УПРАВЛЕНИЕ  HR -ПРОЦЕССОМ  В  КОММЕРЧЕСКОМ  БАНКЕ   НА  ОСНОВЕ  ТЕХНОЛОГИЙ  ИМИТАЦИОННОГО  МОДЕЛИРОВАНИЯ

Бородин  Андрей  Викторович

канд.  экон.  наук,  профессор  кафедры  информатики  и  системного

программирования  Поволжского  государственного  технологического

университета,  РФ,  Республика  Марий  Эл,  г.  Йошкар- Ола

E-mail: 

HR-MANAGEMENT  IN  COMMERCIAL  BANK  ON  THE  BASIS   OF  TECHNOLOGIES  OF  SIMULATION

Andrey   Borodin

candidate  of  Science,  professor  of  Informatics  and  System  Programming   department

of  Volga  State  University  of  Technology,  Russia,  Republic  of  Mari  El  Yoshkar-Ola

АННОТАЦИЯ

Рассмотрена  проблема  управления  персоналом  розничной  подсистемы  коммерческого  банка.  Обоснована  актуальность  проблемы.  Предложены  модели  единичного  акта  обслуживания  клиента  банка  и  деятельности  всей  розничной  подсистемы  в  течение  заданного  промежутка  времени.  Сформулирована  оптимизационная  задача  определения  численности  персонала  и  формирования  политики  его  мотивации.  Разработана  технология  управления  персоналом  на  основе  имитационного  моделирования  и  идей  теории  риска.

ABSTRACT

The  article  deals  with  the  problem  of  human  resource  management  of  a  retail  subsystem  of  commercial  bank.  It  is  shown  that  relevance  of  a  problem.  Much  attention  is  given  to  models  of  the  single  act  of  service  of  the  client  of  bank  and  activities  of  all  retail  subsystem  during  the  given  period.  It  is  described  in  detail  about  the  optimization  task  of  calculation  of  number  of  staff  and  formation  of  a  policy  of  his  motivation.  The  paper  gives  valuable  information  about  the  technology  of  human  resource  management  on  the  basis  of  simulation  modeling  and  ideas  of  the  theory  of  risk.

Ключевые  слова:   коммерческий  банк;  розничная  подсистема;  управление  персоналом;  имитационное  моделирование;  сеть  Петри;  риск;  мера  риска;  оптимизация.

Keywords:  bank;  retail;  HR-management;  simulation;  Petri  net;  risk;  risk  measure;  optimization.

Подавляющее  большинство  коммерческих  банков  (КБ)  современной  России  активно  развивают  розничный  сегмент  своего  бизнеса.  Для  одних  —  это  значимый  источник  ресурсов.  Для  других  —  сфера  специализации  в  части  продвижения  ссудного  продукта  населению.  Однако  для  обеих  групп  банков  подбор  фронт-офисного  персонала  оказывается  чрезвычайно  сложной  задачей.  Действительно,  с  одной  стороны,  общее  требование  повышения  эффективности  банковской  деятельности  определяет,  во-первых,  необходимость  внедрения  технологий  интенсификации  труда,  во-вторых,  необходимость  использования  различных  систем  мотивации  персонала,  и,  все  это,  на  фоне  жесткого  ограничения  фонда  оплаты  труда  (ФОТ).  С  другой  стороны,  качество  персонала  зависит  от  его  способности  к  обучению,  ответственности  сотрудников  за  результаты  своего  труда,  наличия  достаточного  опыта  работы  и  стремления  к  личному  росту.  Перечисленные  требования  и  личные  качества  сотрудников  во  многом  противоречат  друг  другу.  Например,  интенсификация  труда,  опыт  персонала  и  сепаратная  мотивация  вступают  в  противоречие  с  ограничением  ФОТ.  Заметная  способность  к  обучению  и  невысокая  требовательность  к  уровню  оплаты  труда  (со  стороны  молодых  специалистов)  часто  не  способствует  повышению  ответственности.  Кроме  того  способности  к  эффективному  обучению  на  фоне  спорной  (по  мнению  персонала)  мотивации  значительно  повышают  риск  мошенничества  со  стороны  сотрудников.  Таким  образом,  персонал  розничного  дивизиона  КБ  —  источник  ошибок  и,  следовательно,  убытков.  В  этих  условиях  задача  эффективного  управления  персоналом  (HR-процессом)  становится  для  КБ  крайне  трудной  и  чрезвычайно  актуальной.

В  настоящей  работе  предлагается  подход  к  управлению  HR-процессом  в  розничной  подсистеме  КБ  на  основе  технологий  имитационного  моделирования  и  методов  теории  риска.  Основной  целью  использования  предлагаемых  в  работе  моделей  является  выбор  численности  персонала  по  работе  с  клиентами  розничной  подсистемы  КБ  и  политики  мотивации  этого  персонала,  оптимальных  по  критерию  совокупной  доходности  розничного  дивизиона  КБ  (с  учетом  потерь  от  ошибок  и  мошенничества).

В  основу  предлагаемого  подхода  положена  модель  обслуживания  одного  клиента  одним  сотрудником  розничной  подсистемы  КБ.  В  качестве  языка  описания  модели  используется  стохастическое  расширение  сетей  Петри  [1,  2,  3,  4].  Модель  представлена  на  рис.  1.  Описания  позиций  и  переходов  модели,  представленной  на  рисунке,  приведены  в  таблице  1.  Характеристикой  переходов  t₁₁,  t₂₁  и  t₂₂  являются  соответствующие  событиям  средние  убытки,  а  переходов  t₁₂  и  t₂₃  —  средняя  прибыль  на  одну  операцию.

На  основе  описанной  модели  одной  операции  строится  модель  обслуживания  клиентов  в  течение  заданного  интервала  времени  всей  розничной  подсистемой  КБ  (см.  рис.  2).  Эта  модель  предполагает,  что  обслуживание  клиентов  осуществляют  m  сотрудников,  каждый  из  которых  в  течение  заданного  времени  обслуживает  в  среднем  n  клиентов.  События,  связанные  с  обслуживанием  потока  клиентов  предполагаются  независимыми.  Переход  t¹₀  соответствует  событию  начала  обслуживания,  его  характеристика  включает  все  затраты  на  обучение  m  сотрудников.  Переход  t¹₁  соответствует  событию  завершения  обслуживания  в  конце  моделируемого  периода,  включающему  в  себя,  в  том  числе,  анализ  результатов  работы  и  подведение  итогов.  Переходы  вида  t¹_{i  j}  описывают  действия  i-го  сотрудника  между  обслуживанием  j-го  и  j+1-го  своих  клиентов.  Подсеть  N₁  представляет  собой  модель  одной  операции.

Рисунок  1.  Модель  обслуживания  клиента  банка

Таблица  1.

Описание  узлов  модели  обслуживания  одного  клиента

Рисунок  2.  Модель  розничной  подсистемы  КБ

Пусть  в  модели,  представленной  на  рис.  1,  переходы  t₁₁  и  t₂₁  охарактеризованы  увеличением  счетчика  ошибок  на  единицу,  а  переход  t₂₂  —  увеличением  на  единицу  счетчика  мошенничеств.  Будем  использовать  идеи  трансляции  имитационных  моделей  в  виде  сетей  Петри  в  многочлены  специального  вида  [5],  а  также  алгоритмы  пакета  прикладных  программ  (ППП)  «МультиМИР»  [6]  для  расчета  риска  розничной  подсистемы  на  основе  полиномиального  представления.  В  данном  конкретном  случае  использование  идей  алгебры  риска  [6]  способно  очень  существенно  повысить  эффективность  вычислений  ввиду  однородности  состава  имитационной  модели,  приведенной  на  рис.  2.  Используя  названный  инструментарий  и  зная  вероятности  единичных  маркировок  позиций,  входящих  в  стохастические  группы,  можно  рассчитать  распределения  случайных  величин  количества  ошибок  и  количества  мошенничеств  в  розничной  подсистеме  в  течение  заданного  интервала  времени.  Поскольку  наблюдаемые  количества  ошибок  и  мошенничеств  в  течение  заданного  интервала  времени  можно  рассматривать  как  выборочные  значения  из  генеральных  совокупностей,  соответствующих  вычисленным  распределениям,  то  возможна  калибровка  модели.  Суть  калибровки  заключается  в  подборе  таких  вероятностей  единичных  маркировок  позиций,  входящих  в  стохастические  группы,  которые  бы  максимизировали  правдоподобие  принадлежности  наблюдаемых  значений  соответствующим  генеральным  совокупностям  для  ряда  последовательно  расположенных  интервалов  времени.  Фактически  калибровка  модели  означает  построение  двухфакторной  эконометрической  модели

p   =  p  (m,  n,  c),

где:  p  —  вектор  вероятностей  единичных  маркировок  позиций,  принадлежащих  трем  стохастическим  группам  сети  Петри  N₁,  с  —  ФОТ.  Во  избежание  недопонимания  подчеркнем  тот  факт,  что  данная  модель  является  двухфакторной.  Это  связано  с  тем,  что  два  фактора  m  и  n  связаны:  их  произведение  равно  суммарному  количеству  операций,  совершенных  розничным  блоком  за  заданный  период  времени. 

В  качестве  задачи  управления  персоналом  в  розничной  подсистеме  КБ,  позволяющей  определить  оптимальные  значения  количества  персонала  фронт-офиса  и  соответствующего  объема  ФОТ,  в  рамках  данной  работы  предлагается  использовать  оптимизационную  задачу  вида:

где:    —  некоторая  мера  риска,  описываемого  случайной  величиной  доходности  розничной  подсистемы  D  (m,  n,  c,  p),  рассчитываемой  на  базе  имитационной  модели,  представленной  на  рис.  1  и  2; 

N   —  прогнозируемое  количество  клиентов  розничной  подсистемы  в  течение  планируемого  периода; 

C   —  ограничения  на  ФОТ.  В  настоящее  время  в  качестве  меры  риска  могут  быть  использованы  любые  линейные  комбинации  математического  ожидания  и  стандартного  отклонения  (расчет  этих  мер  тривиален),  а  также  мера  “Value  at  Risk”  [7]  (расчет  этой  меры  для  рассматриваемого  случая  не  тривиален,  однако,  здесь  может  быть  использована  методика,  предложенная  в  монографии  [6]).

В  настоящее  время  предложенная  модель  управления  персоналом  в  розничной  подсистеме  КБ  успешно  апробирована  в  ходе  преддипломной  практики  и  защиты  дипломных  работ  студентов  специальности  «Математические  методы  в  экономике»  Поволжского  государственного  технологического  университета.  Работы  были  выполнены  на  базе  двух  филиалов  крупнейших  КБ,  присутствующих  на  территории  республики  Марий  Эл,  под  руководством  автора  данного  сообщения.

Предполагается  дальнейшее  развитие  данной  работы.  Во-первых,  рассматривая  предложенную  имитационную  модель  как  игру  двух  лиц  (персонала  и  администрации)  в  рамках  концепции  игр  на  сетях  Петри  [1,  4]  предполагается  изучить  свойства  «переговорного»  множества  и  на  этой  основе  предложить  новую  систему  материального  стимулирования  персонала  фронт-офиса  розничной  подсистемы  КБ.  Во-вторых,  предполагается  исследовать  возможность  обобщения  описанного  подхода  на  корпоративный  блок,  функционирующий  в  рамках  концепций  частично  управляемой  или  полностью  самообучающейся  системы  аналогового  голосования  кредитного  комитета  КБ  [2]. 

Список  литературы:

1.Бородин  А.В.  Игры  на  сетях  Петри  [Текст]  /  А.В.  Бородин  //  Обозрение  прикладной  и  промышленной  математики.  —  2002.  —  Т.  9.  —  В.  1.  —  С.  167—168.

2.Бородин  А.В.  Математические  модели  управления  кредитным  портфелем  коммерческого  банка  [Текст]  /  А.В.  Бородин.  Йошкар-Ола:  Марийский  государственный  технический  университет,  1998.  —  168  с.

3.Бородин  А.В.  Сети  Петри  с  нечетким  поведением  в  задачах  имитационного  моделирования  эволюции  инвестиционных  и  страховых  портфелей  [Текст]  /  А.В.  Бородин  //  Обозрение  прикладной  и  промышленной  математики.  —  2000.  —  Т.  7.  —  В.  2.  —  С.  321—322.

4.Бородин  А.В.  Теоретико-игровые  модели  процессов  риска  над  сетями  Петри  [Текст]  /  А.В.  Бородин  //  Моделирование  и  анализ  безопасности  и  риска  в  сложных  системах:  Труды  международной  научной  школы  МАБР-2006.  СПб.:  ГОУ  ВПО  «СПбГУАП»,  2006.  —  С.  305—307.

5.Уразаева  Т.А.  Алгебраические  аспекты  имитационного  моделирования  портфелей  срочных  финансовых  инструментов  [Текст]  /  Т.А.  Уразаева,  А.В.  Бородин  //  Материалы  конференции  «Имитационное  моделирование.  Теория  и  практика».  ИММОД-2013.  Т.  1.  Казань:  Издательство  «Фэн»  Академии  наук  РТ,  2013.  —  С.  282—286.

6.Уразаева  Т.А.  Алгебра  рисков  [Текст]  /  Т.А.  Уразаева.  Йошкар-Ола:  Поволжский  государственный  технологический  университет,  2013.  —  209  с.

7.Jorion  P.  Value  at  Risk:  The  New  Benchmark  for  Managing  Financial  Risk  /  P.  Jorion.  McGraw-Hill,  2006.  —  543  p.