CC BY
16
! DOI: 10.29141/2218-5003-2022-13-6-5 EDN: XKNDNE
Я JEL dassification: J31, С02, J53, М52 s £
I Система оценки эффективности деятельности работников
I с целью их вознаграждения в условиях неопределенности
I А.А. Федченко1, И.В. Филимонова1, В.Н. Ярышина2
* 1 Финансовый университет при Правительстве Российской Федерации, г. Москва, РФ 2 Воронежский государственный университет, г. Воронеж, РФ
Аннотация. Отсутствие инструментария оценки эффективности деятельности работников для определения их вознаграждения в условиях высокой степени неопределенности и нелинейности процессов, характерных для цифровой экономики, представляется многогранной проблемой, требующей решения. Исследование направлено на разработку и апробацию системы оценки деятельности работников с целью их вознаграждения. Методологической основой работы является синтез теорий управления и принятия решений в условиях неопределенности социально-экономических процессов. Использовались методы лингвистического и экспертного оценивания с применением нечетких множеств. Информационной базой послужила документация промышленных предприятий АО «Корпорация НПО "РИФ"» (г. Воронеж) и подразделения ORS Service Desk воронежского представительства фирмы ООО «Сименс Бизнес Сервисез». Апробация разработанной системы оценки эффективности деятельности сотрудников с целью их вознаграждения подтвердила целесообразность ее практического использования в организациях. Согласно результатам исследования, указанный комплексный подход позволяет повысить обоснованность принятия управленческих решений в период экономической турбулентности. С помощью предложенного инструментария может формироваться не только премиальная часть вознаграждения, но и другие элементы компенсаций и льгот. К его достоинствам относится также возможность применения на предприятиях всех сфер деятельности и форм собственности, что крайне важно в условиях конкуренции.
Ключевые слова: неопределенность; социально-экономические процессы; эффективность деятельности работников; вознаграждение; нечеткие множества; лингвистическое оценивание; экспертное оценивание. Информация о статье: поступила 22 августа 2022 г.; доработана 30 сентября 2022 г.; одобрена 17 октября 2022 г. Ссылка для цитирования: Федченко А.А., Филимонова И.В., Ярышина В.Н. (2022). Система оценки эффективности деятельности работников с целью их вознаграждения в условиях неопределенности // Управленец. Т. 13, № 6. С. 56-69. DOI: 10.29141/2218-5003-2022-13-6-5. EDN: XKNDNE.
Remuneration management under conditions of uncertainty
Anna A. Fedchenko1, Inna V. Filimonova1, Valeriya N. Yaryshina2
1 Financial University under the Government of the Russian Federation, Moscow, Russia
2 Voronezh State University, Voronezh, Russia
Abstract. The lack of tools for assessing employee performance when remunerating in the conditions of uncertainty and non-linearity of the processes in the digital economy seems to be a serious multifaceted problem that needs to be solved. The article aims to develop and test a system for assessing employees to remunerate them in an uncertain socio-economic environment. Methodologically, the research relies on the synthesis of theories of management and decision-making under conditions of socio-economic uncertainty. The methods of linguistic and expert evaluation with fuzzy sets were used. The empirical evidence was in-house documentation obtained at the industrial enterprises of AO RIF Corporation (Voronezh) and in the ORS Service Desk division of the Voronezh representative office of OOO Siemens Business Services. The testing of the proposed system for evaluating employee performance justified its practical use in organizations. The research results showed that the integrated approach allows increasing the validity of managerial decision-making under socio-economic uncertainty. The developed toolkit can be used to form not only the bonus part of remuneration, but also other elements of compensation and benefits. Among its major advantages is the possibility to apply it at enterprises of all forms of ownership, which is extremely important in a competitive environment.
Keywords: uncertainty; socio-economic processes; employee performance evaluation; remuneration; fuzzy sets; linguistic evaluation; expert evaluation.
Article info: received August 22, 2022; received in revised form September 30, 2022; accepted October 17, 2022
For citation: Fedchenko A.A., Filimonova I.V., Yaryshina V.N. (2022). Remuneration management under conditions of uncertainty.
Upravlenets/The Manager, vol. 13, no. 6, pp. 56-69. DOI: 10.29141/2218-5003-2022-13-6-5. EDN: XKNDNE.
ВВЕДЕНИЕ
Современный период развития общества характеризуется нестабильностью социально-экономической среды и непредсказуемостью результатов происходящих изменений. На смену относительной устойчивости, свойственной второй половине XX в., в конце 1990-х гг. пришла новая реальность, которая под влиянием глобальных системных изменений трансформировалась в цифровую среду. Эти особенности нашли отражение в работах исследователей: У. Беннис и Б. Нанус рассмотрели различные аспекты цифровой экономики, отметив постепенное наращивание степени неопределенности социально-экономических процессов [Bennis, Burt, 1997]; Дж. Кашио обозначил ключевые вызовы современного мира и возможности реагирования на них [Cascio, 2020].
Изменившиеся обстоятельства обусловливают необходимость переосмысления взглядов на управление человеческими ресурсами с учетом специфики новой реальности. Мы разделяем мнение А. Столярова, считающего, что в настоящее время управленческие решения руководителей должны базироваться на интуитивном (трансцензуальном) мышлении1.
Целью данного исследования является разработка системы оценки эффективности деятельности работников с применением нечетких множеств, лингвистического и экспертного оценивания для определения вознаграждения в условиях неопределенности.
Задачи исследования:
• разработать систему оценки эффективности деятельности работников для распределения вознаграждения в условиях неопределенности;
• апробировать данную систему в рамках деятельности ряда предприятий;
• обосновать целесообразность ее применения для формирования широкого круга компенсаций и льгот с учетом требований законодательства РФ.
Акцентирование внимания на компенсациях и льготах обусловлено тем, что они являются мощным способом воздействия на персонал, позволяющим ориентировать его на достижение целей организации. От эффективного управления ими с учетом выявления наиболее значимых из их многообразия в значительной степени зависит результат деятельности любой организации [Greene, Bryant, 2021].
Методические подходы к вознаграждению работников, включающему широкий спектр компенсаций и льгот, постоянно трансформируются в соответствии с динамизмом технологических и социально-экономических процессов, а также последствиями изменения эпидемиологической обстановки и международных связей. В современных условиях формирование управленческого инструментария, на наш взгляд,
1 Лидеры и организации будущего. Тренды 2035: как изменятся модели управления. https://blog.bitobe.ru/article/lidery-i-organizatsii-budushchego/ © Блог BITOBE.
(О о
должно основываться на комплексном подходе, й предусматривающем применение нечетких множеств, I лингвистического и экспертного оценивания, позво- g ляющих интегрировать позиции специалистов в дан- 2 ной области. Это, с одной стороны, позволит успешно < осуществлять управленческий процесс, нивелируя | влияние неопределенности, а с другой стороны - оце- х нивать создавшуюся ситуацию и формировать траек- £ торию ее изменения с учетом обобщения мнений экс- 5 пертов. «
Оценка деятельности работников с целью их воз- = награждения может проводиться по двум направлениям:
• посредством оценки результатов труда за определенный период времени [Mathis, Jackson, 2008];
• на основе применения компетентностного подхода и оценки эффективности трудового поведения сотрудников [Кибанов и др., 2020].
Первое направление реализуется путем применения многочисленных модификаций и комбинаций различных систем оплаты труда. Второе направление мы связываем с использованием системы оценки заслуг, трудовых навыков и компетенций [Noe et al., 2003], а также балльного метода оценки должностей или системы грейдов [Armstrong, 1999; Bereman, Lengnice-Hall, 1994]. При этом учитываются профессиональные навыки работника, скорость выполнения рабочих операций, знание работы и действия в процессе труда, профессионализм, степень реализации профессионально важных и личностных качеств [Одегов, Павлова, Теленная, 2016].
Применение авторского подхода к оценке эффективности деятельности работников с целью их вознаграждения будет также способствовать повышению обоснованности решений, которые принимаются управляющими в рамках реализации принципов достойного труда, декларируемых Международной организацией труда (МОТ)2.
В настоящее время вопросы распределения вознаграждений на основе оценки эффективности деятельности работников решают преимущественно специалисты по компенсациям и льготам. Четкого представления об уровне их квалификации, круге обязанностей, используемом инструментарии еще не сложилось. При этом выявилась необходимость быстрого и адекватного реагирования данных специалистов на изменения социально-экономической среды с применением современных компьютерных технологий. Таким образом, в условиях цифровизации экономики использование нечетких множеств, лингвистического и экспертного оценивания представляет собой
2 Декларация МОТ о социальной справедливости в целях справедливой глобализации (2008 г.) с поправками 2022 г. (ilo.org). https://www.ilo.org/moscow/information-resources/pub-lications/WCMS_100193/lang--ru/index.htm.
| инструментарий, который позволяет формировать
й адекватную реальности политику вознаграждения ра-
£ ботников, соответствующую стратегии развития орга-
g низации.
n и
¡5 ОБЗОР ЛИТЕРАТУРЫ <
St Управление вознаграждением является важным ин-Ш струментом привлечения и удержания высококвалифицированного персонала [Armstrong, Stephens, 2007]. Б. Хавиер, проведя обзор мнений и взглядов линейных руководителей, сотрудников и специалистов по компенсациям и льготам, а также принимая во внимание существующие эмпирические данные, сформировал программу исследований в области управления компенсациями и льготами, предложив акцентировать внимание на следующих аспектах: 1) внешняя среда, а именно воздействие на вознаграждение, которое оказывают старение населения, географические различия и экономическая ситуация; 2) отношение сотрудников к вознаграждению; 3) общее вознаграждение; 4) процессы и процедуры вознаграждения, такие как управление эффективностью и информирование о вознаграждении [Xavier, 2014].
В. Келлер и В.В. Олней, используя исчерпывающие данные о высших руководителях крупных компаний США, сделали вывод о том, что глобализация способствует быстрому увеличению вознаграждения руководителей: их заработная плата увеличивается вместе с экспортом и прямыми иностранными инвестициями, а также в соответствии с размером фирмы и развитием технологий [Keller, Olney, 2021].
Согласно результатам проведенного Т. Доменом исследования с использованием данных о персонале голландского национального производителя самолетов Fokker, рейтинги производительности определяют, насколько быстро работник поднимается по карьерной лестнице и получает повышение заработной платы [Dohmen, 2004].
К. Аранда, Ж. Ареллано, А. Давила, используя данные 414 филиалов крупного туристического ритейле-ра за четырехлетний период, исследовали влияние персональных (субъективных) бонусов (Subjective bonuses), используемых в эффективных контрактах с установленным бюджетом (budget-based incentive contracts), на производительность труда и мотивацию работников. Они пришли к выводу о том, что наличие неявных контрактов (Implicit contracts) позволяет менеджерам адаптировать цели к индивидуальным особенностям сотрудников для усиления мотиваци-онной структуры контрактов, предусматривающих персональные бонусы [Aranda, Arellano, Davila, 2019]. Кроме того, как утверждают авторы «Настольной книги финансового директора» Г. Моррис и С. МакКей, для вознаграждения и удержания ключевых сотрудников могут использоваться такие инструменты, как схемы премирования или стимулирования акциями
(bonus schemes or share incentive schemes) [Morris, McKay, Oates, 2009].
Процессы вознаграждения изучались авторами на основе одного либо нескольких подходов. Так, Е.В. Дорошенко использовала в качестве методологической основы исследования сочетание эвдемонистического и оценочного подходов к измерению благополучия, а также синтез теории принятия решений в условиях неопределенности Канемана и методов психологической диагностики. В результате корреляционного анализа взаимосвязей между месячным доходом физических лиц в денежном выражении и его субъективной оценкой установлены особенности восприятия дохода [Дорошенко, 2019].
Возможность выбора модели вознаграждения персонала и использование инструментария всесторонней оценки его деятельности обоснованы M. Армстронгом [Armstrong, 1999]. Применение многопланового инструментария исследования позволяет, на наш взгляд, получить обоснованный результат, ориентированный на принятие наиболее эффективных управленческих решений. Такой инструментарий предусматривает применение нечетких множеств и лингвистического оценивания.
Понятие «нечеткое множество» (объект с функцией принадлежности элемента ко множеству, принимающей любые значения в интервале [0, 1], а не только 0 или 1) принадлежит Л.А. Заде [Zadeh, 1965]. Его разработки оказали глубокое влияние на развитие концепций принятия решений в различных прикладных областях. Например, теория нечетких множеств применялась для выполнения широкого круга практических задач, таких как нечеткие логические контроллеры для промышленных процессов, нечеткая логика в области медицины, а также в суде [Pappis, Sugeno, 1985; Takagi, Sugeno, 1985; Yager, 1994; Gupta, 2011].
Мы разделяем позицию авторов, утверждающих, что использование строгих методов экспертного опроса, учитывающих неопределенность, может улучшить качество полученных экспертом значений и, следовательно, точность проекционных моделей [Moorea et al., 2022].
Вопрос о точности экспертных оценок при оценивании инновационных проектов рассматривался в исследовании, проведенном П.Г. Гудковым и А.И. Гусевой в 2021 г. при поддержке «Проекта 5-100»1. Результаты этого исследования подтверждают перспективность предлагаемого авторами подхода, основанного на формализации подкритериальных оценок с использованием иерархического анализа Т. Саати [Gudkov, Guseva, 2021].
Система вознаграждения будет наиболее успешной в случае согласованности экономических интере-
1 Проект повышения конкурентоспособности ведущих российских университетов среди ведущих мировых научно-образовательных центров. https://www.5top100.ru/.
сов работодателей и работников, которая достигается при учете трансформационных процессов на рынке труда, что, на наш взгляд, связано с ориентацией на специалистов, обладающих наиболее востребованными трудовыми навыками.
Управление компенсациями и льготами рассматривается в научном сообществе как компенсационный менеджмент. Именно такое название имеет книга Р. Хендерсона, выдержавшая уже 8 изданий, - «Компенсационный менеджмент: стратегия и тактика формирования заработной платы и других выплат». Н.А. Горелов, который перевел этот труд [Хендерсон, 2004], впоследствии адаптировал позиции Р. Хендер-сона применительно к российской практике и развил их в авторском варианте в книге «Вознаграждение работникам (Компенсационный менеджмент)» [Горелов, 2007].
Авторами рассмотрены различные аспекты управления компенсациями и льготами. В частности, А.А. Федченко и Ю.Г. Одегов предложили механизм регулирования вознаграждения на уровне организации, затрагивающий широкий спектр компенсаций и льгот [Федченко, Одегов, 2004]. По мнению Л.С. Бабыниной, которое мы разделяем, необходим дифференцированный подход к различным категориям сотрудников при начислении им премии [Бабынина, 2003]. Исследователи показали, что существует важная (но отсутствующая во многих финских компаниях) связь между вознаграждением (стимулами) руководителей и устойчивостью в бизнесе [Hartikainen, Jarvenpaa, Rautiai-nen, 2021]. В работе В. Кассио продемонстрирована взаимозависимость эффективного управления человеческими ресурсами и прибыли [Cascio, 1991].
Управление компенсациями и льготами в условиях цифровой экономики реализуется в соответствии с законодательно-нормативной базой, опирающейся на Всеобщую декларацию прав человека от 1947 г., в которой провозглашены основные права в сфере труда. В частности, согласно третьему пункту статьи 23 этого документа, «каждый работающий имеет право на справедливое и удовлетворительное вознаграждение, обеспечивающее достойное человека существование для него самого и его семьи и дополняемое, при необходимости, другими средствами социального обеспечения»1. Эта позиция изложена также в конвенциях и рекомендациях Международной организации труда и поддерживается нами [Федченко, 2019]. В российской практике она нашла отражение в Конституции РФ и ряде законодательных актов («О минимальном размере оплаты труда» и др.). Преемственность данной позиции подтверждается Трудовым кодексом РФ, где обозначены основные принципы правового регулирования трудовых и иных непосредственно связанных с ними отношений (статья 2) и законода-
1 United Nations (2015). Universal Declaration of Human Rights. https://www.un.org/en/udhrbook/pdf/udhr_booklet_en_web.pdf.
тельные основы регулирования компенсаций и льгот ° (статьи 129-187). й
Таким образом, управление вознаграждениями I осуществляется с опорой на российскую законода- д тельную базу, учитывающую положительный между- 2 народный опыт. Причем выдерживается единое пра- < вило, применяемое на федеральном, региональном, | муниципальном и внутрифирменном уровнях: пере- х ход к управлению на более низком уровне предпола- £ гает усиление социальной составляющей. 5
Компенсации и льготы, часто объединяемые под названием «компенсационный пакет», выполняют = компенсационную и социальную функции, обеспечивающие достойное и справедливое вознаграждение за труд. Первую функцию выполняют базовая заработная плата и премии, вторую - система социальных льгот и выплат. Реализация всех функций зависит от стратегии развития организации и задач, решаемых в текущий период. При этом все элементы компенсационного пакета имеют социальную компоненту: базовая заработная плата обеспечивает выполнение требования о соответствии прожиточному минимуму, премия служит условием преодоления психологического порога ощутимости повышения вознаграждения, система социальных льгот и выплат демонстрирует проявление заинтересованности руководства организации в социальном благополучии работников и членов их семей. Наименее гибким элементом компенсационного пакета является базовая заработная плата, наиболее гибким - премии. От степени обоснованности премиальной системы в значительной мере зависит результат комплексного решения поставленных задач, что способствует повышению эффективности управления.
Необходимость дифференцированного подхода к управлению компенсациями и льготами обусловлена их многообразием и различной степенью мотивирующего воздействия на повышение трудовой активности. Для распределения премий, входящих в переменную часть вознаграждения персонала, нами предложен и апробирован инструментарий с использованием нечетких множеств и метода нечеткого лингвистического оценивания.
МЕТОДИКА ИССЛЕДОВАНИЯ
Вознаграждение работников рассматривается в рамках всех теорий менеджмента, включающих основополагающие принципы управления. В частности, развитие материальных форм вознаграждения персонала во взаимосвязи с созданием безопасных условий труда нашло отражение в теориях менеджмента, позиционируемых школой научного менеджмента (Ф. Тейлор, Г. Гант, Г. Эмерсон, Г. Форд и др.), использование коллективных форм организации и стимулирования труда при создании благоприятного морального климата в коллективе - в теориях школы человече-
ских отношений (Г. Мюнстерберг, М. Фоллетт, Э. Мэйо, А.К. Гастев, Н.А. Витке, Л. Выготский и др.), поощрение инициативы и переход к исчислению вознаграждения в зависимости от конечных результатов работы - в теориях менеджмента, поддерживаемых бихевиористской школой (А. Маслоу, Ф. Герцберг, К. Альдерфер, К. Левин, Л. Портер, Э. Лоулер и др.).
Особый интерес для нашего исследования представляет количественная теория менеджмента (Quantitative Management), в особенности ее ветвь, называемая школой науки управления (Management Science), которую представляют Р. Акофф, С. Бир, Л. Берталанфи, А. Гольдбергер и др. По словам Р.М. Ходжеттса, «количественная школа, которую также называют школой управленческих наук, состоит из тех теоретиков, которые рассматривают менеджмент как набор количественных инструментов и методологий, призванных помочь современному менеджеру в принятии сложных решений, связанных с операциями и производством» [Hodgetts, 1999, с. 48].
Отличительной чертой указанной школы является повышение эффективности принятия решений за счет использования определенных статистических методов и математических моделей. Значение этой школы сегодня возрастает, поскольку ее концепции соотносятся с особенностями современного социально-экономического развития, отличающегося нестабильностью, нелинейностью и потребностью в нестандартных управленческих решениях.
Сложившиеся подходы к формированию базовой заработной платы и системы социальных льгот и выплат с учетом усиления их гибкости рекомендуется использовать для повышения эффективности деятельности персонала. При распределении премиальной части компенсационного пакета работодатель может с большей самостоятельностью выбирать способы управления этой составляющей вознаграждения, учитывая последствия влияния неопределенности и неустойчивости социально-экономической среды, нивелируемое применением нечетких множеств и лингвистического оценивания. Данный инструментарий может также использоваться для распределения всех компенсаций и льгот с учетом требований законодательно-нормативной базы.
Руководство организаций, стремящееся проводить правильную кадровую политику и решать проблемы эффективного вознаграждения персонала, заинтересовано в выборе лучших работников по итогам определенного периода (квартала, месяца), а также в составлении классификации, позволяющей выявить их принадлежность к какому-либо классу: «работает хорошо», «работает нормально» или «работает плохо». Мы предлагаем создавать группы (классы) работников на основе выполнения ими определенных трудовых функций, обладания различными компетенциями с целью распределения переменной части вознаграж-
дения в рамках соответствующих групп [Федченко, Ярышина, 2015, с. 166].
Для этого выделяется несколько критериев {Х1, Х2 ... Xp}, по которым необходимо провести ранжирование и классификацию. Далее формулируются несколько интегральных логических словесных правил {01, D2 ... Dn}, посылки которых содержат значения заданных критериев (не обязательно всех), а вывод -общую оценку качества работы сотрудника согласно лингвистической шкале: «прекрасно», «очень хорошо», «хорошо», «удовлетворительно», «плохо». Удобно правила и значения критериев задавать в лингвистических шкалах, а для создания алгоритма решения поставленной задачи использовать методы теории нечетких множеств. Аппарат нечеткого лингвистического оценивания является эффективным средством решения многокритериальных задач комплексного оценивания, ранжирования и классификации [Заде, 1976, с. 86].
Использование в работе данного аппарата предусматривает формализованное представление каждого оценочного критерия в виде лингвистической переменной (значениями которой являются не числа, а слова или предложения на естественном или формальном языке) и формирование на базе переменных правил нечеткого логического вывода, обработка которых позволяет получить точечные оценки для каждого сотрудника. На основе пороговых значений точечных оценок в дальнейшем осуществляются ранжирование и классификация [Азарнова, 2007].
Основой для проведения операции нечеткого логического вывода является база правил, содержащая нечеткие высказывания в форме «если., то.» и функции принадлежности для соответствующих лингвистических термов1. 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) [БэпдаНГ, КНг, 1992].
В противном случае имеет место неполная база нечетких правил.
Остановимся кратко на основных аспектах теории нечетких множеств и представим алгоритм решения задачи оценки качества работы персонала.
Пусть U - полное множество, охватывающее все объекты некоторого класса. Нечеткое подмножество F множества U, которое мы в дальнейшем будем называть нечетким множеством, определяется через функцию принадлежности ^(и), u eU [7аСеИ, 1975]. Эта функция отображает элементы ui множества U на мно-
1 Множество допустимых значений лингвистической переменной называется терм-множеством. Термом (term) называется любой элемент терм-множества.
жество вещественных чисел отрезка [0, 1], которые указывают степень принадлежности каждого элемента к нечеткому множеству F.
Если полное множество U состоит из конечного числа элементов ui, i = 1, ..., n, то нечеткое множество F можно представить в следующем виде:
rPW (Л г jW
и2 ип '
где знак «+» означает не сложение, а скорее объединение; символ «/» показывает, что значение mf относится к элементу, следующему за ним (а не означает деление на и).
Если множество U является непрерывным, F можно записать как интеграл:
, иДц) J и '
и
Рассмотрим метод многокритериального выбора альтернатив на основе композиционного правила агрегирования описаний альтернатив с информацией о предпочтениях лица, принимающего решение, которые заданы в виде нечетких суждений.
Сущность метода заключается в следующем. Пусть U - множество элементов, А - его нечеткое подмножество, степень принадлежности элементов к которому есть число из единичного интервала [0, 1]. Подмножества Aj являются значениями лингвистической переменной X [Zadeh, 1976].
Допустим, что множество решений характеризуется набором критериев {х1, х2, ..., xp}, то есть лингвистических переменных, заданных на базовых множествах {и1, и2 ,..., up} соответственно. Набор из нескольких критериев с соответствующими значениями характеризует представления лица, принимающего решение, об удовлетворительности альтернативы.
Обозначим пересечение (х1 = A1(- n x_2 = A2i n ... xp = =Api) через х = A. Операции пересечения нечетких множеств соответствует нахождение минимума их функций принадлежности:
MA» = min (MAi1 (U1), MAi2 (U2),...,MAip (Up)),
' wEW r r
где V = U1 x U2 x ... x Up; v = u1,u2,..., up; MAij (uj) - значение принадлежности элемента uj нечеткому множеству Aj.
Для придания общности суждениям обозначим базовые множества U и V через W. Тогда Ai - нечеткое подмножество W, в то время как Bi - нечеткое подмножество единичного интервала I.
Для представления правил используется операция импликации. Нами выбрана нечеткая импликация Лу-касевича, имеющая вид
Мн (w,i) = min (1, (1 - ha(w) + Mß('))),
wEW
где Н - нечеткое подмножество на W x I, w е W, i EI [Федченко, Ярышина, 2015].
Таким образом, высказывания d1 ,d2, ..., dq преобразуются в множества H1, H2, ..., Hq. Их пересечением является множество D: D = H1 П H2 П ... П Hq и для каждого (w, /) е W х I:
Md (w,i) = min (mh/ (w,i)), j = 1, ..., q.
weW
Удовлетворительность альтернативы, которая описывается нечетким подмножеством А из W, определяется на основе композиционного правила вывода: G = A о D, где G - нечеткое подмножество интервала I.
Тогда функция принадлежности имеет следующий вид:
Mg (/) = max (min (ma (w) Md (w,i)).
weW
Сопоставление альтернатив происходит на основе точечных оценок. Для нечеткого множества Сс I определяем а-уровневое множество (а е [0,1]):
Са = {/|Mc (i) > a,i е I}.
Для каждого Са можно вычислить среднее число элементов M (Са):
I
М(Са) = 1уг; ij е Со; для Со = {a < i <
b}
М(Са) = ^ ; для Са = и Ц ^ i * Ц; 1 м
М(Са) =
" а-Ь•
I^(b-a)
м 2
1Ф,-а)
i=i ' '
при 0 < а1 < Ь1 < а2 < Ь2 <...< ап < Ьп < 1.
Тогда точечное значение для множества С можно записать в виде
i
F(Q = ^~i M(Ca)da,
где amax - максимальное значение в множестве С.
При выборе альтернатив для каждой из них находится удовлетворительность и вычисляется соответствующая точечная оценка. Лучшей считается альтернатива с наибольшим ее значением.
Если помимо определения лучшей альтернативы следует провести классификацию изучаемых объектов, то для этого необходимо задать пороговые значения точечных оценок, которые бы разбили отрезок [0, 1] на нужное число интервалов, и затем выделить в отдельный класс альтернативы, имеющие точечные оценки, попавшие в один интервал. Нечеткие множества широко применяются для формализации лингвистических значений.
АПРОБАЦИЯ ПРЕДЛОЖЕННОГО ИНСТРУМЕНТАРИЯ
Предложенный инструментарий был апробирован для решения практической задачи оценки работы персонала в подразделении ORS Service Desk воро-
ф
% нежского представительства фирмы «Сименс Бизнес Я Сервисез» - международного технологического кон-£ церна, осуществляющего деятельность в сферах ав-8 томатизации и цифровизации для промышленности, я интеллектуальной инфраструктуры, мобильности, ш распределенных энергосистем1. Основные направ-| ления деятельности воронежского представитель-Ш ства - связь, телекоммуникации, Интернет. Руководство фирмы в процессе научного сотрудничества поставило нам задачу разработки и внедрения бонусной системы, направленной на повышение мотивации к работе сотрудников сервисной службы. Для этого необходимо было оценить качество работы каждого сотрудника за предыдущий месяц и выбрать наилучшего кандидата на получение денежного или другого материального вознаграждения. Было предложено использовать следующие критерии оценки:
1) продуктивность - Х1;
2) технические навыки - Х2;
3) уровень владения английским языком - Х3;
4) наличие ошибок в оформлении заявок - Х4;
5) написание инструкций - Х5;
6) наличие персональных жалоб - Х6.
Покажем содержательность этих критериев с точки зрения выполняемой работы и способы оценки персонала по каждому критерию.
Продуктивность - отношение времени, в течение которого сотрудник был занят обработкой заявок, к общему времени работы (предполагается, что общее время работы рассчитывается исходя из 40-часовой рабочей недели, без учета официальных выходных дней). Для регистрации всех поступивших заявок, а также длительности их исполнения используется автоматизированная система, фиксирующая время открытия заявки в момент поступления телефонного звонка; автоматически формируется новая заявка, отнесенная к тому сотруднику, который принял звонок. Все операции, производимые работником с заявкой, автоматически фиксируются в специальной базе данных, на основании которой потом формируется отчет о продуктивности. Несмотря на то, что автоматическая система распределения звонков равномерно направляет их на сотрудников, есть возможность перехвата звонка, поэтому некоторые работники могут демонстрировать сверхпродуктивность, а некоторые, наоборот, долгое время оставаться без работы. Руководство фирмы предполагает, что продуктивность должна находиться в пределах от 70 до 100 %. Более низкие значения не рассматриваются, так как считаются нерациональными. Пусть р, - значение продуктивности /-го сотрудника по итогам месяца, тогда для вычисления функции принадлежности критерия «продуктивность» по лингвистическим значениям «высокая» и «низкая» будем использовать следующую формулу:
1 ГК «Сименс»: официальный сайт. https://new.siemens.com/ ги/ги.Мт!.
МВЫс(Ц) = V; Мниз (и,) = 1 - Мвыс (и).
Технические навыки определяют скорость обработки и объем обработанных заявок. Если сотрудник не может справиться с задачей, это делает его коллега, имеющий необходимый технический навык, что приводит к увеличению временных затрат, а также может вызвать недовольство клиентов. Для повышения уровня квалификации проводятся тренинги, а также предоставляется возможность получать навыки в процессе работы с помощью имеющейся документации. Уровень технических навыков можно оценить как отношение задач, которые конкретный сотрудник способен выполнить, к общему числу всех задач, решаемых телефонным консультационным центром. В конце каждого месяца проводится тестирование, позволяющее отследить изменения в приобретении персоналом технических навыков.
Руководство предполагает, что при приеме на конкретную должность сотрудник должен иметь определенный набор технических навыков. Соответствующее значение составляет 40 % от всего объема задач и выявляется на первоначальном тестировании. Функция принадлежности критерия «технические навыки» по лингвистическим значениям «хорошие» и «плохие» вычисляется по следующей формуле:
Мхор(ц) = ^У^; Мпл (и) = 1- Мхор (и)
где Ь - уровень технических навыков /-го сотрудника.
Уровень владения английским языком выявляется с помощью тестирования персонала. Количество заявок на английском языке достаточно незначительно (3-5 %), поэтому и требования в этой сфере не слишком высоки. Итоги тестирования на понимание речи и письма на уровне «выше среднего» представляются в баллах от 0 до 100. Минимальное значение этого показателя - 60 баллов. Для вычисления функции принадлежности критерия «уровень владения английским языком» по лингвистическим значениям «высокий» и «низкий» использовалась следующая формула:
МвыДц) = (в'^о0); Мниз (и) = 1 - Мвыс (и),
где е, - уровень знания английского языка /-го сотрудника по результатам тестирования.
Наличие ошибок в оформлении заявок. Этот критерий может принимать два лингвистических значения: «есть» и «нет». Ошибки в оформлении заявок в автоматизированной системе приводят к множеству нежелательных последствий, таких как увеличение среднего времени обработки заявок, выставление ошибочных счетов фирме-клиенту по итогам месяца, недовольство клиентов, получение искаженной статистики. Но так как заявки частично оформляются сотрудника-
ми, полностью избежать ошибок практически невозможно, и не учитывать их при проведении анализа не совсем корректно. Чем меньше сотрудник ошибается, тем более внимательно и качественно он работает. Максимальное количество ошибок, принимаемое руководством за допустимое, - 20 в месяц. Поэтому вычисление функции принадлежности критерия «наличие ошибок в оформлении заявок» по лингвистическим значениям «есть» и «нет» осуществлялось согласно следующей формуле:
НнегМ = (2020т,); Месть (и,) = 1 - Мнет (и,),
где т, - количество ошибок ,-го сотрудника по итогам месяца.
Написание инструкций. Данный критерий может принимать два лингвистических значения: «пишет» и «не пишет». Так как версии программного обеспечения, на котором работают заказчики, постоянно меняются, то меняется и способ решения задач, стоящих перед сотрудниками. Кроме того, периодически происходит добавление новых программных продуктов. Все это обусловливает необходимость написания инструкций по обработке заявок, поступающих от клиентов. Эта функция является опциональной, однако, как показывает практика, написанные работниками инструкции оптимальны с точки зрения скорости и качества обработки заявок, так как содержат опыт, накопленный на первом уровне поддержки. Поскольку оценить нижнюю или верхнюю границу переменной «количество написанных инструкций» представляется затруднительным, функция принадлежности этого критерия может принимать значения согласно следующей формуле:
, \ _ Г1, если /-й сотрудник пишет инструкции, - иначе .
Наличие персональных жалоб. Этот критерий может принимать два лингвистических значения: «есть» и «нет». Персональная жалоба - это документальное обращение клиента к руководству сервисной службы, содержащее информацию о причинах недовольства клиента работой конкретного сотрудника. Рассматриваются только официально принятые жалобы, то есть те, по которым было проведено расследование, показавшее, что сотрудник действительно совершил ошибки. По мнению руководства, допустимое количество персональных жалоб - не более 5 в месяц. Поэтому для вычисления функции принадлежности критерия «наличие персональных жалоб» по значениям «есть» и «нет» будем использовать следующую формулу:
Мнет(И/) = Месть (и,) = 1 - Мнет (и,),
где с, - количество персональных жалоб ,-го сотрудника по итогам месяца.
Далее экспертной группой составляются правила ° лингвистической оценки работы сотрудника по вы- й бранным критериям. В нашем случае эти правила сле- I дующие. д
31. Если сотрудник имеет высокую продуктивность, 2 хорошие технические навыки, высокий уровень вла- < дения английским языком, не имеет персональных | жалоб и пишет инструкции, то он очень удовлетворя- х ющий. £
32. Если сотрудник имеет высокую продуктивность, 5 хорошие технические навыки, высокий уровень владения английским языком и не имеет персональных = жалоб, то он более чем удовлетворяющий.
33. Если сотрудник имеет высокую продуктивность, хорошие технические навыки, высокий уровень владения английским языком и не имеет ошибок в оформлении заявок, то он очень удовлетворяющий.
34. Если сотрудник имеет высокую продуктивность, хорошие технические навыки, высокий уровень владения английским языком, пишет инструкции, не имеет персональных жалоб и ошибок в оформлении заявок, то он безупречный.
35. Если сотрудник имеет высокую продуктивность, хорошие технические навыки, не имеет ошибок в оформлении заявок, но имеет низкий уровень владения английским языком, то он более чем удовлетворяющий.
36. Если сотрудник имеет высокую продуктивность, хорошие технические навыки, пишет инструкции, но имеет ошибки в оформлении заявок, то он удовлетворяющий.
37. Если сотрудник имеет высокую продуктивность, хорошие технические навыки, высокий уровень владения английским языком, но имеет персональные жалобы, то он удовлетворяющий.
38. Если сотрудник имеет высокую продуктивность, плохие технические навыки, низкий уровень владения английским языком и имеет персональные жалобы, то он неудовлетворяющий.
39. Если сотрудник имеет низкую продуктивность, хорошие технические навыки, но допускает ошибки в оформлении заявок, то он неудовлетворяющий.
В табл. 1 представлены итоговые показатели работы за календарный месяц 20 сотрудников компании по выбранным критериям.
Используя приведенные выше формулы, мы получили значения функций принадлежности по всем критериям для каждого сотрудника (табл. 2).
Результаты по каждому сотруднику, полученные после подстановки значений функций принадлежности и правил нечеткого лингвистического оценивания, представлены на рисунке.
Далее определяется мера удовлетворения объектов каждому правилу через нечеткую импликацию (в данном случае - импликацию Лукасевича). В результа-
Таблица 1 - Показатели работы сотрудников за календарный месяц Table 1 - Employee performance indicators for a calendar month
Критерии Сотрудники
1 2 3 4 5 6 7 8 9 10
Продуктивность 100 82 73 76 94 82 85 97 94 88
Технические навыки 82 94 61 67 70 52 82 76 55 65
Уровень владения английским языком 92 74 64 90 82 60 66 76 60 80
Ошибки в оформлении 2 8 12 10 5 0 6 7 0 3
Написание инструкций 0 1 0 1 0 0 0 0 1 0
Персональные жалобы 0 1 1 2 0 0 3 2 1 2
Критерии Сотрудники
11 12 13 14 15 16 17 18 19 20
Продуктивность 91 70 81 85 87 93 97 74 86 73
Технические навыки 70 73 60 52 70 94 79 82 64 80
Уровень владения английским языком 82 81 54 70 82 65 68 92 73 77
Ошибки в оформлении 5 6 2 0 5 0 4 2 0 3
Написание инструкций 0 1 1 0 0 1 0 0 1 0
Персональные жалобы 0 2 0 1 0 3 3 0 1 2
Таблица 2 - Значения функций принадлежности Table 2 - Membership function values
Критерии Сотрудники
1 2 3 4 5 6 7 8 9 10
Продуктивность высокая 1 0,4 0,1 0,2 0,8 0,4 0,5 0,9 0,8 0,6
низкая 0 0,6 0,9 0,8 0,2 0,6 0,5 0,1 0,2 0,4
Технические навыки хорошие 0,7 0,9 0,35 0,45 0,5 0,2 0,7 0,6 0,25 0,4
плохие 0,3 0,1 0,65 0,55 0,5 0,8 0,3 0,4 0,75 0,6
Уровень английского высокий 0,8 0,35 0,1 0,75 0,55 0 0,15 0,4 0 0,5
низкий 0,2 0,65 0,9 0,25 0,45 1 0,85 0,6 1 0,5
Ошибки в оформлении нет 0,9 0,6 0,4 0,5 0,75 1 0,7 0,65 1 0,85
есть 0,1 0,4 0,6 0,5 0,25 0 0,3 0,35 0 0,15
Написание инструкций пишет 0 1 0 1 0 0 0 0 1 0
не пишет 1 0 1 0 1 1 1 1 0 1
Персональные жалобы есть 1 0,8 0,8 0,6 1 1 0,4 0,6 0,8 0,6
нет 0 0,2 0,2 0,4 0 0 0,6 0,4 0,2 0,4
Критерии Сотрудники
11 12 13 14 15 16 17 18 19 20
Продуктивность высокая 0,7 0 0,4 0,5 0,6 0,7 0,9 0,2 0,4 0,1
низкая 0,3 1 0,6 0,5 0,4 0,3 0,1 0,8 0,6 0,9
Технические навыки хорошие 0,5 0,55 0,35 0,2 0,5 0,9 0,6 0,7 0,4 0,75
плохие 0,5 0,45 0,65 0,8 0,5 0,1 0,4 0,3 0,6 0,25
Уровень английского высокий 0,55 0,8 0,1 0,25 0,55 0,2 0,2 0,8 0,4 0,9
низкий 0,45 0,2 0,9 0,75 0,45 0,8 0,8 0,2 0,6 0,1
Ошибки в оформлении нет 0,15 0,2 0,9 0,8 0,5 1 0,8 0,4 1 0,65
есть 0,85 0,8 0,1 0,2 0,5 0 0,2 0,6 0 0,35
Написание инструкций пишет 0 1 1 0 0 1 0 0 1 0
не пишет 1 0 0 1 1 0 1 1 0 1
Персональные жалобы есть 1 0,6 1 0,8 1 0,2 0,4 1 0,8 0,6
нет 0 0,4 0 0,2 0 0,8 0,6 0 0,2 0,4
Правило D1
0 0,35 0 0,2 0 0 0 0 0 0 0 0 0,1 0 0 0,2 0 0 0,4 0
Правило D2
0,7 0,35 0,1 0,2 0,5 0 0,15 0,4 0 0,4 0,5 0 0,1 0,2 0,5 0,2 0,2 0,2 0,4 0,1
Правило D3
0,7 0,35 0,1 0,2 0,5 0 0,15 0,4 0 0,4 0,15 0 0,1 0,2 0,5 0,2 0,2 0,2 0,4 0,1
Правило D4
0 0,35 0 0,2 0 0 0 0 0 0 0 0 0,1 0 0 0,2 0 0 0,4 0
Правило D5
0,2 0,4 0,1 0,2 0,45 0,2 0,5 0,6 0,25 0,4 0,15 0 0,35 0,2 0,45 0,7 0,6 0,2 0,4 0,1
Правило D6
0 0,4 0 0,2 0 0 0 0 0 0 0 0 0,1 0 0 0 0 0 0 0
Правило D7
0 0,2 0,1 0,2 0 0 0,15 0,4 0 0,4 0 0 0 0,2 0 0,2 0,2 0 0,2 0
Правило D8
0 0,1 0,1 0,2 0 0 0,3 0,4 0,2 0,4 0 0 0 0,2 0 0,1 0,4 0 0,2 0
Правило D9
0 0,4 0,35 0,45 0,2 0 0,3 0,1 0 0,15 0,3 0,55 0,1 0,2 0,4 0 0,1 0,6 0 0,35
Результаты оценки деятельности сотрудников с учетом значений функций принадлежности и правил нечеткого лингвистического оценивания Results of employee performance evaluation considering membership function values and rules of fuzzy linguistic assessment
те получены точечные оценки для каждого рассматриваемого сотрудника (табл. 3).
Путем экспертного оценивания пороговые значения для классов заданы следующим образом:
• «работает хорошо» - F > 0,7;
• «работает нормально» - 0,5 < F < 0,7;
• «работает плохо» - F < 0,5.
На основании полученных точечных оценок сформирована классификация сотрудников по итогам работы за определенный период (в нашем случае - за календарный месяц) для последующего распределения переменной части вознаграждений (табл. 4).
Каждому классу рекомендовано присвоить вес для расчета доли переменной части выплат в общем фонде вознаграждения персонала с помощью оценки трудовых функций, КР1, компетенций. Согласно описанному алгоритму можно разделить работников на любое желаемое число классов (групп) с присвоением
Таблица 3 - Значения сос ТаЫе 3
каждому из них определенных экспертным путем весов для распределения переменной части вознаграждения.
По мере необходимости (не реже одного раза в год) стоит пересматривать набор критериев для оценки сотрудников и их работы [Ярышина, 2016, с. 107]. Оценивать при этом можно степень достижения работниками KPI, обладание определенными компетенциями, трудовые функции или иные параметры на усмотрение организаций. Для удобства расчеты рекомендуется проводить в программном обеспечении Microsoft Excel или в среде Delphi.
Представленные результаты были успешно внедрены в реальный бизнес-процесс компании «Сименс Бизнес Сервисез», а после прохождения стадии тестирования предложенные способы оценки и расчета использовались для решения проблем определения лучших представителей персонала по итогам месяца
пветствия лучших работников лингвистическим правилам Average values of best employees' satisfaction with linguistic rules
Сотрудники 1 2 3 4 5 6 7 8 9 10
F(C) 0,913 0,325 0,573 0,378 0,615 0,510 0,813 0,528 0,897 0,718
Сотрудники 11 12 13 14 15 16 17 18 19 20
f(q 0,613 0,685 0,463 0,720 0,485 0,837 0,610 0,412 0,712 0,473
Таблица 4 - Классификация сотрудников по итогам работы за календарный месяц Table 4 - Classification of employees based on their performance in a calendar month
Класс «Работает хорошо» «Работает нормально» «Работает плохо»
Сотрудники 1, 7, 9,10, 14, 16, 19 3, 5, 6, 8, 11, 12, 17 2, 4, 13, 15, 18 ,20
! и приема на работу новых сотрудников, что позволяли ет сделать вывод об универсальности предлагаемого £ инструментария для принятия различных управленче-g ских решений в условиях неопределенности. я Данный инструментарий апробирован также ¡5 в АО «Корпорация НПО "РИФ"» (г. Воронеж)1, пред-| ставляющем собой опытный завод микроэлектро-SÜ ники для производства микроэлектронных блоков и компонентов на базе толстопленочной и тонкопленочной технологий. Основными сферами деятельности являются разработка и создание систем микроэлектроники, систем автоматики и управления; железнодорожная силовая электроника; термоэлектрические изделия. В структуру корпорации входят пять предприятий, владеющих производственными мощностями. По состоянию на 2022 г. штатная численность по всем предприятиям - 1 700 человек. Выбор данной корпорации обусловлен широкой вариативностью должностей, что позволило адаптировать предлагаемый инструментарий для различных категорий работников. Результаты апробации получили положительную оценку как со стороны руководства, так и со стороны рядовых сотрудников корпорации.
ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ
При разработке или корректировке системы вознаграждения работников в современных условиях важно учитывать ее связь с целью и стратегией организации. В условиях неопределенности трансформируемые системы вознаграждений позволят максимально оперативно реагировать на изменения во внешней и внутренней среде функционирования компаний и будут способствовать росту эффективности работы персонала.
Для построения систем вознаграждения сотрудников организаций мы рекомендуем комплексное применение грейдов (как достаточно гибкой системы оплаты труда), KPI, модели компетенций. Предлагаемая модель вознаграждения опирается именно на использование комплексного подхода, что способствует повышению ее прозрачности и адаптивности.
Нами предлагается следующая структура фонда вознаграждения: постоянная часть оплаты труда должна составлять около 70 %, переменная - 30 %. Полагаем, что для формирования постоянной части целесообразно использовать систему грейдов, тогда как распределение переменной части должно опираться на применение аппарата нечеткого лингвистического оценивания для анализа KPI, компетенций, трудовых функций и иных параметров эффективности деятельности работников за определенный период времени [Ярышина, 2016]. Сформированная таким образом система вознаграждения носит универсальный характер и подходит для внедрения на предприятиях и в организациях любых масштабов, сфер деятельно-
1 АО «Корпорация НПО «РИФ»: официальный сайт. http:// www.rifcorp.ru/.
сти и форм хозяйствования, что доказано нами в процессе апробации представленного алгоритма.
ЗАКЛЮЧЕНИЕ
Формирование базовой заработной платы и системы социальных льгот и выплат может основываться на традиционных подходах с учетом усиления их гибкости, а при распределении премиальной части компенсационного пакета следует опираться на возможности получения максимального эффекта при вознаграждении персонала в условиях неопределенности и неустойчивости социально-экономической среды. С точки зрения авторов, необходимо использовать дифференцированный подход к управлению вознаграждением персонала в зависимости от его влияния на эффективность деятельности организации. Работодатель, уделяющий должное внимание переменной части этого вознаграждения, конструктивно воздействует на повышение трудовой активности.
Условием принятия решений в этой сфере является классификация работников по уровню выполнения ими трудовых функций и обладания различными компетенциями. Эти критерии положены в основу оценки результатов их деятельности для определения лучших из них по итогам конкретного периода.
Предложенный авторами инструментарий оценки работы персонала с целью распределения вознаграждений был апробирован на промышленных предприятиях АО «Корпорация НПО "РИФ"» (г. Воронеж), а также в подразделении ORS Service Desk воронежского представительства фирмы ООО «Сименс Бизнес Сервисез». Деятельность каждого сотрудника оценивалась по следующим критериям: продуктивность, технические навыки, уровень владения английским языком, наличие ошибок в оформлении заявок, написание инструкций, наличие персональных жалоб. По этим критериям составлены правила лингвистической оценки и установлены пороговые значения, позволяющие классифицировать сотрудников по итогам работы. Каждому классу присвоены веса для расчета доли переменной части выплат в общем фонде вознаграждения персонала. В результате апробации данный алгоритм получил положительную оценку.
В условиях нестабильной социально-экономической среды формирование управленческого инструментария, на наш взгляд, должно основываться на комплексном подходе, предусматривающем применение нечетких множеств и лингвистического и экспертного оценивания, результаты которого дают возможность интегрировать позиции специалистов. Это позволит успешно осуществлять управленческий процесс, нивелируя влияние неопределенности, и будет способствовать повышению обоснованности решений, принимаемых руководством.
Сфера применения предложенного инструментария может быть расширена: его целесообразно ис-
пользовать для оценки персонала при найме на работу, принятия решений о ротации, прогнозирования развития карьеры сотрудников, а также для организации и оценки результатов трудовой деятельности персонала в условиях удаленной работы. Отметим также, что данный подход распространяется на предприятия всех сфер деятельности и форм собственности, что очень важно в российской практике определения достойного и справедливого вознаграждения, мотивирующего персонал к эффективной деятельности и совершенствованию трудовых навыков в условиях конкурентной среды.
Дальнейшее развитие исследования видится в ис- ° пользовании авторского инструментария нечетких й множеств, лингвистического и экспертного оцени- I вания с применением искусственного интеллекта и g технологий Big data. Это позволит формировать алго- 2 ритм вознаграждения для любого числа работников с < учетом его периодической корректировки и повысить | качество, обоснованность и скорость принятия управ- х ленческих решений как основы определения страте- £ гических целей организации в условиях нестабильно- 5 сти социально-экономической среды. ■ «
Источники
Азарнова Т.В., Васильев В.В., Урманов И.А. (2007). Использование нечеткого логического вывода при исследовании рынка труда // Системы управления эволюцией организаций: материалы пятой международной конференции. Салоу, Испания. С. 41-44.
Бабынина Л.С. (2003). Вознаграждение персонала. Москва: Российский экономический университет им. Г.В. Плеханова.
Горелов Н.А. (2007). Вознаграждение работникам (Компенсационный менеджмент). Санкт-Петербург: ЛИК.
Дорошенко Е.В. (2019). Уровень благополучия: взаимосвязь дохода и личностных характеристик человека // Управленец. Т. 10, № 1. С. 62-71. DOI: 10.29141/2218-5003-2019-10-1-6.
Заде Л. (1976). Понятие лингвистической переменной и его применение к принятию приближенных решений. Москва: Мир.
Кибанов А.Я., Митрофанова Е.А., Коновалова В.Г., Чуланова О.Л. (2020). Концепция компетентностного подхода в управлении персоналом. Москва: НИЦ ИНФРА-М.
Одегов Ю.Г., Павлова В.В., Теленная А.С. (2016). Анализ показателей оценки результативности трудовой деятельности работника и бизнес-модели организации // Статистика и экономика. Т. 3, № 6. С. 64-70.
Федченко А.А., Одегов Ю.Г. (2004). Оплата труда и доходы работников. Москва: Дашков и Ко.
Федченко А.А. (2019). Ориентированный на человека общественный договор как основа социальной справедливости - ключевая идея доклада МОТ по вопросам будущего сферы труда // Социально-трудовые исследования: научно-практический журнал. № 1 (34). С. 111-116.
Федченко А.А., Ярышина В.Н. (2015). Компетентность^ подход - основа оптимизации затрат на персонал // Мотивация и оплата труда. № 3 (43). С. 162-170.
Ярышина В.Н. (2016). Оплата труда и ее трансформации в современной экономике. Воронеж: Издательский дом ВГУ.
Aranda C., Arellano J., Davila A. (2019). Subjective bonuses and target setting in budget-based incentive contracts. Management Accounting Research, vol. 43, pp. 45-60. https://doi.Org/10.1016/j.mar.2018.07.003
Armstrong M. (1999). Employee reward. London: Fakenham Photosetting.
Armstrong М., Stephens T. (2007). A handbook of employee reward management and practice. 2nd ed. Kogan Page Limited.
Bennis W., Burt N. (1997). Leaders: The strategies for taking charge. Harper Business.
Bereman N.A., Lengnice-Hall M.L. (1994). Compensation decision making (computer-based approach). The Dryden Press, Har-court Brace College Publishers.
Cascio J. (2020). Facing the Age of Chaos. Medium (blog), 29 April 2020. https://medium.com/@cascio/facing-the-age-of-chaos-b00687b1f51d.
Cascio W.F. (1991). Costing human resources: The financial impact of behavior in organizations. 3rd ed. Boston: PWS-Kent.
Dohmen T.J. (2004). Performance, seniority, and wages: Formal salary systems and individual earnings profiles. Labour Economics, vol. 11, no. 6, pp. 741-763. https://doi.org/10.1016/j.labeco.2004.01.003
Greene R., Bryant P. (2021). Selecting the right evidence to inform compensation and benefits decisions. Compensation & Benefits Review, vol. 53, no. 4, pp. 192-195. https://doi.org/10.1177/08863687211030794
Gudkov P.G., Guseva A.I. (2021). Accuracy of expert assessments in evaluating innovative projects. Procedia Computer Science, vol. 190, pp. 284-291. https://doi.org/10.1016Zj.procs.2021.06.038
Gupta M.M. (2011). Forty-five years of fuzzy sets and fuzzy logic—A tribute to Professor Lotfi A. Zadeh (the father of fuzzy logic). Scientia Iranica, vol. 18, no. 3, pp. 685-690. https://doi.org/10.1016/j.scient.2011.04.023
Hartikainen H., Jarvenpaa M., Rautiainen A. (2021). Sustainability in executive remuneration - A missing link towards more sustainable firms? Journal of Cleaner Production, vol. 324, 129224. https://doi.org/10.1016/j.jclepro.2021.129224
Henderson R.I. (2005). Compensation management in a knowledge-based world. London: Pearson.
Hodgetts R.M. (1999). Management theory, process and practice. 5th ed. Harcourt College Pub.
Keller W., Olney W. (2021). Globalization and executive compensation. Journal of International Economics, vol. 129, 103408. https://doi.org/10.1016/jjinteco.2020.103408
® Mathis R.L., Jackson J.H. (2008). Human resource management. 12th ed. Thomson South-Western.
¿ Moorea J.F., Martin J., Waddle H., Campbel G., Fleming J., Bohnett E., Akre T.S.B., ... Johnson F. (2022). Evaluating the effect of
s expert elicitation techniques on population status assessment in the face of large uncertainty. Journal of Environmental
^ Management, vol. 306, 114453. https://doi.org/10.10167j.jenvman.2022.114453
o Morris G., McKay S., Oates A. (2009). Chapter 23. Remuneration. In: Finance Director's Handbook (pp. 835-872). CIMA Publishing.
=T https://doi.org/10.1016/B978-0-7506-8701-0.00023-0
£ Noe R.A., Hollenbeck J.R., Gerhard B., Write P.M. (2003). Human resources management: Gaining a competitive advantage. Boston:
5 McGraw-Hill.
g Pappis C.P., Sugeno M. (1985). Fuzzy relational equations and the inverse problem. Fuzzy Sets and Systems, vol. 15, issue 1, pp. 79-90. https://doi.org/10.1016/0165-0114(85)90036-3 Sangalli A., Klir G.R. (1992). Fuzzy logic goes to market. New Scientist. https://www.newscientist.com/article/mg13318074-
600-fuzzy-logic-goes-to-market/ Takagi T., Sugeno M. (1985). Fuzzy identification of systems and its application to modeling and control. IEFE Trans on Systems,
Man and Cybernetics, vol. 15, pp. 116-132. Xavier B. (2014). Shaping the future research agenda for compensation and benefits management: Some thoughts based on
a stakeholder. Human Resource Management Review, vol. 24, no. 1, pp. 31-40. https://doi.org/10.1016/j.hrmr.2013.08.011 Yager R.R. (1994). Aggregation operators and fuzzy systems modeling. Fuzzy Sets and Systems, vol. 67, issue 2, pp. 129-145.
https://doi.org/10.1016/0165-0114(94)90082-5 Zadeh L.A. (1965). Fuzzy sets. Information and Control, vol. 8, no. 3, pp. 338-353.
Zadeh L.A. (1975). The concept of a linguistic variable and its application to approximate reasoning-III. Information Sciences,
vol. 9, no. 1, pp. 43-80. https://doi.org/10.1016/0020-0255(75)90017-1 Zadeh L.A. (1975). The concept of a linguistic variable and its application to approximate reasoning-I. Information Sciences, vol. 8, pp. 199-249.
References
Azarnova T.V., Vasilyev V.V., Urmanov I.A. (2007). Fuzzy inference in the study of the labor market. In: Management systems for the
evolution of organizations: Materials of the 5th Int. conf. (pp. 41-44). Salou, Spain. (in Russ.) Babynina L.S. (2003). Staff remuneration. Moscow: Plekhanov Russian University of Economics. (in Russ.) Gorelov N.A. (2007). Employee compensation (compensation management). Saint Petersburg: LIK. (in Russ.) Doroshenko E.V. (2019). The level of well-being: A correlation between income and personality traits. Upravlenets/The Manager,
vol. 10, no. 1, pp. 62-71. DOI: 10.29141/2218-5003-2019-10-1-6. (in Russ.) Zadeh L. (1976). The concept of a linguistic variable and its application to approximate reasoning. Moscow: Mir. (in Russ.) Kibanov A.Ya., Mitrofanova E.A., Konovalova V.G., Chulanova O.L. (2020). The concept of competence-based approach in personnel
management. Moscow: INFRA-M. (in Russ.) Odegov Yu.G., Pavlova V.V., Telennaya A.S. (2016). Analysis of indicators of an efficiency estimation of work of the employee and
the business model of the organization. Statistika i ekonomika /Statistics and Economics, vol. 3, no. 6, pp. 64-70. (in Russ.) Fedchenko A.A., Odegov Yu.G. (2004). Employee salary and income. Moscow: Dashkov i Ko. (in Russ.)
Fedchenko A.A. (2019). Human-oriented social contract as a basis for social justice - Key idea of the ILO report on the future of
work. Sotsialno-trudovye issledovaniya /Social & Labour Research, no. 1(34), pp. 111-116. (in Russ.) Fedchenko A.A., Yaryshina V.N. (2015). Competence-based approach as the basis for optimizing personnel costs. Motivatsiya i
oplata truda/Motivation and Remuneration, no. 3(43), pp. 162-170. (in Russ.) Yaryshina V.N. (2016). Salary and its transformation in the modern economy. Voronezh: Voronezh State University. (in Russ.) Aranda C., Arellano J., Davila A. (2019). Subjective bonuses and target setting in budget-based incentive contracts. Management Accounting Research, vol. 43, pp. 45-60. https://doi.org/10.1016/j.mar.2018.07.003 Armstrong M. (1999). Employee reward. London: Fakenham Photosetting.
Armstrong M., Stephens T. (2007). A handbook of employee reward management and practice. 2nd ed. Kogan Page Limited. Bennis W., Burt N. (1997). Leaders: The strategies for taking charge. Harper Business.
Bereman N.A., Lengnice-Hall M.L. (1994). Compensation decision making (computer-based approach). The Dryden Press, Har-court Brace College Publishers.
Cascio J. (2020). Facing the Age of Chaos. Medium (blog), 29 April 2020. https://medium.com/@cascio/facing-the-age-of-chaos-b00687b1f51d.
Cascio W.F. (1991). Costing human resources: The financial impact of behavior in organizations. 3rd ed. Boston: PWS-Kent. Dohmen T.J. (2004). Performance, seniority, and wages: Formal salary systems and individual earnings profiles. Labour Economics, vol. 11, no. 6, pp. 741-763. https://doi.org/10.1016/jJabeco.2004.01.003 Greene R., Bryant P. (2021). Selecting the right evidence to inform compensation and benefits decisions. Compensation & Benefits Review, vol. 53, no. 4, pp. 192-195. https://doi.org/10.1177/08863687211030794 Gudkov P.G., Guseva A.I. (2021). Accuracy of expert assessments in evaluating innovative projects. Procedia Computer Science,
vol. 190, pp. 284-291. https://doi.org/10.1016Zj.procs.2021.06.038 Gupta M.M. (2011). Forty-five years of fuzzy sets and fuzzy logic—A tribute to Professor Lotfi A. Zadeh (the father of fuzzy logic).
Scientia Iranica, vol. 18, no. 3, pp. 685-690. https://doi.org/10.1016/j.scient.2011.04.023 Hartikainen H., Jarvenpaa M., Rautiainen A. (2021). Sustainability in executive remuneration - A missing link towards more sustainable firms? Journal of Cleaner Production, vol. 324, 129224. https://doi.org/10.1016/j.jclepro.2021.129224
Henderson R.I. (2005). Compensation management in a knowledge-based world. London: Pearson. ®
Hodgetts R.M. (1999). Management theory, process and practice. 5th ed. Harcourt College Pub. *
Keller W., Olney W. (2021). Globalization and executive compensation. Journal of International Economics, vol. 129, 103408. htt- ^ ps://doi.org/10.1016/j.jinteco.2020.103408 >
Mathis R.L., Jackson J.H. (2008). Human resource management. 12th ed. Thomson South-Western. o
Moorea J.F., Martin J., Waddle H., Campbel G., Fleming J., Bohnett E., Akre T.S.B., ... Johnson F. (2022). Evaluating the effect of g expert elicitation techniques on population status assessment in the face of large uncertainty. Journal of Environmental < Management, vol. 306, 114453. https://doi.org/10.1016/j.jenvman.2022.114453 §
Morris G., McKay S., Oates A. (2009). Chapter 23. Remuneration. In: Finance Director's Handbook (pp. 835-872). CIMA Publishing. £ https://doi.org/10.1016/B978-0-7506-8701-0.00023-0 £
Noe R.A., Hollenbeck J.R., Gerhard B., Write P.M. (2003). Human resources management: Gaining a competitive advantage. Boston: z McGraw-Hill. £
Pappis C.P., Sugeno M. (1985). Fuzzy relational equations and the inverse problem. Fuzzy Sets and Systems, vol. 15, issue 1, £ pp. 79-90. https://doi.org/10.1016/0165-0114(85)90036-3 =
Sangalli A., Klir G.R. (1992). Fuzzy logic goes to market. New Scientist. https://www.newscientist.com/article/mg13318074-
600-fuzzy-logic-goes-to-market/ Takagi T., Sugeno M. (1985). Fuzzy identification of systems and its application to modeling and control. IEFE Trans on Systems,
Man and Cybernetics, vol. 15, pp. 116-132. Xavier B. (2014). Shaping the future research agenda for compensation and benefits management: Some thoughts based on
a stakeholder. Human Resource Management Review, vol. 24, no. 1, pp. 31-40. https://doi.org/10.1016/j.hrmr.2013.08.011 Yager R.R. (1994). Aggregation operators and fuzzy systems modeling. Fuzzy Sets and Systems, vol. 67, issue 2, pp. 129-145.
https://doi.org/10.1016/0165-0114(94)90082-5 Zadeh L.A. (1965). Fuzzy sets. Information and Control, vol. 8, no. 3, pp. 338-353.
Zadeh L.A. (1975). The concept of a linguistic variable and its application to approximate reasoning-III. Information Sciences,
vol. 9, no. 1, pp. 43-80. https://doi.org/10.1016/0020-0255(75)90017-1 Zadeh L.A. (1975). The concept of a linguistic variable and its application to approximate reasoning-I. Information Sciences, vol. 8, pp. 199-249.
Информация об авторах Information about the authors
Федченко Анна Александровна
Доктор экономических наук, профессор департамента психологии и развития человеческого капитала. Финансовый университет при Правительстве Российской Федерации, г. Москва, РФ. E-mail: AAFedchenko@fa.ru
Филимонова Инна Витальевна
Кандидат экономических наук, доцент департамента психологии и развития человеческого капитала. Финансовый университет при Правительстве Российской Федерации, г. Москва, РФ. E-mail: IVFilimonova@fa.ru
Ярышина Валерия Николаевна
Кандидат экономических наук, доцент кафедры экономики труда и основ управления. Воронежский государственный университет, г. Воронеж, РФ. E-mail: yaryshina@econ.vsu.ru
Anna A. Fedchenko
Dr. Sc. (Econ.), Professor of Psychology and Human Capital Development Dept. Financial University under the Government of the Russian Federation, Moscow, Russia. E-mail: AAFedchenko@fa.ru
Inna V. Filimonova
Cand. Sc. (Econ.), Associate Professor of Psychology and Human Capital Development Dept. Financial University under the Government of the Russian Federation, Moscow, Russia. E-mail: IVFilimonova@ fa.ru
Valeriya N. Yaryshina
Cand. Sc. (Econ.), Associate Professor of Labour Economics and Fundamentals of Management Dept. Voronezh State University, Voronezh, Russia. E-mail: yaryshina@econ.vsu.ru
