Method of Intelligent Support for Management Decision(Making in Corporate Expert Networks

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Effective human resource management prevents excessive costs, improves the quality of products and services, and promotes better workforce planning. The use of expert networks is aimed at improving the company's business processes based on know-how and innovative technological solutions. Improving the efficiency of management decisions in corporate expert networks is a significant task. This improving can be based on the automation of processes associated with the extraction, structuring and use of information and knowledge about innovations, projects and experts. A method that provides information support for such processes can be used to solve this problem by processing and providing only the most necessary information and possible solutions. This article discusses in detail such a method, which includes algorithms aimed at extracting innovations, their analysis and selection, organizing the process of creating projects for the implementation of selected innovations, forming teams for the joint implementation of such projects, updating the competencies of project executors. The method also includes a competence ontology used by these algorithms. The conducted experimental studies have shown an improving the efficiency of management decisions in corporate expert networks in terms of qualitative and quantitative criteria through the use of the developed method.

About the authors

M. V. Petrov

St. Petersburg Federal Research Center of the Russian Academy of Sciences

Author for correspondence.
Email: mikhail.petrov@iias.spb.su

PhD

Russian Federation, Saint Petersburg

References

  1. Miranda S., Orciuoli F., Loia V., Sampson D. An ontology-based model for competence management // Data & Knowledge Engineering. 2017. vol.107. pp. 51-66.
  2. Omar M.N., Fayek A.R. Modeling and evaluating construction project competencies and their relationship to project performance // Automation in Construction. 2016. vol. 69. pp. 115-130.
  3. Chigrina, A.A., O.S. Volkov, K.A. Bagrationi, A.G. Prilipko. 2019. Organizacionnaja determinacija gruppovoj osoznannosti chlenov komand IT proektov [Organizational determination of the collective mindfulness of it projects' team members]. Informacionnye Tehnologii i Vychislitel'nye Sistemy. [Journal of Information Technologies and Computing Systems]. 2:62-74.
  4. Nikitinsky N. Improving Talent Management with Automated Competence Assessment: Research Summary // Proceedings of the Scientific-Practical Conference “Research and Development 2016”. 2018. pp. 73-82.
  5. Brumshtejn, Ju.M., I.A. Djudikov. 2015. Modeli optimizacii podbora resursov pri upravlenii sovokupnost'ju proektov s uchetom zavisimosti kachestva rezul'tatov, riskov i zatrat [Optimization models of resources selection for management of the project sets taking into account the dependence of the quality results, risks and expenses]. Vestnik Astrahanskogo Gosudarstvennogo Tehnicheskogo Universiteta. Serija: Upravlenie, Vychislitel'naja Tehnika i Informatika. [Vestnik of Astrakhan State Technical University. Series: Management, Computer Science and Informatics]. 1:78-89.
  6. Larichev, O. 1984. Problemy vzaimodejstvija chelovekJeVM v sistemah podderzhki prinjatija reshenij [Problems of human-computer interaction in decision support systems]. Procedury ocenivanija mnogokriterial'nyh ob'ektov. [Procedures for evaluating multicriteria objects]. 9:20-28.
  7. Mirkin, B.G. 1974. Problema gruppovogo vybora [Group choice problem]. Moscow: Science. 256 p.
  8. Kitaev, N.N. 1975. Gruppovye jekspertnye ocenki [Group peer review]. Moscow: Knowledge. 64 p.
  9. Bui T.X. Co-oP: A Group Decision Support System for Cooperative Multiple Criteria Group Decision Making / Ed. by G. Goos, J. Hartmanis. Berlin: Springer-Verlag, 1987. 250 pp.
  10. Loufrani-Fedida S., Saglietto L. Mechanisms for Managing Competencies in Project-Based Organizations: An Integrative Multilevel Analysis // Long Range Planning. 2016. vol. 49. pp. 72-89.
  11. Kholoshnia V.D., Boldyreva E.A. The System for Finding the Least Resource-Intensive Path in Twoor ThreeDimensional Space Using Machine Learning // CEUR Workshop Proceedings. 2020. Vol. 2590. pp. 110.
  12. Bachtadze N., Kulba V., Nikulina I., Zaikin O., Żylawski Mathematical Model and Method of Analysis of the Personal and Group Competence to Complete the Project Task // IFAC-PapersOnLine. 2019. vol. 52. pp. 469-474.
  13. Liang S., Rijke M. Formal language models for finding groups of experts // Information Processing & Management. 2016. vol. 4. pp. 529-549.
  14. Karimi-Majd A., Mahootchi M., Zakery A. A reinforcement learning methodology for a human resource planning problem considering knowledge-based promotion // Simulation Modelling Practice and Theory. 2017. vol.79. pp. 87-99.
  15. Saati, T.L. 2019. Prinjatie reshenij pri zavisimostjah i obratnyh svjazjah: Analiticheskie seti [Decision Making under Dependencies and Feedbacks: Analytical Networks]. Moscow: URSS. 360 p.
  16. Figueira J., Mousseau V., Roy B. ELECTRE methods // Multiple criteria decision analysis: state of the art surveys. 2005. pp. 609–637.
  17. Rojzenzon, G. V. 2012. Sinergeticheskij jeffekt v prinjatii reshenij [Synergistic effect in decision making]. Sistemnye issledovanija. Metodologicheskie problemy: Ezhegodnik 2011-2012. [System Research. Methodological issues: Yearbook 2011-2012]. 248-272.
  18. Larichev, O. 2006. Verbal'nyj analiz reshenij [Verbal decision analysis]. Moscow: Science. 181 p.
  19. Izhbulatova, O.V. 2009. Upravlenie kompetenciej personala kak osnova formirovanija strategii upravlenija chelovecheskimi resursami [Management competence of staff as a basis for building human resource management strategy]. Vestnik Akademii jekonomicheskoj bezopasnosti MVD Rossii. [Vestnik of economic security]. 8:118-122.
  20. Slepcova, E.V., M.Ju. Tumanova. 2018. Upravlenie kompetencijami v sisteme upravlenija personalom [Management of competencies in the system of personnel management]. Jekonomika ustojchivogo razvitija. [Economics of sustainable development]. 35:293-297.
  21. Abramova, E.A. 2020. Sozdanie modeli kompetencij dlja sovershenstvovanija biznes-processov upravlenija personalom [Creating a competency model for improving human resources business processes]. Sovremennye naukoemkie tehnologii. Regional'noe prilozhenie. [Modern High Technologies. Regional Application]. 64:8-13.
  22. Gladina, T.D. 2017. Izmenenie tradicionnogo myshlenija i kompetencij pri postroenii vzaimootnoshenij rabotodatelej i rabotnikov v sovremennoj rynochnoj kul'ture Rossii [Changing traditional thinking and competencies in building relationships between employers and employees in the modern market culture of Russia]. Tradicii i innovacii v prostranstve sovremennoj kul'tury. [Traditions and Innovations in the Space of Modern Culture]. 17-19.
  23. Ployhart R.E., Moliterno T.P. Emergence of the Human Capital Resource: A Multilevel Model // Academy of Management Review. 2011. vol. 36. pp. 127-150.
  24. Abazieva, K.G., A.V. Voronina, S.N. Goncharova. 2019. Model' kompetencij personala v aspekte upravlenija izmenenijami [Personnel competence model in the aspect of change management]. Nauka i obrazovanie: hozjajstvo i jekonomika; predprinimatel'stvo; pravo i upravlenie. [Science and Education: Economy and Economy; Entrepreneurship; Law and Governance]. 107:36-39.
  25. Canavan D., Scott P.S., Mangematin V. Creative professional service firms: aligning strategy and talent // Journal of Business Strategy. 2013. vol. 34. pp. 24-32.
  26. Serditov V.A., Kanevcev M.V. Stages of development of human competences // Современный менеджмент: проблемы и перспективы. 2016. С. 193-196.
  27. Petrov, M. 2019. Formirovanie gruppy ispolnitelej dlja sovmestnogo reshenija zadach: osnovannyj na kompetencijah metod i ego realizacija [Formation of an expert group for joint problem solving: the competence method and its implementation]. Nauchnyj vestnik NGTU. [Science Bulletin of the NSTU]. 75:49–68.
  28. Petrov M., Kashevnik A. Expert competence level adjustment based on the project participation: method and evaluation // Journal of Management Information and Decision Sciences, Allied Business Academies. 2021. Vol. 24(8). pp. 1–16.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».