CC BY
113■_
УПРАВЛЕНИЕ ЧЕЛОВЕЧЕСКИМИ РЕСУРСАМИ / HUMAN RESOURCE MANAGEMENT
ОРИГИНАЛЬНАЯ СТАТЬЯ
DOI: 10.34022/2658-3712-2022-47-2-98-105 УДК 331.1 JELJ24
ИНСТРУМЕНТАРИЙ ОЦЕНКИ И ПОДБОРА РАБОТНИКОВ В УСЛОВИЯХ BANI-МИРА
А.А. Федченко a, И.В. Филимонова b, В.Н. Ярышина c
a' b Финансовый университет при Правительстве Российской Федерации, Москва, Россия с Воронежский государственный университет, Воронеж, Россия а https://orcid.org/0000-0002-9450-3498; b https://orcid.org/0000-0002-6383-8084;
с https://orcid.org/0000-0002-9076-196X
АННОТАЦИЯ
В статье исследуется процесс оценки и подбора работников в условиях трансформации социально-трудовых отношений и влияния BANI-мира на требования, предъявляемые к профессиональным и надпрофессиональным умениям и навыкам работников.
Цель работы - разработка инструментария оценки и подбора работников в условиях BANI-мира характеризующегося высокой степенью хрупкости, тревожности, нелинейности и непостижимости изменения социально-экономических условий. Авторы используют общенаучные и специальные методы исследования. В основу исследования положен компетентностный подход, ориентированный на удовлетворение возрастающих потребностей организации в повышении эффективности труда работников. Предлагается апробированный авторами алгоритм классификации работников с учетом важности трудовых функций и компетенций, основанный на применении метода нечеткого лингвистического оценивания, позволяющий нивелировать влияние неопределенности и определять уровень компетентности работников для повышения степени эффективности управленческих решений.
В результате исследования разработан инструментарий нечеткого лингвистического оценивания для упрощения процесса подбора и оценки персонала в условиях неопределенности.
Разработанный инструментарий оценивания может применяться на внутрифирменном уровне для упрощения классификации работников в процессе оценки и подбора квалифицированных кадров. Данный процесс предлагается осуществлять, основываясь на выявлении степени обладания работниками соответствующими компетенциями, требуемыми для выполнения трудовых функций. При принятии управленческих решений предлагается использовать инструментарий нечеткого лингвистического оценивания, являющегося эффективным средством решения многокритериальных задач. Сделан вывод: применение разработанного авторами статьи инструментария способствует повышению обоснованности управленческих решений, связанных с оценкой профессиональных и надпрофессиональных умений и навыков работников и их обоснованным подбором в условиях высокой степени неопределенности BANI-мира.
Ключевые слова: оценка и подбор работников; нестабильность социально-экономической среды; интуитивное мышление; компетентностный подход; инструментарий нечеткого лингвистического оценивания; BANI-мир.
Для цитирования: Федченко А.А., Филимонова И.В., Ярышина В.Н. Инструментарий оценки и подбора работников в условиях BANI-мира. Социально-трудовые исследования. 2022;47(2):98-105. DOI: 10.34022/2658-3712-2022-47-2-98-105.
ORIGINAL PAPER
TOOLS FOR EVALUATING AND SELECTING EMPLOYEES IN THE CONDITIONS OF THE BANI-WORLD
A.A. Fedchenko a, I.V. Filimonova b, V.N. Yaryshina c
a' b Financial University, Moscow, Russia c Voronezh State University, Voronezh, Russia a https://orcid.org/0000-0002-9450-3498; b https://orcid.org/0000-0002-6383-8084;
G https://orcid.org/0000-0002-9076-196X
ABSTRACT
The article examines the appraisal and recruitment process in the context of the transformation of social and labor relations and BANI world influence on the requirements for professional and over-professional (soft) skills of employees. The aim of the study is to develop tools for assessing and recruiting employees in a BANI world characterized by a high degree of brittleness, anxiety, non-linearity and incomprehensibility of changing socio-economic conditions. The authors use general scientific and special research methods. The study is based on a competency-based approach, focused on meeting the growing needs of the organization to improve the efficiency of employees' work. We propose an algorithm for classifying employees, considering the importance of labor functions and competencies, based on the use of fuzzy linguistic evaluation tools, which allows leveling the influence of
© Федченко A.A., Филимонова И.В., Ярышина B.H., 2022
■
uncertainty and determining the level of competence of employees to increase the degree of efficiency of management decisions. As a result of the study, the authors developed fuzzy linguistic evaluation tools to simplify the process of personnel recruitment and assessment under conditions of uncertainty. The developed assessment tools may be used at the intra-company level to simplify the classification of employees in assessing and selecting qualified personnel. This process is proposed to be carried out based on identifying the degree of employees' possession of the relevant competencies required to perform labor functions. In this regard, when making managerial decisions, it is recommended to rely on fuzzy linguistic evaluation tools, which are effective for solving multicriteria problems. The study concludes that using the authors' tools will help increase the validity of managerial decisions taken to assess the professional and over-professional skills of employees for comprehensively justified recruitment in a high degree of uncertainty of the BANI world.
Keywords: assessment and recruitment of employees; instability of the socio-economic environment; intuitive thinking; competence-based approach; tools for fuzzy linguistic evaluation; BANI world.
For citation: Fedchenko A.A., Filimonova I.V., Yaryshina V.N. Tools for evaluating and selecting employees in the conditions of the BANI world. Social and labor research. 2022;47(2):98-105. DOI: 10.34022/2658-3712-2022-47-2-98-105.
ВВЕДЕНИЕ
Понятие «BANI-world» было предложено Джа-маис Кашио.1 Так, сама аббревиатура свидетельствует о хрупкости (Brittle), тревожности (Anxious), нелинейности (Nonlinear), непостижимости (Incomprehensible) и предлагает ориентиры для реагирования на современные события, что также нашло отражение в термине «трансцензуальное мышление», (или интуитивное мышление), которое с точки зрения писателя-футуриста Андрея Столярова2 наиболее актуально в условиях непредсказуемого мира и позволяет «реагировать быстро и при этом глубоко схватывать нюансы». Как здесь не вспомнить Альберта Эйнштейна утверждавшего, что «Интуиция - это священный дар, а рациональный ум - верный слуга. Я никогда не сделал бы своих открытий в процессе рационального мышления». Интуиция всегда помогала руководителям принимать успешные управленческие решения вне зависимости от специфики деятельности и направления в котором они работают.
Понятие «BANI-мир» является логическим продолжением восприятия действительности, наряду с терминами SPOD-мир и VUCA-мир. SPOD-мир предполагает постепенное развитие событий, о чем свидетельствует его аббревиатура: стабильность (Steady), предсказуемость (Predictable), простота (Ordinary), определенность (Definite). В отличие от него для VUCA-world характерна изменчивость (Volatility), неопределенность (Uncertainty), сложность (Complexity), неоднозначность (Ambiguity). Эта аббревиатура появилась на основе теорий лидерства Уоррена Бенниса и Берта Нануса и описывала бизнес-стратегии [1].
1 Cascio, Jamais.2020. "Facing the Age of Chaos". Medium (blog), 29 April 2020 https://medium.eom/@cascio/facing-the-age-of-chaos-b00687b1f51d (accessed 26 March 2022).
2 Блог «Новая эпоха управления». Лидеры и организации будущего Тренды 2035: как изменятся модели управления. 27 октября 2021 https://blog.bitobe.ru/article/lidery-i-organizatsii-budushchego (дата обращения 26.03.2022).
ОТ VUCA-WORLD К BANI-МИРУ
Переход от VUCA к BANI-миру характеризуется изменениями в восприятии событий во всех сферах жизнедеятельности. Последствия COVID-19, непредсказуемость развития ситуации под влиянием геополитических факторов и санкционных ограничений, усиливают необходимость изменения способов принятия управленческих решений, одним из которых является оценка и подбор персонала с целью достижения позитивных изменений в будущем.
В условиях BANI-мира становятся остро востребованными нестандартные подходы к решению усложняющихся профессиональных задач, гибкие надпрофессиональные навыки (soft skills), такие как креативность, эмоциональный интеллект, критическое мышление и др. [2], и развитые цифровые компетенции (работа с Big Data, управление IT системами).
Успешность компании, ее возможность конкурировать на рынке во многом зависят от правильно выстроенной системы подбора кадров, повышения уровня квалификации работников, развития у них гибких навыков. Стремительно меняющиеся внешние условия на рынке труда оказывают непосредственное влияние на уровень заработных плат и требования к профессионально-квалификационным характеристикам персонала. С учетом этих факторов, а также в целях экономии средств HR-бюджета кадровая политика большинства работодателей должна как можно быстрее переориентироваться на привлечение исключительно высококвалифицированных работников, что позволило бы компании не только существенно сократить издержки по найму, обучению и увольнению персонала, но и повысить свою конкурентоспособность.
В этой связи компетентностный подход (foresight компетенций), нацеленный на профессиональное развитие и, соответственно, повышение эффективности труда персонала, а также учитывающий вос-
требованность профессий в будущем находит все большее распространение и применение [3].
В 2012-2015 гг. Московской школой управления «СКОЛКОВО» был реализован проект «Форсайт компетенций»3, результатом которого стал Атлас новых профессий включающий в себя на данный момент 27 перспективных отраслей с перечислением новых профессий и их описанием.
Социальная технология «Форсайт» (foresight, англ. предвидение), применяемая в сфере бизнеса и государственного управления, позволяет составить прогноз развития отрасли, региона или страны и разработать план по достижению желаемого будущего.
Принципы форсайта базируются на том, что будущее вариативно, его можно создать самим, оно будет зависеть от степени прилагаемых усилий и решений участников и заинтересованных сторон. Будущее нельзя предсказать достоверно, но на него можно повлиять, в том числе с учетом разработки прогнозов его развития. Таким образом, ведущими организациями каждой из отраслей будущее планируется сообща и намечаются пути его достижения.
В ближайшем будущем в нашей стране прогнозируется востребованность инженеров цифрового моделирования, операторов многофункциональных робототехнических комплексов, разработчиков автоматизированных сервисов по управлению личными финансами, аналитиков кибербезопас-ности, менеджеров непрерывности бизнеса, архитекторов цифровых офисов, программистов ней-роинтерфейсов, архитекторов информационных систем, организаторов государственно-частных партнерств в социальной сфере, проектировщиков нейроинтерфейсов по управлению роботами, координаторов программ развития сообществ, менеджеров по кросс-культурной коммуникации, консультантов по устойчивому развитию, архитекторов образовательных экосистем и др.
В настоящее время в зависимости от типа специализации востребованы и внутриотраслевые, и кросс-отраслевые компетенции. Работодатели выделяют свыше 15 очень важных для работников будущего универсальных надпрофессиональных умений и навыков (soft skills), позволяющих специалистам быть востребованными в любой отрасли и работать с высокой производительностью. Выделим из них главные, которые, на наш взгляд, особенно соответствуют условиям BANI-мира:
3 Московская школа управления Сколково. Проект Форсайт компетенций. https://www.skolkovo.ru/researches/sedec-research-new-jobs/ (дата обращения: 28.03.2022).
• мультиязычность и мультикультурность;
• отраслевая мультикоммуникативность;
• работа в режиме высокой неопределенности и быстрой смены условий задач;
• умение работать с людьми;
• программирование ИТ-решений, управление сложными автоматизированными комплексами, работа с искусственным интеллектом;
• критическое мышление;
• эмоциональный интеллект4.
К профессиональным областям, где количество рабочих мест по прогнозам специалистов будет увеличиваться, относятся творческие индустрии, виртуальная экономика, человекоцентрированные сервисы, экономика процветания, новые технологические секторы.
Использование высокотехнологичных процессов и сетей во всех сферах деятельности, работа с большими массивами данных, экологическая направленность являются основными факторами, влияющими на трансформацию рынка труда и сферу профессиональной деятельности.
Ключевым фактором, повышающим востребованность навыков и профессиональных компетенций, безусловно, является компьютеризация всех процессов и сфер жизнедеятельности общества, позволяющая быстрее адаптироваться к современным особенностям социально-трудовых отношений и социально-экономического развития [4, 5, 6, 7, 8].
Повышенный спрос на высококвалифицированных специалистов в робототехнике и машиностроении ощущается в нашей обложенной санкциями стране уже сейчас. Автоматизированные заводы требуют подготовки специалистов, способных осуществлять проектирование промышленной робототехники, нейроинтерфейсов по управлению роботами. Мы разделяем позицию Н.В. Зубаревич, называющей 1Т-специалистов «новой нефтью».
Динамизм технологических и социально-экономических процессов, COVID-19 существенно изменили ситуацию на рынке труда, что отразилось на требованиях, предъявляемых к работникам. В условиях нестабильной социально-экономической среды, проявляющейся в хрупкости, тревожности, нелинейности и непостижимости ВАМ-мира, управленческий инструментарий оценки и подбора работников для замещения определенных вакансий на рынке труда и внутренней ротации должен формироваться с помощью аппарата нечеткой логики и экспертных оценок. Это позволит, с одной стороны, оптимизировать управленческий процесс, повысив
4 Атлас новых профессий 3.0. Под ред. Д. Варламовой, Д. Судакова. М.: Альпина ПРО; 2021.472 с.
■
обоснованность кадровых решений и нивелируя влияние неопределенности, с другой стороны, оценив с помощью экспертного сообщества создавшуюся ситуацию, сформировать траекторию ее изменения.
В сложившихся условиях необходимость использования метода нечеткого лингвистического оценивания для упрощения подбора и оценки необходимого персонала, на наш взгляд, своевременна и логически обоснована. В условиях ВАМ-мгогЫ этот инструментарий позволяет формировать адекватную реальности политику развития организаций.
В современном мире существует необходимость использования дифференцированного подхода к оценке деятельности работников и их компетенций. В условиях отсутствия достоверной и полной информации, высокой степени неопределенности нечеткие методы управления представляются обоснованными.
Разработанный и апробированный нами алгоритм классификации работников с учетом важности трудовых функций и компетенций (основанный на применении метода нечеткого лингвистического оценивания) позволяет сформировать стратегические цели, ориентированные на повышение эффективности управленческих решений в условиях социально-экономической нестабильности. Данный инструментарий может применяться как на внутрифирменном уровне, так и на рынке труда для упрощения классификации работников при оценке и подборе высококвалифицированных кадров.Пред-ложенная нами система с нечеткой логикой легче для понимания, достаточно гибка и устойчива к неточным входным данным, подходит для функций любой сложности и осуществляет процесс оценки с помощью обычного лингвистического языка. При этом учитываются мнения и опыт специалистов-экспертов.
Оценку и подбор работников мы предлагаем осуществлять, основываясь на выявлении у них степени обладания соответствующими компетенциями, требуемыми для выполнения трудовых функций. В наибольшей степени для решения этой задачи подходит аппарат нечеткой лингвистической оценки, состоящий из множества оценочных критериев, используемых для процедуры ранжирования и классификации и обозначающийся через {х15X2,..., Хр }. Каждому критерию ставится в соответствие лингвистическая переменная. Лингвистические переменные задаются кортежем ^Х,Т, где X - название переменной, Т = {Т1,Т2,...,Тм} - терм-множество
(множество лингвистических значений) [9, с. 11]. Терм-множество включает используемые на практике градации соответствующего критерия. Каждый терм является нечеткой переменной, заданной с помощью нечеткого подмножества базового множества. Выбор базового множества и базовой шкалы измерения определяется спецификой соответствующего критерия.
С помощью данного инструмента можно решать сложные многокритериальные задачи: оценивать эффективность, результативность и качество работы сотрудников; ранжировать их в соответствии с полученными оценками и классифицировать в зависимости от степени их соответствия определенным критериям; формализовать имеющиеся у работников компетенции в виде лингвистических переменных (значениями которых являются не числа, а слова или предложения в естественном или формальном языке); получать точечные оценки компетенций у каждого работника [9, с. 86].
Формализующим механизмом аппарата является построение функции принадлежности
М т,
(и) терму Т ■. Значение функции принадлежности Мт , (и) для каждого и е и^ характеризует степень соответствия количества баллов и е и{ терму Т,. Если базовая шкала является некоторой количественной шкалой, в которой измеряется анализируемый критерий, то значение функции принадлежности Мт (и) для каждого и е и: может интерпретироваться как определенная из субъективных предпочтений или экспертным путем мера адекватности и е и^ значению Т,» [10]. Построение функции принадлежности для каждого терма осуществляется экспертом.
Наряду с лингвистическими оценочными переменными {Х1,X2,..., Хр } рассматривается результирующая переменная У - лингвистическая переменная, характеризующая степень удовлетворительности респондента. Переменная У имеет терм-множество £ = {¿1 ,£2,...,£7}, £1 - «не удовлетворяет», ¿2 - «очень низкая степень удовлетворительности», ¿3 - «низкая степень удовлетворительности», £4 - «средняя степень удовлетворительности», £5 - «высокая степень удовлетворительности», ¿6 - «очень высокая степень удовлетворительности», £7 - «удовлетворяет». В качестве базового множества для результирующей переменной рассматривается множество X = { 0;0,1;0,2;0,3;...;0,9;1}.
«Применение правил нечеткого логического вывода позволяет определенному набору термов
лингвистических переменных, соответствующих используемым критериям, поставить в соответствие терм результирующей лингвистической переменной и получить для каждого анализируемого работника точечную оценку результирующей переменной. При этом по каждому критерию эксперт составляет набор правил вида «О : если К, = Гг , К, = т ,К3 = Т> ,...,Кт = Т У = Я,
>1 >1 >2 >2 >3 >3 т 'т то > , », где Т> принимает значение из множества термов критерия К,, а Я, - соответственно из множества термов результирующей лингвистической переменной» [11]. Степень удовлетворения респондента правилу логического вывода вычисляется через меру принадлежности нечеткой импликации, например, использованной нами импликации Лукасевича:
цВк(и,х) = тш{и,1 -цТ (и) + Ця/*)} и еи>,х е X. (1)
Импликация оформляется в виде нечеткого бинарного отношения, представленного в табл. 1.
Данные, представленные в таблице, можно интерпретировать следующим образом: если цв (и, х) = 1, то это означает, что значение х на результирующей шкале достаточно с точки зрения удовлетворения данному правилу для респондента и, если же (и, х) < 1, то значение х для респондента и недостаточно с точки зрения удовлетворения данному правилу. Мера принадлежности пересечению бинарных отношений (О = | Бк) Цп(ик,х) характеризует, в какой степени объекту и соответствует значение удовлетворительности х по совокупности правил. По бинарному отношению D строится окончательная точечная оценка удовлетворительности респондента и .
При оценке и подборе работников рассмотренный выше алгоритм нечеткого логического вывода рекомендуется применять для оценки трудовых функций и компетенций работников. Например, в качестве оценочных критериев трудовых функций экономиста по труду можно использовать следующие: рассчитывает целевые и фактические значения ключевых показателей эффективности (производительности) труда персонала с целью определения размеров стимулирующих и компенсационных выплат (Х1); проводит анализ российских и зарубежных практик в области организации труда, его оплаты и материального стимулирования на предмет их применения на предприятии (Х2); проводит социологические исследования (анкетирование, опросы) на предмет удовлетворенности персонала условиями
труда (Х3); разрабатывает систему бюджетирования расходов на персонал (Х4); разрабатывает и внедряет систему тарифно-квалификационных параметров для проведения тарификации (оценки сложности) труда с построением системы балльных шкал оценки (Х5); разрабатывает предложения по новым профессиям (должностям) при внедрении и использовании новых технологий в организации (Х6); проводит консультирование персонала организации по вопросам применения системы тарификации должностей (профессий), оценки сложности трудовых (технологических) процессов (Х7), а оценку компетенций проводить, например, по таким критериям, как: профессионализм, открытость к изменениям, рационализаторство (Х'1); результативность и качество труда (Х'2), владение лучшими практиками и их эффективное использование (Х'3), ориентация на результат (Х'4), инициативность и лидерство (Х'5), развитие, гибкость и адаптивность (Х'6), знание международных и российских корпоративных практик в области компенсаций и льгот (Х'7), знание принципов и порядка оценки результатов работы персонала организации на основе системы ключевых показателей деятельности (Х'8), умение использовать проекты, алгоритмы и пакеты прикладных программ, позволяющие создавать экономически обоснованные системы обработки информации по труду и заработной плате (Х'9), регулярное прохождение повышения квалификации (например, не реже 1 раза в год) (Х'10), знание методов математической статистики, корреляционно-регрессионного анализа, многофакторного анализа, классификации и декомпозиции (кластеризации) для решения профессиональных задач (функций, работ, процессов, операций) (Х'11). Далее определяются способы оценки персонала по каждому из выбранных критериев.
«Лингвистическая переменная Y, характеризующая качество работы агента, задана на множестве J={0; 0,1;0,2;...;1}. Значение переменной Y установлено с помощью следующих функций принадлежности:
[1, если х = 1, Р = Безупречный: рР(х) = | о х < 1 , хе J
MS = Очень удовлетворяющий: рМ8(х)= х2, xeJ S = Более чем удовлетворяющий: ^(х)=х, хе J LS = Удовлетворяющий: ^5(х) = , хе J Ш = Неудовлетворяющий: ^(х) = 1- х, хе J» [12]. «Основой для проведения операции нечеткого логического вывода является база правил, содержащая нечеткие высказывания в форме «если-то»
■
Таблица 1 / Table 1
Импликация в виде нечеткого бинарного отношения / Implication in the form of a fuzzy binary relation
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
u Md (u,0)) Md (u,0,1)) Md (u,1))
Источник/Source: разработано авторами / developed by the authors.
и функции принадлежности для соответствующих лингвистических термов. При этом должны соблюдаться следующие условия:
• существует хотя бы одно правило для каждого лингвистического терма выходной переменной;
• для любого терма входной переменной имеется хотя бы одно правило, в котором этот терм используется в качестве предпосылки (левая часть правила)» [13]. В противном случае имеет место неполная база нечетких правил.
Далее экспертной группой составляются правила лингвистической оценки работников по выбранным критериям для замещения конкретных должностей. Например, для экономиста по труду:
D1: Если работник проводит анализ российских и зарубежных практик в области организации труда, его оплаты и материального стимулирования на предмет их применения на предприятии; проводит консультирование персонала организации по вопросам применения системы тарификации должностей (профессий), оценки сложности трудовых (технологических) процессов; разрабатывает систему бюджетирования расходов на персонал, обладает высоким профессионализмом, рационализаторством, открыт к изменениям, знает принципы и порядок оценки результатов работы персонала организации на основе системы ключевых показателей деятельности; знает методы математической статистики, корреляционно-регрессионного анализа, многофакторного анализа, классификации и декомпозиции (кластеризации) для решения профессиональных задач (функций, работ, процессов, операций), то он очень удовлетворяющий определенной должности.
D2: Если работник проводит социологические исследования (анкетирование, опросы) на предмет удовлетворенности персонала условиями труда, разрабатывает и внедряет систему тарифно-квалификационных параметров для проведения тарификации (оценки сложности) труда с построением системы балльных шкал оценки, разрабатывает предложения по новым профессиям (должностям) при внедрении и использовании новых технологий в организации, владеет лучшими практиками и эффективно их применяет в своей деятельности, ориентирован на результат,
умеет использовать проекты, алгоритмы и пакеты прикладных программ, позволяющие создавать экономически обоснованные системы обработки информации по труду и заработной плате, то он удовлетворяющий.
D3: Если работник не рассчитывает целевые и фактические значения ключевых показателей эффективности труда персонала с целью определения размеров стимулирующих и компенсационных выплат, не проводит анализ российских и зарубежных практик в области организации труда, его оплаты и материального стимулирования на предмет их применения на предприятии, не проводит социологические исследования на предмет удовлетворенности персонала условиями труда, не ориентирован на результат, не знает принципы и порядок оценки результатов работы персонала организации на основе системы ключевых показателей деятельности, то он неудовлетворяющий.
С помощью экспертной оценки задаются итоговые пороговые значения для каждого класса работников. Для удобства расчеты можно проводить в программном обеспечении Microsoft Excel или в среде Delphi. На основании полученных точечных оценок классифицируем работников на группы для упрощения принятия решений о замещении высококвалифицированных рабочих мест. Данный алгоритм апробирован нами на ряде промышленных предприятий и получил положительную оценку. Набор критериев для оценки сотрудников и их работы стоит пересматривать по мере необходимости (не реже одного раза в год) [14].
Инструментарий нечеткой логики появился сравнительно недавно, что же касается понятия «нечеткое множество» («Fuzzy Sets»), как объекта с функцией принадлежности элемента ко множеству, которое может быть не только 0 или 1, но и принимать любые значения в интервале [0, 1], то оно было сформулировано Lotfi Askar Zadeh в 1965 г. в журнале Information and Control [15]. Сегодня положения теории нечетких множеств активно применяются при принятии решений в различных прикладных областях, например, в разработке нечетких логических контроллеров для промышленных процессов, при принятии медицинских решений, а в последнее время - и судебных вердиктов [16].
ВЫВОДЫ
Основная цель управления - обеспечение реализации стратегических целей за счет привлечения, стимулирования и удержания персонала с учетом особенностей развития организации на различных этапах ее формирования. Все управленческие решения, касающиеся оценки и подбора работников, должны быть всесторонне обоснованы, так они непосредственно затрагивают интересы как организации, так и ее сотрудников. Необходимо также соблюдение оптимального соотношения степени важности контроля издержек и планирования мероприятий по привлечению и удержанию работников с учетом особенностей этапов развития организации. Например, когда предприятие находится на этапе кризиса, то привлечение нового квалифицированного персонала отходит на второй план по сравнению с минимизацией издержек на рабочую силу.
Когда эмпирические данные ограничены или отсутствуют, экспертный опрос может быть использован для дополнения существующих данных и информирования об оценках параметров модели. Использование строгих методов экспертного опроса, учитывающих неопределенность, может улучшить качество полученных экспертом значений и, следовательно, точность проекционных моделей.
На практике предлагаемый инструментарий можно применять не только для оценки работников с целью определения возможности замещения ими конкретных рабочих мест, но и, напри-
мер, для трансформаций систем оплаты труда в условиях конкурентной динамично развивающейся экономической среды, что апробировано нами на ряде промышленных предприятий. [12] С использованием нечеткой логики создаются группы работников на основе достижения ими определенных КР1, обладания различными компетенциями, знаниями, умениями, навыками с целью распределения переменной части оплаты труда в рамках соответствующих групп. Рекомендуется применять аппарат нечеткого лингвистического оценивания для правильного определения лучших сотрудников по итогам работы за период (месяц), а также для составления классификации работников, позволяющей определить их принадлежность к определенному классу (группе, категории).
Ориентация деятельности организаций на выполнение миссии, реализуемая через систему ключевых показателей, достигается рациональным подбором необходимых высококвалифицированных работников, осуществляемом в рамках законодательно-правовой базы. Мы попытались аргументировать и доказать актуальность и эффективность применения инструментария нечеткой логики при оценке и подборе персонала в условиях нестабильной социально-экономической среды. Практика доказывает, что сфера использования данного подхода не ограничена и он может эффективно применяться на предприятиях всех сфер деятельности и форм собственности.
СПИСОК ИСТОЧНИКОВ
1. Bennis Warren, Nana Burt and Nanus Burt. Leaders: The Strategies for Taking Charge. HarperBusiness;1997. 256 р.
2. Баландина О.В., Вешкурова А.Б., Филимонова И.В., Шапиро С.А. Формирование новых профессиональных и личностных компетенций преподавателей высшей школы в условиях цифровизации экономики. Труд и социальные отношения. 2020; (3):93-114.
3. Федченко А.А., Ярышина В.Н. Компетентностный подход - основа оптимизации затрат на персонал. Мотивация и оплата труда. 2015;3(43):162-170.
4. Федченко А.А., Дорохова Н.В., Дашкова Е.С. Цифровые технологии в системе организационно-правового регулирования занятости населения. Социально-трудовые исследования.2021;1(42):24-35.
5. Минина В.Н., Чижова О.Б. Оценка социальной эффективности цифровых технологий рекрутмента: опыт эмпирического исследования. Социально-трудовые исследования. 2021;1(42):97-111. DOI: 10.34022/2658-3712-2021-42-1-97-111.
6. Keller, Wolfgang, William W. Olney. "Globalization and executive compensation. " Journal of International Economics. 2021; 129. https://doi.Org/10.1016/j.jinteco.2020. 103408
7. Зубаревич Н.В. Социальное развитие регионов России: Проблемы и тенденции переходного периода. URSS. 2022. 264 с.
8. Капелюшников Р.И. Анатомия коронакризиса через призму рынка труда // Вопросы экономики. 2022;(2):33-68.
9. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир. 1976. 165 с.
10. Mamdani E.H. Applications of fuzzy algorithms for simple dynamic plant. Porc. IEE. 1973; 12(121):1585-1588.
11. Zadeh L. The concept of a linguistic variable and its application to approximate reasoning. Part 1, 2, 3 Information Sciences. 8: 199249, 301-357; 9: 43-80.
12. Ярышина В.Н. Инновационные трансформации оплаты труда в современной экономике: Дисс. на соиск. уч. степ. канд. экон. наук. Воронеж. 2015. 213 с.
13. Sangalli Arturo. 1992. "Fuzzy logic goes to market" New Scientist, 8 February 1992. https://www.newscientist.com/article/ mg13318074-600-fuzzy-logic-goes-to-market/
14. Ярышина В.Н. Оплата труда и ее трансформации в современной экономике. Воронеж: Издательский дом ВГУ. 2016. 147 с.
15. Zadeh, L. A. Fuzzy sets. Information and control.1965;8(3): 338-353.
16. Gupta,M.M. Forty-five years of fuzzy sets and fuzzy logic—A tribute to Professor Lotfi A. Zadeh (the father of fuzzy logic). Scientia Iranica.2011; 18(3): 685-690. https://doi.org/10.1016/j.scient.2011.04.023
■
REFERENCE
1. Bennis Warren, Nana Burt and Nanus Burt. Leaders: The Strategies for Taking Charge. HarperBusiness;1997. p. 256.
2. Balandina O.V., Veshkurova A.B., Filimonova I.V., Shapiro S.A. Formation of new professional and personal competencies of teachers of higher education in the context of digitalization of the economy. Trud i social'nye otnoshenija = Labor and social relations. 2020;(3):93-114. (In Russ.).
3. Fedchenko A.A., Yaryshina V.N. Competence-based approach is the basis for optimizing personnel costs. Motivacija i oplata truda =Motivation and salary. 2015;3(43):162-170. (In Russ.).
4. Fedchenko A.A., Dorohova N.V., Dashkova E.S. Digital technologies in the system of organizational and legal regulation of employment of the population. Social'no-trudovye issledovanija = Social and labor research. 2021;1(42):24-35(In Russ.).
5. Minina V.N., Chizhova O.B. Evaluation of the social effectiveness of digital recruitment technologies: The experience of empirical research. Social'no-trudovye issledovanija = Social and labor research. 2021;1(42):97-111. DOI: 10.34022/2658-3712-2021-42-1-97-111. (In Russ.).
6. Keller, Wolfgang, William W. Olney. "Globalization and executive compensation". Journal of International Economics. 2021;129. https:// doi.org/10.1016/j.jinteco.2020.103408
7. Zubarevich N.V. Social development of Russian regions: Problems and trends in the transition period. URSS. 2022. p. 264. (In Russ.).
8. Kapelyushnikov R.I. Anatomy of the coronacrisis through the prism of the labor market. Voprosy ekonomiki = Economic issues. 2022;(2):33-68. (In Russ.).
9. Zadeh L. The concept of a linguistic variable and its application to making approximate decisions. Moscow: Mir; 1976. p. 165.
10. Mamdani E.H. Applications of fuzzy algorithms for simple dynamic plant. Porc. IEC. 1973;12(121):1585-1588.
11. Zadeh L. The concept of a linguistic variable and its application to approximate reasoning. Part 1, 2, 3 Information Sciences. 8: 199249, 301-357; 9:43-80.
12. Yaryshina V.N. Innovative transformations of wages in the modern economy: Thesis for the Cand. Sci. (Econ) degree. Voronezh; 2015. p. 213. (In Russ.).
13. Sangalli, Arturo. Fuzzy logic goes to market. New Scientist; 8 February 1992. https://www.newscientist.com/article/mg13318074-600-fuzzy-logic-goes-to-market/
14. Yaryshina V.N. Wage and its transformation in the modern economy. Voronezh: Izdatel'skij dom VGU = VSU Publishing House. 2016. p. 147. (In Russ.).
15. Zadeh, L. A. Fuzzy sets. Information and control. 1965;8(3):338-353.
16. Gupta M.M. Forty-five years of fuzzy sets and fuzzy logic—A tribute to Professor Lotfi A. Zadeh (the father of fuzzy logic). Scientia Iranica.2011;18(3):685-690. https://doi.org/10.1016/j.scient.2011.04.023
ИНФОРМАЦИЯ ОБ АВТОРАХ / ABOUT THE AUTHORS
Анна Александровна Федченко - доктор экономических наук, профессор, профессор департамента психологии и развития человеческого капитала, Финансовый университет при Правительстве Российской Федерации, Москва, Россия.
Anna А. Fedchenko - Dr. Sci. (Econ.), Professor, Department of Psychology and Human Capital Development,
Financial University, Moscow, Russia.
Филимонова Инна Витальевна - кандидат экономических наук, доцент, доцент департамента психологии и развития человеческого капитала, Финансовый университет при Правительстве Российской Федерации, Москва, Россия.
Inna V. Filimonova - Cand. Sci. (Econ.), Assoc. Prof., Assoc. Prof. of Department of Psychology and Human
Capital Development, Financial University, Moscow, Russia.
Ярышина Валерия Николаевна - кандидат экономических наук, доцент кафедры экономики труда и основ управления Воронежского государственного университета, г. Воронеж, Россия. Valeriya N. Yaryshina - Cand. Sci. (Econ.), Associate Professor, Department of Labor Economics and Fundamentals of Management, Voronezh State University, Voronezh, Russia.. [email protected]
ЗАЯВЛЕННЫЙ вклад авторов
Федченко А.А. - Постановка проблемы, концептуальное построение статьи, критический анализ литературы, формулирование выводов.
Ярышина В.Н. - критический анализ литературы, логическое структурирование материала, формулирование выводов. Филимонова И.В. - критический анализ литературы, логическое структурирование материала, формулирование выводов.
AUTHORS' DECLARED CONTRIBUTIONS Fedchenko A.A. - conceived the presented idea, developed the conceptional framework of the study, performed the analysis of the sources, and wrote the conclusions.
Filimonova I.V. - performed the analysis of the sources, structured the text of the article, and wrote the conclusions. Yaryshina V.N. - performed the analysis of the sources, structured the text of the article, and wrote the conclusions.
Конфликт интересов: авторы заявляют об отсутствии конфликта интересов. Conflicts of Interest Statement: The authors have no conflicts of interest to declare.
Статья поступила в редакцию 01.04.2022; после рецензирования 12.04.2022, принята к публикации 14.04.2022. Авторы прочитали и одобрили окончательный вариант рукописи.
The article was submitted on 01.04.2022; revised on 12.04.2022 and accepted for publication on 14.04.2022. The authors read and approved the final version of the manuscript.
