1799

Lн.т.д.-численность работников, нарушивших трудовую дисциплину;

L – среднесписочная численность персонала.

Доля сотрудников прошедших профессиональное обучение:

Дрп Ч пр.об 100% , где

Ч ср

Чпр.об. – численность сотрудников, прошедших профессиональное обучение;

Чср – среднесписочная численности работников.

2. Распределение расчетных показателей на группы оценки эффективности: экономическая, социально-экономическая, социальная эффективность.

Экономическая оценка эффективности оценивается с помощью расчета таких показателей, как: прибыль от реализации продукции организации, объем реализации на одного сотрудника, уровень потерянной производительности.

Социально-экономическая оценка эффективности производится с помощью следующих показателей: коэффициент текучести кадров,

коэффициент стабильности кадров.

Социальную оценку эффективности можно рассчитать на основе расчета коэффициента соблюдения трудовой дисциплины и доли сотрудников,

прошедших профессиональное обучение.

3. Определение оценки эффективности реализации системы управления человеческими ресурсами организации на основе контроллинга персонала.

Экономический эффект проявляется в виде улучшения следующих показателей: увеличение прибыли от реализации продукции организации, рост объема реализации на одного сотрудника, снижение уровня потерянной производительности.

Социально-экономический эффект характеризуется следующими показателями: сокращение уровня текучести кадров и увеличение стабильности кадров.

170

Социальный эффект проявляется в повышении уровня соблюдений трудовой дисциплины и увеличении доли сотрудников, прошедших профессиональное обучение (повышение квалификации).

4. Построение прогноза эффективности внедрения разработанной системы управления человеческими ресурсами организации.

Построение прогноза было осуществлено методами экстраполяции: метод наименьших квадратов, метод скользящей средней.

Экстраполяция – это метод научного исследования, который основан на распространении прошлых и настоящих тенденций, закономерностей, связей на будущее развитие объекта прогнозирования. К методам экстраполяции относятся метод скользящей средней, метод экспоненциального сглаживания,

метод наименьших квадратов.

Сущность метода наименьших квадратов состоит в минимизации суммы квадратических отклонений между наблюдаемыми и расчетными величинами.

Расчетные величины находятся по подобранному уравнению – уравнению регрессии. Чем меньше расстояние между фактическими значениями и расчетными, тем более точен прогноз, построенный на основе уравнения регрессии.

Рабочая формула метода наименьших квадратов:

Уt 1 a X b ,

где t + 1 – прогнозный период;

Уt+1 – прогнозируемый показатель; a и b – коэффициенты;

Х – условное обозначение времени.

Расчет коэффициентов a и b осуществляется по следующим формулам:

171

где, Уф – фактические значения ряда динамики; n – число уровней временного ряда;

Сглаживание временных рядов методом наименьших квадратов служит для отражения закономерности развития изучаемого явления. Развитие явления зависит не от того, сколько лет прошло с отправного момента, а от того, какие факторы влияли на его развитие, в каком направлении и с какой интенсивностью. Отсюда ясно, что развитие явления во времени выступает как результат действия этих факторов.

Метод скользящей средней является одним из широко известных методов сглаживания временных рядов. Применяя этот метод, можно элиминировать случайные колебания и получить значения, соответствующие влиянию главных факторов.

Сглаживание с помощью скользящих средних основано на том, что в средних величинах взаимно погашаются случайные отклонения. Это происходит вследствие замены первоначальных уровней временного ряда средней арифметической величиной внутри выбранного интервала времени.

Полученное значение относится к середине выбранного интервала времени

(периода).

Затем период сдвигается на одно наблюдение, и расчет средней повторяется. При этом периоды определения средней берутся все время одинаковыми. Таким образом, в каждом рассматриваемом случае средняя центрирована, т.е. отнесена к серединной точке интервала сглаживания и представляет собой уровень для этой точки.

При сглаживании временного ряда скользящими средними в расчетах участвуют все уровни ряда. Чем шире интервал сглаживания, тем более плавным получается тренд. Сглаженный ряд короче первоначального на (n–1)

наблюдений, где n – величина интервала сглаживания.

172

При больших значениях n колеблемость сглаженного ряда значительно снижается. Одновременно заметно сокращается количество наблюдений, что создает трудности.

Выбор интервала сглаживания зависит от целей исследования. При этом следует руководствоваться тем, в какой период времени происходит действие,

а, следовательно, и устранение влияния случайных факторов.

Его рабочая формула:

yt 1 mt 1 1n ( yt yt 1) ,

где t + 1 – прогнозный период;

t – период, предшествующий прогнозному периоду (год, месяц и т.д.);

Уt+1 – прогнозируемый показатель;

mt-1 – скользящая средняя за два периода до прогнозного; n – число уровней, входящих в интервал сглаживания;

Уt – фактическое значение исследуемого явления за предшествующий период;

Уt-1 – фактическое значение исследуемого явления за два периода,

предшествующих прогнозному.

Всякий прогноз должен иметь высокую точность, которая является важнейшей его характеристикой.

Рассчитываем среднюю относительную ошибку по формуле:

Где Yф – фактическое значение исследуемого явления; Yр -расчетное значение исследуемого явления;

n – число уровней временного ряда.

Интерпретация значений средней относительной ошибки для оценки точности прогноза представлена в табл. 42.

173

Таблица 42

Интерпретация значений средней относительной ошибки

Рассчитанные показатели спрогнозированы с «хорошей» степенью точности прогноза (средняя относительная ошибка прогноза составила 15,8%,

что соответствует интервалу 10 – 20% - точность прогноза «хорошая»).

Результаты оценки эффективности представлены в табл. 43.

Рассчитанные показатели спрогнозированы с «высокой» и «хорошей» степенью точности прогноза (средняя относительная ошибка прогноза составила 3,9%, что характеризуется как «высокая» (<10%) степень достоверности прогноза, и 16,9%, что соответствует интервалу 10-20% -

точность прогноза «хорошая»).

1.Экономическая оценка эффективности от реализации системы управления человеческими ресурсами организации на основе контроллинга персонала представлена на рис. 32-34.

Рис. 34. Прогнозные значения объема потерянной производительности после внедрения разработанных рекомендаций в организациях, 2016-2020гг.

Расчет прогнозных значений от внедрения разработанных мероприятий показал, что потерянная производительность в результате внедрения разработок сократиться на 3,2% и приведет к увеличению прибыли организации на 14,6%, что в свою очередь отразиться на увеличении объема реализации на одного сотрудника на 13,3%.

2. Социально-экономическая оценка эффективности от реализации системы управления человеческими ресурсами организации на основе контроллинга персонала представлена на рис. 35.

175

Рис. 35. Прогнозные значения доли сотрудников прошедших профессиональное обучение в организациях после внедрения разработанных

рекомендаций, 2016-2020гг.

Расчет оценки эффективности показал, что при увеличении доли часов на профессиональное обучение, доли инвестиций на профессиональное обучение на 1%, доля сотрудников, прошедших профессиональное обучение, увеличит в организациях на 5%.

3. Социальная оценка эффективности от реализации системы управления человеческими ресурсами организации на основе контроллинга персонала представлена на рис. 36-38.

Рис. 36. Прогнозные значения коэффициента текучести кадров после внедрения

разработанных рекомендаций в организациях, 2016-2020гг.

176

Рис. 38. Прогнозные значения коэффициента соблюдения трудовой дисциплины в организациях после внедрения разработанных рекомендаций,

2016-2020гг.

Сокращение текучести кадров на 1% приведет к увеличению коэффициента стабильности кадров за три года на 2,8% и к увеличению коэффициента соблюдения трудовой дисциплины на 3%.

177

Таблица 43

Результаты оценки эффективности реализации системы и механизмов управления человеческими ресурсами в организациях

178

Полученные итоговые показатели свидетельствуют о повышении эффективности управления человеческими ресурсами в строительных организациях, следовательно, проект по реализации направлений,

совершенствующих систему управления человеческими ресурсами на основе контроллинга персонала, следует считать эффективным.

Таким образом, на основе представленных методических рекомендаций была произведена оценка эффективности реализации системы управления человеческими ресурсами в организациях. Используя методы экстраполяции:

метод скользящей средней, метод наименьших квадратов – были построены прогнозные значения использования системы управления человеческими ресурсами организации на основе контроллинга персонала. Полученные значения свидетельствуют о том, что разработанная система и механизмы управления человеческими ресурсами организации на основе контроллинга персонала эффективны в экономическом, социальном планах.

Выводы по 3-й главе

1. На основе материалов исследования разработана модель системы управления человеческими ресурсами организации на основе контроллинга персонала. Модель системы отображает взаимосвязь факторов внешней и внутренней среды, оказывающих воздействие на функционирование разработанной системы, на конечные результаты работы системы при условии эффективного взаимодействия между её участниками (субъектов и объектов

управления). Система управления человеческими ресурсами в организациях

носит комплексный характер и направлена на совершенствование нескольких направлений деятельности организации: экономического, организационного,

социального и психологического.

2. Система управления человеческими ресурсами на основе контроллинга персонала опирается на совокупность следующих инструментов:

информационная база – ERP–система; оценка эффективности работы персонала

с использованием качественных и количественных показателей;

179