鼎元独创：神经网络分析法——在岗位素质模型与员工综合评价中的创新

神经网络分析法：在岗位素质模型与员工综合评价中的创新

（原创：鼎元咨询团队）

为了解决人岗不匹配、任职资格偏差等问题，通过通用素质、技术素质和管理能力三维度分析，构建岗位素质模型。并根据能力模型对现有人员进行综合评价，按照评价结果设置岗位序列，匹配合适的岗位，并对其晋升路径进行规划，提高组织绩效。

传统的人力资源经理（或者咨询师）会采用访谈法或者标杆法构建三维素质模型，然后组建专家评分组，通过定性判断和历史数据对员工进行测评，以保证人岗匹配，实现企业绩效提升。但实际上，主观影响太大，很难实现公平公正，主要在两个环节出现偏差：（1）素质模型的构建过程中，咨询师通过访谈法和过去的经验值完成素质模型构建，权重赋值的时候很容易出现误差。（2）在员工测评的时候，评分组则很难实现公平，外部专家获取的信息是有限的，这在素质模型设计的时候就已经注定了误差的存在，内部专家对员工则会有很强的倾向性和刻板印象，打分测评的公平性会大打折扣。这两级误差会大大降低素质模型构建和员工测评的有效性。因此，需要在方法上进行创新。资料来源：南京管理咨询公司排名（鼎元）

现在向人力资源经理（或者咨询师）推荐一种行之有效的方法：神经网络分析法。神经网络分析法是从神经心理学和认知科学研究成果出发，应用数学方法发展起来的一种具有高度并行计算能力、自学能力和容错能力的处理方法。将数据输入计算机系统中，系统通过不断学习，能够从未知模式的大量的复杂数据中发现其规律。神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，毋需分清存在何种非线性关系，给建模与分析带来极大的方便。资料来源：南京管理咨询公司排名（鼎元）

神经网络分析法正好能解决前文中所说的素质模型构建和员工测评的误差，原因如下：（1）素质模型的构建需要确定权重，传统的方法在赋值过程中容易出现偏差，神经网络分析则不需要人工计算权重，交给计算机去学习就够了，多次迭代，计算机会得到内在而隐秘的算法。这大大减小了人为误差。（2）员工测评过程中，内外部专家对员工的测评很容易出现偏差，人工神经网络则会在计算机学习中自动消除“噪声”，自动建立了优化模型，员工测评过程就变得极为简单了，输入变量，输出预测结果，为员工的岗位任职提供强力的支撑。

那么，神经网络分析法如何操作呢？答案是：非常简便。首先，免费下载免费的SPSS软件（中文破解版），现在的版本都自带神经网络模块了；然后，采集50以上岗位数据样本，进行归一化处理，导入系统，经过迭代次数、隐含层节点数的多次调试，达到最优拟合状态，进而确定关键指标；最后，确定每一个员工在每一个维度的评价值。作为员工任职资格和岗位匹配的参考依据。

上文分析了在岗位素质模型和员工综合评价中的两个误差、神经网络分析法的两个优势、神经网络分析法的三个操作步骤。可以看出，神经网络分析法优势明显，简便易行，是一种人力资源管理实践中的创新方法。

资料来源：南京管理咨询公司排名（鼎元）