基于人力资源管理的岗位胜任力素质模型的建立

文/王艳艳，中国铁建重工集团有限公司

在企业发展过程中，面对激烈的市场竞争，加强员工管理，不断提升人力资源利用价值和潜能，成为当前组织研究和关注的重点。岗位胜任力素质一定程度上影响了个人绩效，不同的岗位对于胜任力素质的要求也各不相同，通过构建岗位胜任力素质模型，有助于帮助组织全面进行现有的人力资源情况分析，进而做出更加科学的用人决策。加强基于人力资源管理的岗位胜任力素质模型的构建研究，意义重大。

1 岗位胜任力素质模型内涵及特征概述

岗位胜任力素质是指在某一个岗位上，能够表现出优异成绩的个人特质的综合，既包含知识、技能和特质，同时也包含动机、自我概念等要素。岗位胜任力素质模型是指基于岗位情况，将相关的核心要素进行提炼和总结，以此为基础构建相关模型的一种模式。岗位胜任力素质模型为企业选人用人等提供重要的参考。

岗位胜任力素质模型，具有典型的特征属性，具体体现在以下方面：一是具有多元化的特征，岗位胜任力素质本身是一个综合性的体现，包含表象的内容，也涉及到深层次的心理品质等，所以这也决定了岗位胜任力素质模型构建也应当从多维度来进行设计和研究。二是具有动态性的特征。岗位胜任力素质模型并不是一成不变的，随着企业的发展和市场发展的需求，对于岗位的任职条件等都在不断发生变化，只有根据各种形势或环境进行动态调整，才能为企业选人用人等提供更加科学的参考。三是具有战略性的特征，岗位胜任力素质模型的构建应当和企业发展战略目标相匹配，并不能仅仅关注短期的利益和当前的发展，应当从企业长远发展的角度将相关的核心素质要素提炼出来，才能更好地创造更大绩效。四是具有具体化的特征，岗位胜任力素质模型的构建，应当明确具体的要求，结合不同的岗位环境、职责权限以及约束机制和激励机制等，提出明确的要求，体现差异性，才能更好地加以辨识和利用。五是具有层次性的特征，岗位胜任力素质模型针对不同的岗位，都有不同的条件要求，基于不同岗位的档次构建多元化的岗位胜任力素质模型，才能为职业生涯规划等提供指导。

2 基于人力资源管理的岗位胜任力素质模型构建具体对策

基于人力资源管理的岗位胜任力素质模型构建需要明确具体的原则和相关的组成要素，并结合实际加强动态调整，才能切实形成科学完善的岗位胜任力素质模型，提高应用成效，具体应当从以下几个方面来进行探索：

2.1 深入研究基于人力资源管理的岗位胜任力素质模型构建的基本组成要素

岗位胜任力素质模型通常应当包含岗位素质要项、岗位组织素质集、岗位档次素质模型以及岗位素质要项要求等要素，这些要素的构成，需要结合企业的发展战略定位以及行业发展环境等，综合考虑各方面的因素，将相关的核心要素进行分析整合，并加以提炼，才能更好地形成模型基础。不同的岗位还涉及到不同的档次，对应不同的要求，所以还应当建立基于不同岗位的不同档次的差异化素质模型，还要明确具体的工作内容、职责权限、工作环境等，这些都是开展岗位胜任力素质模型构建的基础工作，所以应当首先明确基础的构成要素，并采取有效的措施收集完成这些信息采集等工作，才能确保后续模型构建活动的有序开展。

2.2 针对不同岗位的具体要求，充分进行预测分析和研究，制定详细的具体化岗位素质模型体系

不同的岗位价值也不一样，重要程度也不一样，所以要积极运用科学的工作分析方法，比如项目工作法、工作日志法或者与相关部门领导及员工访谈等，了解岗位的具体要求，借助相关的软件对获取的各类信息进行整合，对标企业的发展战略等，形成基础的岗位胜任力素质模型体系。对知识、技能水平、工作态度以及任职资格等方面都要做出明确的要求和清晰的说明，确保后续有效应用。岗位胜任力模型的构建，信息采集和模型构建是重要的两个基础环节，企业可以根据自身的情况，明确对不同岗位群的具体的要求，设置多样化的考核评价指标，通过专家、内部管理者评价等方面，通过划分重要性等级的方式或者量化赋分的形式来进行岗位任职资格等情况的测评，以此既可以确定岗位的重要程度和层次序列，同时也明确了不同岗位的具体的任职要求和相关的一系列标准，这样便于为人才的选拔等提供参考。

2.3 加强岗位胜任力模型的评估分析，并进行动态调整

岗位胜任力素质模型的构建，是一个循环的动态的体系，并不是完成基础的模型构建就结束了，需要对构建的相关模型的运行执行情况来进行检验和评估，找出存在的问题，并结合实际和组织发展要求，不断提升岗位胜任力素质标准，这样才能更好地应用岗位胜任力素质模型为组织各项工作的开展提供指导和帮助，岗位胜任力素质模型的构建，为企业开展绩效考核、薪酬管理、人员培训以及选拔利用等都具有重要的指导意义，也有助于企业人力资源规划的制定，为组织发展提供强大的基础人力支持。所以在岗位胜任力素质模型构建完成后，需要结合具体从事岗位人员的认知情况以及为组织创造的绩效等情况来进行判定，检验设定的任职标准等是否符合模型体系的基本规范要求，根据情况进行适当地调整优化，以此提高模型构建的匹配性和科学性。