做好人力资源需求预测

人力资源需求预测是指根据企业的发展规划和企业的内外条件，选择适当的预测技术，对人力资源需求的数量、质量和结构进行预测。

在当前企业的人力资源管理中，最常用的人力资源预测方法有以下几种：

一、德尔菲法

德尔菲法是一种进行人力资源需求预测的方法，是有关专家对企业组织某一方面的发展的观点达成一致的结构性方法。使用该方法的目的是通过综合专家们各自的意见来预测某一方面的发展。德尔菲法的特征是：

1．吸收专家参与预测，充分利用专家的经验、学识。

2．采用匿名或背靠背的方式，能使每一位专家独立自主地作出自己的判断。

3．预测过程几轮反馈，使专家的意见逐渐趋同。

这种预测方法具有可操作性，且可以综合考虑社会环境、企业战略和人员流动三大因素对企业人力资源规划的影响，因而运用比较普遍。但其预测结果具有强烈的主观性和模糊性，无法为企业制订准确的人力资源规划政策提供详细可靠的数据信息。

二、统计预测法

统计预测法是指根据过去的情况和资料建立数学模型，并由此对未来的趋势作出预测的一种定量的预测方法。

1．比例趋势预测法。这种方法通过研究历史统计资料中的各种比例关系，例如部门管理人员与该部门工人之间的比例关系，员工数量与机器设备数量的比率，考虑未来情况的变动，估计预测期内的比例关系，进而预测未来各类员工的需要量。这种方法简单易行，关键在于历史资料的准确性和对未来情况变动的估计。关于比例趋势预测法的具体运用，不妨看看下面这个案例：

某机械加工企业是江西省一家大型本土企业。公司管理层基本上都是江西本地人，文化层次相对较高。作为一线的工人，大部分来自原江西郊区城乡接合部的农民（随着城市的扩建，也转变成为“市民”）。

但是，随着企业的不断发展，公司的管理者发现，工地一线工人越来越紧缺，有时采取加班加点的超负荷工作，也远远满足不了发展的需求。为满足对人员配备的要求，公司人事部从江西其他地区，及至全国，匆忙招聘了大量的新雇员。为应付紧张的用工需要，人事部门不得不降低录用标准，使得人员配备的质量大幅度下降。另外，招聘人员的结构也不尽合理，如单身或易迁徙的员工过多，员工年龄偏大等。经常出现很多员工只工作了一两个月就充当工长的现象，人事部门刚招聘一名雇员顶替前一位员工的工作才几个月，就不得不再去招聘新的顶替者。为了招聘合适的人选，人事部门常常是疲于奔命。

为此，公司聘请了有关专家进行了调查，寻找员工短缺的原因，并提出解决这一问题和消除其对组织影响的方法。

专家调查表明，该公司以往对员工的需求处于无计划状态，在城郊还未变成城区之前，招工基本上还不太困难。随着城市的日益扩大化，城郊的农民工的数量也在日益缩小。以往在几天之内就能找到应急工已成为过去。

因此，公司决定把解决员工短缺问题作为公司战略的一部分来考虑。

在专家的帮助下，鉴于公司本身的特性以及宏观经济形势的平稳发展，公司决定采用趋势预测法，建立了一个预测全厂职工用最小平方法求得趋势线，将这趋势线延长，就能推测将来的所需员工人数。

公司在过去的12年中，工人人数如下表所示：

结果，预测值与实际情况相当吻合。

至此，人事和管理部门对问题才有了统一的认识。这有利于他们共同对待今后几年可能出现的工人人数的短缺问题，制定人力资源管理的总规划，根据总规划制订各项具体的业务计划以及相应的人事政策，做到提前招工、提前培训。

2．一元线性回归预测法。在进行人力资源需求预测时，如果只考虑某一种因素对人力资源需求的影响，例如企业的市场规模，而忽略其他因素的影响，就可以采用一元线性回归预测法；如果考虑两个或者两个以上因素对人力资源需求的影响，则需要运用多元线性回归预测法；如果其中的某一影响因素与人力资源需求量之间的关系不是直线相关的线性关系，那么，就需要采用非线性回归法来做预测。

3．经济计量模型预测法。这种方法首先用数学模型的形式表示出企业的职工需求量与影响企业员工需求量的主要因素之间的关系，然后依据该模型和主要的影响因素变量来预测企业的员工需求量。这种方法比较烦琐、复杂，一般只在管理基础比较好的大型企业里才会采用。

三、工作负荷预测法

工作负荷预测法，是指按照历史数据、工作分析的结果，先计算出某一特定工作每单位时间（如：一天）的每人的工作负荷（如：产量），然后再根据未来的生产量目标（或者劳务目标）计算出所需要完成的总工作量，然后依据前一标准折算出所需要的人力资源数量。这种方法的考虑对象是企业工作总量和完成工作所需要的人力资源数量之间的关系，考虑的是每位员工的工作负荷和企业总体工作量之间的比率。可用公式表示为：

未来每年所需员工数=未来每年工作总量÷每年每位员工所能完成的工作量=未来每年的总工作时数÷每年每位员工工作时数

因此，工作负荷预测法的关键部分是准确预测出企业总的工作量和员工的工作负荷。当企业所处的环境、劳动生产率增长比较稳定的时候，这种预测方法就比较方便，预测效果也比较好。