第 4 章 P2P 网贷企业人力资源风险的识别与评估
4.1 P2P 网贷企业人力资源风险评估体系
为了对P2P网贷行业人力资源风险进行全面衡量评估，文章在综合企业外部与内部风险的基础之上，对P2P网贷行业人力资源风险评估指标的分析是进行了评估指标的识别。
4.1.1 风险评估指标的识别
通过直接识别和间接识别的方式，文章对当前P2P网贷企业人力资源风险的表现现状归类为几个主要以下风险指标，如表4-1所示。为了进一步确定风险指标的分类和构建风险指标体系，文章对表4-1中所标识的风险从以下五个维度进行了归类确定：
（1）人力资源供需角度
从人力资源供给与需求的角度，可将人才流失严重，员工保留率低、人才缺口总量暴增及行业外人才供给滞后这三项风险指标归为人才供需失衡风险指标。
（2）委托代理关系角度
从委托代理关系的角度，可将委托人监督体系缺失、委托人激励机制不健全及代理人道德风险这三项风险指标归类为委托代理风险指标。
（3）岗位与职能角度
从岗位与职能的角度，可将岗位分析与设计的不准确与虚拟性的岗位职能这两项指标归类为岗能匹配风险指标。
（4）风险后果的角度
从风险指标将引发的后果具有一致性的角度，可将企业文化薄弱，员工缺乏归属感、薪酬差距过大难以彰显公平及内部沟通阻滞三项指标归类为忠诚度风险指标。
（5）风险来源的外部性角度
从风险来源的外部性角度可将新进入者威胁及同业恶性竞争威胁这两项指标归类为行业竞争风险。
4.1.2 风险评估指标的体系
根据识别的P2P网贷企业人力资源风险指标，可构建出P2P网贷企业人力资源风险评估体系如下表4-2所示。
4.1.3 风险评估指标权重的确定
风险评估指标权重的确定方法较多，文章对熵值法、组合法及层次分析法三种常用的方法进行了比较分析。
（1）熵值法
在信息论中，熵是不确定性的一种度量值。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。熵值可以用来衡量事件指标的随机性，还可以用熵值度量指标的离散程度。通常指标的离散程度越大，表示其影响越大。熵值法是根据样本数据的观测值和指标间的离散程度来计算指标权重。熵值法的优点是完全依靠指标的样本观测值来判断指标影响程度，不受主管因素的干扰。该方法的缺点是容易受样本观测值差异性大小的影响，造成客观赋权时产生误差，出现某个重要性指标权重很小，非重要性指标权重很大的现象。
（2）组合法
在预测实践中，对同一预测对象常采用不同的预测方法，每种预测方法从各个不同的方面提供不同的有用信息，其预测结果的精度也不尽相同，如果简单机械地将预测精度不高、误差偏大的一些方法舍弃，势必导致部分有用的有价值的信息丢失。为避免这种状况出现，可将不同的预测方法进行适当的组合，从而形成所谓的组合法。组合法各种预测效果进行总体性综合分析考虑，其优点是更系统与全面，其缺点则是计算方法复杂，方法组合依据主观性大。
（3）层次分析法
层次分析法是由美国运筹学家萨蒂教授在20世纪70年代提出，它是一种用于决策复杂的社会、经济问题的定性与定量相结合的决策分析方法。层次分析法的基本步骤是首先将目标问题依照系统性的思维进行细化分解，再将分解后的各项要素按照隶属关系建立层次结构模型，最后通过两两相互比较得出判断矩阵，最终进行各要素相对于目标问题的权重核算，并进行一致性检验[57].
综上所述，层次分析法是风险评估中最常用的权重计算方法之一，层次分析法模拟了日常生活中人们分析事物的全过程，它是对于事物的分解、判断、综合的有机统一，体现了人们分解-判断-综合的思维特征。与其他方法相比较，层次分析法计算更简便，与文章要研究的内容契合更好。因此本文选取层次分析法用于分析计算人力资源风险评估指标权重。
运用层次分析法计算权重的过程中，首先要将处于同一层次的各因素进行两两比较，得出一个表示相对重要度的数字并构建出判断矩阵。在进行两两比较时，通常采用1-9来表示某一因素相对于另一因素的重要程度判断矩阵量化标准及含义，如表4-3所示。在对P2P网贷企业人力资源风险指标进行比较的过程中，为了保证研究的科学性与严谨性，文章通过问卷调查的结果分析，来确定P2P网贷企业人力资源各风险因素的量化标度。
（1）调查问卷的设计
调查问卷的设计在结合层次分析法矩阵量化标准的基础上，运用了九级量表法，要求被调查者根据自己的实际情况，对各人力资源风险因素对于企业人力资源风险的重要程度进行打分。本问卷分为两大部分：第一部分为背景资料，包括被调查员工就职企业所在的省（市）、在当前企业服务的年限、从业身份、学历及工作性质；第二部分为人力资源风险因素重要程度量表，要求被调查者根据实际情况，按照九级量表法对公司人力资源风险现象进行评分，其中分值越大，表示越重要。文章使用的《P2P网贷企业人力资源风险因素调查问卷》详见附录1.
（2）调查问卷的发放与回收
受时间与经费限制，本调查问卷并未覆盖我国全部省市，而是选取广东、山东、北京、上海、湖南、四川共6个省市，这些省市覆盖了我国东部、中部与西部，具有较强的代表性。文章的研究对象是P2P网贷企业，因此调查对象选取为P2P网贷企业的在职员工，从业身份涵盖基层、中层及高层员工。
本次问卷调查采取了现场调查和网络调查相同步进行的调查方式，调查共发放问卷500份，收回483份，回收率为96.6%,剔除填写不规范的问卷剩下有效问卷474份。问卷有效率达到94.8%,其中现场回收有效问卷163份，网络回收有效问卷303份。
（3）问卷分析
文章运用已设计的P2P网贷企业人力资源风险因素调查问卷对P2P网贷企业人力资源风险问题进行了详细的测量。根据调查对象所属企业的地理位置与服务年限、从业身份、学历、工作性质等背景变量上的区别，本次调查对象的样本结构的统计分析详见表4-4.
上表表明本次调查对象的样本分布较为全面。首先，调查对象所在企业归属地分布与2015年北京、上海、山东、湖南、四川的平台分布数量基本呈比例性吻合；其次，从业身份基本上按基层员工：中层员工：高层员工以2:2:1的比例进行分布，既符合企业内部的管理跨度分布，又体现了本次调查对象能够以战略性的眼光进行评分比较；再来看企业服务年限与学历分布，调查对象的服务年限基本分布在5年以下，学历集中分布与大专以上，这符合P2P网贷企业人力资源的高学历与高流动性特征；最后，本次调查对象的工作性质中人事行政类岗位占33.3%,占据调查对象分布之首，这符合本次调查的主题-人力资源风险管理研究，此外其他岗位基本上呈平均分布，这就保证了调查时可了解到所有岗位的人力资源风险认知情况。通过对回收的问卷进行统计与分析，得出各风险因素的平均分值进行四舍五入取整，归纳如表4-5所示。
（4）P2P网贷行业人力资源风险判断矩阵的构建、权重计算与检验
根据层次分析法中判断矩阵的构建办法，可知在风险管理研究的决策过程中，首先要将风险层的各因素进行两两比较，得出表示相对重要度的数字并构建判断矩阵。本研究通过对设计的9级评分量表调查问卷进行统计与分析，得出了各风险因素各自的分值。将各风险因素的分值进行两两比较运算，即可得出各风险因素进行两两比较后的标度值ija ,ija 表示因素 i 和因素 j 按照判断矩阵量化标准两两相比得出的重要程度量化标度。
ija 的计算公式如下：
类推计算，可得出如表4-6判断矩阵：
如果判断矩阵通过一致性测试，则iW 就是判断矩阵中风险层中各因素的权重值。由于通过判断矩阵量化标准这种方式进行定量化分析是建立在两两比较的定性分析上进行的，所得的判断矩阵可能会存在误差，因此要通过一致性检验来测试其有效性。如果检验不通过，则须重新评价后再次进行一致性检验，直到通过为止。
一致性指标CI 可用于检验判断矩阵，CI 的计算公式为：
为了判断n对CI 的影响程度，还需计算计算出随机一致性比率CR,CR的计算公式如下：
当CR<0.1时，被认为判断矩阵的一致性在允许范围之内，可以用其特征向量作为权重。当CR≥0.1时，则需修正判断矩阵或构造新的判断矩阵。其中，RI 是同阶随机判断矩阵的一致性指标的平均值，表4-7列出了1-9阶的RI 值。
同理可求出子风险层中各因素的权重如表4-9所示：
（5）P2P网贷行业人力资源风险指标权重的汇总
根据以上全部计算所得的各项权重值，可汇总形成P2P网贷企业人力资源风险权重值表，具体如表4-12所示：
