第七讲人力资源需求预测.ppt

根据选择的关键因素不同，可以把比率分析法分为两类，生产率比率分析法和人员结构比率分析法。生产比率分析法选择的关键因素是企业的业务量相关的因素。销售收入=销售人员数量×人均销售额产品数量=生产工人数量×人均生产产品数量经营收益=人力资源数量×人均生产率第62页，共98页，星期日，2025年，2月5日人员结构比率分析法选择的关键因素是关键岗位所需要的人数，根据关键岗位跟其他辅助岗位人数的比率关系，可以间接计算出需要的人员数量。r=过去B类人员数量／过去A类人员数量第63页，共98页，星期日，2025年，2月5日为了扩大方法的适用范围，也就是为了更加符合现实情况，可以把生产率变化的影响考虑进公式，从而得到公式：目前业务量+计划期业务增长量目前人均业务量×（1+生产增长率）计划期末所需员工数量=第64页，共98页，星期日，2025年，2月5日某洗衣机生产公司在2009年的年产量为10000台，基层生产员工为200人，在2010年计划增产500台，估计生产率的增长率为0.2，假设该公司福利良好，基层生产人员不流失，那么，在2010年该公司至少应招聘多少名基层生产人员？第65页，共98页，星期日，2025年，2月5日注意：进行估计时需要对计划期的业务增长量、目前人均业务量和生产率的增长率进行精确的估计；如果比率关系不稳定、不确切，则不能使用比率分析法。只考虑了员工需求的总量，没有说明其中不同类别员工需求差异。适用于短期预测，勉强可用于中期预测。长期预测会没有效果。第66页，共98页，星期日，2025年，2月5日（四）计算机预测法通过考虑影响人力资源需求的种种因素，建立预测人力资源需求的模型，将这些影响因素在未来可能的数值输入计算机，最终得到相应的人力资源需求方案。第67页，共98页，星期日，2025年，2月5日步骤：1、寻找各种影响人力资源需求的因素；2、分析这些因素之间的联系，分析这些因素与人力资源需求的联系；3、借助计算机建立人力资源需求预测模型；4、将未来各种因素可能出现的数值输入计算机，模拟未来的环境，计算机直接输出人力资源需求方案。第68页，共98页，星期日，2025年，2月5日注意：1、模型中包括的因素比较多，要认清各种因素与人员需求的关系。2、建立模型时，不能忽视了数据的真实意义。3、人员需求预测系统不仅可以预测人员需求，还可以通过不断地更换未来数据得出不同的人员需求方案，比较这些方案从而为企业的其他计划提供参考。4、当一些重要关系变化后，要及时修正模型。第69页，共98页，星期日，2025年，2月5日当r绝对值很小时，说明X和Y没有线性相关关系，不可以用线性回归分析，但不表示它们之间没有其他关系，或许是一种曲线相关关系。值越接近1，相关性越好，如果分析确定不是伪相关，可以用线性回归法预测。第30页，共98页，星期日，2025年，2月5日根据因变量与自变量之间的关系，可得到一元线性回归方程。Y=a+bXa，b--回归系数Y—因变量（人力资源需求）X—自变量（影响人力资源需求的因素）第31页，共98页，星期日，2025年，2月5日例1、已知某医院病床数和所需护士数的历史纪录，如表2—2所示，根据医院的发展计划，要将床位数增至750个，则那时将需要多少名护士？表2—2某医院病床数和所需护士数的历史纪录床位数200300400500600650护士人数250270450490640670第32页，共98页，星期日，2025年，2月5日例：索尼一子公司年销售额以及年末在岗人数年份19992000200120022003年销售额、万元40868513575610886331193607员工总数18202150181624563422第33页，共98页，星期日，2025年，2月5日2、多元线性回归预测法一般是由多个主要因素共同决定人力资源需求量，当这些因素与人力资源需求量直接也是线性关系时，就采用多元线性回归进行预测。当同时有几个因素和人力资源需求相关性较高，并且这几个因素之间的相关性较低时，可以考虑采用多元线性回归法。使用这个方法时要先评价所有变量之间的相关性，用符合条件的变量设计多元线性回归方程。第34页，共98页，星期日，2025年，2月5日多元线性回归方程：Y=a0+a1x1+a2x2+a3x3+···+anxnY---因变量X1---自变量一（影响人力资源需求的因素）；X2---自变量二；Xn---自变