인사 예측 통계 대 판단 기법

예측은 비즈니스 계획의 핵심이며 인적 자원 계획도 마찬가지입니다. 중소기업의 인력 수요를 아는 것은 HR 노력을 정의하여 다수의 직원 및 직무에 대한 채용 목표를 정의합니다. 통계 및 판단 기술의 균형을 잡으면 과거 성과 및 현재의 비즈니스 및 업계 지식을 모두 활용하여 인적 자원 요구에 가장 적합한 예상치를 제공 할 수 있습니다.

통계 예측의 장단점

이전 데이터에 대한 예측을 작성하면 판매 또는 생산성에 관계없이 예측을위한 견고한 기반을 제공합니다. 새로운 예측에는 통계적 비교 및 ​​분석을 적용하여 향후 비즈니스에 대한 통찰력을 제공 할 수있는 사실적인 출발점이 있습니다. 그러나 통계는 주기적으로 변동이 거의없고 비즈니스 조건이 일정하게 유지되는 장기간에 걸쳐 가장 잘 작동합니다. 시장 상황과 산업 동향은 수학적으로 예측할 수 없으며 통계 패턴도 매년 동일하게 유지되지 않습니다.

통계적 예측 기법

노동 수요에 대한 통계적 예측은 세 가지 분석 방법 중 하나를 가장 일반적으로 사용합니다. 추세 분석은 비즈니스의 한 요소 (흔히 판매량)에 대한 기록 데이터를 조사하고 이전 기간의 인력 수준을 적용하여 예측 수준을 제안합니다. 비율 분석은 근로자와 비즈니스 요소 간의 관계를 기반으로 직원 수준을 설정합니다. 영업 사원이 각 영업 사원에게 20 개의 계정을 할당하면 예를 들어 20 개의 신규 계정 예측마다 추가 근로자를 추가 할 수 있습니다. 회귀 분석은보다 정교한 통계 계산을 사용하여 유사한 원칙을 따릅니다.

판단의 찬반론과 찬성론

심판 예측은 미래의 비즈니스 요구를 예측하기 위해 인간의 경험에 의존합니다. 이것은 영업 관리자가 비즈니스 성장을 확인하거나 작업자의 요구를 예측하는 생산 관리자로부터 입력 될 수 있습니다. 인간 입력에 따라 결정적 예측은 입력을 제공하는 사람들의 편견에 따라 매우 정확하거나 거친 기반이 될 수 있습니다. 그러나 인간의 판단은 단기 분석에 필요한 유연성뿐만 아니라 급격한 변화가 요구되는 직관적 인 요소와도 일치합니다.

심판 예측 기법

소기업에서의 판단 예측은 종종 소유주의 경험에 달려 있습니다. 귀하의 전문성은 귀하의 비즈니스의 모든 측면에서 매우 중요하므로 직원 수준의 견적은 귀하의 지식을 기반으로합니다. 비즈니스가 성장함에 따라 회사의 다른 사람들이 적용 할 수있는 일반적인 경험 법칙을 인식하게됩니다. 비즈니스가 영장을 받으면 그룹 입력은 여러 관점에서 필요를 균형 잡기 위해 중요해질 수 있습니다.

결합 기술

실제로 HR 요구를 예측할 때 두 전략의 요소가 통합됩니다. 이전 기간의 데이터를 기반으로하고 향후 실적에 대한 예상치를 적용하면 통계적으로나 판단에 따라 작업하게됩니다. 예를 들어, 계절적 사업은 악천후로 1 년 후에 고통을 겪을 수 있으며, 관리자는 정상 날씨로 복귀 할 수 있도록 인력을 조정할 수 있습니다. 마찬가지로 영업 직원의 의견을 통계 결과에 적용하면 인적 요소의 수요 변화를 설명 할 수 있습니다.