Matching Items (3)

Filtering by

Clear all filters

158905-Thumbnail Image.png

中国民营企业的传承模型研究

Description

当前,民营企业已成为中国重要支撑力量,而未来5到10年,约有300多万家民营企业面临传承困境。但学术研究领域在传承整体框架、配套机制建设方面有完整论述、有成功案例的所见不多。首先,针对以上民营企业的传承现状,本文将研究、回答五个问题:1、成功传承的标准和要素是什么?2、传承模式有哪几种,每种模式配套的传承机制是什么,该如何建立?3、民营企业应选择何种传承模式,如何选择?4、民营企业的整套传承方案如何落地搭建?5、是否有普适性的、可借鉴的民营企业传承模型,包含哪些要素?
其次,本文主要使用文献研究、案例研究、实证分析,选取中、美、德、日四家不同传承阶段、不同传承模式的知名民营企业,对其传承情况进行深入研究。在此基础上,归纳总结出传承的关键要素,对前述五个问题进行系统解答。同时,本文创新性地结合理论研究、案例研究及企业实践,提出适合我国大部分民营企业的传承全周期管理框架。
最后,根据以上研究,本文总结出关于中国民营企业传承的八大结论及建议:1、本质:权力的交接和义务的传递;2、两大风险:继任风险(继任人的能力要求)、代理风险(继任人对企业核心理念的意愿/忠诚度);3、降低风险的四大机制:领袖锻造、人才梯队、管控治理、激励机制;4、两大成功要素:“选领袖”和“建机制”;5、四大机制是并行推进、相辅相成的,要尽早构建、持续优化;6、三大模式:家族成员继承、内生培养经理人、外聘职业经理人;7、民营企业传承模型包含七大要素、五大步骤;8、民营企业在制定传承方案时,除了要注意传承模型中的要素,还要注意其他关键要素。

Contributors

Agent

Created

Date Created
2020

158050-Thumbnail Image.png

股权激励对员工忠诚度与业绩的影响研究——以B网络公司为例

Description

如何提高员工的激励效应是本世纪人力资源管理的一个重大课题,对于处于竞争劣势地位的民营企业来说,激励员工、留住人才尤为重要。论文借鉴国内外对员工激励的一般理论和相关文献研究成果,从人力资源建设入手,首先总结了员工的基本特征及要求,随后对B网络公司进行实证研究,采用深度访谈与问卷调查的方法主要从以下几方面进行调研:员工的热情、工作满意度、员工沟通与合作、员工流失及对公司管理的满意度、薪酬满意度、晋升制度、增长机会、工作条件。通过问卷调查对B网络公司职工的激励因素进行梳理和整合,并从问卷统计结果中了解激励需求,进一步深入了解和掌握公司员工的实际需求和工作满意度,并审核公司员工激励管理制度,同时分析该公司的激励现状及存在问题。

B网络公司有150名员工接受了调查,实际回收问卷143份,其中有效问卷142份,问卷有效率为94.67%。调查发现,B网络公司员工的工作满意度不高,公司的管理理念也相对落后,与员工切身利益相关的薪酬设计存在不科学现象,晋升制度不合理导致成长机会缺乏。当公司的激励政策无法让其对工作满意度、公司的管理、薪资、晋升制度和员工的成长机会等感到满意时,那么如果有外部的跳槽机会或者创业条件,员工的企业忠诚度会下降,员工很有可能在适当时机离开原来的公司,人才流失不可避免。另外即使员工仍然选择继续留在原来的企业,但是其工作积极性因为付出与回报的不成正比差会导致员工消极怠工,员工的业绩和表现也会下降,不利于公司的长远发展。为验证以上假设,论文运用调研问卷和统计分析方法验证股权激励、员工忠诚度与业绩之间的相互关系假设。通过信度和效度检验进而确定最终问卷的有效性与合理性。论文检验发现:员工忠诚度对员工绩效有显着的正面影响;股权激励对员工绩效有显着的正向影响;员工忠诚度对股权激励计划与绩效影响之间的关系具有积极影响。

通过有效的激励制度激励员工,满足他们的需求,充分发掘、利用和发展员工的创造力和潜力,激发员工的工作热情,提高员工的满意度从而加强员工的忠诚度和业绩对现代人力资源管理的发展具有较好的理论意义和实践价值。论文从股权激励机制设计,企业文化,成长激励机制,沟通机制等方面对现行激励政策提出改进建议,进而为B网络公司有效降低员工流失率,增加工作积极性,充分发挥员工自己的才能,激发员工的创造力和工作潜力,这有助于为该公司未来发展提供强大的人力资本战略支撑,同时也为完善现代企业制度建设,改善合理的分配制度与构建科学员工价值观提供了一个实证案例。

关键词: 民营企业;股权激励;员工忠诚度;员工业绩

Contributors

Agent

Created

Date Created
2020

157177-Thumbnail Image.png

Understanding, Analyzing and Predicting Online User Behavior

Description

Due to the growing popularity of the Internet and smart mobile devices, massive data has been produced every day, particularly, more and more users’ online behavior and activities have been digitalized. Making a better usage of the massive data and

Due to the growing popularity of the Internet and smart mobile devices, massive data has been produced every day, particularly, more and more users’ online behavior and activities have been digitalized. Making a better usage of the massive data and a better understanding of the user behavior become at the very heart of industrial firms as well as the academia. However, due to the large size and unstructured format of user behavioral data, as well as the heterogeneous nature of individuals, it leveled up the difficulty to identify the SPECIFIC behavior that researchers are looking at, HOW to distinguish, and WHAT is resulting from the behavior. The difference in user behavior comes from different causes; in my dissertation, I am studying three circumstances of behavior that potentially bring in turbulent or detrimental effects, from precursory culture to preparatory strategy and delusory fraudulence. Meanwhile, I have access to the versatile toolkit of analysis: econometrics, quasi-experiment, together with machine learning techniques such as text mining, sentiment analysis, and predictive analytics etc. This study creatively leverages the power of the combined methodologies, and apply it beyond individual level data and network data. This dissertation makes a first step to discover user behavior in the newly boosting contexts. My study conceptualize theoretically and test empirically the effect of cultural values on rating and I find that an individualist cultural background are more likely to lead to deviation and more expression in review behaviors. I also find evidence of strategic behavior that users tend to leverage the reporting to increase the likelihood to maximize the benefits. Moreover, it proposes the features that moderate the preparation behavior. Finally, it introduces a unified and scalable framework for delusory behavior detection that meets the current needs to fully utilize multiple data sources.

Contributors

Agent

Created

Date Created
2019