Řízení výkonu pracovníků v průmyslovém podniku.

Abstract

Disertační práce se zabývá problematikou řízení pracovního výkonu pracovníků průmyslových podniků ČR se zaměřením na řízení pracovního výkonu konkrétních pracovních pozic zaměstnanců, a to manažerů, technicko-hospodářských pracovníků a manuálních pracovníků dle vybraných oblastí motivace, stimulace, pracovního prostředí, individuálních schopností a stylu řízení. Výše uvedená problematika je řešena na empirických datech dotazníkového šetření realizovaného v průmyslových podnicích ČR. Tato získaná data byla statisticky vyhodnocena a dále zpracována za využití Pearsonova kontingenčního koeficientu, Paretova pravidla a faktorové analýzy. Na základě výsledků aplikované metody Paretova pravidla byly sestaveny stávající a požadované modely řízení pracovního výkonu daných zaměstnanců. Tyto modely byly vzájemně komparovány a následně byl navržen algoritmus implementace požadovaných modelů v praxi. Ve vzájemné komparaci byly rovněž interpretovány i výsledky Pearsonova kontingenčního koeficientu a faktorové analýzy. Zpracováním daných výsledků bylo zjištěno, že existují rozdíly v řízení pracovního výkonu zaměstnanců průmyslových podniků s ohledem na jejich pracovní zařazení a byly identifikovány rozdílnosti ve stávajících a požadovaných modelech řízení pracovního výkonu. Na základě provedených výpočtů a analýz bylo zjištěno, že je nutné přistupovat k řízení pracovního výkonu pracovníků průmyslových podniků individuálně dle jejich pracovního zařazení, a že současné modely řízení pracovního výkonu zcela neodpovídají modelům zaměstnanci požadovaným. Výstupem práce jsou však nejen optimalizační modely řízení pracovního výkonu konkrétní skupiny zaměstnanců, ale také katalogy nejpreferovanějších faktorů daných oblastí působících na pracovní výkon zaměstnanců (dle jejich pracovního zařazení), které mohou být východiskem při optimalizaci pracovního výkonu zaměstnanců při zaměření se managementem podniku na oblast motivace, stimulace, pracovního prostředí, individuálních schopností či stylu řízení svých zaměstnanců.

Dissertation deals with performance management in industrial enterprises based in the Czech Republic. Focus is given on employee performance with regard to particular group of employees, namely managers, technical and administrative staff and manual workers, according to selected areas of interest, such as motivation, stimulation, work environment, individual skills and management style. Above mentioned issues are solved using empirical data collected within questionnaire survey conducted in industrial enterprises in the Czech Republic. Obtained data were statistically evaluated and further processed using Pearson's contingency coefficient, Pareto rule and Factor analysis. Models of current and desired staff performance management were formed based on Pareto rules. These models were compared and subsequently an algorithm for desired model implementation in practice was proposed. In comparison framework were also involved results of prior data processing using Pearson's contingency coefficient and factor analysis method. Interpretation of the results shows differences in employee performance management in industrial enterprises with regard to their positions and accordingly the differences were identified between current and desired models of performance management. Calculations and analysis conducted implies that individual approach to performance management based on employee work engagement is essential. The results shown that current models of employee performance management are not corresponding with those requested by employees themself. The outcome of the work, however, are not only optimization models of performance management for specific groups of employees, but also catalogs the most preferred factors of the areas involved on work performance of employees (based on their employment status), which can be applied in optimizing employee performance by focusing company management on motivation, stimulation, work environment, individual abilities and management style of its employees.