Анализ экономико-математических методов прогнозирования штатной численности подразделений
- Авторы: Носков С.И1, Медведев А.П1
-
Учреждения:
- Иркутский государственный университет путей сообщения
- Выпуск: № 1 (2025)
- Страницы: 7-13
- Раздел: Статьи
- URL: https://ogarev-online.ru/2500-3747/article/view/369019
- DOI: https://doi.org/10.58224/2500-3747-2025-1-7-13
- ID: 369019
Цитировать
Полный текст
Аннотация
целью исследования является анализ современных методов прогнозирования штатной численности сотрудников структурных подразделений, в том числе с применением вложенной кусочно-линейной регрессионной модели. Методы: в качестве методов в представленном исследовании используется подход, основанный на прикладном регрессионном анализе. Результаты (Findings): в исследовании представлена модель, позволяющая осуществлять прогнозирование штатной численности на примере подразделений по защите информации. Вектор срабатывания построенной модели указывает на то, что ключевым фактором, определяющим динамику выходной переменной, является общее число сотрудников организации. Выводы: среди существующих математических методов прогнозирования численности сотрудников подход, основанный на построении вложенных кусочно-линейных регрессий является достаточно удобным и хорошо интерпретируемым инструментом. Приведенная в работе модель может быть использована при прогнозировании и оценке численности сотрудников подразделений по защите информации при обеспечении необходимого уровня защищенности в информационных системах персональных данных. При этом анализ модели показывает, что при расчете численности сотрудников подразделений по защите информации основным фактором является масштаб организации, характеризующийся списочной численностью ее сотрудников.
Об авторах
С. И Носков
Иркутский государственный университет путей сообщения
Email: sergey.noskov.57@mail.ru
А. П Медведев
Иркутский государственный университет путей сообщения
Email: medvedeff.a.p@yandex.ru
Список литературы
- Zhuang Mei-Er, Pan Wen-Tsao Data Modelling in Human Resource Management: Influencing Factors of Employees’ Job Satisfaction // Mathematical problems in engineering. 2022. Vol. 2022. URL:doi.org/10.1155/2022/3588822 (дата обращения: 23.05.2024)
- Губкина А.А., Курочкина Н.В. Применение экономико-математических методов в управлении предприятием // Актуальные вопросы аграрной экономики: теория, методология, практика: материалы конференции. Нижний Новгодод, 17 июня, 2015. С. 130 – 134.
- Порцев А.М. Методы определения численности персонала аппарата управления производственных предприятий // Вестник удмурдского университета. 2009. Вып. 1. С. 76 – 84.
- Бесчастнова Н.В., Сазыкина М.Ю., Мамлеева Э.Р., Марьина А.В. Экономико-математические методы исследования трудовых ресурсов // Управление экономикой: методы, модели, технологии: XVII международная научная конференция. 2017. С. 257 – 261.
- Царегородцев Ю.Н., Ефремова Ю.Е. Экономико-математические методы и модели в управлении ресурсами организации // Симпозиум «Неделя горняка-2007». 2008. С. 240 – 242.
- Бондаренко А.О. Математическая модель обоснования перехода к плоским структурам управления на примере таможенного органа // Глобальные проблемы научной цивилизации, пути совершенствования: сборрник. 2022. С. 442 – 447.
- Fidanova S. Luque G., Roeva O, Paprzycki M., Gepner P. Ant colony optimization algorithm for workforce planning // Conference: 2017 Federated Conference on Computer Science and Information Systems. 2017. P. 415 – 419.
- Semih Y. Human resource planning models for home health care services: assignment and routing problems , 2014, 127 p.
- Hmoud B. The adoption of artificial intelligence in human resource management and the role of human resources // Forum Scientiae Oeconomia. 2021. P. 105 – 118.
- Chowdhury S., Dey P., Joel-Edgar S., Bhattacharya S., Rodriguez-Espindola O., Abadie A., Truong L. Unlocking the value of artificial intelligence in human resource management through AI capability framework, 2023. URL:doi.org/10.1016/j.hrmr.2022.100899 (дата обращения: 23.05.2024)
- Tambe P., Cappelli P., Yakubovich V. Artificial Intelligence in Human Resources Management: Challenges and a Path Forward. 2019. Vol. 61. URL: doi.org/10.1177/0008125619867910 (дата обращения: 23.05.2024)
- Gelinas D., Sadreddin A., Vahidov R. Artificial Intelligence in Human Resources Management: A Review and Research Agenda // Pacific Asia Journal of the Association for Information Systems. 2022. Vol. 14. URL: doi.org/10.17705/1pais.14601 (дата обращения: 24.05.2024)
- Mark A. Youndt, Scott A. Snell, James W. Dean, Jr., David P. Lepak Human Resource Management, Manufacturing Strategy, and Firm Performance // Academy of Management Journal. 2017. Vol. 39. URL: https://doi.org/10.5465/256714 (дата обращения: 23.05.2024)
- Невечеря А.П. Исследование динамики трудовых ресурсов на основе многоотраслевой математической модели рынка труда // Экономика и математические методы. 2016. № 2. С. 129 – 140.
- Осипова О.С. Экономико-математическое моделирование нормативной численности учебно-вспомогательного персонала образовательных организаций // Управленческие науки в современном мире. 2015. № 1 (1). С. 508 – 513.
- Подвербных О.Е., Самохвалова С.М., Соколова Е.Л., Кукушкин С.Г., Дятлов Д.В., Рошкова Н.С. О развитии инструментария прогнозирования потребности в персонале наукоемкого предприятия // Экономика труда. 2021. № 11. С. 1297 – 1314.
- Аитова Ю.С., Орешников В.В. Использование методов экономико математического моделирования при разработке прогноза развития муниципального образования // Вестник НГИЭИ. 2017. № 10. С. 89 – 99.
- Ruckstuhl A. Introduction to Nonlinear Regression, 2010. 30 p.
- Eric Ng, Hong C., Zheng L., Ramesh K. M. H. M. An Effectiveness of Human Resource Management Practices on Employee Retention in Institute of Higher learning: -A Regression Analysis // International Journal of Business Research and Management (IJBRM). 2012. Vol. 3. P. 60 – 79.
- Byeon, Dae-Ho A Study on Knowledge Representation Schemes for Use in Human Resource Management Problem Domains // Asia pacific journal of information systems. 1997. Vol. 7. P. 85 – 97.
- Носков С.И., Медведев А.П. Регрессионное моделирование штатной численности подразделений по защите информации // Инженерный вестник Дона. 2024. № 6. 9 с. URL:ivdon.ru/ru/magazine/archive/n6y2024/9283 (дата обращения: 01.06.2024)
- Носков С.И. Некоторые формы вложенной кусочно-линейной регрессии // Известия Тульского государственного университета. Технические науки. 2023. № 3 С. 467 – 469.
- Носков С.И., Белинская С.И. Вычисление оценок параметров однородной вложенной кусочно-линейной регрессии // Вестник Дагестанского государственного технического университета. Технические науки. 2023. № 4. С. 115 – 120.
Дополнительные файлы


