管理者、技术与如何提高生产率

Workers leave the underground station at the Canary Wharf business district in London February 26, 2014. London's financial services sector created 25 percent more jobs in February than a year ago, new data has shown, indicating the industry may be recovering from the restructuring and redundancies prompted by the financial crisis. After a strong January, the City hiring market showed no signs of slowing down last month, with 3,220 new jobs created, compared with 2,575 added in February 2013, according to financial services recruiter Astbury Marsden. The data suggests London's banks and financial services companies are returning to growth after slashing thousands of jobs in the face of a lengthy recession and a series of industry scandals that followed the financial crisis. Picture taken February 26, 2014. REUTERS/Eddie Keogh (BRITAIN - Tags: BUSINESS EMPLOYMENT)ATTENTION EDITORS: PICTURE 05 OF 25 FOR PACKAGE 'CITY OF LONDON - LIFE IN THE SQUARE MILE'. TO FIND ALL IMAGES SEARCH 'RECRUITER KEOGH' - GM1EA320PLW01
TFP measures how efficiently and intensively the inputs to production (like capital and labour) are used.Image: REUTERS/Eddie Keogh
本内容由人工智能自动翻译。

全要素生产率(TFP)是经济学家和商界人士用来量化经济体和企业生产率的一项指标。它本质上衡量生产投入(如资本和劳动力)的使用效率和集约程度。全要素生产率备受关注,往往是研究项目背后的主要动因。技术会影响如何组合这些投入,我们可以将技术视为有形的(新的、更好的机器),也可以视为无形的(例如管理实践和生产流程)。

无形技术影响企业绩效的一个重要途径,是提升管理者构建尽可能高效、合适的劳动力队伍的能力。我们知道,更结构化的管理实践会带来更高的生产率,我们也知道雇用更高素质的员工与更高的生产率相关。

那么,具体而言,这一切是如何发生的? 企业正在运用哪些杠杆,来获得企业内这种最优的员工组合?

劳动力市场模型显示,尽管不同企业试图以最优方式吸引不同能力水平的员工,这些模型往往未考虑对管理流程或管理人才的专项投资。这些模型抽象掉了不同企业在人事管理实践上的现实差异,但我们尚不清楚这些差异有多重要,以及原因何在。在我们的新研究论文中,我们深入探究了这一“黑箱”,并表明采用结构化管理的企业在招聘、解雇和留住员工方面表现更佳。

深入研究这些实践需要大量数据。要记录这些错综复杂的关系,我们需要一个数据集,涵盖一个经济体中所有有薪雇员的全部工作任职期,包括其工资和职业,同时还需要大量企业层面的信息,包括行业、生产率以及各类管理实践的运用情况。这类数据极难获取,只有世界上少数几个国家具备这种独特数据组合,且在一定程度上可以获得(例如这里和这里)。我们利用来自巴西的三个不同数据来源,创建了迄今为止此类最全面的数据集:覆盖整个正规部门十年的雇主-雇员匹配数据集(RAIS),年度工业调查(PIA)用于生产率数据,以及世界管理调查(WMS)用于管理实践数据。

巴西数据集独特地使我们能够观察到职业的工人,以及离职原因。由于其他大多数雇主-雇员数据集只显示工人在不同工作之间的流动,而不了解离职原因,我们将无法判断工人是主动辞职还是被解雇。此外,如果没有详细的职业代码,我们将无法清晰地将管理者与生产工人区分开来,而我们认为这对理解构成关系非常重要。由于我们的数据集包含这些重要变量,我们可以重新审视这些企业内正在发生的情况。

我们首先界定那些具有结构化管理实践的企业,即在世界管理调查(WMS)1至5分评分表中得分高于3分的企业。从方法上看,这正是调查中的分界点:那些虽已实施一些管理实践,但这些实践不规范、只是偶尔遵守(通常需要管理者在场)的企业,无法达到3分。要获得3分,所描述的流程必须已经正式化,但允许存在一些不足之处。

我们发现,在巴西WMS样本中,企业之间存在相当大的差异,如图1所示。一半企业的得分高于2.66,另一半则低于该分数。虽然我们可以使用管理的连续定义复现结果,但WMS的定义为区分和解释我们的结果提供了更清晰的方式。

图1. 管理得分分布

Image: 仅数据来自巴西WMS。2008年和2013年。

随后,我们采用一种广为人知的方法,从员工流动和工资数据中提取两个“固定效应”:Abowd、Kramarz和Margolis(AKM)分解法。从本质上讲,这种分解利用工人在企业内部和企业之间工作转换的数据,使我们能够估计:(i) 工人从企业A转到企业B时工资会增加多少(即“企业固定效应”),以及 (ii) 某一特定工人的可携带技能在不同工作之间的价值。可携带技能指工人所具备的、在劳动力市场上具有一定价值的特质和技能,工人在企业间流动时会将其带在身边(即“个人固定效应”)。我们为巴西样本中的所有企业和工人提取这两种固定效应,然后分别对所有生产工人和管理者分别按其固定效应进行排序,并观察他们在哪里工作:是在结构化管理的企业,还是非结构化管理的企业。

我们可以用三幅主要图表概括我们的主要结果。

1. 采用结构化管理实践的企业在招聘“最优秀”人才方面做得更好——即那些在AKM模型中“个人固定效应”最高的人。。 在采用结构化管理实践的企业中,所招聘的中位数管理者来自全部分布中高于中位数排名的位置(第58百分位),而在采用非结构化管理实践的企业中,所招聘的中位数管理者则来自低于中位数排名的位置(第46百分位)。图2概括了这一关系。如果所有企业都随机招聘,两条曲线都将沿45度线分布。向右凸起意味着结构化企业具有正向的招聘(即它们从分布的较高端招聘),而向左凸起则意味着非结构化企业具有负向的招聘(它们从分布的较低端招聘。

图2。 结构化管理的企业更擅长招聘员工

2. 一旦采用结构化管理的企业招到最优秀的员工,它们也能更好地长期留住这些人才。。在图3中,我们突出显示了在我们十年数据中,来自排名分布顶部和底部的工人在结构化与非结构化企业中工作的比例。引人注目的是,始终如一地,采用结构化管理实践的企业在工人质量分布的顶部分位中留住了多得多的员工。

图3. 结构化管理的企业更擅长留住顶尖员工

管理者

Image: LSE Business Review

员工

Image: LSE Business Review

3. 我们考察企业如何解雇员工。在图4中,我们在数据中看到两个非常清晰的模式:结构化管理的企业具有较低的水平解雇率。正如我们所见,一个可能的原因是,招聘更好的组织一开始往往能实现更佳的人岗匹配,因此通常需要解雇的员工更少。另一个清晰的模式是,当它们确实解雇员工时,选择性更强:也就是说,相较于非结构化企业,它们更可能解雇个人固定效应较低的员工。这表明它们更能识别表现较差的员工。简言之,我们发现有证据表明,实践更为结构化的企业招聘更优、留人更好、解雇更少(且更具选择性)。但是,哪些类型的商业实践与拥有更高素质的员工更紧密相关?

4. 人员管理实践与企业中更优秀的生产工人相关,但运营管理和人员管理实践均与企业中更优秀的管理者相关。这一结果令我们感到意外,但颇为直观。为探究此问题,我们分别考察了结构化管理水平较高与以下两方面之间的关系:在人员管理实践和运营管理实践中。

图4. 结构化管理的企业解雇频率更低,且选择性更强

Image: LSE Business Review

一种与这些结果相符的潜在解释是,人员管理实践主要针对生产工人,因此这些实践与该职业的工人之间存在较强相关性是合乎情理的。另一方面,运营管理可能使企业对更优秀的管理者更具吸引力,或者更优秀的管理者可能正在实施一整套更好的运营和与人员管理实践。很难判断因果关系的方向,但这是我们首次在数据中如此清晰地看到这类模式。

总体而言,更加结构化的管理实践对企业生产率有显著影响,已成为一项公认的典型事实,尽管我们仍在探究这一关系存在的“黑箱”原因。我们将这组典型事实视为一个令人振奋的研究议程的第一步,该议程探讨这一关系的劳动力层面。基于这些模式,又出现了一系列全新的问题,例如结构化管理是否有助于企业缓解不利的管理偏见,它们是否更能够优化其内部劳动力市场,或者这些企业能否提升员工的人力资本。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。