CC BY
39
УДК 331.103.32 JEL: C01, D81, M12
DO11025513/1812-3988.2019.17(1).80-87
ВОЗМОЖНОСТИ ОЦЕНКИ ТРУДА ВЫСШИХ РУКОВОДИТЕЛЕЙ НА ОСНОВЕ ТЕОРИИ СЛОЖНОСТИ, НЕЧЕТКОЙ ЛОГИКИ И НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ
В.П. Корецкий1, И.М. Марданова2, Д.П. Якимова1
1 Ижевский государственный университет им. М. Т. Калашникова (Ижевск, Россия) 2 Башнефть-Розница (Ижевск, Россия)
Информация о статье
Дата поступления 10 января 2018 г.
Дата принятия в печать 25 декабря 2018 г.
Тип статьи
Оригинальная статья
Ключевые слова
Творческий труд, нормирование труда, компетенции, лидерство, управление персоналом, оценка персонала, риск-ориентированные подходы
Аннотация. Рассмотрен подход к оценке эффективности и трудоемкости работ, выполняемых руководящими работниками, на основе современных методов интерпретации качественных и экспертных оценок. Предложен метод оценки трудоемкости интеллектуального творческого труда на основе теории сложности, применяемой в нормировании труда при выполнении уникальных видов работ. Продукт творческого труда топ-менеджера определен как новые знания, необходимые для принятия решений, направленных на снижение коммерческих и иных рисков; их «сложность» определяется через оценку их «новизны», «компетенционной сложности» и «коммерческого потенциала». Для количественного определения «сложности» продукта труда творческой составляющей деятельности топ-менеджера предложено использовать методы и подходы нечеткой логики - эти подходы позволяют лингвистические и экспертные оценки результатов труда руководителей перевести в количественные показатели. Для оценки эффективности творческой составляющей труда руководящих работников предложено учитывать не только текущие количественные показатели, а также трудоемкость, но и коммерческие и иные риски, исходящие из решений топ-менеджмента, где снижение рисков -это показатель эффективности труда топ-менеджера. Для решения этой задачи рассмотрены возможности нейросетевого моделирования, которое успешно применяется при оценке рисков в различных сферах деловой активности.
JOB ASSESSMENT FOR TOP-MANAGERS THROUGH NEURAL SIMULATION, FUZZY LOGIC AND COMPLEXITY THEORY
V.P. Koretskiy1, I.M. Mardanova2, D.P. Yakimova1
1 Kalashnikov Izhevsk State Technical University (Izhevsk, Russia) 2 Bashneft-Treid LTD (Izhevsk, Russia)
Article info
Received January 10, 2018
Accepted
December 25, 2018
Type paper
Original paper
Keywords
Creative work, labor regulation, competence, leadership, personnel management, personnel assessment, risk-oriented approaches
Abstract. The article describes an approach to the assessment of the efficiency and complexity of the work performed by executives. The approach is based on modern methods of inter-pretating qualitative and expert judgement. Applying the theory of complexity used in the regulation of labor for unique types of work the authors propose a method for assessing the labour input of intellectual creative labour. The product of the creative labour of the top manager is defined as new knowledge needed to make decisions aimed at reducing commercial and other risks. Its "complexity" is determined through an assessment of "novelty", "competence complexity" and "commercial potential". To quantify the "complexity" of the results of the top-manager activities the methods and approaches of fuzzy logic are proposed. These approaches enable to interpret the linguistic and expert judgment of the productivity of managers in quantitative terms. To assess the efficiency of executives' creative activities it is proposed to take into account not only the current quantitative indicators, as well as labour input, but also business and other risks arising from the decisions of top management. Risk reduction is an indicator of the effectiveness of the top-manager's activities. The potential of neural simulation, which is successfully used in risk assessment in various business activities is viewed as a way to meet this target.
© В.П. Корецкий, разделы 3, 5, 2019 © И.М. Марданова, разделы 1, 2, 2019 © Д.П. Якимова, разделы 2, 4, 2019
1. Введение. При оценке эффективности труда руководителей, топ-менеджмента, необходимо ответить на вопрос, что является результатом их труда, какова его трудоемкость и что можно считать эффектом их деятельности. Очень часто для этого требуется исходить из качественной оценки результатов труда и пролонгированного эффекта, который необходимо каким-то образом спрогнозировать. Оценка качественных и прогнозных показателей во многом может оказаться ценнее текущих показателей их деятельности. Прибыль компании, объем производства могут быть значимыми на сегодняшний момент, но привести к серьезным негативным последствиям в долгосрочной перспективе.
В качестве одного из четырнадцати принципов управления классиком менеджмента качества Уильямом Эдвардсом Демингом отмечается следующее: «Работа менеджера - это не надзор, а лидерство. Менеджер должен работать с источником улучшений - с целями, намерениями в области повышения качества продукции и услуг... Преобразование западного стиля менеджмента требует, чтобы руководители стали лидерами. Сосредоточенность на выходах (управление на основе голых чисел, управление по целям, производственные нормы и задания, попадание в допуски, ноль дефектов, аттестация персонала) нужно упразднить, заменив их лидерством» [1, с. 70].
Несмотря на то, что этот принцип известен уже несколько десятков лет, своей актуальности он не потерял. Современные стандарты в области менеджмента качества, в том числе и семейства ISO, основаны на принципах и подходах Эдвардса Деминга, т. е. требуют, во-первых, качественных оценок, во-вторых, оценки рисков, связанных с принятием решений топ-менеджментом. Последнее является следствием принципов риск-ориентированных подходов, широко применяемых в менеджменте.
В этой работе мы опишем подходы к оценке эффективности трудоемкости творческих видов работ руководителей высшего звена. По сути, речь пойдет об оценке эффективного времени, необходимого на принятие решений, что является ничем иным, как элементом нормирования труда. И второй аспект, связанный с оценкой эффективности высших управленцев, - это оценка результатов их труда через оценку снижения или повышения коммерческих и иных
рисков возглавляемых ими организаций и предприятий.
2. Обзор литературы. Методология и подходы оценки деятельности высших управленческих кадров в целом известны. Но необходимо отметить, что одной из ключевых особенностей оценки эффективности деятельности руководителя связана с творческим началом менеджмента: «Одним из решающих факторов является способность и умение творчески использовать именно те компетенции, которые обеспечат наиболее эффективное решение управленческих задач с учетом конкретной ситуации» [2, с. 85].
Таким образом, оценку результатов деятельности топ-менеджмента нельзя просто автоматически сводить к сбору каких-то количественных параметров. И даже оборот, возврат инвестиций (Яо1), чистая прибыль не позволяют адекватно оценить результаты труда высших руководителей компаний с точки зрения долгосрочной перспективы. Тем более, очень часто эти показатели привязаны к календарю бухгалтерской и экономической отчетности, т. е. имеют «астрологический характер». И это тоже снижает уровень доверия к таким оценкам и тем более не всегда позволяет оценить перспективность деятельности топ-менеджмента, которая может оказаться не столь радужной, если опираться на тенденции и тренды на рынке.
Как отмечают некоторые авторы, современные математические методы и модели открывают новые возможности для формализации, конструктивного развития и повышения эффективности методов управления персоналом компании и оценки перспективности проектов [3-5].
За рубежом ведутся работы по исследованию возможности нейронных сетей для оценки персонала [6]. Риски проекта оцениваются в том числе и на прошлом опыте менеджеров, занимавшихся ими [7]. Элени Т. Ставроу [8] осуществлен анализ деятельности и результативности руководителей высшего звена в области ИЯ и успешности бизнеса, которая основана на самоорганизующейся карте Кахонена.
Если речь идет об оценке эффективности руководящего персонала, то эта задача сводится к оценке результатов творческого труда и трудоемкости творческой составляющей выполняемых топ-менеджментом работ и прогнозирования успешной деятельности компании, как минимум в среднесрочной перспекти-
ве. В такой постановке проблемы необходимо по входным характеристикам руководителя, включая не только его компетенции и иные показатели, известные в стандартных методах оценки персонала, осуществить оценку трудоемкости творческой составляющей его труда и рисков, связанных с принятием решений.
Прежде чем переходить к проблеме оценки топ-менеджмента, необходимо определить, что входит в понятие «творческий труд» и «результат творческого труда» руководителей и управленцев.
Исследования Ассоциации менеджеров позволили выделить девять профессиональных качеств топ-менеджера, наиболее важных для эффективного руководства компании:
- формирование управленческой команды;
- стратегическое видение бизнеса;
- умение управлять стратегическими изменениями в развитии бизнеса;
- способность принимать решения в условиях неопределенности;
- самодисциплина и организованность;
- умение делегировать полномочия и контролировать получение необходимых для бизнеса результатов;
- способность налаживать и поддерживать конструктивные отношения с внешними сторонами и внутри коллектива;
- детальное знание внутренних бизнес-процессов и производственной специфики предприятия;
- способность к ведению переговоров и убеждению в своей правоте [2].
Компанией ОвТвск определено двадцать основных компетенций - модель «20 граней». С учетом современных задач, стоящих перед предприятиями, можно выделить следующие базовые и приоритетные компетенции руководителя:
- лидерство;
- гибкость;
- концептуальность;
- способность сформировать команду;
- фасилитация [2].
Методики оценки индивидуально-личностных качеств по основным направлениям управленческой деятельности хорошо известны, и мы не будем останавливаться на них. Возникает вопрос об оценке творческой составляющей топ-менеджмента.
В одной из наших работ мы показали, что с учетом традиций и действующей норматив-
но-правовой базы творческим трудом можно считать деятельность, направленную на получение новых знаний [9]. Соответственно, продуктом творческого труда являются новые знания, а в случае с деятельностью топ-менеджмента - новые знания, направленные на снижение потенциальных рисков бизнеса.
Поэтому оценивая эффективность работы топ-менеджмента, на наш взгляд, необходимо оценить трудоемкость их труда и потенциальные риски, связанные с их деятельностью.
3. Методика и гипотезы. Трудоемкость некоторых видов работ, в частности уникальных, не повторяющихся, может быть осуществлена путем оценки «сложности» продукта или результатов этих работ. Методология, теоретический аппарат и практические аспекты этого подхода описаны авторами в работе «Теория сложности» [10]. Первоначально этот специфический подход применялся для нормирования труда при изготовлении сложных деталей в машиностроительной отрасли. Соответствующий метод нормирования и оценки труда был назван методом оценки сложности. Он позволял на основе оценки сложности уникальной детали определять, минуя этап разработки технологического процесса и конструкторской документации, время, необходимое для ее изготовления.
При этом «сложность» продукта труда является универсальной характеристикой и определяется вне зависимости от технологического процесса, исполнителя и сферы деятельности. Центральной задачей определения трудоемкости, а именно временных затрат изготовления «продукта труда», становится исследование зависимости:
Т = / (С),
где С - «сложность» продукта, а Т - трудоемкость.
Построив эмпирическую зависимость Т(С), можно определить трудоемкость выполняемых работ, временных затрат, оценив сложность результатов труда.
Тем самым нормирование труда для сложного и уникального процесса осуществляется не путем прямых измерений временных затрат на те или иные операции, а на основе оценки результатов труда.
В «Теории сложности» предполагалась линейная зависимость трудоемкости от сложности результатов труда, которая рассчитывалась на основе регрессионного анализа по накопленной статистике.
В свое время нами было предложено использовать теорию сложности для определения трудоемкости творческого труда [9]. Оценка прогнозного продукта такой деятельности, который представляет собой «новые знания», осуществляется исходя из их «новизны», «коммерческого потенциала» и «компетенционной сложности». Для этого используется экспертный подход, т. е. «новые знания» оцениваются через лингвистические термины. Этот подход не противоречит имеющимся традициям оценки трудоемкости творческого труда посредством экспертных методов [11].
В ходе экспертной оценки компетенци-онной сложности продукта труда топ-менеджмента выявляется не только набор необходимых компетенций, но и их важность, взаимное влияние, знания, навыки, умение и предыдущий опыт. «Новизна» и «коммерческий потенциал» «новых знаний» оценивается экспертами, знакомыми с существующими в менеджменте практиками.
Определение сложности «новых знаний» и статистика временных затрат позволяют получить зависимость Т (трудоемкость) от С (сложность), что является своего рода «калькулятором» для расчета трудоемкости труда топ-менеджмента.
Сложность «новых знаний» как продукта творческого труда требует экспертной оценки, что подразумевает определенную нечеткость, размытость рассуждений, возникновение лин-
Т (количество дней)
гвистических характеристик и качественной оценки того, как была решена та или иная управленческая проблема. Для количественной интерпретации этих данных было предложено использовать математический аппарат нечеткой логики [9]. В указанной работе также представлены результаты оценки трудоемкости творческого труда для исследовательских коллективов.
Ключевой задачей при этом является конструирование функций принадлежности для входящих переменных («новизны», «компе-тенционной сложности» и «коммерческого потенциала») и выходной переменной («сложность знания»). Для этого был проведен опрос среди участников творческих проектов. Через опрос же был установлен свод логических правил, связывающих входные и выходные параметры. Дефаззификация модели осуществлялась по алгоритму Сугено.
4. Результаты. Принимая во внимание предположение о том, что продуктом творческого труда являются новые знания, а в случае с деятельностью топ-менеджмента - новые знания, направленные на снижение потенциальных рисков бизнеса, проведена оценка зависимости «сложности» от времени реализации. Оценка «сложности» осуществлена с применением нечеткой экспертной системы.
В результате получена зависимость Т=ДС) (рис.).
0.0 0.5 1.0 1.5 2.0 2.5 J.O J J 4.0 4.5 5.0 5 J 6.0 A.J 7.0 TJ 10 К ' 0.0 V.5 10.0
построен us оАге votx.ru
Зависимость трудоемкости творческих видов работ (T) от сложности их продукта (CJ - новых знаний Interelation of labour input for creative work (T) and their outcome complexity (Cc) - new knowledge
Однако, необходимо отметить, что вышеуказанное - это только первый шаг, определение некоторых входных параметров, необходимых для оценки труда топ-менеджеров. Прогнозирование будущих результатов от их текущей деятельности, потенциала решений может быть построено на основе нейросетевых технологий. В частности, Т.В. Азарнова, В.В. Степин и И.Н. Щепина для прогнозирования потенциала персонала предложили использовать многослойный персептрон, в качестве механизма обучения - градиентный алгоритм обратного распространения [3].
Входным вектором в систему будет набор компетенций и творческая трудоемкость решаемой топ-менеджером задачи:
X = {С1, С2, ..., ск, Р1, Р2, ..., Рп, Т}, где ci - оценки компетенций, pi - внешние и внутренние параметры бизнеса, Т - творческая трудоемкость задач.
В качестве весовой функции W = {^1, ..., wm} используется набор параметров Wi, которые по своей сути являются качественными, лингвистическими оценками важности компе-тенционных показателей.
Как отмечалось выше, труд руководителей высшего уровня необходимо оценивать не только с точки зрения количественных показателей, творческой составляющей, но и с точки зрения рисков, которые связаны с принимаемыми ими решениями. Эффективное на сегодняшний день решение может привести к росту рисков в средне- или долгосрочной перспективе.
Но при оценке топ-менеджмента необходимо руководствоваться подходами не оценки персонала, а оценки рисков, вероятность и последствия которых возрастают или снижаются в зависимости от принятого решения. Здесь важно понять, какие события могут последовать за тем или иным решением. Высокую точность прогнозирования обеспечивают методы, использующие рекуррентные нейронные сети и вейвлет многослойный персептрон [12].
Моделирование оценки принятия решения и рисков, связанных с ними, реализовано во многих работах. В частности, в работе [13] представлена информационная система поддержки принятия решения в сфере оценки финансового состояния предприятий малого и среднего бизнеса.
Выходной вектор определяет не только оценку топ-менеджера с точки зрения его ком-петенционного соответствия требованиям ра-
ботодателя в лице учредителей бизнеса, соответствия творческого потенциала, но и оценку рисков для компании. То есть, по сути, решение задачи оценки топ-менеджмента сводится к оценке рисков, что в целом уже реализовано в терминах нейросетевого моделирования во многих работах с широкой географией (см., напр.: [14-16]).
5. Заключение. В работе предложено осуществлять оценку труда высших руководителей компаний на основе оценки трудоемкости творческой составляющей выполняемых работ и роста / снижения коммерческих рисков, обусловленных принятыми ими решениями.
«Творческим трудом» предложено считать труд, направленный на генерацию новых знаний, необходимых для принятия управленческих решений. Оценка трудоемкости выполняемых топ-менеджментом работ осуществляется с применением подходов теории сложности, разработанных в свое время для нормирования уникальных видов, а также производства сложный изделий. Основной принцип этого подхода заключается в оценке сложности продукта труда.
Оценка сложности продукта творческого труда, новых знаний, необходимых для принятия решения, реализована на основе подходов нечеткой логики. В качества входных параметров предложено считать «новизну», «коммерческий потенциал» и «компетенционную сложность» новых знаний.
Поскольку деятельность топ-менеджмента и высших руководителей направлена на снижение текущих и прогнозируемых рисков, при оценке труда топ-менеджмента представляется разумным оценивать не только творческую составляющую, но и влияние решений на риски. В статье указано, что для оценки рисков и, что важнее всего, их положительной и отрицательной динамики, с учетом принятых топ-менеджментом решений, эффективно использование нейросетевого моделирования.
В настоящее время отечественными и зарубежными исследователями нейросетевое моделирование с успехом применяется как для оценки потенциала персонала, так и для оценки рисков, в том числе коммерческого характера. Сделан вывод, что интеграция этих подходов, с учетом оценки влияния на риски в результате деятельности топ-менеджмента, позволит с высокой эффективностью оценить труд высших руководителей с точки зрения эффективности, результативности и трудоемкости.
Литература
1. Деминг У. Э. Выход из кризиса: Новая парадигма управления людьми, системами и процессами. - М. : Альпина Паблишер, 2012. - 419 с.
2. Федоров Ю. В. Оплата труда высших руководителей: теория и практика : моногр. -Ижевск : Изд-во ИжГТУ, 2013. - 160 с.
3. Азарнова Т. В., Степин В. В., Щепина И. Н. Повышение эффективности методов управления развитием персонала на основе нейросетевых моделей и нечетких экспертных технологий // Вестн. ВГУ. Сер.: Экономика и управление. - 2014. - № 3. - С. 121-130.
4. Aguinis H., Henle C. A., Beaty J. C. Virtual Reality Technology: A new tool for personnel selection // International Journal of Selection and Assessment. - 2001. - № 9. - P. 70-83.
5. Yager R. R. Aggregation operators and fuzzy systems modeling // Fuzzy Sets and Systems. -1994. - № 67. - Р. 129-145.
6. Neural Network Model for Performance Evaluation of Academic Staff of Tertiary Institutions / M. N. Okoye-Ubaka et al. // International Journal of Applied Information Systems. - 2013. - Vol. 5, № 1. - P. 1-9. - DOI: 10.5120/ijais12-450727.
7. Costantino F. Project selection in project portfolio management: An artificial neural network model based on critical success factors // International Journal of Project Management. - 2015. - Vol. 33, Iss. 8. - P. 1744-1754. - DOI: 10.1016/j.ijproman.2015.07.003.
8. Stavrou E. T. Human resource management and performance: A neural network analysis // European Journal of Operational Research. - 2007. - Vol. 181, Iss. 1. - P. 453-467.
9. Галиахметова М. Р., Корецкий В. П., Марданова И. М. Применение методов и подходов теории сложности и нечеткой логики при нормировании и оценке трудоемкости творческого труда // Вестн. ИжГТУ им. М.Т. Калашникова. - 2016. - Т. 19, № 3. - С. 41-43.
10. Теория сложности / Ю. С. Шарин и др. - Ижевск : Изд-во ИжГТУ, 1999. - 132 с.
11. Дурнев Р. А., Жданенко И. В. Проект методики оценки трудоемкости и стоимости научно-исследовательских и опытно-конструкторских работ // Современные наукоемкие технологии. -2014. - № 1. - С. 19-28.
12. Mirikitani D., Nikolaev N. Nonlinear maximum likelihood estimation of electricity spot prices using recurrent neural networks // Neural Comput & Applic. - 2011. - Vol. 20, № 1. - P. 79-89.
13. Пелипенко Е. Ю., Халафян А. А. Информационная система поддержки принятия решения в сфере оценки финансового состояния предприятий малого и среднего бизнеса // Науч. журн. КубГАУ. - 2015. - № 108 (04). - URL : http://ej.kubagro.ru/2015/04/pdf/63.pdf.
14. Akinyede R. O., Daramola O. A. Neural Network Web-Based Human Resource Management System Model // International Journal of Computer Networks and Communications Security. - 2013. -Vol. 1, № 3. - P. 75-87.
15. Методичш засади застосування нейромереж у задачах прогнозування та керування / С. В. Ленков и др. // Ыформатика та математичш методы в моделюванш. - 2013. - Т. 3, № 3. -C. 233-239.
16. Sharma A., Chopra A. Artificial neural networks: applications in management // Journal of Business and Management. - 2013. - Vol. 12, Iss. 5. - P. 32-40.
References
1. Deming W.E. Out of the Crisis, Moscow, Al'pina publ., 2012, 419 p. (in Russian).
2. Fedorov Yu.V. Opiata truda vysshikh rukovoditelei: teoria i praktika [Top managers' work remuneration: theory and practice], Izhevsk, Izhevsk State Technical University publ., 2013, 160 p. (in Russian).
3. Azarnova T.V., Stepin V.V., Shchepina I.N. Increasing the effectiveness of management methods by personnel development on the basis of neural network models and fuzzy expert technologies.
Proceedings of Voronezh State University. Economics and Management, 2014, no. 3, pp. 121-130. (in Russian).
4. Aguinis H., Henle C.A., Beaty J.C. Virtual Reality Technology: A new tool for personnel selection. International Journal of Selection and Assessment, 2001, no. 9, pp. 70-83.
5. Yager R.R. Aggregation operators and fuzzy systems modeling. Fuzzy Sets and Systems, 1994, no. 67, pp. 129-145.
6. Okoye-Ubaka M.N., Adewole A.P., Folorunso O.E., Ezike J.O.J. Neural Network Model for Performance Evaluation of Academic Staff of Tertiary Institutions. International Journal of Applied Information Systems, 2013, Vol. 5, no. 1, pp. 1-9. DOI: 10.5120/ijais12-450727.
7. Costantino F. Project selection in project portfolio management: An artificial neural network model based on critical success factors. International Journal of Project Management, 2015, Vol. 33, iss. 8, pp. 1744-1754. DOI: 10.1016/j.ijproman.2015.07.003.
8. Stavrou E.T. Human resource management and performance: A neural network analysis. European Journal of Operational Research, 2007, Vol. 181, iss. 1, pp. 453-467.
9. Galiakhmetova M.R., Koretsky V.P., Mardanova I.M. Methods and Approaches of Complexity Theory and Fuzzy Logic to Estimate Creative Labor and Further Norm-Fixing Development. Bulletin of KalashnikovISTU, 2016, Vol. 19, no. 3, pp. 41-43. (in Russian).
10. Sharin Yu.S., Yakimovich B.A., Tolmachev V.G., Korshunov A.I. Teoriya slozhnosti [Theory of complexity], Izhevsk, Izhevsk State Technical University publ., 1999, 132 p. (in Russian).
11. Durnev R.A., Zhdanenko I.V. Project of the technique of the assessment of labour input and cost research and developmental works. Modern High Technologies, 2014, no. 1, pp. 19-28. (in Russian).
12. Mirikitani D., Nikolaev N. Nonlinear maximum likelihood estimation of electricity spot prices using recurrent neural networks. Neural Comput & Applic, 2011, Vol. 20, no. 1, pp. 79-89.
13. Pelipenko E.Yu., Khalafyan A.A. Decision making support information system in sphere of small and medium business companies solvency. Scientific Journal of KubSAU, 2015, no. 108 (04), available at: http://ej.kubagro.ru/2015/04/pdf/63.pdf. (in Russian).
14. Akinyede R.O. Daramola O.A. Neural Network Web-Based Human Resource Management System Model. International Journal of Computer Networks and Communications Security, 2013, Vol. 1, no. 3, pp. 75-87.
15. Lenkov S.V., Shtepa V.M., Dudnik A.O., Shvorov A.S. Methodological basis of neural networks applications for forecasting and management tasks. Informatics and Mathematical Methods in Simulation, 2013, Vol. 3, no. 3, pp. 233-239. (in Ukrainian).
16. Sharma A., Chopra A. Artificial neural networks: applications in management. Journal of Business and Management, 2013, Vol. 12, iss. 5, pp. 32-40. (in Russian).
Сведения об авторах
Корецкий Владимир Павлович - канд. физ.-мат. наук, магистр в области управления персоналом, доцент кафедры «Экономика и управление организацией» Института «Цифровая экономика» Адрес для корреспонденции: 426069, Россия, Ижевск, ул. Студенческая, 7 E-mail: [email protected] РИНЦ ID: 36574
Марданова Ирина Михайловна - магистр в области
управления персоналом, HR-менеджер
Адрес для корреспонденции: 426011, Россия, Ижевск,
ул. Холмогорова, 3
E-mail: [email protected]
Якимова Дарина Петровна - магистрант управления персоналом
Адрес для корреспонденции: 426069, Россия, Ижевск,
ул. Студенческая, 7
E-mail: [email protected]
About the authors
Vladimir P. Koretskiy - PhD in Physics and Mathematics, MA in Personnel Management, Associate Professor of the Economics and Management Department at the Institute of "Digital Economy Postal address: 7, Studencheskaya ul., Izhevsk, 426069, Russia
E-mail: [email protected] RSCI ID: 36574
Irina M. Mardanova - MA in Personnel Management, HR-manager
Postal address: 3, Kholmogorova ul., Izhevsk, 426011, Russia
E-mail: [email protected]
Darina P. Yakimova - Master's student in Personnel Management
Postal address: 7, Studencheskaya ul., Izhevsk, 426069, Russia
E-mail: [email protected]
Для цитирования
Корецкий В. П., Марданова И. М., Якимова Д. П. Возможности оценки труда высших руководителей на основе теории сложности, нечеткой логики и нейросе-тевого моделирования // Вестн. Ом. ун-та. Сер. «Экономика». - 2019. - Т. 17, № 1. - С. 80-87. - DOI: 10.25513/1812-3988.2019.17(1).80-87.
For citations
Koretskiy V.P., Mardanova I.M., Yakimova D.P. Job assessment for top-managers through neural simulation, fuzzy logic and complexity theory. Herald of Omsk University. Series "Economics", 2019, Vol. 17, no. 1, pp. 8087. DOI: 10.25513/1812-3988.2019.17(1 ).80-87. (in Russian).
