线性回归方法在企业招聘策略中的应用—以XK公司招聘为例

       摘要：人力资源招聘管理虽然会因为企业的不同，招聘的难度与资源投入度有所差异，但是只要对于人力资源招聘的每一个关键环节进行数据的记录与监控，并为此进行分析和建模，最终得出最优结果的方法却是一致的。人力资源招聘工作的数据化建模与决策应当引起人力资源管理者的广泛重视，其相关工具与方法也应当频繁使用。

       关键词：线性回归   数学模型  预算投资  人员招聘

       引言：招聘作为人力资源的一项组成部分，也作为一个企业人力资源管理价值链中较能体现价值的模块，对于一个企业的正常运营发展有着较为重要的影响。但是，随着市场经济环境的变化，人力资源招聘市场已经由早些年的人力供大于求逐步变化成为了现今供不应求的现状。虽然大部分人力资源招聘者知道，只要增加对于招聘渠道的资源投入，如开发多个招聘渠道，或在某一个或多个招聘渠道上追加资金投入能够招募到更多的员工从而满足企业用人需求。但是人力资源在企业中所处的地位往往确定了其可以使用的资源是有限的。面对如此情况，在有限的招聘资源的情况下，企业的人力资源招聘工作应当使用何种方法或工具以实现招聘的自我调整，突破这个资源约束瓶颈是越来越多企业人力资源招聘管理亟待思考与解决的问题。本文将以某一劳动密集型的物业公司为背景，通过对于招聘工作的相关数据分析，将招聘数据的分析与资金投入渠道的优化展开探讨并得籍此希望能够予以相应的结论与启发。

        一、背景介绍

        XK公司是江苏区域一家规模较大的物业公司，以提供商业地产的配套物业服务为主营业务，业务范围遍及整个江苏省。随着业务的不断扩展，公司的员工数量也由原来的一百余人达到了近千人规模。业务的扩展从而导致了对于人员招募需求尤其是基层岗位员工数量的持续扩大。在扩大的过程中，企业的团队建设遭遇到了新的问题。公司的人力资源部在招聘的时候，遇到了两个制约性问题：1、新岗位增加对于员工的需求，2、因为行业流动性大而导致的空缺岗位对于员工的需求。在过去的数年里，XK公司的人力资源已经在招聘上选取了网络招聘、现场招聘会、职业中介代理、公司内部员工推荐、报刊广告张贴五种方式进行广泛招聘，每月在招聘费用上的经费（不含人力成本）逐年增加，人均招聘成本偏高，但每月入职人数仍然不能很好的满足公司发展的需求，人员的高流失率与较低入职率成为了导致XK公司发展的人员数量不足，公司基层员工的缺编现象非常严重。

       因此，如何进行提升招聘效率，降低人均招聘成本，重新梳理与定义招聘的渠道方式与方法成为了XK公司人力资源部不得不面对的一个重要问题。

       二、问题分析

       面对以上困境，XK公司人力资源部对招聘的困境首先从招聘源头出发，对招聘岗位需求进行了分析。通过分析发现人力资源部面对的需求分布如图1：

图1

       据图可得出结论：目前公司的岗位招聘需求人数大部分集中在不需要太多技能或者经验的保安、保洁岗位，此类岗位占有较大的招聘比例：87%；有一定技术要求或经验要求的工程类人员（如强电、弱电等）也占有8%的比例；因此人力资源部应解决的关键点即在于解决以上三类岗位的人员招聘问题。

       据此思路，人力资源部对五个招聘渠道连续半年招聘三个岗位的做了一个统计分析，得出表1：

表一

       根据表1，人力资源部发现在近六个月保安、保洁和工程的岗位大部分来自于职业中介和员工推荐，而网络招聘对于招聘的效果相对较弱。经过人力资源部与相关业务部门的沟通与讨论，从人员自身素质结构与行为习惯上分析，原因大约在于以上三个岗位的员工，大部分因为年龄、学历、收入等限制，其对于计算机和网络的使用并不熟练，因此求职的主要方式并非来自于网络。同样，因为文化水平和生活习惯的原因，其对于报刊广告的阅读量也非常有限。这就决定了网络招聘与报刊广告对于其他招聘渠道而言价值并不大的原因所在。再对人力资源部对此进行了进一步数据分析，追溯到2008年的招聘比例情况，发现从2008年1月至2013年7月，累计52个的招聘达成比例分布基本与表1中的分布情况一致。因此，人力资源部预测增大职业中介与员工推荐的费用投入，将会有效的解决招聘难这一困境。^[1]

       此外，人力资源部每个月的招聘预算用于以上3个渠道的费用在13年平均为1万元/月，而在其在各个渠道使用的金额比例如图2：

     图2

       通过图2分析，人力资源招聘渠道费用由高至低依次为“职业中介”“员工推荐”和“现场招聘”。此比例与招聘人数数量的顺序较为一致。此外，人力资源部根据08年1月至13年07月的52个月的招聘渠道费用与人数进行分析，发现相关数据的分布呈正态分布趋势。其中各项费用的组成结构和方式如下：

       职业中介：此项目属于可变成本，每介绍一名员工，中介公司可以从中提取一部分佣金费用，其优势在于能够稳定的提供人员输送，但是缺点则为随着人员的增加，相应支付的费用也会增高。

       现场招聘：此项目属于固定成本，每周末有一场现场招聘会。招聘会现场会收去一定数量的简历，通过面试可以录取一定的员工。其优势在于所需要支付的成本相对固定，但是缺点则为随机性较大，简历的数量与质量会出现波动但总体呈稳定趋势。

       员工推荐：此项目仍然属于可变成本，但相对中介公司而言其优势在于所需支付费用较少，但其不足在于能够提供的人员数也较少。

       报刊广告与现场招聘：此两个项目都属于固定成本，其成本相对较高但收益和现场招聘类似，波动性较大，其唯一的优势在于持续时间较长，边际成本略低，但缺点在于人员简历数波动性较大且根据以往历史数据，人员平均录用成本较高。

       因此，人力资源部将各渠道费用与总人力招聘人数进行回归统计分析，为了计算方便，人力资源部在进行回归方程前便决策今后不再使用网络与报刊广告的方式进行招聘。所以在计算时，对网络与报刊广告所涉及的招聘人数与所花费用进行了剔除，经过计算得出其方程如下^[2]：

       设现场招聘费用为x₁，职业中介费用为x₂，员工推荐费用为x₃，则可以得出如下函数：

       即可得方程如下：y=53.83+314.01*x1+128.46*x2+45.29*x3

       该回归方程显示，即使不在任何渠道上进行费用投入也会有接近46人的招募数量，而每增减1万元则应对的人员产出数量则与前值系数有关。根据三组数据对比，不难发现目前情况而言，将资金投资用于现场招聘应当是最经济有效的方法，每增减一个单位（1万元）的投资金额将会增减314人的效果。在招聘经费并不特别充足的情况下，尽可能的将经费用在现场招聘上，将是一种较为有效的招聘策略与方法。

       三、解决策略

       对于以上方程，人力资源部再次对三个招聘渠道进行了开会讨论与分析，得出如下结论：

       现场招募：线性回归方程显示，若能增加对于招聘渠道的投入，则可以大幅增加人员入职数量，每增加一个单位x1的投入，将会有接近314人的员工入职。对此，人力资源部本拟决定将所有费用投入现场招募以获得最多应聘人数，但是此处因为现场招聘仅在周末的时候才会举办这一客观情况存在，因此每个月平均最多招聘的次数仅为每周1次，每个月4次，每次400元。因此纵使全部投入，每个月0.16万元的资金投入也只能带来37~38名员工的增加，且仍有0.88万元的闲置资金。因此，全部资金投入至现场招募并不是一种切实可行的方案，人力资源部仍然需要考虑其他渠道的资金投入以达到方案的最优。

       职业中介费：此费用是人力资源招聘第二重要渠道，根据公式显示，每增加一个单位x2投入则会带来128名左右的员工入职。目前人力资源部与职业中介公司有一定的合作并且除去经费外并无其他额外限制条件。此外因为节约成本，所以与职业中介公司所签订的合约并非招聘一名员工结算费用，而是发放费用后进行员工的招募。这种结算方式与现场招募的方式较为一致。且但职业中介因为其人才库并非无限制，其人才输出每月只能相对稳定并不能全部满足人力资源的招聘需求，因此职业中介也仅能做为一项招聘渠道进行维护而非能够做为唯一的一项招聘渠道。

       员工推荐：人力资源部早在公司成立开始便设计了员工每成功推荐一名员工（员工转正后）便发放30元-50元不等奖励（视具体职级而定）的激励政策。每个月都会有少部分员工因此而得到相应的奖励，但随着时间的推移，此种方法的劣势也在逐步显现：员工个人小团体的出现。因为员工的招募来自于彼此推荐，因此在员工入职后，彼此非常容易形成某个地区、某个学校、某个相同经历或兴趣爱好的小团体。这类小团体在日常工作中尝尝会将小矛盾进行扩大与激化，因此人力资源部一直在犹豫是否应当取消此种方案。但是，公式中也同样现实，若增加1个单位此渠道的投入，也将有接近50人入职，在招聘竞争情况激烈的当下，人力资源也不得不持续保留此招聘渠道，做为对于整个人员招聘的一种招聘方式补充。^[3]

       对于以上三个渠道都需要保留，且每个月招聘费用仅有1万元可调拨的情况下。在各渠道如何合理进行招聘费用的投入，成为人力资源部门需要进行决策的一个关键。为此，人力资源部基于以上情况，人力资源部尝试建立了一个简单的数学模型并通过lingo希望算出最佳费用配置^[4]：

        MAX f（x）=53.83+314.01x₁+128.46x₂+45.79x₃

        s.t.

        x1≦0.16

        x1+x2+x3≦1

        x1,x2,x3≧0

        数学模型的意义如下：

• MAX f（x）=53.83+314.01x₁+128.46x₂+45.79x₃：资金投入（X）与人员招募数量（Y）的线性归回方程，表明了每增加一个单位的数据所增减的招聘人员的数量。
• x1≦0.16：现场招募渠道最大投资不能高于0.16万元，因为每个月只有四场招聘会的原因，所以招聘的最高投入费用仅为0.16万元。
  • x1+x2+x3≦1，x1,x2,x3≧0：招聘总投资费用大于等于预算1万元/月，且大于0。

           通过lingo软件输入并得出结果如下（节略）：

           Global optimal solution found.

           Objective value:                              211.9780

           Infeasibilities:                              0.000000

           Total solver iterations:                             0

           Variable           Value        Reduced Cost

           X1       0.1600000            0.000000

           X2       0.8400000            0.000000

           X3        0.000000            83.17000

       根据计算可以发现，此项方案的最优解为在现场招聘渠道上进行全部投入，即每个月参加所有的现场招聘会。对于职业中介与员工推荐两个招聘渠道的选择上，通过计算结果发现，将剩余的资金全部投入至职业中介的收益成功远大于员工推荐，加之内部员工推荐存在一定的管理问题，因此人力资源部决定停止对于员工推荐这一渠道投入资金与时间、精力，转而将所有剩余的资金、时间与精力全部投入至职业中介这一渠道中，以获得最优方案。而且，数据结果显示，最优方案极有可能能够实现每个月招募量为212人的结果，如果这样将会极大提升招聘效率，降低招聘成本，解决公司因为人员匮乏导致业务无法拓展所带来的一系列制约。

       四、模型的实践

       根据以上的最优化方案的解决，人力资源部计划每个月将根据此情况进行人力资源费用的划拨，同时取消员工内部推荐这一奖励机制，并且将较多的费用投入至职业中介招聘渠道上。

       基于此决策，人力资源部持续观测了7、8、9两个月的招聘数据，得出数据见图3：

       图3

       根据图3，人力资源部发现经过优化后的整体招聘数据与去年同期相比有了较为明显的提升。同时，取消的网络、报刊广告以及员工招聘三个招聘渠道并未给人力资源的整体招聘工作带来较大的影响。因此人力资源部得出如下结论^[5]：

• 在有限的资源限制情况下，通过线性回归等方法找出数据的彼此关系是处理复杂问题的一种有效方式。
• 建立数学模型能够对于资源的最优配置起到非常好的协助决策作用。
• 持续三个月的招聘人数稳定上升证明了模型的正确性。
• 实践招聘人数的结果与模型预测的结果接近度很高，证明本次招聘策略优化成功。

       五、结论

       回顾整个人力资源招聘优化项目，前期在发现问题时，会发现问题较多，但是通过数据分析以及相关公式的计算，发现本质仅仅需解决一个问题：如何在限定的资源下实现招聘工作最优化。而解决这一问题的方法在于对于人力资源相关数据，如“招聘渠道费用”“招聘人数”等数据的分析并使用数学工具进行决策。

       人力资源虽然因为企业的不同因此招聘的难度与资源投入度有所差异，但是只要对于人力资源招聘的每一个关键环节进行数据的记录与监控，并为此进行分析和建模最终得出最优结果的方法却是一致的。人力资源招聘工作的数据化建模与决策应当引起人力资源管理者的广泛重视，其相关工具与方法也应当频繁使用。

       参考文献

       [1] [美] 加里·德斯勒（Gary Dessler）. 人力资源管理[M].[第12版].北京.北京大学出版社. 2012-06-01

       [2] [美] 威廉·D.贝里（William D.Berry）. 线性回归分析基础[M].[第1版].上海. 上海人民出版社. 2012-12-01

       [3] 雷蒙德·A·诺伊（Raymond A.Noe），约翰·R·霍伦贝克（John R.Hollenbeck），巴里·格哈特（Barry Gerhart）. 人力资源管理·赢得竞争优势[M].[第7版].北京. 中国人民大学出版社. 2011-07-01

       [4] [美] 戴维·安德森，丹尼斯·斯维尼. 数据、模型与决策：管理科学篇 [M].[第13版].北京. 机械工业出版社. 2012-06-01

       [5] [美] 格雷布纳. 商务统计学（决策方法）[M].[第1版].北京.清华大学出版社. 2012-12-01