CC BY
19
ные платы и социальные пакеты, во взаимоотношениях с клиентами - обеспечивают достаточно высокий уровень качества своей продукции, с акционерами - выплаты соответствующих дивидендов и в указанные сроки. Для населения регионов присутствия - увеличение количеств новых рабочих мест, для деловых партнберов - осуществления платежей в указанные соки. Все сказанное не может не влиять на репутацию корпорации, являясь элементами КСО.
Возможен и другой подход.
б) КСО - инструмент повышения репутации корпорации
Роль КСО в повышении репутации заключатся в следующем:
- КСО обеспечивает усиление репутации.
- Выступает гарантом для стейкхолдеров в период кризиса.
- Укрепляет доверие стейкхолдеров к корпорации.
- Помогает управлению кризисом, удержанию рынков.
- Помогает быть социально активным для бизнеса и использовать социальные сети, в последнее время становится модным активно использовать социальные сети, для доведения необходимой информации до стейкхолдеров.
В качестве примера влияния КСО-составляющих на репутацию ОАО корпорации «Первый канал», рассмотрим проект 1-ого телеканала «Добро», который был реализован в очень популярном проекте «Голос»: При голосовании зрителей за соответствующих участников все доходы от голосования (от СМС) перечислялись в фонд помощи больным детям.
Таким образом, многие компании проводят большую работу со СМИ для информирования всех заинтересованных
сторон о деятельности своих корпораций в плане социальной ответственности. Например, компания HEINEKEN [3] старается «предоставлять значительный объем статистических и фактических данных о производственной и хозяйственной деятельности компании, которые могут представлять интерес не только для журналистов, но и для всех, кто в силу научной или профессиональной деятельности занимается анализом предпринимательской и производственной работы. Наиболее подробно и четко структурировано эта информация представляется в отчете по направлениям: защита водных ресурсов; сокращение выбросов СО2; ответственное использование сырья и материалов; программы, связанные с умеренным потреблением пива; охрана труда и производственная безопасность; поддержка местных сообществ.»
В результате проведенных на кафедре теории управления ГУУ исследований для расширения возможностей КСО в бизнесе и увеличения репутации корпорации, была выявлена необходимость продолжить проведение работ по изучению направлений и вариантов взаимовлияния КСО и репутации крупных корпораций.
Список литературы
1. Bowen H.R. Social Responsibilities of the Businessman // New York: Harper and Row, 1953
2. Громова О.Н., Шала Е.А.Технология управления репутацией виртуальной организацией. //«Вестник Университета», ГУУ, 2014.
3. Международный журнал «Устойчивый бизнес», № 4, 2015.
ОБ ИНТЕЛЛЕКТУАЛИЗАЦИИ КОМПЬЮТЕРНЫХ СИСТЕМ
УПРАВЛЕНИЯ ПЕРСОНАЛОМ
Донской Дмитрий Владимирович
канд. эконом. наук, доцент, Крымский федеральный университет, г. Симферополь
АННОТАЦИЯ
Компьютерные HRM системы, предназначенные для управления персо-налом, находят все большее применение как в организациях России. Они должны иметь существенно больше функций, чем обычно используемые си-стемы автоматизации операций с кадрами, и обеспечивать работу не только с количественными, но и с качественными показателями персонала. Действующие и предлагаемые к разработке и внедрению в настоящее время автоматизированные системы управления кадрами в основном направлены на автоматизацию учетно-статистической работы. В то же время для построения систем HRM могут быть использованы методы искусственного интеллекта: для прогнозирования качества работы сотрудников, нахождения кандидатов на основе поиска в базах знаний, семантического анализа текстовой информации о потенциальных кандидатах в сетях, анализа состояния уже работающих сотрудников и их творческих возможностей. Целью работы является обоснование подхода к построению компьютерной системы HRM на основе признаковых характеристик и описаний сотрудников и кандидатов на работу. Предлагается использование методов машинного обучения, формирования понятий и других, применяемых в рамках парадигмы искусственного интеллекта. Основным выводом работы является полезность для HRM систем подхода на основе интеллектуального анализа по схеме «признаки - цели».
ABSTRACT
Computer based HRM system designed to manage the personal are increasingly used in organizations of Russia. They should have significantly more features than the usually used system of automation of operations with the staff, and to provide work not only with quantitative but also with qualitative indicators of the staff. Acting and the development and implementation of currently automated staff management system mainly focused on automation of accounting and statistical work. At the same time to build HRM systems can be used artificial intelligence methods for forecasting of quality of work of employees, find candidates based search in knowledge bases, the semantic analysis of textual information about potential candidates in networks, the analysis of the status of existing staff and their creative abilities. The aim of this work is to study the approach to building computer systems HRM on the basis of indicative features and descriptions of employees and job applicants. We propose the use of machine learning
methods, the formation of concepts and other used within the paradigm of artificial intelligence. The main conclusion of this work is usefulness for HRM systems approach based on intelligent analysis under the scheme of «signs - goals».
Ключевые слова: HRM, искусственный интеллект, подбор сотрудников, признаки, цели.
Keywords: HRM, artificial intelligence, recruitment, signs, goals.
Введение. HRM (Human Resource Management)-системы, предназначенные для управления персоналом, находят все большее применение как в организациях России, так и за рубежом, и реализуются как автоматизированные компьютерные системы. Они должны иметь существенно больше функций, чем обычно используемые системы автоматизации операций с кадрами, и обеспечивать работу не только с количественными, но и с качественными показателями персонала. Основная задача компьютерных HRM -систем - повысить эффективность работы предприятия или организации за счет правильного подбора, назначения, ротации, обучения, мотивирования и других приёмов работы с персоналом (кадрами) [4, с. 355]. При этом для персонала обязательно должны быть созданы все необходимые условия, и что особенно важно - условия для творческого подхода к своей производственной деятельности [1, с. 6]
Действующие и предлагаемые к разработке и внедрению автоматизированные системы управления кадрами в основном направлены на автоматизацию учетно-статистической работы [6, с. 4]. Это связано с тем, что «автоматизация HR-функций является очень сложной с технологической точки зрения, так как информационная система должна работать с трудно формализуемыми или вообще неформализуемыми параметрами» [5, с. 11; 3 ,с. 74 ].
За рубежом для управления персоналом применяются методы искус-ственного интеллекта, и в этом направлении накоплен существенный опыт [7, c. 149-172]. Потенциал искусственного интеллекта в области управления человеческими ресурсами используется для прогнозирования качества работы сотрудников, нахождения кандидатов на основе поиска в базах знаний, семантического анализа текстовой информации о потенциальных кандидатах в сетях, анализа состояния уже работающих сотрудников и их творческих возможностей. Появляется все большее число публикаций, касающихся применения технологии data mining в задачах HRM [8, p. 2410].
Сегодняшнее положение дел с использованием HRM-си-стем и применением в них методов и технологий искусственного интеллекта позволяют сделать следующие выводы:
- развитие интеллектуализированных HRM-систем является актуальным и важным научно-производственным направлением;
- рассмотрение возможностей и адаптация методов искусственного интеллекта для автоматизации функций HRM-систем является востребованной задачей.
1. Сбор и анализ информации. Любая компьютерная система, недостаточно обеспеченная релевантной поставленной задаче информацией, не будет эффективной. Говоря о необходимой информации, далее будем подразумевать все необходимые данные для HRM-системы, выходящие за круг стандартных записей в компьютерных базах о кадрах организации, полагая, что таковые заведомо имеются. Особенность информации, о которой идет речь, состоит в том, что она может быть и чаще всего является скрытой: например, мотивация кандидата, его психологические данные, профес-
сиональный уровень, определяемый не справками и дипломами, а реальный, интересующий работодателя.
Подобная информация раскрывается по специфическим признакам. В связи с этим представляется необходимым иметь в составе компьютерной HRM-системы следующие нормативные данные.
Нормативные файлы данных о первичных психологических признаках, содержащие наименования этих признаков, способы их числовой оценки, указатели на виды предпочтительной деятельности, предостережения и запреты. Эти файлы должны быть доступны для редактирования узкому кругу специалистов, ведущих работу по HRM организации. Они служат для формирования базы данных оценок сотрудников и кандидатов на работу в организации.
Нормативный файл целей, содержащий список целей, на которые направлен отбор сотрудников. Подчеркнём, - не должностей, а целей. Среди целей могут быть такие: достижение слаженной работы подразделения; выдвижение лидера - примера для подражания; достижение стабильного и надёжного выполнения поставленной задачи и др.
С каждой целью должно быть связано её признаковое описание - модель достижения этой цели. Такое описание может быть построено методами машинного обучения и формирования понятий, разработанных в рамках парадигмы искусственного интеллекта.
2. Основная задача: оценка соответствия кандидата или сотрудника целям организации. На этапе сбора информации формируется база данных по признакам, характеризующим сотрудников и кандидатов на работу в организации. На основе этой информации решаются следующие задачи:
a. Выявление групп согласованных по психологическим характеристикам сотрудников.
b. Назначение групп или отдельных сотрудников на выполнение отдельной задачи или направления производственной деятельности.
c. Обратная задача получения описания (обобщенного признакового портрета) требуемого сотрудника для назначения на работу или достижения поставленной цели.
d. Выявления значимости используемых характеристик-признаков для достижения поставленных целей в числовой (балльной) шкале. В итоге решения этой задачи каждый признак получает числовую оценку.
e. Вычисление суммарного показателя значимости сотрудника для организации, который вычисляется как сумма баллов по предыдущему пункту. Результат вычисления суммарного показателя используется для определения коэффициентов надбавки к заработной плате.
Методы искусственного интеллекта, которые необходимы для решения перечисленных задач, это машинное обучение [2, с. 50, с. 371], автоматическая классификация (unsupervised learning) [2, с. 415], обучение регрессии, формирование понятий [2, с. 383], , интеллектуальный поиск (data mining) [2, с. 118, с.287].
Список литературы:
1. Веснин В.Р. Управление персоналом. Теория и практика: учебник М.: Проспект, 2008. — 688 с.
2. Люгер Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. М.: Издательский дом «Вильямс». 2003. — 864 с.
3. Ульрих Д. Эффективное управление персоналом. Новая роль HR-менеджера в организации. М.: Вильямс, 2007. — 304 с.
4. Ульрих Д., Брокбэнк У HR в борьбе за конкурентное преимущество. М.: Претекст, 2010. — 361 с.
5. Ходыревская В. Н., Егорова О. С. Автоматизация управления человеческим капиталом как важное условие роста эффективности труда // Вестник Курской государст-
венной сельскохозяйственной академии. 2013. №2. С. 1113.
6. Яковлева О. И. Автоматизация управления кадрами в ВУЗах МЧС России // Интернет-журнал «Технологии тех-носферной безопасности». 2014. Вып. № 1 (53). С. 1-8. URL: http://ipb.mos.ru/ttb (дата обращения 27.01.16).
7. Strohmeier S., Piazza F. Artificial Intelligence Techniques in Human Resource Management - A Conceptual Exploration // Intelligent Technique in Engineering Management. 2015. Vol. 87. P. 149-172.
8. Strohmeier S., Piazza F. Domain Driven Data Mining in Human Resource Management: A Review of Current Research // Expert Systems with Applications. 2013. 40(7). P. 2410-2420.
ФАКТОРЫ ИНТЕГРАЦИИ РЫНКОВ РОССИЙСКОЙ ФЕДЕРАЦИИ
к» к» к»
И КИТАЙСКОЙ НАРОДНОЙ РЕСПУБЛИКИ
Еремеева Ирина Сергеевна
бакалавр Финансового университета при Правительстве Российской Федерации, г. Москва
АННОТАЦИЯ
Были изучены современные факторы, влияющие на процесс интеграции рынков Российской Федерации и Китайской Народной Республики. Было отмечено неравновесное состояние объема накопленных прямых инвестиций России и Китая, отрицательный тренд объема Российских прямых инвестиций в Китае в период 2010-2013 годы при доминирующем направлении инвестирования в цветную металлургию.
ABSTRACT
We studied contemporary factors influencing the process of integration of the markets of the Russian Federation and People's Republic of China. It was observed non-equilibrium state of volume of accumulated direct investment from Russia and China, the negative trend of the volume of Russian direct investment in China in the period 2010-2013. The main focus of investments of Russia in economy of China was in nonferrous metallurgy.
Ключевые слова: экономическая интеграция, товарные рынки, инвестиции, Россия, Китай.
Keywords: economic integration, commodity markets, investment, Russia, China.
Объем товарооборота и взаимодействие рынков РФ и КНР в период 1999 - 2014 годы, период реформирования экономик, характеризовались изменением удельного веса основных товарных групп в экспорте России в КНР в 2001 году и импорта России из КНР в 2002 году. В экспорте России до 2001 года наибольший удельный вес (16,0%) имел экспорт цветных металлов. Затем стал преобладать экспорт минерального топлива, нефти и нефтепродуктов. В импорте России до 2002 года в структуре преобладал импорт одежды текстильной (16,6%). В последующие годы преобладала доля машин и оборудования.
Отраслевая структура китайско-российского товарооборота характеризовалась последовательным повышением в экспорте из Китая в Россию доли промышленной продукции с 83,0% в 2008 г. до 86,6% в 2012 г.
В китайском импорте из России происходило увеличение доли продукции первичной переработки (сельскохозяйственное сырье, минеральные продукты, топливно-энергетические товары, древесина и целлюлоза) с 76,3% в 2008 г. до 88,5% в 2012 г.
Объем товарооборота России и Китая демонстрировал рост, за исключением 2009 года, когда наблюдался спад впервые с 1997 [8].
Главное таможенное управление КНР опубликовало доклад, в котором говорится, что оборот российско-китайской
торговли по итогам 2014 года увеличился на 6,8% по сравнению с аналогичным периодом прошлого года и составил 95,28 млрд. долларов [1].
Таким образом, оборот российско-китайской торговли демонстрирует рост, который позволяет сохранить позицию России во внешней торговле Китая. Структура товарооборота претерпела изменение к 2001-2002 году и в настоящее время в экспорте России преобладает доля минерального топлива, нефти и нефтепродуктов. В импорте России преобладает доля машин и оборудования.
Российские малые и средние предприятия имеют большие возможности для экспорта своей продукции в Китай, особенно в режиме приграничной и прибрежной торговли. Статистика по дальневосточному региональному таможенному управлению показывает, что в России ежегодный объем приграничного товарообмена в зоне наиболее протяженной российско-китайской границы, достигает 10,5% в общем товарообороте внешней торговли [6].
Проект по созданию сети развития международного сотрудничества малых и средних предприятий Азиатско-Тихоокеанского региона будет представлен 21-22 апреля 2015 года в рамках Российско-китайского форума «Большие возможности малого и среднего бизнеса». Для участия в этом мероприятии зарегистрировались 139 компаний из 44 регионов России. Из них 70 уже нашли китайских партнеров и
