时间:2019-10-25 作者:夏 宁1, (1.华北电力大学 经济与管理学院,北京 102206; 作者简介:夏 宁(1974-),男,山东济南人,教授,博士; 李 民2 2.山东财经大学 工商管理学院,济南 250014) XIA Ning, LI Min
[大]
[中]
[小]
摘要:
随着薪酬方面学术研究的深入,我国企业在调整高管薪酬结构、构建薪酬体系等方面取得了一些进步,然而在很多方面的不足依然比较明显。尽管未来企业发展的一些问题尚不明确,但毫无疑问下列情况必然会出现:全球化进程加快,金融体系与经济实体之间产生的交互增多,复杂金融工具不断被研发,企业在利用金融工具获利的同时经济活动危险性加大,利益相关者更加理性,政府以及个人对企业信息透明度要求提高等。上述种种变化都会导致一种现象:企业在日常活动中要处理信息量的增加往往会超出薪酬决策者的分析范围。高管薪酬的制定实质上是一项决策,那么提高高管薪酬决策中的信息处理能力就成为一个很关键的问题。基于上述情况,本文对如何规范设计高管薪酬进行了探讨,试图通过引入知识表示支持系统来改善高管薪酬决策过程中的信息处理能力。
知识表示支持系统(简称KRSS)是运用知识工程、专家系统及决策支持系统理论,以实际问题在计算机中的表示为研究对象而提出的一种理论体系结构(胡祥培等,1999),是一种学习型的建模方式,其自身特性有利于解决复杂的管理问题。KRSS最核心的部分是决策支持系统(DSS),DSS将计算机技术同决策分析方法结合了起来。知识表示是一...
随着薪酬方面学术研究的深入,我国企业在调整高管薪酬结构、构建薪酬体系等方面取得了一些进步,然而在很多方面的不足依然比较明显。尽管未来企业发展的一些问题尚不明确,但毫无疑问下列情况必然会出现:全球化进程加快,金融体系与经济实体之间产生的交互增多,复杂金融工具不断被研发,企业在利用金融工具获利的同时经济活动危险性加大,利益相关者更加理性,政府以及个人对企业信息透明度要求提高等。上述种种变化都会导致一种现象:企业在日常活动中要处理信息量的增加往往会超出薪酬决策者的分析范围。高管薪酬的制定实质上是一项决策,那么提高高管薪酬决策中的信息处理能力就成为一个很关键的问题。基于上述情况,本文对如何规范设计高管薪酬进行了探讨,试图通过引入知识表示支持系统来改善高管薪酬决策过程中的信息处理能力。
知识表示支持系统(简称KRSS)是运用知识工程、专家系统及决策支持系统理论,以实际问题在计算机中的表示为研究对象而提出的一种理论体系结构(胡祥培等,1999),是一种学习型的建模方式,其自身特性有利于解决复杂的管理问题。KRSS最核心的部分是决策支持系统(DSS),DSS将计算机技术同决策分析方法结合了起来。知识表示是一组描述知识对象的语法和语义上的规定,是知识的符号化过程(童俯和沈一栋,1992)。高管薪酬制定是一个半结构化问题,往往缺乏可以重复制定的标准,因此在利用DSS对高管薪酬问题进行处理时,必然要把薪酬的各项问题通过一定的方法量化为相应的标准,这就需要用到知识表示。
现有高管薪酬方面的研究多采用实证方法,通过数理的方式寻找其他种种要素与薪酬间存在的联系,如高管操纵行为(Lin和Roell,2008)、董事会结构(Ozkan,2007)、资本结构(Ortiz,2007)等。实证的目的在于尝试解释各要素间的关联并构建相应的薪酬标准以提高企业的业绩,然而在实际操作中却很难贯彻落实。一是高管对于整个企业业绩的影响程度是有限的,企业业绩同时受到其他多种因素的影响,利用业绩来确定高管薪酬并不是完全合理的。二是由于高管对其薪酬的巨大影响,因此通过实证得出的薪酬安排的激励效果被不断削减,难以形成应有的约束。三是很多因素无法用数值精确地表示出来,错误的发生在所难免,并且定量方式在解决高管薪酬问题时过于机械化,无法兼顾到各种即时变化对薪酬所起到的影响。所以,实证方法具有局限性。Patton(2002)认为,将不同研究方法中的某些部分提取出来,然后结合成混合型的方法策略,对社会科学研究具有建设性意义。参照上述思路,本文采用人的经验与机器智能相结合的方式来研究高管薪酬规范设计问题。
当前对于决策支持系统的探索较为广泛,利用DSS对实际中的一些高度结构化问题(财务和运作管理等)进行处理取得了不错的效果。Dutta等(1996)以印度铝业为例,对制造业战略计划的最佳DSS系统设计进行了分析,分析结果表明DSS的运用会提高制造业企业收益,同时对直接有效技术的依赖性低。Dan(2012)发现在大型工程的原材料采购中,初期价值评估与成本控制活动均能体现DSS应用的巨大优势。DSS在一些非结构化程度比较强的问题处理方面也取得了较大进展。Doumpos和Zopounidis(2010)依托案例研究为银行评级提供了多种研究方法,在决策支持系统中对PROMETHEE方法进行了实施。Hunton和Rose(2011)开发出群体决策系统(GDSS)对电脑协助系统进行支持,发现群体决策系统对提高公司审计的动态性及完整性都有很好的效果。
知识表示支持系统作为一种特殊的决策支持系统,在我国管理研究方面也取得了很好的应用。赵禹骅等(2006)从管理信息系统的知识表示需求出发,讨论了通过触发器和SQL数据处理工具实现规则知识的数据化,从而形成引信与规则知识相互独立、强化关系数据库知识表示能力和知识管理能力的方法。孙丽军等(2008)通过深入分析需求变动的物流配送干扰管理问题的已知知识、建模知识与求解知识,提出一种解决需求变动下物流配送干扰管理的基于知识的求解方法。陈友东等(2011)根据数控系统的结构特点采用分层检索的方法,依据该检索方法采取了框架型的知识表示方式,并将此方法应用于数控设备的故障诊断系统中,大幅度提高了故障诊断的效率。杜来红(2011)提出了基于语义Web的知识表示方案,以企业资源知识表示为例,利用Protégé工具实现了企业资源知识的语义Web表示。
运用知识表示支持系统来解决高管薪酬中的问题是具有很强的科学性与适用性的。首先,高管薪酬制定通常是非常复杂的,高管薪酬在制定过程中要考虑多种因素的影响,这样就造成了薪酬可行解的数量巨大。薪酬的确定必须经过一个化繁为简的过程,薪酬需要一种结构化的表示,而进行这种大数据量的表示只能依托计算机系统进行初步的筛选。其次,薪酬具有特殊性,由于努力程度与个人能力的影响,理想状态下每个人的薪酬都应不尽相同,尽管高管的数量有限,但与普通员工薪酬不同的是,高管薪酬的差异性更为明显,不可被忽略,差异性的存在无疑也增大了解的数量,此时就要借助计算机系统完成。再次,薪酬设计是一个动态的过程,随着薪酬设计的环境不断变换,具体标准、设计方案等也要根据条件的变化不断进行调整,这种调整是计算机等智能工具目前无法很好感知的,需要人类智慧来把握。最后,高管薪酬会受到多种利益相关者的影响,被授予薪酬者也会根据公平感调整自身的努力,无论对于群体间关系的测度还是人心理方面的测量,计算机系统均无法独立进行,此时高管薪酬的优化也要靠规则制定者的经验来实现。
本文首先对高管薪酬进行知识表示,以求对薪酬方面的信息梳理;其后对薪酬决策支持系统进行构建,对薪酬进行规范设计。
(一)高管薪酬的知识表示
高管薪酬是一个半结构化问题,决策过程与决策方法有一定的规律可以遵循,然而外部环境的变化过于迅速,同时,受到能力方面的制约,个人知识具有不完全性。因此对高管薪酬的度量必然要经过知识表示这一过程,增强薪酬方法、模型的可信度,进而提高下一过程中专家决策的精确性与有效性。
1.高管薪酬的内容分析
我们把高管薪酬问题中的内容分为条件和结果两个主要部分,薪酬制定的条件不同必然导致相同薪酬所带来结果的差异。企业内部运行机理与心理因素的变化是难以观察与测度的,因此以往研究经常陷入寻求薪酬深度影响机理的误区。我们认为当把企业治理的种种因素表示出来后,在一定条件下相同的薪酬设计就会带来相类似的结果,而不必对企业治理中的某些细节过于深究。
我们对条件进行知识表示主要依照参与者各项特征的不同。企业所有者和经营者之间存在着委托代理关系,由于信息不对称,高管人员可能会出现道德风险和逆向选择问题,使企业产生较高的代理成本。为了避免这种冲突,降低代理成本,企业必须具备有效的薪酬机制,设计最优契约来激励和约束代理人。因此薪酬参与方主要有三者:委托人、代理人以及监管者。薪酬设计是通过调整各方面功能输出满足目标的信息的一个过程,而高管薪酬的最终确定可以被大致看作上述三方通过传递信息来协调相互目标的一种结果。
高管在企业中拥有较强的权力,可以在一定程度上决定自己的薪酬,而随着信息量的增加,委托人和监管者将很难对高管进行合适的制约。在利己贪婪的驱动下,高管很可能会抛开部分的道德限制来谋取高额的报酬,企业的代理问题会更加突出。股东将股权激励授予高管,本意是试图将高管的自身利益与企业的业绩联系到一起,但有些高管可能会把提高股价作为自己的首要目标。同时,绩效是对企业过去一段时间表现的衡量,这使得高管追求短期利益的动力就加大了。利用绩效或者股价来判断高管薪酬的合理性看似解决了委托代理问题,实际却可能偏离企业的目标。高管薪酬真正的关注点应该是鼓励高管长远思考、价值创造以及社会贡献,推动企业实质上的可持续发展,这就需要对上述三方在知识表示中赋予权重方面有所区分。
2.高管薪酬问题的结构化
此处我们并不是对高管薪酬设计采取封顶保底的做法,而是为薪酬设定一个参考的范围,高管的努力程度与影响情况会通过这些因素表现出来,高管薪酬的制定会因为这些要素的差异而变得不同。我们将这些因素细分为可以定量表示出来的值或区间,将每个结果存入计算机中。譬如企业所属的地区不同,我们取值也会不同。首先,我们根据某特定指标对经济发展影响程度进行定义,然后分地区按此特征值进行划分,比如我们将企业所在地区经济发展程度较好记为“a”、发展程度一般记为“b”、发展程度较差记为“c”,这样就把企业所在地区用编码表示了出来。当企业面临某种境况时,我们将这种境况按照上述薪酬标准体系的变量进行细分,并按照一定方法进行模糊化的处理,找到其所属的最恰当的描述值的范围。然后我们再将所对应的薪酬标准利用计算机系统进行分析,得出合理的薪酬区间。得出的合理化薪酬按照由优到劣排序,整合的薪酬就构成了解的集合。
3.知识表示的流程分析
高管薪酬制定的知识表示流程主要是对薪酬制定条件和结果进行配比的过程(如图3所示)。在制定高管薪酬时,前面我们主要对企业或者高管所处的条件进行细分,然后通过概括与凝练得出这些细分条件的特征,继而对这些特征进行定义,随后便可以将这些特征值转换为相应的代码。这些由条件而得的代码就是系统的初始输入部分,而薪酬制定后企业的情况则是输出的部分。企业要设计一种合适的模型来将这些企业先前条件的信息与制定高管薪酬后的境况信息联系起来,以判断高管薪酬或者是其他的一些方面要做出怎样的调整来确保企业长期发展这一目标的实现。此处构建的模型并不是一种严格意义上的函数关系,而是条件与结果的一种相互对应,这只是一种对未来趋势的判断。因此,模型必须是动态变化的,模型的选择不仅要基于现在的实际情况还要考虑到未来的预期,模型其实是一个实现现有条件到未来结果的过程工具。而模型对于未来结果的判断无法在现有条件下得到验证,系统输出的部分是我们对高管薪酬进行估计的较为优化的解的取值。当未来变成现实时,要及时对照以前估计与现实情况的差距,进行信息的反馈,以进一步对条件的结构化与模型选择等各个过程进行优化。
(二)高管薪酬的决策支持系统
1.专家支持系统的运用
专家支持系统可以理解为用专家的经验判断去解决存在的问题。通过计算机的分析会得出很多关于高管薪酬的优化解,然而这些优化解并不一定都是能够执行的,而计算机系统无法对解的可行性进行识别,这一部分任务就要依靠专家支持系统的资源来完成。专家支持系统的另一大优点是其具有高度的灵活性,可以随时感知到外部环境的变化,这一点也是计算机无法达到的。运用决策支持系统进行高管薪酬制定对提高薪酬质量、加快制定进程、减少薪酬制定成本以及提高知识储备等方面都是卓有成效的。
依托决策支持系统不同于普通的专家咨询,基于知识表示的支持在明确性、一致性、无偏性以及客观性方面均优于后者。高管薪酬方面的专家主要来自于三个方面:董事会(或者薪酬委员会),其对高管薪酬起到直接影响作用;股东,主要判断薪酬计划能否顺利执行,如果股东认为董事会的薪酬决策尚未履行信义义务,可以对本次薪酬制定进行否决;外部专家,主要对薪酬标准的设定提出自身的建议,同时也对高管薪酬行使监督权,保证高管薪酬的有效性。上述三者对于高管薪酬制定所起的作用不同,在薪酬制定中所被给予的权力也必然不会相同。我们要研究三者对高管薪酬制定的独立性和客观性,为其设置合适的权力。上一个步骤中我们根据计算机系统的处理获得了一个高管薪酬的大体范围,董事会、股东与外部专家此时先对计算机选出的薪酬进行甄别,然后根据自身的经验对薪酬的优劣性进行评价。在评价之后按照权重对总的得分进行评判,就获得了一个较为优化的高管薪酬结论。对高管薪酬目标与条件匹配类型编码主要依靠计算机来完成,而此处主要取决于人的主观判断,通过这种方式我们有效地将专家的经验成功运用到了规范设计薪酬中去。
2.知识库的构建
知识表示最终要存储到计算机结构中,而专家决策很大的一部分信息又要取自于被存储的信息,这样就要构建一个基于惯例的知识库。惯例是有规律可遵循的一个描述性的、详细的行动路线,是一个标准的过程。企业惯例的存在可以有效地降低潜在的冲突,惯例更倾向于是一种知识与能力的延续。这种知识既有显性的,可以通过知识表示表现出来,又有难以表述的隐性知识,例如专家的经验等。我们此处构建惯例知识库的目的正是将隐性知识用一种方式合理地表现出来,便于在组织记忆的前提下进行组织学习。专家支持系统的评判也要划分为一定的代码,随着高管薪酬的不断被制定,最终薪酬制定条件与实施结果的对应关系就形成了一个惯例的知识库。需要对某个高管制定新的薪酬标准时,可以将当时的企业条件与利益相关者目标进行细分,然后与惯例知识库中存在的子语句进行匹配,找出最佳匹配的案例。当此项案例在实际操作中获得了不错的效果时,我们就可以直接采取此项案例中的专家决策得出薪酬的大体取值。若有些不能得到良好匹配,我们可以将其作为新的案例与薪酬对应起来加入知识库。同时,我们要继续关注此项薪酬条件其后对高管造成的影响以及对企业发展产生的改变,并把这些情况一并加入到知识库中。
3.知识存取的数理表示
在所有的最低级特征值均进行相应的知识表示后,将所有的特征值以一种总体的形式存入计算机中,就可以得到此事件的样本库。当高管薪酬再次被制定时,就可以利用特征值在所构建的样本库中进行搜寻,匹配出误差最小的惯例,从而大幅度地减少决策时间并提高决策的科学性。
本文基于知识表示支持系统对高管薪酬的规范设计方法进行探究。方法本身也是一种思想,因此本文在总体确定方法论方面有所突破,也是很有意义的。
第一,确定高管薪酬时,应具备真实而准确的大量历史数据作为分析的基础,同时要有相对成熟的模型作为支撑。无论是当前对于高管薪酬的定量研究,还是专家系统的定性分析,都要基于对相关数据一定方式的处理。定量方法与定性分析在本文中的结合并不矛盾,确定薪酬是一个多因素影响的结果,但是由于个体思维的局限性,对薪酬具有某些决定性影响的因素往往被人们忽略,较为成熟的分析模型是必不可少的。
第二,在处理高管薪酬等复杂的管理问题时,可以将一个大的复杂问题拆分为几个简单的子问题。这种拆分可以剔除子问题之间存在的重复部分,从而减少分析的工作量。高管薪酬设计所面临的环境不确定性大,往往不能具体到每个行业和企业,因此设计一种可行的路径是非常必要的。
第三,高管薪酬体系应为学习型,而非接受型,且系统应逐渐强化对隐性知识的理解。隐性知识较难用语言或者规则表示出来,更为倾向主观个体对知识的理解和领会,然而这种理解和领会往往在知识获得中具有决定作用。企业可以适当忽略某些显性知识,而直接建立起高管薪酬对于某些隐性知识的直接联系,简化流程、提高效率。专家决策的存在恰恰让此成为了可能。
基于知识表示支持系统的高管薪酬确认方法并不是推翻以前种种薪酬规范或者薪酬标准,而是对以前存在的确定方法与标准再一次地思考与改进。薪酬确定需要一个观念转变的过程,知识表示支持系统自身讲求对知识库的构建,我们也希望从以前存在的方法与标准中得到一些启示与帮助。本文只是提出了定性与定量、人类智慧与人工智能相结合规范设计高管薪酬体系的一种思路,并在核心问题上对总体框架进行了宽泛的勾勒。同时,本文方法的实行还需要程序和软件方面的技术支撑,以期对实践活动带来一些有益的推动。
相关推荐