应急物流人才供应链管理与保障

作者简介

"瞿群臻，博士，教授，博士生导师。国家社科基金重大招标项目首席专家，教育部人文社会科学专家库专家，中国物流学会常务理事，中国人力资源开发研究会人才测评专业委员会理事。长期从事组织行为与人力资源管理、科技人才与海洋人才开发、航运文化与海事劳动关系管理等领域教学与科研工作。坚持教学一线30余年。获排名第一奖励有：福建省社会科学优秀成果三等奖，福建省优秀青年社会科学工作者，上海市级教学成果一等奖，上海普通高校优秀教材奖，上海市教育科学研究优秀成果二等奖，上海海洋科技进步二等奖，中国产学研合作促进奖，中物联科技进步二等奖，宝供物流二等奖，中国交通教育科学优秀成果一等奖，全国优秀生产力理论与实践成果特等奖。上海海事大学教学成果特等奖、一等奖，上海海事大学优秀教材二等奖，上海市高等教育学会研究成果二等奖，上海海事大学优秀研究生导师等。 主持国家社科基金重大招标项目、国家软科学研究计划重点项目、教育部人文社科基金规划项目、国务院侨办科研基金项目、福建省软科学重点项目等10余项。参与国家社科基金项目3项，其中2项成果被收录全国哲学社会科学规划办《成果要报》（1项排名第二）。主持上海高校本科重点教改项目和主持上海市级精品课程、市教委重点课程等10余项。出版专著（独著）6部，第一主编教材5本。参与撰写专著3部，其中2部荣获福建省社会科学优秀成果二等奖。发表学术论文200余篇，其中8篇被人大书报复印报刊资料、《中国社会科学文摘》等转载。撰写多部提案被上海市政协、市建交委与区经信委和海洋局等采纳。其中，1部得到上海市副市长批示。"

内容简介

\"一、应急物流人才分布 应急物流体系为跨区域多层次组织结构，其运作包括应急物资的筹集、仓储、运输、配送等环节，参与主体包括政府机构、军队消防、物流协会与企业、志愿者以及社区工作者。由于国内应急行业尚未细分，不存在应急物流责任机构，无论是在应急行业还是在物流行业，都缺少对应急物流人才或从业者的人数、结构等要素的统计。本文以典型突发公共卫生事件——“新型冠状病毒感染疫情”为搜索应急物流人才数据的“关键词”，以国家应急管理部官方网站和中物联网站为搜索平台，得到参与此次突发公共卫生事件中应急物流工作的人员所在组织包括：国家应急管理部及各省（自治区、直辖市）应急管理厅（局）、国家综合性消防部队、中物联、先进物流企业、非营利性组织。 考虑到对人才的定义，上述组织中，国家应急管理部、中物联和先进物流企业中负责指挥管理应急物流的人员可以列为管理型应急物流人才，消防队员和先进物流企业中经技术培训或有经验积累的员工可以列为技术型应急物流人才。一些非营利性组织的志愿者大部分是未经过专业化应急训练、缺少物流工作经验的民间力量，不能被列入应急物流人才行列。除了上述直接参与应急物流工作的组织，还应考虑研究型应急物流人才，即应急物流科研、教学人士，他们在研究应急物流行业、教育应急物流人才的同时，本身也属于应急物流人才。 二、原始数据来源 在原始数据的选取上需要注意的是，数据要科学且适中。一方面，在确定影响因素时，应该确保与预测变量具有较高的相关性，否则会造成偏差，模型难以建立。另一方面数据量的选取要适中，过少的数据量难以形成数据规律，未来的预测可靠性低；而当数据选择过多时，早期的数据会丧失时效性，预测值会模糊近年的发展趋势。由于应急物流人才来源涉及多组织，应急物流人才需求预测所需的原始数据极其不易得。因此，本节选用《中国统计年鉴》中我国物流行业从业人员数据，构建灰色GM（1,1）预测模型、ARIMA预测模型以及组合预测模型，预测未来物流行业人才需求量，并将三个模型进行对比，以误差最小的模型的预测值为应急物流人才需求的参考。 三、预测方法 对人才的预测往往以供给和需求为主。人才需求预测是指通过对历史资料进行统计和分析来预计未来人才需求的相关过程和方法。通过需求预测得到人才供给端面临的机遇与压力，为实现行业人才发展、供需平衡、各项人才资源优化配置提供较为科学的参考。预测是一项复杂的工作，人才预测更是如此，复杂性体现在预测的不确定性和影响因素的多样性。应急物流是在突发公共事件背景下催生的，目前我国尚未形成一支专业的应急物流人才队伍，每次发生突发公共事件时参与应急物流环节的人员大多具有临时性，缺少官方的综合性统计，且统计口径不一致，应急物流人才的需求也会在数量、质量和结构上存在差异。因此需要选择合适的方法对应急物流人才的需求进行预测。 （一）时间序列分析法 时间序列分析法是美国和英国的两位学者于20世纪70年代提出的概念，他们发现原始数据样本中存在一种规律，猜想这种规律可能延续至未来。时间序列是以时间为唯一维度将数据排列后形成的数组。由于时间序列分析法不考虑影响数据的相关因素，只观察分析数据本身，在原始数据的收集和模型建立上难度较小，预测学发展前期经常使用；但这一特点也要求时间序列有明显的趋势特征，过于分散无规律的数据是不适合以此方法进行未来值预测的，原始数据值过小也不适合建立时间预测模型。除此之外，一些受其他因素干扰程度高的变量同样不适合用此方法，否则会得到较低的预测精度，预测值不可靠。因此，近年来的相关研究多数是以优化后的时间序列模型或是作为组合模型之一对水利、铁路工程、经济数值或人员需求量进行短期预测。 （二）回归分析法 回归分析法兴起于20世纪30年代，最早被用于研究经济活动。任何事物都不是孤立存在的，会受到相关因素的影响，如果两个以上的变量间存在原因与结果的关系，就可以用函数关系式建立要素间的数学逻辑，通过其中一个或多个因素的变化推导出因变量的变化。常见的回归模型有逻辑回归、多项式回归、逐步回归、岭回归和套索回归等，在预测上常用的是逻辑回归中的线性回归、非线性回归和多项式回归。其中线性回归的应用最为普遍，其原理基于最小二乘法，计算相关程度与变量系数，构建回归模型，从而对因变量进行预测，通常使用SPSS统计分析软件来实现这一过程。对物流人才需求进行预测的第一步就是确定各个变量——考虑哪些因素会影响物流人才需求。通常会考虑经济因素（GDP、GNP）、产业因素（第三产业情况、社会物流总额、社会物流总费用、社会物流总费用与GDP的比率等）、社会因素（就业人数、失业率、社保缴纳情况）、教育因素（物流专业高校数量、在岗教师、硕士博士点情况）等。对应急物流人才需求的预测除考虑上述因素外，还需要考虑财政支持、突发公共事件数量、应急管理行业相关指标等。 （三）灰色预测法 灰色预测法是基于灰色系统运行原理，不同于黑箱信息的完全不确定性，也不同于白箱信息的透明对称，灰色系统介于黑白色系统之间，其中的信息混杂，难以辨别其真实性，具有一定程度的不确定性。也正是如此，灰色系统成为有限条件/背景下进行数据预测的新方法。原始数据一般规律性较弱甚至是无序的，通过累加新序列的方法让数据变成递增序列，赋予其规律性，再建立微分方程，构建预测模型进行预测。并不是任意一组原始数据都可以进入灰色系统，在模型建立之前需要对数据进行前验工作——级比检验，检验是否适合该模型，预测后也需要检验模型的精度，检验指标有相对误差、后验差值比等。目前，最常见的预测模型是GM（1,1），即一阶微分方程构建的模型。早期的预测研究中GM（1,1）通常单独使用，但由于误差较大，后来经常与时间序列或回归模型结合起来使用。 （四）BP神经网络法 BP神经网络法是基于误差反向传播原理，采用非线性可微分函数进行权值训练，并以最小均方误差为准则的多层前馈神经网络模型，BP神经网络包括输入层（Input Layer）、隐含层（Hidden Layer）和输出层（Output Layer）。模型学习时，输入信号经过输入层输入，通过隐含层计算，由输出层输出，输出信号与期望输出值比较，计算其误差，再将误差信号反向由输出层通过隐含层处理后向输入层传播。在这个过程中，通过误差梯度下降的方法调整神经元权值，以此达到权值的优化。这种信号正向传播与误差反向传播的各层权值调整过程周而复始进行，直到BP神经网络输出的误差下降到可接受程度，或训练到程序预先设定的学习次数为止。学术界已验证BP神经网络具有较强的非线性映射能力，可高度拟合非线性问题，可用于动态预测且预测精度较高。目前，研究人员经常运用BP神经网络法研究企业人才安全系统或进行人才预测。类似于回归模型，进行BP神经网络预测前也需要确定需求预测的影响因素，构建人才需求指标体系并收集指标的数据。首先将原始数据进行归一化处理，将数据限制在\\[-1,1\\]，接着确定网络结构（隐含层数与隐含层节点数），将样本划分为训练样本和测试样本进行网络训练与测试，如果预测值和真实值之间的拟合情况达到要求即可代入数据进行预测。BP神经网络法建立预测模型是在Python、MATLAB等软件上实现的。对代码的学习与编写要求较高。 （五）组合预测法 当同时运用两种及以上的预测方法并对其赋予权重时，可以称为使用了组合预测法。为了降低单一预测方法带来的预测误差，研究人员将组合模型引入人才预测。最常见的组合方法是运用最优加权法赋予各方法预测值不同的权重，从而使误差降至最低。将组合后的预测值与各个模型的预测值进行对比，以误差最低为标准选择最终的模型。多数研究已经证实组合预测方法的误差低于单一预测方法。 \" 本书在内容编排上力求做到体系完整、由浅入深、由点及面；在研究方法上做到数型结合，运用时间序列预测模型法、主成分分析法、层次分析法、模糊综合评价法、演化博弈模型等定量方法，使本文论点更具科学性与说服力；同时在研究中融入大量时政和研究热点，赋予应急物流人才供应链管理与保障研究的前沿性与创新性，能够帮助读者系统地了解应急物流人才供应链，把握应急物流人才供应链与供应网络的管理与保障，并为其他行业人才供应链建设与保障提供参考与借鉴。

图书资料整理中...