企業基層員工晉升率與晉升對象之研究

Abstract

現今的台灣企業已走向全球化與大型化，擁有數千名員工的公司，在台灣已屢見不鮮，公司主管在基層員工晉升的過程當中，不論是分配公司各部門之晉升額度或是決定晉升人選，一般都受到人際因素的影響，並沒有一套完整且公平的決策流程可循，因而容易造成員工的不滿或公司人才的埋沒，進而影響公司之績效。因此，本研究之主要目的乃是針對企業各部門之基層員工晉升率與晉升人選兩項問題，發展出一套系統化之決策流程，此流程主要分為三階段：(1)利用多元迴歸分析(Multiple Regression)、倒傳遞類神經網路(Back Propagation Neural Networks，BPN)、自組性演算法(Group Methods of Data Handling，GMDH)等方法來建構各部門基層員工晉升率預測模式，以預測公司各部門之基層員工晉升率，然後將晉升率乘以各部門人數，即可準確且公平的決定各部門應分配之最適晉升人數；(2)分別整合分類迴歸樹(Classification and Regression Tree，CART)與線性判別分析、羅吉斯迴歸、倒傳遞神經網路、自組性演算法等方法建立一個複合式員工晉升判斷模式，用以判斷應該被晉升之員工；(3)整合本研究所發展之基層員工晉升率預測模式及員工晉升判斷模式，建構一套標準之基層員工晉升決策作業流程，使企業能夠在晉升人數有限制的情況下，能夠迅速合理地找出企業內最適合被晉升之優秀基層人才，以達到有效發揮人力資源之目的。本研究最後利用某公司所提供之基層員工實際晉升資料，驗證了本研究方法確實有效可行。 【關鍵詞】：基層員工、晉升率、晉升對象、倒傳遞類神經網路、自組性演算法、多元迴歸分析、線性判別分析、羅吉斯迴歸法、分類迴歸樹