Особенности формирования команды проекта в условиях цифровой трансформации hr-менеджмента организации

DOI:

Переход предприятий к проектному управлению предполагает трансформацию существующих процессов и подсистем управления. Логично предположить, что в условиях реструктуризации общего управления процесс управления персоналом также должен быть модифицирован. Являясь важной частью команды проекта, персонал должен обладать необходимыми профессиональными навыками, поведенческими установками, определенными социальными нормами и совместными ценностями. Только в этом случае команда способна обеспечить эффективную реализацию намеченных целей проекта. И здесь трудно переоценить значимость процесса подбора и оценки персонала на этапе инициации проекта. Кроме того, управляя персоналом при проектном ведении работ, следует учитывать основное отличие от обычного текущего процесса, а именно необходимость формирования команды с учетом синхронизации всех поэтапных действий согласно составленному плану или графику проекта [Романова, 2011; Дедова, 2014]. При этом члены команды, работающие в интенсивном режиме и выполняющие нестандартные за- дачи, должны обладать определенными компетенциями [Лоскутникова].

Основой для стратегических решений в организациях при формировании команды проекта может стать HR-аналитика, отличительной чертой которой является использование актуальных и инновационных инструментов управления, например внедрение элементов искусственного интеллекта и IT-разработок в процесс управления человеческими ресурсами [Назайкинский, 2017; Носова, 2018]. Использование цифровых технологий вызвано необходимостью расширения функций служб управления персоналом, проведения оперативного разделения задач и процессов, оперативной оценки видимых результатов и рисков их достижения, повышения общей эффективности деятельности HR-менеджеров [Киреев, 2018]. В то же время цифровая трансформация – это прежде всего часть корпоративной философии и необходимость корректировки стратегических задач с учетом развития цифровой и коммуникационной среды. По данным исследований 1, почти каждая третья компания на российском рынке сейчас использует различные системы и инструменты для автоматизации подбора персонала. В основном компании внедряют сторонние серви- сы (21 %), но есть и такие, которые самостоятельно разрабатывают решения для оптимизации рабочих процессов (9 %). При этом 68 % опрошенных заявили, что в настоящее время не используют никаких цифровых решений.

Все вышеперечисленные факторы указывают на целесообразность автоматизации процедур принятия решений в сфере управления проектными командами и преимущество использования систем и методов поддержки принятия решений (СППР), основанных на моделях и методах искусственного интеллекта [How Can Big Data ... ; How to Successfully ...].

Целью исследования выступает разработка методики формирования команды проекта, расширяющей возможности HR-аналитики при выполнении данной процедуры. Достижение обозначенной цели возможно за счет решения следующих задач:

• 1)    проведения анализа функциональных возможностей цифровых технологий, используемых в управлении персоналом;

• 2)    обоснования необходимости использования HR-менеджментом систем и методов поддержки принятия решений, основанных на математических моделях и методах искусственного интеллекта;

• 3)    предложения методики формирования команды проекта .

Объекты и методы исследования

Вопросы применения в процессе управления интеллектуальных систем достаточно широко описаны в современной научной литературе. Теоретические основы построения СППР заложены в работах О.И. Ларичева [Ларичев, 2006] и А.Б. Петровского [Петровский, 2009]. Проблемы, возникающие при структурировании, классификации и обработке больших объемов кадровой статистики, обработке результатов рекрутинговой работы, при нахождении зависимостей между данными и информационно-техническими методами их решения отмечены в работах А.З. Асанова [Асанов, 2010], И.Г. Жуковой и др. [Повышение эффективности ... , 2015], В.А. Ло-мазова, Я.Е. Прокушева [Ломазов и др., 2010], Л.Ю. Сабадош, Н.В. Косенко, М.А. Гаховой [Са-бадош и др., 2012], Л.А. Стрельниковой,

М.М. Лембриковой [Стрельникова и др., 2019], Ю.Д. Хижняка [Хижняк, 2018]. Среди зарубежных исследователей методы принятия прогнозных решений в области управления персоналом, основанные на слабоформализован-ных процедурах, рассматривались А. Мохаммедом [Mohammed, 2019], П. Рагхуната Редди, П. Лакшмикирти [Raghunadha et al., 2017], Ш. Томар, М. Гаур [Tomar et al., 2020].

Наряду с этим существующие программные продукты в сфере управления персоналом ориентированы на решение задач с неопределенностью. Им присуща слабострукту-рированность и отсутствует возможность выделить объективно наилучшее альтернативное решение [Ломазов и др., 2010; Хижняк, 2018; Котковец и др., 2021].

Сравнительный анализ программных продуктов в контексте соответствия функциям управления персоналом и формирования проектных команд приведен в таблицах 1 и 2.

Проведенный анализ функциональных возможностей СППР показывает, что процесс автоматизации процедур оценки персонала требует решения широкого спектра специфических проблем, одна из которых – соотношение профессиональной компетентности с другими понятиями (профессиональная пригодность, профессиональная подготовленность, личностные качества кандидата и т. д.). Поэтому важной теоретико-методической задачей в диагностической практике HR-специалистов будет корректное сведение разрозненных показателей к интегральной, результирующей оценке [Сыромятников, 2015].

Для реализации подобных стратегических задач HR-службы при формировании проектных команд предлагается следующий алгоритм (см. рис. 1). Уточним, что формирование команды по сложившейся практике производится двумя альтернативными способами: преимущественно самим менеджером проекта или с привлечением службы персонала и рекрутинговых агентств. Предлагаемый алгоритм позволяет формализовать процесс формирования проектной команды с помощью службы персонала или внешних рекрутинговых агентств, с учетом внутрикорпоративных возможностей.

Реализация алгоритма сводится к двуху-ровневнему процессу принятия решений: ре- шение задачи отбора кандидатов с помощью процедуры многокритериального выбора (методом анализа иерархий) и распределение кандидатов по вакантным направлениям как возможный вариант реализации задачи о покрытии.

Неоспоримым преимуществом метода анализа иерархий (МАИ) является возможность принимать во внимание человеческий фактор при формировании итогового решения [Саати и др., 1991; Саати, 1993; Павлов и др., 2007; Ломазов и др., 2010; Булгакова и др., 2021]. Метод не является достаточно формализованным. Он описывает способ определения рейтинга альтернатив, но не имеет механизма интерпретации полученных рейтингов. Эта задача возлагается на лицо, принимающее решение. МАИ может служить надстройкой над другими методами, которые решают плохо формализованные задачи, основанные на человеческом опыте и интуитивных предположениях. Являясь удобным инструментом учета экспертных оценок при решении различных задач, он позволяет выразить в числовом эквиваленте степень предпочтительности того или иного решения посредством определения рейтинга, а степень согласованности суждений эксперта позволяет установить уровень доверия к полученному экспертом результату.

В задачах по найму персонала метод анализа иерархий позволяет определить, какие ха-

Таблица 1. Анализ функциональных возможностей программных продуктов по управлению персоналом

Table 1. Analysis of the functionality of personnel management software products

Название СППР	Авторы (разработчики)	Возможности СППР
		1	2	3	4	5	6	7	8
КоСМоС	В.Б. Силов [Силов, 1995]	+	+	+	+	+	+	+	+
Канва	А.А. Кулинич [Кулинич, 2002]	+	–	+	+	+	+	–	+
PolyAnalyst	Компания Megaputer Intelligence [Megaputer ...]	–	+	–	+	+	+	–	–
Deductor	Компания BaseGroup Labs [Loginom Company …]	+	+	–	+	+	+	–	–
iThink	Компания Isee Systems [Isee Systems …]		+	–	+	+	+	+	+
ИГЛА	Д.А. Коростелев, Д.Г. Лагерев, А.Г. Подвесовский [Коростелев и др., 2007]	+	+	–	+	+	+	+	+
РЕСУРС-К	ООО Консалтинговый центр «ВЫ + МЫ» [Компьютерная система …]	+	–	–	+	+	–	+	–

Примечание. Составлено по: [Ломазов и др., 2010; Хижняк, 2018]. Обзор систем представлен с учетом следующих возможностей СППР: 1) развитый графический интерфейс, понятный для неопытного эксперта; 2) возможность учета особенностей человеческой системы измерения, переработки и оценки информации, а также ослабление заблуждений экспертов; 3) интеграция в единой модели ситуации факторов, имеющих числовые и лингвистические значения; 4) генерация возможных альтернатив (решений); 5) моделирование сценариев развития ситуации; 6) отбор альтернатив; 7) оперативное согласование групповых решений; 8) коррекция модели и генерация новых альтернатив (в случае расхождения прогнозируемых и фактических данных).

Таблица 2. Сравнение программных продуктов по функционалам подбора и формирования проектных команд

Table 2. Comparison of software products by functional selection and formation of project teams

№	Программный продукт	Функция
		Подбор персонала на должности	Формирование проектных команд
1	1С:Зарплата и управление персоналом	–	–
2	1C: Оценка персонала	+	+
3	БОСС-Кадровик	–	–
4	Oracle Human Resources Analyzer	–	–
5	SAP ERP Human Capital Management	+	–
6	Bullhorn Staffing and Recruiting (США)	+	–

Примечание. Составлено по: [Хижняк, 2018; Bullhorn Staffing ...].

рактеристики рассматриваемых кандидатов являются ведущими, а также дать объективную оценку способностей кандидатов.

Общая схема алгоритма, решающего задачу оптимального набора кандидатов методом анализа иерархий, представлена на рисунке 2.

Перед решением данной задачи каждый из специалистов должен собрать предварительную статистику по нужным критериям, проведя собеседование и пообщавшись с каждым из кандидатов. Одновременно должен быть оценен и вес суждений, получаемых от каждого из экспертов. Другими словами, не-

Рис. 1. Алгоритм формирования проектной команды

Fig. 1. Algorithm for forming a project team

Примечание. Разработано авторами.

обходимо определить значимость решения каждого из экспертов, это может сделать вышестоящий руководитель. Собранная по каждому кандидату статистика и оценочные веса являются входными параметрами алгоритма. Проверка согласованности позволяет выявить ошибки, которые мог допустить эксперт при заполнении матрицы парных сравнений.

После оценивания разными экспертами кандидатов по нескольким характеристикам может возникнуть ситуация существования одинаковых или приблизительно равных рейтинговых оценок у нескольких кандидатов. Если у компании имеются дополнительные вакантные места на других проектах с идентичными (или похожими) используемыми технологиями, то возможно закрыть данные позиции людьми,

Рис. 2. Общая схема метода анализа иерархий

Fig. 2. General scheme of the hierarchy analysis method

Примечание. Разработано авторами.

которые уже прошли проверку и имеют высокие рейтинги по требуемым критериям. В таком случае наша задача сводится к задаче о покрытии [Канцедал, 2018; Булгакова и др., 2021]. Нам необходимо «покрыть» наименьшим количеством людей, уже прошедших рейтинговый отбор, максимальное количество проектов (направлений внутри проектов) в целях сокращения расходов.

Постановка задачи имеет следующий вид [Канцедал, 2018; Булгакова и др., 2021]:

aj ={0 Д},(1)

^={0,1L

n

I ajxj^ 1,(3)

j = 1

Матрица A = ( a ij ) , состоящая из нулей и единиц, носит название матрицы покрытий. Формально задача состоит в выборе минимального количества столбцов, объединение которых покрывает все строки матрицы (в каждой строке имеется по крайней мере одна единица). Методы решения данной задачи в большинстве своем основаны на операциях с логическими функциями и подробно изложены в работах А.В. Еремеева, Г.И. За-биняко, Ю.В. Максимова [Еремеев, 2000; За-биняко, 2007; Максимов, 2015].

Алгоритм определения оптимального покрытия показан блок-схемой на рисунке 3.

Результаты и обсуждение

В качестве примера работы предлагаемой системы принятия решений рассмотрим трехуровневую иерархическую структуру (см. рис. 4). Первый (верхний) уровень состоит

I> j ^ min .             (4)

j = 1

Рис. 3. Алгоритм определения оптимального покрытия Fig. 3. Algorithm for determining the optimal coverage

Примечание. Разработано авторами.

из экспертов, которые принимают непосредственное участие в подборе нового персонала. К таким экспертам могут относиться:

– менеджер по подбору персонала: для данного эксперта в первую очередь важны личностные качества кандидата, необходимые для работы в социуме;

– руководитель проекта: важны все навыки кандидата;

– технический специалист: в первую очередь обращает внимание на профессиональные знания кандидата.

Каждый из экспертов оценивает нового кандидата по нескольким критериям, сами критерии расположены на уровень ниже, чем эксперты.

Уровень альтернатив содержит перечень кандидатов, претендующих на должность.

Кроме того, априори будем моделировать ситуацию, когда кандидатов больше, чем самих проектов (направлений в проектах), и один человек может быть задействован сразу на нескольких направлениях (рис. 5).

Реализация двухуровневого алгоритма формирования проектной группы выполнена на языке C# с использованием пользовательского интерфейса Windows Forms в среде программирования Microsoft Visual Studio 2017 Community Edition.

На начальном этапе СППР предлагает экспертам провести анализ кандидатов по различным параметрам и заполнить матрицы предпочтений (см. рис. 6).

Программа производит синтез приоритетов и альтернатив и получает итоговый результат с рейтингом кандидатов. Итоговый отбор осуществляется по принципу убывания рейтинговых оценок.

Если же несколько кадндидатов получили приблизительно равную рейтинговую оценку, то пользователю будет предложено решить данную задачу как задачу о покрытии (см. рис. 7, 8).

Количество участников автоматически передается из предыдущей формы, пользователю необходимо определить количество проектов и заполнить матрицу навыков кандидатов.

Рис. 4. Проблема выбора в виде иерархии

Fig. 4. The problem of choice in the form of a hierarchy Примечание. Составлено авторами.

Рис. 5. Возможное распределение кандидатов по проектам (направлениям)

Fig. 5. Possible distribution of candidates by projects (directions)

Примечание. Составлено авторами.

Рис. 6. Оценка кандидатов по разным параметрам

Fig. 6. Evaluation of candidates by various parameters Примечание. Снимок экрана программного приложения.

Результат

	Стаж	ПроФ знания	Личн камее А
► Кандидат!	0.22	0.32	0.32
Кандидат?	0.26	0.28	0.29
КандидатЗ	0.09	0.07	0.07
Кандидат4	0.28	0.09	0.06
КандидатЗ	0.15	0.24	0.26        v
<			>

У претендентов Кандидат!.Кандидат? равные приоритеты. Решить:                     Покрытие

	А
► Кандидат!
Кандидат?	0.30
КандидатЗ	0.07
Кандидат4	0.09
КандидатЗ	0.24 v
<	>

Рис. 7. Переход к задаче о покрытии

Fig. 7. Moving on to the coverage problem Примечание. Снимок экрана программного приложения.

Рис. 8. Результаты решения задачи о покрытии

Fig. 8. Results of solving the problem of coverage

Примечание. Снимок экрана программного приложения.

Логическое выражение, полученное в итоге расчетов, предполагает два альтернативных подхода к выбору кандидатов: Кан-дидат1 и Кандидат2 или Кандидат1 и Кан-дидат3 . Отметим, что при получении итоговых результатов также были приняты во внимание стоимости закрытия вакансий, связанные с каждым кандидатом.

Выводы

В процессе выполненного исследования сделан вывод о том, что существующие программные продукты, автоматизирующие процесс подбора персонала, не могут в полной мере оказывать поддержку системе HR-менеджмента при формировании команд проекта. Необходимо расширение их функционала за счет современных инструментов анализа – математических моделей и методов искусственного интеллекта.

Для расширения функциональных возможностей программных продуктов в системе HR-менеджмента разработан алгоритм формирования команд проекта, который обеспечивает иерархическую структурированность критериев принятия решений и оптимизацию принятия решений по формированию кадрового состава проектных команд, расширяя тем самым функции HR-менеджера.

Полученные результаты исследования вносят вклад в развитие методологии построения систем и методов поддержки принятия решений. Внедрение подобной системы в план автоматизации службы персонала позволит снизить общую трудоемкость цикла управления командой проекта, обеспечит сохранение кадрового состава и повышение качества информационного сопровождения.

В заключение необходимо отметить, что рассмотренный вариант системы принятия решений, а также аналогичные IT-продукты выступают лишь в качестве инструмента, помогающего эксперту. По-настоящему ценятся разумные решения, полученные при совмещении возможностей цифровых технологий и реальных сотрудников. Не следует забывать, что в качестве объекта исследований рассматривается живой человек, и нельзя полагаться исключительно на результаты моделирования.