Определить нормы обслуживания административного персонала, для последующего расчета численности - задача сложная, иногда даже невыполнимая. Возможным выходом из ситуации могло бы стать применение статистических инструментов Excel. Предположим, что служба персонала компании начала жаловаться на недостаток сотрудников и выросшие объемы работы, при этом сколько нужно набрать людей - неясно. Для начала расчетов выделим факторы оказывающие влияние на численность персонала и объем работ им выполняемый.
Предположим наш выбор пал на:
Основная идея заключается в том, что численность зависит от объемов будущей работы, однако закономерности этой связи нам пока не известны. Путем сбора данных из информационной базы, получим следующую таблицу (цифры взяты произвольно, для наглядности):
Мы будем строить линейное уравнение вида:
Y = A0 + A1X+A2X+A3X
Где A0 - постоянный коэффициент, он отражает неучтенные факторы или ошибки;
А1,А2,А3 - коэффициенты при переменных влияющих на результат - это и будут весовые значения наших факторов. То есть применять линейный тип зависимости, не потому, что он самый правильный, а потому, что он самый простой для восприятия и понимания.
Немного дополним данные последовательно сложив численные значения 2009 и 2010, 2010 и 2011 года. После этого попробуем построить уравнение регрессии для наших зависимостей посредством инструментария Excel. Для этого устанавливаем надстройку "Анализ данных", затем идем в пункт меню Данные - Анализ данных.
Там выбираем пункт меню "Регрессия". Выделяем диапазон результатов - это будет колонка численности, потом выделяем область влияющих факторов. Выбираем пункт меню "Вывести на новый лист", после этого жмем на "ОК".
Получаем такой результат: Y = 0.0015 A1 + 0.0001A2 + 0.0059A3. Немного смущает отсутствие пересечения осью Y т.е. нашего коэффициента A0. Но мы только учимся применять метод на практике, поэтому будем считать, что так правильно.
В верхней таблице приведены 2 коэффициента корреляции (степень связи между результатом и влияющими переменными) - они оба равны 1, что является практически идеальным результатом. Стандартная ошибка очень маленькая, полученное значение не умещается в ячейке - это тоже неплохо. Но нас интересует первая и вторая колонка в нижней таблице, а именно: "Переменная Х1", "Х2" и т.д. Это и будут искомые коэффициенты уравнения для нашей зависимости, которые показывают насколько влияют наши факторы на результат, то есть численность.
Переносим полученные значения на первый лист и строим прогноз численности, исходя из фактических данных + прогноз до конца 2013 года . Перемножаем каждый фактор на значение соответствующего ему коэффициента: 2450*0,0015+1230*0,0001+0,0059*136 = 4,6 человека.
По результатам прогноза видим необходимость принять в ближайшее время еще одного человека. Хорошо было бы логически проанализировать полученный результат на соответствие весовых коэффициентов реальному положению дел. Поскольку расчет может показать зависимость между снегопадом в России и рождаемостью крокодилов в Африке, это же просто математика.
Приведенный инструмент безусловно полезен, но применять его надо только после всестороннего анализа факторов влияющих на объем работ службы. Его можно использовать, но будет ли результат таких изысканий служить весомым аргументом для руководства компании - неизвестно. Очень полезным он может оказаться при прогнозировании численности персонала в период составления бюджета, когда не от чего оттолкнуться, для проверки оптимальности предлагаемого начальниками служб будущего состава подразделений.
Предположим наш выбор пал на:
- Количество обрабатываемых документов;
- Количество сотрудников принятых и уволенных в течение года;
- Общую численность персонала компании.
Основная идея заключается в том, что численность зависит от объемов будущей работы, однако закономерности этой связи нам пока не известны. Путем сбора данных из информационной базы, получим следующую таблицу (цифры взяты произвольно, для наглядности):
Мы будем строить линейное уравнение вида:
Y = A0 + A1X+A2X+A3X
Где A0 - постоянный коэффициент, он отражает неучтенные факторы или ошибки;
А1,А2,А3 - коэффициенты при переменных влияющих на результат - это и будут весовые значения наших факторов. То есть применять линейный тип зависимости, не потому, что он самый правильный, а потому, что он самый простой для восприятия и понимания.
Немного дополним данные последовательно сложив численные значения 2009 и 2010, 2010 и 2011 года. После этого попробуем построить уравнение регрессии для наших зависимостей посредством инструментария Excel. Для этого устанавливаем надстройку "Анализ данных", затем идем в пункт меню Данные - Анализ данных.
Там выбираем пункт меню "Регрессия". Выделяем диапазон результатов - это будет колонка численности, потом выделяем область влияющих факторов. Выбираем пункт меню "Вывести на новый лист", после этого жмем на "ОК".
Получаем такой результат: Y = 0.0015 A1 + 0.0001A2 + 0.0059A3. Немного смущает отсутствие пересечения осью Y т.е. нашего коэффициента A0. Но мы только учимся применять метод на практике, поэтому будем считать, что так правильно.
Переносим полученные значения на первый лист и строим прогноз численности, исходя из фактических данных + прогноз до конца 2013 года . Перемножаем каждый фактор на значение соответствующего ему коэффициента: 2450*0,0015+1230*0,0001+0,0059*136 = 4,6 человека.
По результатам прогноза видим необходимость принять в ближайшее время еще одного человека. Хорошо было бы логически проанализировать полученный результат на соответствие весовых коэффициентов реальному положению дел. Поскольку расчет может показать зависимость между снегопадом в России и рождаемостью крокодилов в Африке, это же просто математика.
Приведенный инструмент безусловно полезен, но применять его надо только после всестороннего анализа факторов влияющих на объем работ службы. Его можно использовать, но будет ли результат таких изысканий служить весомым аргументом для руководства компании - неизвестно. Очень полезным он может оказаться при прогнозировании численности персонала в период составления бюджета, когда не от чего оттолкнуться, для проверки оптимальности предлагаемого начальниками служб будущего состава подразделений.
Комментариев нет:
Отправить комментарий