数据挖掘在人力资源信息分析中应用.docVIP

数据挖掘在人力资源信息分析中应用 　　数据挖掘(英语：Data mining)，又译为资料探勘、数据采矿。它是数据库知识发现(英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。 　　摘要：企业的竞争归根结底是人才的竞争，如何全面掌握和合理利用人才资源是公司人力资源管理的首要问题。本文首先简单介绍了数据挖掘技术的背景、常用技术及运作流程，在此基础上阐述了数据挖掘技术在人力资源信息系统中的应用。 　　关键词：数据挖掘;信息系统;人力资源 　　伴随着知识型经济时代的来临，公司的组织形态和生产方式发生了根本改变，企业竞争的焦点由物质资源的竞争转化为人才资源的竞争。如何较少人才流失，保持企业员工的工作热情，最大限度的开发和利用人才，实现企业人力资源系统化的管理，成为企业经营者和人力资源管理者面临的重要问题。 　　一、数据挖掘概述 　　数据挖掘是一种新的信息处理技术，是指在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘与传统的数据分析有着本质的区别，传统的数据分析是根据已有的数据进行分析，从海量的信息中提取有效信息从而形成结论，而数据挖掘是从大量的模糊数据中提取潜在的有用知识，挖掘到的知识是未曾预料到的、甚至是违背直觉的，先未知、有效和实用是衡量数据挖掘到的信息的三个标准。 　　数据挖掘技术是机器学习、统计及决策支持系统三者相结合的产物，由算法和技术、数据、建模能力三部分构成，其主要任务是关联分析、聚类分析、分类、预测和偏差分析，数据挖掘的基本过程和主要步骤如图1所示。 　　图1 数据挖掘的基本过程和主要步骤示意图 　　二、数据挖掘在人力资源信息分析中的应用 　　(1)数据挖掘在招聘环节的应用。首先企业要根据发展战略目标，进行工作分析，制定人力资源规划，具体分析拟招聘人数、招聘标准，认清数据挖掘的目的;其次人力资源部招聘专员在平台上发布招聘广告，招聘广告的内容包括公司的基本情况、招聘岗位、应聘人员的基本条件及截止日期，从网站的数据库中获得简历数据，将应聘人员作为数据仓库，从中选择出适用于数据挖掘应用的数据;再次，利用数据挖掘工具在数据中查找模型，将数据转换成一个分析模型，常用的数据挖掘模型有：神经网络方法、决策树方法、遗传算法、粗集方法、统计分析方法、模糊集方法，根据不同岗位对人才的不同需求对各种人才进行分类和比较，判断哪类人才更适合该岗位，最后是结果分析，由于所选取的变量不同，输出结果不同，从而导致最终形成的结果报告也有着差异性，数据挖掘人员可采用直观量化的评分技术，将应聘人员的信息数据以某种权重加以衡量，针对各种目标给出量化评分，确定是否让应聘者参见面试。数据挖掘技术的应用，提高了模型的精度，满足了招聘的需要。 　　(2)数据挖掘在预防人才流失方面的应用。首先企业要进行数据整理，建立离职人员基本信息数据库，将与离职有关的离职申请与离职面谈记录等文件进行整理，使用COID系统的 　　ID自动产生器，构建离职人员信息表;其次根据离职申请及离职面谈相关资料，构造预防人才流失的选择树分类图，通过分析离职人员信息表可以发现，造成员工离职的原因有以下几方面：薪酬待遇过低达不到员工的满意度;工作压力过大不能正确处理人际关系;个人发展空间有限;最后构建选择树模型，针对离职原因选择有效的预防措施，研究发现，在所有离职的原因中，待遇不满意是员工选择离职的首要原因，针对这一结果，企业要进一步完善薪酬体系和福利设计，避免由于这一原因造成的人才流失，工作环境不满意造成的人员离职比例较高，针对这一结果，企业要加强对员工的沟通，了解员工的需求，调整或改进工作的软、硬环境。个人发展空间有限在离职比例中呈上升趋势，针对这一结果，企业要注意给员工提供培训和发展的机会，为他们进行职业生涯设计， 达到公司与个人双赢。在人力资源管理数据基础上，采用数据挖掘技术，可以实现分析结果的动态发布，对预防公司人才流失有重要应用价值。 　　(3)数据挖掘在完善人力资源精确管理中的应用。数据挖掘技术应用到人力资源精确管理上可有效解决人力资源配置不合理的问题，优化人力资源配置，提高人力资源投入产出效率。要想实现人力资源的精确化管理就要明确工作标准，将工作内容具体化和定量化。首要的工作是对原始数据进行处理，通过挖掘以往工作量的历史数据及对工作人员进行实地的调查的方式明确工作岗位的定额标准，使每项工作量化为同一单位，建立生产力标准;其次应用工时池模型将工作流程分解成标准化简单劳动。最后将员工每天完成工作量的信息数据输入到知识库中，将员工的实