28МПЧ Том 1

В. В. Борисов	Vladislav Borisov
Е. В. Лукьянова	Evgeniya Lukianova
Научный руководитель	Supervisor Oksana Khokhlova
О. А. Хохлова	(Plekhanov Russian University
(РЭУ им. Г. В. Плеханова)	of Economics)
АУТПЛЕЙСМЕНТ:	OUTPLACEMENT:
ВЫИГРАТЬ НА ХОРОШЕМ	GAINING FROM POSITIVE
ОТНОШЕНИИ ИЛИ	RELATIONS OR LOSING DUE
ПРОИГРАТЬ НА ВЫСОКИХ	TO HIGH COSTS
ИЗДЕРЖКАХ?

В работе рассмотрена технология аутплейсмента как способа высвобождения персонала.

Представлена методика количественного анализа эффективности аутплейсмента, а также результаты ее апробации.

The paper is focused on of outplacement as an employee displacement technique. The problem of measuring advantages and risks of outplacement is tackled with basic decision making theory instruments.

Любая компания рано или поздно сталкивается с замораживанием прибыли (стагнацией), которая зачастую требует проведения организа- ционно-штатных мероприятий, в том числе сокращения штата.

Высвобождение персонала в некоторых случаях подразумевает вынуждение сокращение высококвалифицированных специалистов без существенных претензий к их профессиональной пригодности.

Одним из способов решения проблемы является использование технологии аутплейсмента. В научно-практической литературе аутплейсмент определяется как «комплекс мер, направленных на сглаживание негативных последствий увольнения сотрудников, включающих в себя психологическую поддержку и консультирование уволенных сотрудников, помощь им в дальнейшем трудоустройстве за счет средств бывшего работодателя» (Беженарь О. А., 2011).

Аутплейсмент имеет свои достоинства и недостатки. С одной стороны, это хороший способ сохранить деловую репутацию и повысить лояльность к компании со стороны сотрудников, сохранивших свои рабочие места. С другой стороны, процесс высвобождения персонала может затянуться, а высокие затраты способны значительно пошатнуть бюджет предприятия.

Ввиду того, что для принятия обоснованного решения о выборе метода высвобождения персонала недостаточно качественного анализа, целью данной работы является разработка методики комплексной количественной оценки эффективности аутплейсмента.

261

Для количественной оценки эффективности высвобождения персонала в целом и аутплейсмента в частности авторами работы предложено использование системы риск-ориентированных индикаторов, т. е. характеризующих вероятность наступления того или иного рискового события:

‒риск превышения материальными затратами установленного предела (F1);

‒риск снижения производительности труда в результате социальной напряженности внутри коллектива в период сокращений (F2);

‒вероятность повышения деловой репутации компании (F3);

‒риск проявления негативных последствий (в первую очередь, юридического характера) увольнения сотрудников (F4);

‒вероятность того, что период реализации программы превысит 6 месяцев (F5).

В работе используется допущение о том, что компания осуществляет высвобождение персонала «от затрат», т.е. максимизирует положительный эффект при фиксированных затратах. Возможно рассматривать двойственную задачу оптимизации – минимум затрат при фиксированном эффекте.

Эффективность аутплесмента (X1) целесообразно определять только по отношению к доступным альтернативным способам высвобождения персонала. Как правило, речь идет об увольнении по инициативе работодателя (X2) и прекращении найма (X3).

Основным источником количественной информации являются экспертные оценки лиц, принимающих решение о проведении организаци- онно-штатных мероприятий (ЛПР), т. е. руководства компании.

Итак, процесс принятия решения о проведении аутплейсмента можно представить как задачу многокритериальной оптимизации при наличии нескольких ЛПР. Для решения данной задачи могут быть использованы классические методы теории принятия решений.

Продемонстрируем возможности рассмотренного подхода на практике.

Авторами работы был проведен опрос 10 сотрудников отделов управления персоналом нескольких компаний. Участникам предлагалось оценить вероятность наступления событий F1–F5 (табл.1) при использовании различных способов высвобождения персонала. Оценивание проводилось по шкале от 0 до 10; 0 соответствовала полная уверенность в том, что событие не произойдет, 10 – полная уверенность, что событие произойдет.

Следующим этапом является оценка согласованности мнений специалистов на основе показателей вариации. Минимальное и максимальное значение размаха оценок равно 0 и 1 соответственно. Средний размах по всем оценкам составляет 0,73, т.е. мнения экспертов разнятся в

262

среднем менее чем на 1. Также стоит обратить внимание на коэффициент вариации. В нашем случае он изменяется в диапазоне от 0,00 до 91,3% и имеет среднее значение 31,2%, что не превышает 33%, а значит, совокупность экспертных оценок является однородной.

			Т а б л и ц а 1
Образец таблицы для заполнения участниками опроса
	Аутплейсмент	Увольнение	Прекращение
		по инициативе	найма
		работодателя
Высокие материальные затраты
Снижение производительности
труда в результате социальной
напряженности внутри коллек-
тива в период сокращений
Повышение деловой репутации
компании
Проявление негативных по-
следствий увольнения сотруд-
ников (юридические разбира-
тельства, обращения в налого-
вые службы)
Период реализации программы
– более чем 6 месяцев

Комплексное представление о согласованности мнений экспертов по каждому из анализируемых видов сокращения штата может быть определено с помощью коэффициента конкордации Кендалла. Расчетные значения, равные 0,9; 0,92 и 0,92 для Х1, Х2 и Х3 соответственно свидетельствует о высокой степени согласованности рассматриваемых показателей. Можно сделать вывод об адекватности субъективных экспертных мнений, полученные результаты могут быть использованы в дальнейшем анализе.

Оценки, данные разными экспертами, подлежат агрегации. Приемлемой базой для сопоставления альтернатив являются средние оценки, которые, исходя из факта согласованности мнений экспертов, являются надежными.

Заключительный этап анализа – решение задачи многокритериальной оптимизации. В первую очередь заметим, что частные критерии F1, F2, F4, F5 необходимо минимизировать, а критерий F3 необходимо максимизировать. Для удобства перейдем к обратному событию и будем минимизировать функционал вида 10 – F3

В результате матрица значений частных критериев примет вид

(табл. 2).

263

Т а б л и ц а 2

Матрица частных критериев

		F1	F2	F3	F4	F5
Аутплейсмент	Х1	3	1,2	6,4	0,8	1,4
Увольнение по инициативе работодателя	Х2	2,2	3,6	9,4	3	0,6
Прекращение найма	Х3	1	1,8	7,4	0,8	4

Выясним, является ли какая-либо альтернатива оптимальной по Парето. Решение является оптимальным по Парето, если в множестве допустимых альтернативных решений не найдется ни одного другого решения, переход к которому позволит улучшить показатель хотя бы одного из частных критериев, чтобы при этом не ухудшились бы показатели других частных критериев. Легко убедиться в том, что множество представленных альтернатив совпадает с множеством Парето-оптимальных решений. Для определения наилучшего решения можно использовать классические методы принятия решения при наличии нескольких критериев: метод взвешенной суммы оценок частных критериев (К1), минимаксный критерий (К2), критерий Гурвица (К3), критерий утопической точки (К4), метод среднего геометрического (К5).

Расчетные значения критериев по рассматриваемому примеру представлены в табл. 3, выделены альтернативы, соответствующие оптимальному выбору.

Т а б л и ц а 3

Расчетные значения обобщенных критериев

		K1	K2	K3	K4	K5
Аутплейсмент	Х1	12,8	6,4	3,6	4,6	1,9
Увольнение по инициативе работодателя	Х2	18,8	9,4	5,0	21,0	2,7
Прекращение найма	Х3	15,0	7,4	4,1	12,9	2,1

ЛПР следует остановиться на том варианте высвобождения персонала, который при расчете выбранных критериев был признан оптимальным наибольшее количество раз. В данном случае, компании следует рассмотреть в качестве способа высвобождения персонала именно аутплейсмент. Второе место рассчитанные критерии единогласно отдают методу прекращения найма, увольнение по инициативе работодателя не рекомендуется.

Итак, в данной статье рассмотрен возможный подход к количественной оценке эффективности аутплейсмента, изложенный в форме алгоритма исследования; проведена его апробация. Рассмотренный подход применим к широкому кругу качественных явлений и процессов, связан-

264

ных с проведением организационно-штатных мероприятий, количественный анализ которых затруднен.

Е. В. Бродская	Evgeniya Brodskaya
А. М. Косухина	Alina Kosukhina
Научный руководитель	Supervisor Andrey Novoselov
А. Л. Новоселов	(Plekhanov Russian University
(РЭУ им. Г. В. Плеханова)	of Economics)
ИНТЕГРИРОВАННАЯ	THE INTEGRATED MODEL
МОДЕЛЬ АНАЛИЗА	FOR ANALYSIS OF THE
СОЦИАЛЬНО-ЭКОЛОГО-	SOCIALECOLOGICAL-
ЭКОНОМИЧЕСКИХ	ECONOMICAL IMPACT
ПОСЛЕДСТВИЙ	OF THE IMPLEMENTATION
РЕАЛИЗАЦИИ ПРОЕКТА	OF THE SOUTH STREAM
«ЮЖНЫЙ ПОТОК»	PROJECT

Описан математический инструментарий анализа качественных и количественных факторов проекта «Южный поток» для оценки наиболее вероятных сценариев его развития. Предложена интегрированная модель, основанная на вероятностном сценарном дереве, теории нечетких множеств и ориентированных графах, которая позволит проанализировать соци- ально-эколого-экономические последствия реализации рассматриваемого проекта.

This article describes mathematical tools of analysis of quantitative and qualitative factors of the "South Stream" project for the assessment of the most likely scenarios of its development. We propose the integrated model based on a probabilistic scenario tree, fuzzy set theory and directed graphs, which will analyze the social-ecological- economical consequences of the implementation of the project.

На современном этапе проект «Южный поток» вызывает все больший интерес в связи с нестабильной политической и экономической ситуацией в мире. География данного проекта охватывает не только Россию, но и многие страны-члены ЕС: Болгарию, Сербию, Венгрию, Словению, Италию, Хорватию. На данный момент проект «Южный поток» столкнулся с некоторыми трудностями в реализации: постоянно повышающаяся стоимость реализации, политико-юридические претензии со стороны ЕС, конкуренция «Южного коридора» из Азербайджана, заинтересованность в реализации сланцевого газа США и др. В связи с вышеперечисленным, очевидной становится актуальность анализа социаль-

265

но-эколого-экономических последствий реализации проекта «Южный поток».

Задача данной работы состоит в том, чтобы построить и описать математическую модель, которая позволит выделить качественные и количественные факторы с учетом их взаимосвязи и получить их ожидаемую динамику, отражающую последствия реализации проекта.

В настоящее время известны методы, позволяющие проводить анализ факторов разнообразных экономических, социальных и других явлений, среди которых регрессионные модели, метод экспертных оценок, имитационные модели. Каждый из методов не может полностью удовлетворить требования поставленной задачи. Регрессионные модели не позволяют учитывать качественные характеристики, а по количественным факторам не всегда существует статистика. Экспертные оценки не отражают взаимосвязь факторов и могут содержать значительные ошибки. Имитационные модели, которые позволяют учесть взаимосвязи между факторами, учесть обратные зависимости, очень громоздки и дорогостоящи. Исходя из целей исследования, мы предлагаем синтез экспертных оценок, метода вероятностных сценарных деревьев, теории нечетких множеств и имитационных моделей. Экспертные оценки позволят нам учесть качественные характеристики с помощью треугольных чисел, а также оценить различные сценарные исходы путем построения вероятностных деревьев. Имитационные модели в свою очередь помогут на основе ориентированных графов оценить последствия и проанализировать как количественные, так и качественные показатели и их импульсные воздействия друг на друга. Таким образом, мы получаем оригинальную модель, включающую сценарное дерево, вероятностные оценки каждого из исходов которого определены экспертами. Имитационная модель, основанная на ориентированном графе (орграфе), модифицируется для каждого сценария путем уточнения вершин орграфа (учитываемых показателей) и дуг орграфа (взаимосвязей между показателями). На дугах орграфов значения импульсов выражены вместо детерминированных данных треугольными числами в рамках теории нечетких множеств, что позволяет учесть неточность оценок экспертов.

Для реализации предложенного математического инструментария, прежде всего, требуется детальная выборка факторов. C точки зрения математического аппарата предложенная интегрированная модель требует создания соответствующей программной реализации. С этой целью наиболее подходящим является использование Microsoft в сочетании с макросами Visual Basic for Applications для написания сложных вычислительных процедур, отсутствующих среди стандартных математических функций MS Excel.

Описанная математическая модель поможет оценить основные сценарии развития событий, число которых на практике весьма ограничено.

266

Это важно в связи с тем, что сценария, который бы устраивал все стороны, пока нет. Нахождение такового осложняется тем, что стороны не хотят пойти на компромисс, экономика очень тесно связана с политикой, причем политические соображения перевешивают экономические доводы. В экономическом аспекте ЕС получает сразу три пути поставки российского газа в Европу – через Украину, Северный и Южный потоки, которые проходят по морскому дну и являются надежными, вообще не зависят от претензий стран-транзитеров. Газпром тоже выигрывает, поскольку сохраняет репутацию надежного поставщика газа из России.

С политической точки зрения все не так оптимистично: способствуя строительству Южного потока, ЕС дает Украине повод расценить данное поведение как предательство ее приверженности ориентации на европеизацию. Украина будет вынуждена отказаться от политики шантажа стран ЕС и включиться в общеевропейский процесс транзита и потребления природного газа на общих условиях цивилизованного европейского рынка. При отказе от реализации проекта у стран ЕС возникает риск оказаться в ситуации высокой неопределенности.

Таким образом, необходимо на данном этапе более детально проанализировать факторы и последствия реализации проекта «Южный поток» в рамках комплексной математической оценки социальных, экономических и экологических факторов. Предложенная интегрированная модель позволит реализовать такую оценку и принять рациональные решения по вопросам дальнейшей реализации рассматриваемого проекта, и, возможно, вывести его на качественно новый уровень развития.

Э. А. Бугазова	Elmira Bugazova
Научный руководитель	Supervisor
А. Б. Мещеряков	Arkadiy Meshcheryakov
(РЭУ им. Г. В. Плеханова)	(Plekhanov Russian University
	of Economics)
МЕТОД МНОГОМЕРНОГО	MULTIVARIATE RANKING
РАНЖИРОВАНИЯ	METHOD IN ANALYSIS OF
ДЛЯ АНАЛИЗА СВЯЗИ	THE CONNECTION
СОЦИАЛЬНО-	BETWEEN SOCIO-
ЭКОНОМИЧЕСКОГО	ECONOMIC AND ENERGY
И ЭНЕРГЕТИЧЕСКОГО	DEVELOPMENT IN CENTRAL
РАЗВИТИЯ ЦФО	FEDERAL DISTRICT
РОССИЙСКОЙ ФЕДЕРАЦИИ	OF THE RUSSIAN
	FEDERATIN
В статье приводятся результаты	In this article connection between
	267

работы	по	установлению	связи	level of socio-economic develop-
уровня	социально-экономического			ment of the region and its available
развития региона и его энерговоо-				power is identified. Multivariate
руженности.		Используется	метод	ranking method is used, followed
многомерного ранжирования, по-				by the calculation of rank correla-
сле чего осуществляется расчет ко-				tion coefficients and their statistical
эффициентов ранговой корреляции				significance testing.
и их проверка на статистическую

значимость.

Проблема связи экономико-социального развития и энергообеспеченности на уровне стран изучалась разными авторами и разными методами. В частности, в работах World Energy Outlook 2008 (Paris: Intern. Energy Agency, 2008); Фортов В. Е., Макаров А. А. (УФН, т. 179, № 12. – С. 1337–1357); Мещеряков А. Б. «Современная экономика и модели инновационного развития». – М., РЭУ, 2011. – С. 129.

Работа посвящена исследованию подобной связи на уровне регионов, что актуально для планирования их развития. Для изучения связи использовался метод многомерного ранжирования. В качестве объекта исследования был выбран Центральный Федеральный округ РФ, как крупнейший финансово-экономический центр страны, в котором к тому же производится порядка трети ВВП (по данным Росстата). Кроме того,

вЦФО отсутствуют нефтяные запасы, а их переработка ведется на единственном в округе Московском нефтеперерабатывающем заводе. Это позволяет учесть только ту энергию, которая целиком используется в регионе, не уходя на экспорт.

Применение метода многомерного ранжирования обусловлено тем, что для комплексной оценки уровня развития региона требуется учесть ряд показателей, которые имеют несоизмеримый масштаб и выражаются

вразных единицах измерения.

Проведем группировку регионов ЦФО РФ по уровню социальноэкономического развития. С электронного ресурса Росстата www.gks.ru были получены данные с 2008 по 2013 годы по следующим социальноэкономическим показателям:

1.Валовой региональный продукт на душу населения, руб.

2.Среднедушевые доходы, руб.

3.Коэффициент Джинни, %

4.Процент населения с доходами ниже прожиточного миниму-

ма, %.

5.Уровень безработицы, %.

6.Ожидаемая продолжительность жизни при рождении, лет.

7.Численность населения на одного врача, человек.

268

8.Общая площадь жилых помещений, приходящаяся на одного жителя, кв. м.

9.Процент детей, обучающихся в общеобразовательных учреждениях, от общего числа детей соответствующего возраста, %.

По каждому социально-экономическому показателю было найдено среднее значение за весь исследуемый период. При этом значения ВРП на душу населения и среднедушевых доходов были сначала приведены к 2008 году в соответствии с ежегодной инфляцией. Далее по среднему значения каждого показателя была проведена ранжировка в соответствии

ссоциально-экономическим смыслом.

При ранжировании таких показателей как коэффициент Джинни, процент населения с доходами ниже прожиточного минимума, уровень безработицы, численность населения на одного врача, наименьший ранг ставился в соответствие наименьшему значению (так как высокие значения этих показателей негативно характеризуют социально-экономичес- кое положение региона).

При ранжировании прочих показателей наибольшему значению показателя ставился в соответствие наименьший ранг (поскольку высокие значения этих показателей позитивно характеризуют социальноэкономическое положение региона). Далее был найден суммарный ранг для каждого региона РФ (табл. 1).

Суммарные ранги и позиции регионов		Т а б л и ц а 1
по социально-экономическим показателям
Регион	Суммарный ранг	Ранг региона
Московская область	45	1
Липецкая область	57	2
Белгородская область	58	3
Курская область	58,5	4
Москва	64	5
Ярославская область	67	6
Тверская область	72	7
Калужская область	74	8
Воронежская область	81	9
Рязанская область	83,5	10
Тульская область	90	11
Смоленская область	93	12
Костромская область	103,5	13
Владимирская область	111,5	14
Тамбовская область	114,5	15
Орловская область	116,5	16
Брянская область	124	17
Ивановская область	126	18
		269

После была определена позиция каждого региона исходя из того, что регион с наименьшим суммарным рангом обладает наиболее благоприятными социально-экономическими условиями.

Для проведения группировки регионов ЦФО РФ по уровню энерговооруженности с электронного ресурса Росстата www.gks.ru были получены данные с 2008 по 2013 годы по объему выработанной электроэнергии, ГВатт-час; объему потребленной электроэнергии, ГВатт-час; установленной мощности электростанций, МВатт; общему объему фактически присоединенной мощности к объектам электросетевого хозяйства, КВатт. Для того чтобы можно было выполнить сопоставление регионов, все показатели были скорректированы на душу населения. Была определена следующая группировка регионов (табл. 2).

Т а б л и ц а 2

Суммарные ранги и позиции регионов по показателям энерговооруженности

Регион	Суммарный ранг	Позиция
Тверская область	19	1
Курская область	22	2,5
Московская область	22	2,5
Тульская область	24	4
Смоленская область	27	5
Воронежская область	30	6
Костромская область	31	7
Рязанская область	32	8
Липецкая область	33	9
Ярославская область	34	10,5
Москва	34	10,5
Белгородская область	37	12
Владимирская область	46	13
Ивановская область	51	14
Орловская область	59	15,5
Тамбовская область	59	15,5
Калужская область	61	17
Брянская область	63	18

Для определения связи между социально-экономическим положением региона и его энерговооруженностью рассчитаем коэффициенты Спирмена и Кендалла.

270