Поєднання компетенцій та управління ризиками в інженерних проєктах: структура МІУРЛР управління людськими ресурсами
DOI:
https://doi.org/10.32347/2412-9933.2025.64.6-13Ключові слова:
інтегральне управління ризиками, оцінка компетенцій, людські ресурси, інженерні проєкти, плинність кадрів, управління проєктами, показники ефективності, задоволеність клієнтівАнотація
Проведено аналіз критичних проблем, пов'язаних із робочою силою в інженерному секторі, включаючи високу плинність кадрів та невідповідність навичок, які перешкоджають ефективному виконанню проєктів. Виділено дві ключові особливості сучасних інженерних компаній: потреба в інтеграції оцінки компетенцій та підходів до управління ризиками для забезпечення стабільності проєктної діяльності. Запропоновано Метод інтегрального управління ризиками людських ресурсів (МІУРЛР) – структуровану систему, яка стратегічно поєднує розвиток компетенцій з оцінкою ризиків. У контексті розробки елементів моделі наведено її ефективність на прикладі компанії Mastergaz, яка спеціалізується на інженерних проєктах. Матричне представлення ефективності засноване на вимірюванні змін у коефіцієнтах плинності кадрів та коефіцієнтах виконання завдань до та після впровадження МІУРЛР. Впровадження моделі продемонструвало 20-відсоткове зниження коефіцієнта плинності кадрів та 30- відсоткове збільшення коефіцієнта виконання завдань, що було пояснено цільовими навчальними програмами та кращим узгодженням навичок співробітників з вимогами проєкту. Входами моделі МІУРЛР є кадрові ризики та рівень компетенцій, а виходами – підвищена стабільність та адаптивність робочої сили, оптимізація людських ресурсів у конкурентному середовищі. Методологічним підґрунтям моделі є підхід, який інтегрує оцінку компетенцій з управлінням ризиками. Зроблено висновок щодо потенційної ефективності запропонованого МІУРЛР як життєздатного шляху для оптимізації людських ресурсів. Сформульовано галузі подальших досліджень у обраному напрямі, серед яких: формалізація процесу інтеграції МІУРЛР у різні типи інженерних проєктів; адаптація моделі до умов високої конкуренції та швидких технологічних змін; розроблення додаткових показників ефективності для вимірювання задоволеності клієнтів та підвищення загальної задоволеності роботою співробітників; впровадження моделі у практичну діяльність інженерно-проєктних організацій. Сформульовано висновки з проведених досліджень.
Посилання
Rahman, H., & Raju, V. (2020). Employee turnover intention through human resource management practices: A review of literature. International Research Journal of Management Science, 1 (2), 21–26. URL: https://doi.org/10.47857/irjms.2020.v01si02.035.
Olawale, O., Ajayi, F. A., Udeh, C. A., & Odejide, O. A. (2024). Risk management and hr practices in supply chains: Preparing for the future. Magna Scientia Advanced Research and Reviews. URL: https://doi.org/10.30574/msarr.2024.10.2.0065.
Benabou, A., Touhami, F., & Abdelouahed Sabri, M. (2025). Predicting employee turnover using machine learning techniques. Acta Informatica Pragensia. URL: https://doi.org/10.18267/j.aip.255.
Bargavi, N., Roy, A., Kumar, V. S., Shrivastava, G., Varma, R., Shrivastava, A., & Roy, A. (2023). An empirical study on employee turnover and job satisfaction in human resource management practices. E3S Web of Conferences. URL: https://doi.org/10.1051/e3sconf/202339907001.
Liu, C., & Miao, W. (2022). The role of employee psychological stress assessment in reducing human resource turnover in enterprises. Frontiers in Psychology, 13. URL: https://doi.org/10.3389/fpsyg.2022.1005716.
Sugiarto, I. (2023). Human resource development strategies to achieve digital transformation in businesses. Journal of Contemporary Administration and Management (ADMAN). URL: https://doi.org/10.61100/adman.v1i3.66.
Al-Jubouri, A., & Youssef, M. (2024). Integrating human resources management and digital competencies: A strategic approach in higher education. Journal of Educational Transformation Studies, 16 (2), 85–98. URL: https://doi.org/10.35445/alishlah.v16i2.5286.
Pomperada, J. R. (2022). Human resource information system with machine learning integration. Qubahan Academic Journal, 2 (2). URL: https://doi.org/10.48161/qaj.v2n2a120.
Sharma, R., & Dhingra, L. (2024). Advancing human resource strategies with deep learning: Predictive analytics for improving employee retention rates. 2024 2nd World Conference on Communication & Computing (WCONF), 1–4. URL: https://doi.org/10.1109/WCONF61366.2024.10692087.
Hitchcock, J. (2022). Applying mixed methods research to conduct human resources development inquiry: An update. Human Resource Development Review, 21 (4), 517–538. URL: https://doi.org/10.1177/15344843221129397.
Mozaffari, F., Rahimi, M., Yazdani, H., & Sohrabi, B. (2022). Employee attrition prediction in a pharmaceutical company using both machine learning approach and qualitative data. Benchmarking: An International Journal. URL: https://doi.org/10.1108/bij-11-2021-0664.
Yazdi, A. M., Mirsepasi, N., Mousakhani, M., & Hanifi, F. (2024). Investigating the status of human resource management development indicators based on competency components in the e-commerce development center. Dynamic Management in Business Analysis. URL: https://doi.org/10.61838/dmbaj.2.4.12.
Yahia, N. B., Colomo-Palacios, R., & Hlel, J. (2021). From big data to deep data to support people analytics for employee attrition prediction. IEEE Access, 9, 60447–60458. URL: https://doi.org/10.1109/access.2021.3074559.
Puli, J., & Sagi, S. (2022). Competency mapping building a competent workforce through human resource information system. Journal of Information and Optimization Sciences, 43 (7), 1885–1899. URL: https://doi.org/10.1080/02522667.2022.2140261.
Muñoz-Pascual, L., Curado, C., & Galende, J. (2019). Human resource management contributions to knowledge sharing for a sustainability-oriented performance: A mixed methods approach. Sustainability, 12 (1), 161. URL: https://doi.org/10.3390/su12010161.
Talapbayeva, G., Yerniyazova, Z., Kultanova, N. B., & Alibekova, A. B. (2024). Object: To study the impact of human resource management (hrm)on employee outcomes, organizational, and financial performance. Bulletin of the Karaganda University Economy Series. URL: https://doi.org/10.31489/2024ec3/101-111.
Memon, M., Salleh, R., Mirza, M. Z., Cheah, J., Ting, H., Ahmad, M., & Tariq, A. (2021). Satisfaction matters: The relationships between hrm practices, work engagement, and turnover intention. International Journal of Manpower. URL: https://doi.org/10.1108/ijm-04-2018-0127.
Cristiani, A., & Peiró, J. (2019). Calculative and collaborative hrm practices, turnover, and performance. International Journal of Manpower. URL: https://doi.org/10.1108/IJM-11-2016-0207.
Haque, A. (2020). Strategic hrm and organizational performance: Does turnover intention matter? International Journal of Organizational Analysis. URL: https://doi.org/10.1108/ijoa-09-2019-1877.
Papa, A., Dezi, L., Gregori, G., Mueller, J., & Miglietta, N. (2018). Improving innovation performance through knowledge acquisition: The moderating role of employee retention and human resource management practices. Journal of Knowledge Management, 24 (4), 589–605. URL: https://doi.org/10.1108/JKM-09-2017-0391.
Elsafty, A., & Oraby, M. (2022). The impact of training on employee retention. International Journal of Business and Management, 17 (5). URL: https://doi.org/10.5539/ijbm.v17n5p58.
Alabi, O. A., Ajayi, F. A., Udeh, C. A., & Efunniyi, C. P. (2024). Predictive analytics in human resources: Enhancing workforce planning and customer experience. International Journal of Research and Scientific Innovation. URL: https://doi.org/10.51244/ijrsi.2024.1109016.
Shrestha, P., & Prajapati, M. P. (2024). Impact of strategic human resource management practices on employee retention. The Batuk. URL: https://doi.org/10.3126/batuk.v10i1.62298.
Davidescu, A., Apostu, S.-A., Paul, A., & Cășuneanu, I. (2020). Work flexibility, job satisfaction, and job performance among Romanian employees—implications for sustainable human resource management. Sustainability, 12 (15), 6086. URL: https://doi.org/10.3390/su12156086.
Lakshman, C., Wang, L., Adhikari, A., & Cheng, G. (2020). Flexibility-oriented hrm practices and innovation: Evidence from china and india. The International Journal of Human Resource Management, 33 (12), 2473–2502. URL: https://doi.org/10.1080/09585192.2020.1861057.
Dutta, S., Ray, A., Chinya, M., Ghatak, S., Mukherjee, A., Bhattacharjee, K., & Das, A. (2024). Predictive hr analytics to optimize decision-making processes and enhance workforce performance. International Journal of Recent Trends in Multidisciplinary Research. URL: https://doi.org/10.59256/ijrtmr.20240402014.
Tiwari, V. (2023). Revolutionizing workplace practices in human resource management with iot-enabled solutions and analytics. Financial Technology and Innovation. URL: https://doi.org/10.54216/fintech-i.020205.
Safarishahrbijari, A. (2018). Workforce forecasting models: A systematic review. Journal of Forecasting. URL: https://doi.org/10.1002/FOR.2541.
Nurani, M., Khuzaini, K., & Shaddiq, S. (2024). Competency-based hr management strategy in the digital era: Systematic literature review. At-Tadbir: Jurnal Ilmiah Manajemen. URL: https://doi.org/10.31602/piuk.v0i0.15798.
Msacky, R. (2024). Retention of human resources for health in the decentralised health system in tanzania: Does training matter? Journal of Policy and Development Studies. URL: https://doi.org/10.4314/jpds.v16i1.5.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Юрій Володимирович Черненко, Олександр Вікторович Семко, Богдан Вікторович Мисник
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
