов, Москва, Российская Федерация
ь кандидат экономических наук, доцент кафедры инженерного бизнеса и управления предприятием инженерного факультета,
Российский университет дружбы народов, Москва, Российская Федерация
• Ответственный автор
История статьи:
Принята 01.02.2016 Одобрена 17.02.2016
УДК 336.719 JEL: С61, G21, М12
Ключевые слова:
человеческие ресурсы, управление персоналом, стимулирование, оплата труда, коммерческий банк
Аннотация
Предмет. Ввиду ослабления значимости человеческих ресурсов в банковской сфере, приводящего к оттоку квалифицированных кадров, росту текучести и падению спроса на банковские услуги, приобретает особую актуальность совершенствование системы стимулирования и оплаты труда сотрудников банка.
Цель. Разработка основанного на формировании оптимизированных кадровых решений комплексного управленческого подхода к совершенствованию системы оплаты и стимулирования труда сотрудников коммерческих банков для повышения эффективности их деятельности.
Методология. Использованы методы факторного анализа и экономико-математического моделирования.
Результаты. В ходе исследования были выявлены проблемы, связанные с использованием человеческих ресурсов в коммерческом банке, установлены причины возникновения этих проблем. Предложено проведение комплексной мотивационной синхронизации уровня доходов сотрудников массовых профессий, при которой устанавливается единая категория оклада в рамках одной должности с учетом региональных коэффициентов в различных филиалах банка. Результаты исследований подтвердили, что рациональная политика выплаты постоянной части заработной платы не только позволяет оптимизировать издержки по оплате труда, но и служит дополнительным стимулом для повышения профессионального уровня сотрудников. Построенная экономико-математическая модель, предлагаемая для оптимизации системы стимулирования и оплаты труда, отражает способность гибко приспосабливаться к изменяющимся многофакторным условиям конъюнктуры финансового рынка и рынка труда, то есть характеризуется адаптивностью и универсальностью, что в целом будет способствовать повышению эффективности труда сотрудников банка.
Выводы. На основе проведенного анализа проблем, связанных с управлением человеческими ресурсами в банковской среде, в частности в коммерческом банке, исследованы возможности повышения эффективности работы банковского персонала и предложен комплексный подход к совершенствованию системы стимулирования и оплаты труда во взаимосвязи с квалификацией сотрудников.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2016
Нестабильность состояния бизнес-процессов в мировой экономике способствует дестабилизации их экономического развития. В такой ситуации возрастает роль банков, являющихся системообразующим элементом экономики любого
* Авторы выражают благодарность профессору Алле Анатольевне СЕМЕНОВОЙ за помощь и проявленный интерес к работе, а также профессору Григорию Артемовичу БАЛЫХИНУ за ценные советы и конструктивные предложения. Авторы выражают признательность участникам научно-практической конференции, посвященной актуальным проблемам финансово-экономического развития стран (Украина, Днепропетровск, 20.11.2015) за интерес к работе и предложения. Авторы выражают благодарность АО «БИНБАНК кредитные карты» за предоставленные материалы и содействие в проводимом исследовании.
типа, и возникает необходимость повышения эффективности их деятельности.
В условиях жесткой конкуренции современный банк, в том числе и коммерческий, оптимально используя человеческие ресурсы, повышая качество управления ими, обеспечивая стабильность кадрового состава путем улучшения социально-экономических показателей
финансовой деятельности, будет способствовать получению дополнительных конкурентных преимуществ на финансовом рынке.
Современные коммерческие банки зачастую экономят средства за счет сокращения численности сотрудников, пытаясь максимально
автоматизировать банковское дело путем замещения роли персонала компьютерными технологиями, что приводит к оттоку квалифицированных кадров из банковской сферы, ведет к увеличению уровня текучести, и, как следствие, падению спроса на банковские услуги. Очевидно, что в условиях нестабильности рыночной экономики проведение реформирования банковской системы, которое предусматривает предотвращение банкротства, погашение невозвращенных кредитов, неуплаченных процентов и других видов издержек, без качественного управления человеческими ресурсами становится невозможным.
Изучению кадровой политики, повышению ее роли в развитии банковской системы посвящено множество работ зарубежных и российских авторов. Так, известный американский специалист Г. Хэмел уделяет особое внимание реструктуризации кадровых служб банков, повышению их роли и расширению функциональных обязанностей сотрудников отделов по работе с персоналом [1]. По мнению Б. Хичкока, для эффективного управления кадровыми ресурсами целесообразно обновлять принципы формирования и управления трудовым коллективом, осваивать инновационные технологии работы с кадрами, которые будут поддерживать высокую исполнительную дисциплину и дистанционно оценивать процесс выполнения работы в региональных кадровых подразделениях банков [2]. Особого внимания заслуживает технология мотивации, основанная на комплексной оценке ключевых показателей эффективности деятельности - Key Performance Indicators (KPI), которая базируется на принципе адекватного вознаграждения за полноценное достижение поставленных целей и выполнение стратегических задач [3, 4]. Инновационным инструментом управления человеческими ресурсами считают сегодня теорию поколений В. Штрауса [5], согласно которой, в отличие от традиционного подхода к возрастной сегментации сотрудников, разграничиваются возрастные категории различных поколений, их ценности, разное восприятие жизни.
В работах многих российских ученых учитывается стратегия современных государственных преобразований в стране, направленная на создание социально-ориентированной рыночной экономики [6, 7]. При этом особая роль отводится эффективной кадровой политике, приоритетной задачей которой является совершенствование системы стимулирования и оплаты труда персонала. Кроме того, наряду с традиционными
тарифными системами формирования фонда заработной платы, в российском банковском секторе широко внедряются зарубежные методики в области управления человеческими ресурсами, основанные на индивидуальном подходе к оплате труда. Наиболее популярна балльно-факторная оценка (грейдирование), используемая в ЗАО КБ «Ситибанк» [8]. Успешно функционирует прогрессивная система стимулирования персонала, основанная на ключевых показателях эффективности работы сотрудников различных категорий с соблюдением принципа единства стратегии, процессов и организационной структуры (КБ «Уралсиб») [9]. Также в последнее время распространенным диагностическим подходом является определение рейтинга работы персонала путем аттестации методом «360 градусов», основанном на комплексном анализе субъективных оценок окружающих отдельного сотрудника людей (ПАО «Сбербанк») [10].
Сегодня необходимы более точные и объективные оценочные показатели успешности банковского бизнеса и развития кадровой политики, предполагающие комплексный подход с использованием экономико-математических
методов моделирования.
На основе результатов проведения комплексного анализа развития банковского сектора России в период экономического спада в стране (20092010 гг.) выявлена тенденция сокращения издержек в коммерческих банках в основном за счет статей фонда оплаты труда [11], в которых наибольшая доля затрат приходится на поддержание деятельности человеческих ресурсов и составляет 47,5% (рис. 1).
Было определено, что такая политика высвобождения денежных средств за счет снижения затрат, в том числе путем уменьшения расходов на персонал, варьируется в зависимости от стратегических целей банка. На практике подобные программы носят в основном краткосрочный характер, поэтому коммерческие банки заинтересованы в новых научных исследованиях по усовершенствованию системы управления затратами и поиске рациональных подходов к формированию фонда оплаты труда банковского персонала.
По мнению экспертов в области управления персоналом в банковской среде [12, 13], темпы развития информационных технологий в российских банках значительно превосходят возможности реакции на них персонала.
Возникающий информационный пробел в знаниях сотрудников в свою очередь затрудняет возможность оперативно внедрять, апробировать и формировать оптимальные методы управления, синтезирующие накопленный многолетний опыт различных стран.
С учетом того, что в настоящее время на финансовом рынке наблюдается активная географическая экспансия и увеличение количества региональных подразделений отечественных коммерческих банков по всей территории России, необходима активная реструктуризация работы бизнес-подразделений финансовых учреждений и повышение эффективности работы человеческих ресурсов. Поэтому нами исследовалась система оплаты труда в рамках одного из российских коммерческих банков с разветвленной филиальной сетью - ЗАО МКБ «Москомприватбанк», который позднее был реформирован и продолжает функционировать как АО «БИНБАНК кредитные карты», в котором непосредственно проводилась апробация предлагаемой методики.
В ходе исследований было установлено, что увеличение уровня текучести персонала (согласно данным внутренней отчетности, максимальный уровень наблюдался в 2010 г.) в рассматриваемом банке явилось следствием неэффективности действующей политики материального
стимулирования. Применяемая сложная сетка тарифных окладов по оплате труда привела к нарушению взаимозаменяемости работников, затруднению их перемещения на аналогичные позиции внутри одного отделения, снижению результативности деятельности дополнительных офисов. По результатам анализа анкет уволенных сотрудников разных отделений банка среди выявленных причин повышенной текучести персонала были отмечены неудовлетворенность работников существующей системой оплаты труда и политикой материального стимулирования. Слишком активный процесс обновления штата банковских сотрудников привел к значительному увеличению издержек, ухудшению качества обслуживания клиентов, снижению прибыльности подразделений банка. Было определено, что для улучшения показателей деятельности персонала необходимо установить систему оплаты труда, позволяющую приводить ее к единым принципам начисления для различных категорий сотрудников в рамках функционально схожих профессий. Для этого была использована и внедрена синхронизация уровня доходов - вертикальная и горизонтальная [14], не только основанная на
единых принципах и соответствующая принятой стратегии банка, но и учитывающая социально-экономические особенности региональных рынков труда. Проведение синхронизации уровня доходов обусловило необходимость расчета, присваивания и корректировки единых региональных коэффициентов оплаты труда для сотрудников каждого подразделения банка. Корректирующие коэффициенты устанавливались по результатам мониторинга социально-экономических
показателей областей, комплексного анализа региональных рынков труда, а также регионального обзора заработных плат. Такой подход обеспечивает банку эффективное управление региональными подразделениями и позволяет централизованно устанавливать и контролировать уровень доходов персонала, производить своевременное перераспределение человеческих ресурсов [15].
В ходе анализа с помощью статистических методов было установлено, что существуют достоверные зависимости между социально-демографическими показателями сотрудников массовых профессий (СМП) банка и результатами их деятельности. Структура и специфика исходных данных позволила для вычисления уровня и достоверности основных эффектов среди обозначенных категорий персонала реализовать трехфакторный дисперсионный анализ. В качестве переменной был выбран среднегодовой процент выполнения плана, как основной критерий оценки эффективности работы сотрудников. Была проведена проверка достоверности взаимосвязи статуса, пола и должности сотрудника (табл. 1).
Согласно данным, представленным в табл. 1, наиболее весомым фактором, достоверно влияющим на выполнение плана, оказалась независимая переменная «статус» (величина критерия Фишера, которая пропорциональна уровню эффекта, в 17,3 раза выше, чем для фактора «должность»). Действие фактора «должность» также достоверно, но эффект получен на порядок слабее. Так, работающие специалисты, которые не планируют увольняться, выполняют план в среднем больше на 27,6% и опережают вновь прибывших на работу.
Наиболее высокая результативность была выявлена у специалистов по работе с торговыми предприятиями, а роль гендерного фактора оказалась незначимой. На основании полученных данных были построены деревья управленческих решений методом C&RT (Classification and Regression Tree) [16], для формирования
оптимальной системы стимулирования и оплаты труда сотрудников массовых профессий (рис. 2).
Основание в структуре дерева - штат (1 954 чел.), от численности которого выстраивается логическая цепочка взаимовлияющих показателей. Ствол разветвляется по основным параметрам «Статус» и «Стаж». Чем ближе последние находятся к корню, тем показательней прогнозируемая точка, определяющая
оптимальный стаж принятого сотрудника, обеспечивающий начало роста его продуктивной работы.
Модель продемонстрировала, что этот срок соответствует 4,5 мес. Последующий шаг вглубь дерева определил другую важную точку расщепления стажа, которая соответствует сроку в 9,5 мес. Очевидно, после такого периода работы нецелесообразно увольнение сотрудника и поэтому необходимо искать пути, стимулирующие продолжение его дальнейшей трудовой деятельности. Далее от ветвей дерева влияние распространяется на нижние «листья», некоторые из которых возможно не учитывать, а оставлять лишь те, что участвуют в принятии решений по развитию системы мотивации персонала. Построенная модель подтвердила наиболее высокую значимость влияния показателей стажа работы и статуса СМП в банке на процент выполнения плана. В то же время уровень зарплаты и ее относительный рост, а также возраст людей не имеют достоверного значения.
Аналогичный результат был получен альтернативным методом CHAID (Chi-square Automatic Interaction Detector) [17]. То есть на практике возможно применение различных моделей с близкой вероятностью ошибки прогнозирования. Самая высокая значимость влияния получена у показателей стажа работы в исследуемом банке и статуса работника на процент выполнения работы и ее качества. В то же время уровень зарплаты и ее относительный рост, возраст сотрудника, который может рассматриваться как стаж работника вне банка, не имеют достоверного значения. Таким образом, систему материального стимулирования персонала банка нельзя считать достаточно эффективной, а синтезированная модель показывает возможные направления для ее дальнейшего развития.
Учитывая заинтересованность руководителей в повышении своей зарплаты, увязку контроля роста профессиональных компетенций сотрудников с оплатой своего труда, а также повышение роли наставничества в банковской среде, были
разработаны положения политики материального стимулирования на базе единой системы ключевых показателей (ЕСП). Эти положения обеспечивают прямую зависимость оплаты труда руководителей отделений банка (РОБ) не только от экономической эффективности работы всего подразделения, но и от результативности и уровня доходов его подчиненных. Внедрение показателя, связывающего материальное стимулирование руководителей и совокупную переменную часть заработной платы его подчиненных, дало положительные результаты по снижению общего уровня текучести кадров в отдельных региональных подразделениях на 3,5% (табл. 2).
Для проверки достоверности полученных данных в 2013 г. в рамках формирования ежегодной обратной связи было проведено электронное анкетирование руководителей отделений для определения степени удовлетворенности новыми подходами в политике материального стимулирования, выявившее следующее: около 27% респондентов считают, что использование инструментов системы ЕСП не в полной мере учитывает личностный вклад каждого индивидуума и не достаточно отражает связь результатов работы конкретного работника и дополнительного офиса банка в целом. Поэтому целесообразно продолжать поиск путей дальнейшего развития и усовершенствования оценочных критериев оплаты труда путем расширения перечня нестратегических
показателей ЕСП, а также внедрения показателя рейтинга продуктивности персонала, что позволит создать дополнительные возможности увеличения доходов наиболее продуктивным сотрудникам, повысить личную заинтересованность в результатах деятельности.
Несмотря на то, что практикуемая в банке система стимулирования работы руководителей отделений путем системы начисления бонусов (СНБ) априори является детерминированной,
ежемесячные показатели эффективности их труда подвержены влиянию различных факторов. Поэтому в разработках системы поощрений возможно применение многомерных
статистических методов анализа данных, к одному из которых относится факторный анализ на основе главных компонент [18]. В нашем исследовании этот метод применяется с предварительной стандартизацией показателей исходного массива [19]. Было выделено пять независимых факторов, ранжированных по значимости, которые позволяют объяснить 61% совокупной дисперсии признаков, что является достаточным для выборки данных и установления взаимосвязи между ними (табл. 3).
На изменчивость бонусов РО, согласно табл. 3, достоверно влияет фактор 2 (операционные доходы), который дополнительно нагружает показатели бюджетной прибыли, а также, в меньшей степени, фактор 5 (отклонение операционной прибыли от плана). Полученная закономерность является вполне ожидаемой, однако независимость бонуса руководителей отделений от их заработной платы (фактор 1), индивидуальных данных (фактор 3) и показателей работы подчиненных (фактор 4) относятся к логически не обоснованным результатам, то есть к недостаткам существующей СНБ. К интересным фактам, полученным в ходе анализа, можно отнести независимость от всех факторов показателей «количество сотрудников отделения» и «отклонение бюджетной прибыли отделения от плана». В целом такие группы признаков, как индивидуальные показатели руководителей отделений, информация о подчиненных и работа отделения достоверно не связаны между собой.
Факторный анализ по своей сути является линейным многомерным статистическим методом анализа данных. Для выявления более сложных достоверных взаимосвязей в оценке работы РОБ использовался нелинейной метод эмпирического моделирования [20] - регрессионное дерево решений по данным финансовой отчетности за 2012 г. (рис. 3). В качестве главной расщепляющей представлен показатель бюджетной прибыли. При этом соблюдается основное правило начисления вознаграждения: чем больше размер прибыли или меньше убытков, тем больше бонус. Подобная закономерность наблюдается для отклонений от расходов на содержание отделений при начислении повышенных бонусов РОБ. В случае пониженных бонусов имеет значение индивидуальный индекс РОБ. Причем с превышением этого индекса более 87,5 размер бонусов существенно снижается. Расщепляющими критериями выбраны - «индекс руководителя» и «отклонения в расходах на поддержание».
Корень включает весь штат РОБ (111 чел.), что обеспечивает среднее значение категории людей, качественно выполняющих объем работы с Ми = 64,08. Параметр Var соответствует дисперсии или квадрату стандартного отклонения от среднего значения (±). Ствол с ветвями заканчивается узлами расщепления (белые квадраты) или листьями (серые квадраты), среди которых основными являются «бюджетная прибыль», «индекс руководителя» и «отклонения в расходах на поддержание». Модель демонстрирует, что в категории с относительно низкими бонусами Ми = 45,3 высококвалифицированные РОБ, индекс
компетенции которых более 87,5 обладают еще более низкими бонусами Ми = 18,25, то есть не используют свой потенциал в работе. Для получения более объективных результатов исследования деятельности руководителей целесообразно вводить дополнительные
переменные внутренней среды банка.
Анализ показателей стимулирования РОБ, эффективности работы сотрудников и отделения в целом выявил отсутствие статистической взаимосвязи между уровнем оплаты труда руководителей и его подчиненных, что может негативно отображаться на эффективности работы отделения банка. Очевидно, что существующая система начисления бонусов (Bonus Old) нуждается в модернизации системы. В целях ее усовершенствования была построена новая модель для начисления бонусов (система Bonus New) и гипотетическая (система Bonus Fuzzy), основанная на рациональных принципах управления персоналом с использованием расширенного количества показателей деятельности сотрудников, включающая 9 входных показателей, 512 нечетких правил их вывода, определяемого количеством возможных вариантов ответа для каждой из входных переменных и, так как в нашем случае входных переменных - 9, имеющих по 2 варианта ответа («низкая» или «высокая»), то полная комбинация правил нечеткого вывода определяется как 29 и составляет 512) и 1 выход для определения окончательного размера бонусов. Все параметры системы начисления бонусов (СНБ) варьируются в широких пределах и делают более гибкой бонусную систему в зависимости от конкретных условий работы отделений (рис. 4).
Сравнивая показатели результатов тестирования трех систем стимулирования, было определено, что бонусное вознаграждение, начисляемое по новой системе, носит индивидуальный характер. При этом только РОБ, работающие успешно по совокупности показателей, поощрялись
повышенными бонусами. В то же время начисление максимального бонуса в устаревшей СНБ не соответствовало результатам труда РОБ, не способствовало стимулированию
эффективности их деятельности и их профессиональному развитию.
Экономический эффект, полученный в 2013 г. от оптимизации фонда оплаты труда РОБ после внедрения новой методики бонусных начислений (Bonus New) составил 2 406 384 руб., рост бюджетной прибыли по исследуемым отделениям
коммерческого банка по сравнению с предыдущим годом составил 1 146 192 руб.
Согласно проведенным расчетам, оптимизация фонда оплаты труда РОБ в 2013 г. при начислении переменной части их заработной платы по методике бонусной системы Bonus New составила 7%. Расчет бонусной части РОБ с использованием многофакторной системы Bonus Fuzzy показал, что экономический эффект от ее внедрения может достигать 25%.
Предполагаемый экономический эффект от оптимизации фонда оплаты труда по многофакторной инновационной системе Bonus Fuzzy по данным расчетов 2013 г. в следующем году должен был составить 8 792 964 руб.
Проведенный статистический анализ и построенные экономико-математические модели выявили самую высокую значимость влияния
показателей стажа работы в данном коммерческом банке и статуса работника на процент выполнения плана (качество работы). В то же время уровень зарплаты и ее относительный рост, возраст сотрудника не имеют достоверного значения. Поэтому существующую систему материального стимулирования сотрудников банка нельзя считать достаточно эффективной, а синтезированная модель раскрыла возможные направления дальнейшего ее развития.
Построенная экономико-математическая модель, предлагаемая для оптимизации системы стимулирования и оплаты труда, отражает способность гибко приспосабливаться к изменяющимся многофакторным условиям конъюнктуры финансового рынка и рынка труда, то есть характеризуется адаптивностью и универсальностью, что в целом будет способствовать повышению эффективности труда сотрудников банка.
Таблица 1
Дескриптивная статистика и эффекты влияния факторов на усредненные показатели выполнения плана сотрудниками АО «БИНБАНК кредитные карты» за 2011-2012 гг.
Объем выборки Среднее выполнение плана, % Критерий Фишера
Факторы Уровни факторов Значение Среднеквадратическое отклонение
Общий - 1 954 78,76 24,58 -
Статус Работающий 495 99,07 13,6 235,49
Уволенный 604 72,4 20,27
Принятый 855 71,5 25,77
Пол Ж 1 520 78,86 23,83 0,16
М 434 78,4 27,08
Должность Кассир-операционист 329 83,78 20,66 13,6
Клиент-менеджер 145 65,09 20,37
Руководитель 189 86,34 22,81
отделения
Специалист - 331 77,29 24,77
персональный
менеджер (VIP)
Специалист по 473 71,03 25,68
продажам
розничных услуг
клиентам
Специалист по 182 89,13 21,32
работе с
торговыми
предприятиями
Финансовый 305 82,56 24,82
менеджер (малый и средний бизнес)
Примечание. Жирным шрифтом выделены достоверные эффекты на уровне значимости р<0,05. Источник: данные АО «БИНБАНК кредитные карты»
Таблица 2
Уровень текучести сотрудников массовых профессий 2011-2013 гг.
Показатели текучести и стажа Кассиры-операционисты Клиент-менеджеры Руководители отделений Специалисты -персональные менеджеры бизнес) Специалисты по продажам розничных услуг клиентам (розничный бизнес) Специалисты по работе с кредитными картами Специалисты по работе с торговыми предприятиями Финансовые менеджеры (малый и средний бизнес)
1. Факт, 2011 г., общая текучесть, % В том числе 34,8 11,7 44,5 16,5 20,9 12,3 31,9 9,9 53,6 15,8 56,9 16,9 28,7 4,2 40,8 10,1
вытеснение «слабого
звена»
2. Изменение -56,2 - -41,8 +9,6 +5,6 -20,6 -12,4 +15,7
текучести по сравнению с 2010 г., %
3. Средний стаж работы в должности в 2011 г., мес. 17 6 24 20 12 19 25 14
4. План, 2012 г., общая текучесть, % В том числе 25 10 20 10 20 10 25 10 20 10 30 10 20 10 30 10
вытеснение «слабого
звена»
5. Планируемый стаж работы в должности в 2012 г., мес. 20 12 28 24 14 23 28 17
6. Факт, 2012 г., общая текучесть, % В том числе 33,1 11,3 41,8 15,2 18,4 11,8 30,6 10,5 51,7 16,3 48,9 16,4 28,4 4,1 39,6 9,3
вытеснение «слабого
звена»
7. Изменение 1,7 2,7 0,4 1,3 1,9 2,3 0,3 1,2
текучести по сравнению с 2011 г., %
8. Средний стаж работы в должности в 2012 г., мес. 18 8 22 21 12 20 25 15
9. План 2013 г., общая текучесть, % В том числе 25 10 20 10 15 5 25 10 20 10 30 10 20 10 30 10
вытеснение «слабого
звена»
10. Планируемый стаж работы в должности в 2013 г., мес. 21 13 29 25 15 24 29 18
11. Факт, 2013 г., общая текучесть, % 28,1 35,1 16 28,5 47,6 45 29 34,8
В том числе 11,6 14,9 11,3 10,3 15,9 16,6 4 8,9
вытеснение
«слабого
звена»
12. Изменение 1,7 2,5 0,6 2,1 4,1 3,3 -0,6 2,8
текучести по
сравнению с 2012 г., %
13. Средний 19 8 24 22 12 21 26 15
стаж работы в
должности в
2013 г., мес.
14. План 2014 г., 25 20 15 20 25 30 20 30
общая
текучесть, %
В том числе 10 10 5 10 10 10 10 10
вытеснение
«слабого
звена»
15. Планируемый 22 13 31 26 15 25 31 19
стаж работы в
должности в
2014 г., мес.
Источник: данные АО «БИНБАНК кредитные карты»
Таблица 3
Факторные нагрузки на показатели эффективности работы отделения банка
Факторы
Показатели Заработная плата РОБ Операционные доходы Индекс компетенции РОБ Производительность труда сотрудников отделения Отклонение операционной прибыли от плана
Количество сотрудников отделения -0,126 -0,216 0,155 -0,397 0,251
Средний стаж сотрудников -0,003 -0,176 0,237 0,792 -0,029
Средний процент выполнения плана -0,213 0,015 -0,175 0,721 0,021
Возраст руководителя -0,033 -0,057 0,716 -0,034 -0,022
Стаж руководителя 0,198 0,163 0,558 0,42 0,236
Оклад руководителя 0,912 -0,074 0,02 0,002 -0,17
Бонусы руководителя (реальные) -0,204 0,721 0,064 0,052 -0,13
Индекс руководителя -0,003 -0,122 0,71 -0,054 -0,004
Фактическая бюджетная прибыль 0,262 0,821 -0,008 0,07 -0,064
отделения
Фактические операционные доходы 0,54 0,774 -0,11 0,017 0,001
Фактические операционные расходы 0,351 0,648 -0,182 -0,004 0,038
Расходы на подержание деятельности 0,881 0,146 0,001 -0,049 0,196
Расходы на оплату труда 0,881 0,222 0,035 -0,026 -0,168
Отклонение бюджетной прибыли от 0,255 0,075 -0,141 0,034 -0,659
плана
Отклонение операционных доходов -0,366 0,606 -0,093 -0,324 -0,047
Отклонение операционных расходов 0,126 -0,02 -0,227 0,232 0,372
Отклонение расходов на подержание 0,007 -0,063 -0,009 -0,09 0,708
деятельности
Отклонение расходов на оплату труда 0,284 0,318 0,287 -0,111 0,33
Доля дисперсии 18,4 16,1 9,2 9,3 7,9
Примечание. Жирным шрифтом выделены достоверные эффекты на уровне значимости р<0,05.
Источник: данные АО «БИНБАНК кредитные карты»
Рисунок 1
Структурное распределение соотношения статей расходов в коммерческих банках
Источник: рассчитано по материалам сайта URL: http://bankir.ru Рисунок 2
Оптимальное дерево управленческих решений для СМП
Примечание. «Серые квадраты» - узлы, не влияющие на принятие управленческих решений, которые можно отсекать; Ю -позиционный номер; N - количество сотрудников; Мы - среднее значение категории людей, качественно выполняющих объем работы; Var - стандартное отклонение от среднего значения (±); С - стаж работы, месяц.
Рисунок 3
Оптимально усеченное дерево управленческих решений для РОБ
Примечание. Ю - позиционный номер; N - количество руководителей отделений банка (РОБ); Mu - среднее значение категории РОБ, качественно выполняющих объем работы; У<ж - дисперсия (±); ИКР - индекс компетенции РОБ; ОРС - отклонение расходов на содержание отделения.
Рисунок 4
Блок-схема адаптивной системы начисления бонусов РОБ
Примечание. BP - фактическая бюджетная прибыль отделения; PC6 - прирост количества платежных карт универсальная в расчете на одного сотрудника отделения, шт.; DEP5 - объем привлечения средств физ. лиц на одного сотрудника отделения; ACCyul8 - прирост количества активных счетов юридических лиц и предпринимателей на одного сотрудника отделения); PAYpl - объем принятых платежей населения на одного сотрудника отделения; ZC7 - прирост активных зарплатных карт в расчете на одного сотрудника отделения; GOLD4 - прирост количества золотых платежных карт в расчете на одного сотрудника отделения; LAYOFF - количество уволившихся сотрудников; BONUSE - среднее арифметическое бонусного вознаграждения от совокупного уровня оклада всех СМП; manager PB - количество СМП в отделении; 512 rules - 512 нечетких правил вывода результатов; Bonus - итоговый бонус РОБ.
Список литературы
1. Hamel G. The Future of Management. Harvard Business Review Press, 2007. 272 p.
2. HathcockB.C. The new-breed approach to 21st century human resources // Human resource management. 1996. Vol. 35. № 2. P. 243-250.
3. Marr B. Key Performance Indicators (KPI): The 75 Measures Every Manager Needs to Know (Financial Times Series). Hampshire: FT Press, 2012. 348 p.
4. Parmenter D. Key Performance Indicators: Developing, Implementing and Using Winning KPI's. New Jersey, USA: John Wiley & Sons, 2007. 233 p.
5. Strauss W. The Fourth Turning: An American Prophecy - What the Cycles of History Tell Us About America's Next Rendezvous with Destiny. N.Y.: Broadway Books, 1997. 400 p.
6. Карташова Л.В. Стратегия управления человеческими ресурсами и оценка его эффективности. М.: Информ-Знание, 2000. 288 с.
7. КапустинаЮ.А. Оптимизация затрат на персонал // Управление персоналом. 2008. № 9. С. 73-76.
8. Карамутдинова Д.М., Валитова Н.В., Шакурьянова Ю.Р. Внедрение системы грейдирования для повышения эффективности деятельности научно-исследовательских проектных институтов // Нефтегазовое дело. 2013. № 1. С. 409-417. URL: http://goo.gl/yhFppK.
9. Ивановская Л.А. Анализ реализации функции мотивации в российских банках. URL: http://ekonomika.snauka.ru/2014/03/3970.
10. Уорд П. Метод 360 градусов. М.: Гиппо, 2006. 352 с.
11. Пятков А. In-store banking - новая модель банковского бизнеса // Банковское обозрение. 2009. № 11. С. 8-10.
12. Ольхова Р.Г. Банковское дело: управление в современном банке. М.: КноРус, 2012. 304 с.
13. Демидов Е., Кузьмин В. Управление человеческими ресурсами в условиях кадрового голода // Общество и экономика. 2008. № 6. С. 147-153.
14. Мясникова О.Ю. Personnel Resource Formation and Its Quality Management in Commercial Bank // Management and Marketing Challenges of the XXI Centure: collection of scientists and students in English language. Екатеринбург: УрГЭУ, 2014. С. 75-82.
15. Балыхин Г.А., Мясникова О.Ю. Влияние реинжиниринга кадрового менеджмента на повышение эффективности и производительности // Нормирование и оплата труда в промышленности. 2014. № 7. С. 22-28.
16. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям. СПб: Питер, 2013. 704 с.
17. Толстова Ю.Н. Анализ социологических данных. Методология, дескриптивная статистика, изучение связей между номинальными признаками. М.: Научный мир, 2000. 352 с.
18. Айвазян С.А., Бухштабер В.М., Енюков И.С. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. 607 с.
19. ГайдышевИ. Анализ и обработка данных. СПб.: Питер, 2001. 752 с.
20. ЧубуковаИ.А. Data Mining. М.: Бином, 2008. 382 с.
ISSN 2311-8709 (Online) Banking
ISSN 2071-4688 (Print)
BUILDING AN OPTIMAL SYSTEM OF PERSONNEL INCENTIVES AND REMUNERATION IN A COMMERCIAL BANK
Ol'ga Yu. MYASNIKOVAa, Natal'ya Yu. SOPILKO^
a Peoples' Friendship University of Russia, Moscow, Russian Federation [email protected]
b Peoples' Friendship University of Russia, Moscow, Russian Federation [email protected]
• Corresponding author
Article history:
Received 1 February 2016 Accepted 17 February 2016
JEL classification: C61, G21, M12
Keywords: human resources, human resource management, incentives, remuneration, commercial bank
Abstract
Importance The decreasing significance of human resources in the banking sphere leads to the outflow of skilled personnel, turnover, and a slump in demand for banking services. Therefore, it is crucial to improve incentive schemes for employees.
Objectives The purpose of the study is to develop an integrated management approach to the system of employee remuneration and motivation in commercial banks to improve their performance. Methods The study draws upon methods of factor analysis and economic and mathematical modeling.
Results The analysis identified problems related to human resource involvement in a commercial bank. We propose a comprehensive motivational synchronization of the income level of employees of general professions, which establishes a single salary category for each position subject to regional coefficients in different branches. The findings prove that a sound policy of paying the constant component of compensation enables to minimize labor expenses and serves as an extra incentive for employees to enhance their proficiency. Our economic and mathematical model helps improve the incentives system and reflects the ability to adjust to changing conditions of the financial and labor market.
Conclusions and Relevance The study reviews possibilities to increase the performance of bank employees and offers an integrated concept of improving the system of incentives and remuneration based on employee qualification.
© Publishing house FINANCE and CREDIT, 2016
Acknowledgments
We express our gratitude to Professor Alla A. SEMENOVA for help and interest in the study, Professor Grigorii A. BALYKHIN for valuable advice and constructive suggestions. We are also grateful to participants of scientific and practical conference on topical issues of financial and economic development of countries (Ukraine, Dnepropetrovsk, November 20, 2015) for their interest and proposals. We also give thanks to Human Resources Department of JSC BINBANK Credit Cards for the provided materials and assistance in the research.
References
1. Hamel G. The Future of Management. Harvard Business Review Press, 2007, 272 p.
2. Hathcock B.C. The new-breed approach to 21st century human resources. Human Resource Management, 1996, vol. 35, no. 2, pp. 243-250.
3. Marr B. Key Performance Indicators (KPI): The 75 Measures Every Manager Needs to Know (Financial Times Series). Hampshire, FT Press, 2012, 348 p.
4. Parmenter D. Key Performance Indicators: Developing, Implementing and Using Winning KPI's. New Jersey, USA, John Wiley & Sons, 2007, 233 p.
5. Strauss W. The Fourth Turning: An American Prophecy - What the Cycles of History Tell Us About America's Next Rendezvous with Destiny. N.Y., Broadway Books, 1997, 400 p.
6. Kartashova L.V. Strategiya upravleniya chelovecheskimi resursami i otsenka ego effektivnosti [The human resource management strategy and its efficiency evaluation]. Moscow, Inform-Znanie Publ., 2000, 288 p.
7. Kapustina Yu.A. Optimizatsiya zatrat na personal [Optimization of personnel costs]. Upravlenie personalom = Human Resource Management, 2008, no. 9, pp. 73-76.
8. Karamutdinova D.M., Valitova N.V., Shakur'yanova Yu.R. [The introduction of grading system to improve the efficiency of research and design institutes]. Neftegazovoe Delo, 2013, no. 1, pp. 409-417. (In Russ.) Available at: http://goo.gl/yhFppK.
9. Ivanovskaya L.A. [Analysis of implementing the motivation function in Russian banks]. Ekonomika i menedzhment innovatsionnykh tekhnologii, 2014, no. 3. (In Russ.) Available at: http://ekonomika.snauka.ru/2014/03/3970.
10. Ward P.Metod 360 gradusov [360 Degree Feedback]. Moscow, Gippo Publ., 2006, 352 p.
11. Pyatkov A. In-store banking - novaya model' bankovskogo biznesa [In-store banking: a new model of banking business]. Bankovskoe obozrenie = Banking Review, 2009, no. 11, pp. 8-10.
12. Ol'khova R.G. Bankovskoe delo: upravlenie v sovremennom banke [Banking: management in a modern bank]. Moscow, KNORUS Publ., 2012, 304 p.
13. Demidov E., Kuz'min V. Upravlenie chelovecheskimi resursami v usloviyakh kadrovogo goloda [Human resources management in conditions of staff scarcity]. Obshchestvo i ekonomika = Society and Economics, 2008, no. 6, pp. 147-153.
14. Myasnikova O.Yu. Personnel Resource Formation and Its Quality Management in Commercial Bank. In: Management and Marketing Challenges of the 21st Century. Yekaterinburg, UrSUE Publ., 2014, pp. 75-82.
15. Balykhin G.A., Myasnikova O.Yu. Vliyanie reinzhiniringa kadrovogo menedzhmenta na povyshenie effektivnosti i proizvoditel'nosti [The effect of HR management re-engineering on efficiency and effectiveness increase]. Normirovanie i oplata truda v promyshlennosti = Labor Rating and Remuneration in Industry, 2014, no. 7, pp. 22-28.
16. Paklin N.B., Oreshkov V.I. Biznes-analitika: ot dannykh k znaniyam [Business analytics: from data to knowledge]. St. Petersburg, Piter Publ., 2013, 704 p.
17. Tolstova Yu.N. Analiz sotsiologicheskikh dannykh. Metodologiya, deskriptivnaya statistika, izuchenie svyazei mezhdu nominal'nymi priznakami [Analysis of sociological data: methodology, descriptive statistics, the study of relationships between nominal attributes]. Moscow, Nauchnyi mir Publ., 2000, 352 p.
18. Aivazyan S.A., Bukhshtaber V.M., Enyukov I.S. Prikladnaya statistika. Klassifikatsiya i snizhenie razmernosti [Applied statistics: classification and dimension reduction]. Moscow, Finansy i Statistika Publ., 1989, 607 p.
19. Gaidyshev I. Analiz i obrabotka dannykh [Data analysis and processing]. St. Petersburg, Piter Publ., 2001, 752 p.
20. Chubukova I.A. Data Mining. Moscow, Binom Publ., 2008, 382 p.
