6 июнь 2015
46
Страница № 46

Расчет численности офисного персонала методом КРА (на примере кадровой службы) (Окончание)

Александр Кокоткин, специалист по нормированию

Предлагаем вашему вниманию цикл статей, посвященных нормированию труда офисных работников. Автор статей Александр Кокоткин является опытнейшим специалистом-практиком в области нормирования труда. Свою трудовую деятельность он начинал в 1999 г. на Новолипецком металлургическом комбинате (г. Липецк, Россия). Затем в разные годы трудился в пищевой промышленности (производство мясных продуктов, кондитерская фабрика) и телекоммуникациях. В настоящее время работает экспертом в одном из крупнейших банков России ОАО «Банк Москвы».

А. Кокоткин поделится с читателями секретами своей работы.

Читайте внимательно, ведь это – эксклюзивная информация!

(Окончание. Начало см.: Нормирование и тарификация труда. – 2015. – № 4. – С. 43–50; – № 5. – С. 38–50.)

В двух прошлых номерах журнала мы начали изучение метода КРА, сопровождавшегося примером расчета численности работников кадровой службы. Мы рассмотрели три этапа, заключавшихся в выборе подразделения, определении его функций, составлении перечня факторов, влияющих на численность, и определении пригодности этих факторов для применения метода корреляционно-регрессионного анализа. Сегодня мы приступаем к четвертому, заключительному этапу.

Этап 4. Построение регрессионной модели

Регрессионная модель линейной корреляции в общем виде выглядит так:

 



Непосредственно из опыта работы

Сама модель регрессии делается с помощью метода наименьших квадратов, основанного на минимизации суммы квадратов отклонений некоторых функций от искомых переменных. Я получаю модель с помощью Excel, точнее, с помощью встроенной функции «ЛИНЕЙН». При выборе данной функции у вас открывается диалоговое окно, в котором вы должны ввести известные значения Y (это наша с вами численность), в следующей строке известные значения X (значения факторов), ввести константу (1 или 0), ввести показатель статистики (1 или 0) и нажать ОК. Далее, по рекомендации Excel, вам необходимо выполнить несложную итерацию ввода данных как массива (выделить необходимые ячейки, потом нажать клавишу F2, а затем — клавиши CTRL + SHIFT + ENTER). Все подробности выполнения применения данной функции вы можете получить из справки Excel.

В итоге вы получаете набор коэффициентов (ровно по количеству факторов), свободный член (если его потребность вы задавали) и… формула расчета численности персонала в зависимости от факторов у вас есть!


 

Я намеренно не стал рассказывать вам про F-статистику и Т-статистику, стандартную ошибку уравнения регрессии. Считаю, что в случае расчета нормативной численности этими данными можно пренебречь (хотя сам применяю достаточно часто). Моя задача состоит в том, чтобы показать вам, как можно применить математиче­ские методы в нормировании труда, какой будет результат и, самое главное, что сделать это совсем не тяжело. Данный метод активно применялся в Советском Союзе при нормировании численно­сти ИТР (инженерно-технический персонал). Как-то на очередных курсах один из старейших специалистов по нормированию труда рассказывал нам про все тонкости этого метода. Сейчас я достаточно активно пользуюсь им. Результат впечатляет!

В заключение теоретической части добавлю еще про одно ограничение данного метода. С помощью корреляционно-регрессионного анализа мы с вами получим нормы численности. Если дальше развивать модель, то из нее можно получить нормы выработки. С учетом классической теории нормирования труда, где норма выработки прямо пропорциональна норме времени, можно получить и норму времени. Но! Модель, построенная с помощью регрессии, не учитывает внутреннее распределение затрат рабочего времени, строится на основе фактически сложившихся трудовых и производственных процессов и в случае изменения этих самых процессов подлежит пересмотру. Другими словами, при значительном изменении внутренних процессов нам с вами придется выполнять все этапы заново, не забывая дать этим процессам устояться, а сотрудникам привыкнуть. Мы не сможем при этом «с ходу» взять элементы уравнения и сразу построить нормальный баланс сотрудников или рассчитать новую норму, минуя подготовительные работы. Нет! Начиная с 1-го этапа, мы должны будем снова пройти их все, ничего не пропуская.

Пример

Этап 4. Построение регрессионной модели

После того как мы получили итоговые факторы, которые имеют максимальное влияние на численность HR-персонала, нам необходимо построить эту самую модель, которая даст нам необходимую численность.

Напомним, что итоговыми факторами (см.: Нормирование и тарификация труда. – 2015. – № 5. – С. 50) были отобраны следующие 6:

– количество работников регионального подразделения на дату;

– количество наименований должностей в региональном подразделении;

– количество работников регионального подразделения, прошедших внеш­нее обучение;

– количество работников регионального подразделения, которым осуще­ствлены СТВ (социально трудовые выплаты);

– количество работников регионального подразделения, являющихся участ­никами системы МВО;

– количество заявок на подбор, поступивших в ОРП/СРП регионального подразделения.

Регрессионная модель строится с помощью приложения Excel, а точнее, с помощью встроенной в нее функции «ЛИНЕЙН». Данная функция вычисляет формулу максимального приближения статистики с помощью метода наименьших квадратов. А поскольку в общем виде формула выглядит так:

у = a1x1 + a2x2 + … + anxn + b,

где у – зависимая переменная (в нашем случае – численность персонала HR-подразделений);

x1 … xn – независимые переменные (факторы влияющие на численность персонала HR-подразделений);

a1 … an, b – коэффициенты и постоянная регрессионного уравнения;

n – количество независимых переменных (количество факторов, которые включены в регрессионную модель), –

то результатом отработки данной функции будет массив значений. Данный массив будет включать в себя a1, a2, a3, a4, a5, a6 и b. Это коэффициенты, соответствующие каждому фактору.

Также результатом отработки данной функции является дополнительная статистика (коэффициент детерминации, F-статистика, Т-статистика, стандартная ошибка уравнения). Данная дополнительная статистика применяется для оценки пригодности регрессионной модели. В рамках настоящей статьи изучение дополнительной статистики не планировалось.

Скажу только, что после анализа этой статистики количество факторов уменьшилось еще на 2.

В конечном итоге была разработана модель расчета нормативной численности HR-сотрудников региональных подразделений следующего вида:

у = 0,01922x1 + 0,00579x2 + 0,01879x3 + 0,00023x4 + 0,44717,

где у – численность персонала HR-подразделений регионального подразделения;

x1 – значение фактора «Количество работников регионального подразделения, прошедших внешнее обучение»;

x2 – значение фактора «Количество работников регионального подразделения, являющихся участниками системы МВО»;

x3 – значение фактора «Количество наименований должностей в региональном подразделении»;

x4 – значение фактора «Количество работников регионального подразделения на дату».

После этого была составлена таблица расчета нормативной численности персонала HR-функции региональных подразделений с использованием полученной формулы.

Сравнительная таблица фактических и расчетных значений численности персонала HR-сотрудников в территориальных управлениях (ТУ)

Сравнительная таблица фактических и расчетных значений численности персонала
HR-сотрудников в филиалах (без учета методологических функций)

Итогом всех этих манипуляций стали нормы численности для HR-подразделений. Данную формулу можно активно применять вплоть до момента существенного изменения функционала (реорганизация компании).

Безусловно, в конце необходимо провести анализ отклонений расчетных значений по численности от фактических, особенно в тех подразделениях, где отклонения очень высоки. Это может быть неправильно полученная статистика или организация труда как-то отличается. В любом случае дальше применяется индивидуальный подход к каждому конкретному случаю. Главное, что общая картина показала нам в общем-то неплохой результат!

В заключение скажу, что корреляционно-регрессионный метод не так страшен. После выполнения 1–2 проектов вы будете свободно оперировать терминами и большими объемами данных. И практически на лету сможете отсеивать «ненужное». На мой взгляд, метод обладает рядом достоинств: скоростью, автономно­стью, отсутствием субъективизма, которые перечеркивают его недостатки. Ну и, конечно, с математикой не поспоришь!

You can highlight and get a piece of text that will get a unique link in your browser.