数据仓库为中心的企业人力资源统计信息系统的设计与实现.doc

　　数据仓库为中心的企业人力资源统计信息系统的设计与实现 　　 　　人力资源是指能够推动 经济 和社会 发展 的劳动者的能力。从宏观意义上是以国家或地区为单位,从微观意义上是以企事业为单位。本文所论述的系统是以 企业 为单位。 　　人力资源管理是企业生存的命脉。企业人力资源管理的根本目的就在于结合企业战略发展的需要,预测和评估未来可能发生的事件对企业人力资源管理的影响,制定企业人力资源发展战略和工作目标,获得企业所需要的员工,并且创造条件以保证员工能完全投入工作,充分发挥他们的潜能。人力资源管理主要完成招聘和培训员工,制订具有竞争力的薪金福利体系、员工的考勤、休假、退休等管理智能。 　　为了解决人力资源管理中存在的诸多问题,有必要利用数据挖掘技术对企业人力资源数据源中的数据进行统计分析,寻找其中有价值的关系和规律,从而为制订人力资源总体规划和各项业务计划提供有效的决策支持,并对人员聘用计划、人员使用计划、培养和选拔计划、薪资计划、劳动关系计划等制定工作起到一定的辅助作用,因此,研究与开发基于数据仓库技术的企业人力资源统计信息系统具有十分重要的意义。 　　 　　2 数据仓库为中心的统计信息系统 　　 　　统计信息系统是管理信息系统的一个子系统。管理信息系统是一个具有高度复杂性、多元性和综合性的人机系统,它具有信息的收集、传递、存储加工、维护和使用的功能。统计信息系统是在传统的人工统计工作的基础上,综合运用 现代 统计学和信息 科学 的有关原理,应用现代 计算 机技术、 网络 技术以及信息处理技术等建立的人/机复合系统。具体地,统计信息系统是一个由人、计算机等组成的,根据统计指标和指标体系进行统计信息的收集、传递、存储、加工、分析、维护和使用以及生成统计信息的系统[1]。统计信息系统的模式如图1所示。 　 　　数据仓库是一种从数据库技术发展而来但又不同于数据库的数据组织和存储技术,它是面向主题的、集成的、随时间变化的、非易失性的数据集合,它用于支持管理层的决策过程。数据仓库的创建和使用都是围绕着主题的,数据仓库中的数据不是将业务处理系统中的数据简单集合,而是对各种源数据进行抽取、筛选、清理、综合而得到的数据集合。数据仓库中所存储的数据主要用于查询和分析。由于数据仓库以统计分析技术作为分析数据和提取信息的有效方法,统计学是数据挖掘技术的重要的理论之一,因此数据仓库术、以及基于数据仓库的OLAP和数据挖掘形成了新型的统计信息系统框架[2]。数据仓库为中心的统计信息系统的体系结构见图2。 　 　 　　3 数据挖掘技术 　　 　　数据挖掘(Data Mining)是一个多学科交叉领域,它融合了数据库技术、人工智能、机器学习、统计学、面向对象方法、信息检索、高性能计算等学科。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、事先未知的、潜在有用的信息和知识的过程。提取的知识表示为概念、规则、规律、模式等形式[3]。目前主要的数据挖掘方法有统计分析方法、神经网络、机器学习、遗传算法、模糊集法、近似推理等。数据挖掘不一定需要建立在数据仓库的基础上,但基于数据仓库的数据挖掘能简化数据挖掘过程的某些步骤,提高数据挖掘的效率,同时能更好地满足高层战略决策的需求。 　　 　　数据挖掘可以看作OLAP的高级阶段,它不仅能对过去的数据进行查询和遍历,并能够找出过去数据之间的潜在联系,从中提取辅助决策的关键性信息。数据挖掘的功能包括:概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析和偏差分析。数据仓库为中心的统计信息系统中数据挖掘的流程见图3。 　 　　4 数据仓库为中心的企业人力资源统计信息系统的设计 　　 　　4.1 系统结构 　　基于数据挖掘的企业统计信息系统分为统计管理和数据挖掘两部分,依据数据流图和处理过程,统计管理包括了8个功能模块,数据挖掘包括了3个功能模块。系统结构如图4。 　　4.2 系统设计思想 　　系统总体设计思路是: 　　(1)严格按照软件工程要求组织研究、开发、测试、生产、维护等环节,充分利用支持环境和有利条件,开发出适应新的人力资源管理模式的统计信息系统; 　　(2)集成性与开放性并重。既要做到系统内部各模块之间的无缝集成,又要保证对外界系统的开放性; 　　(3)充分利用可视化技术,为用户提供一个人机界面友好、操作简单方便的应用环境; 　　(4)用现代软件工程的方法,从系统的各个层次考虑系统安全性问题。 　　4.3 人力资源总体规划 　　人力资源总体规划包括了人力资源的总目标、总政策、实施步骤及总预算的安排。人力资源总体规划与企业的战略目标紧密相连,并以销售预测、市场走向、技术发展及生产率的变化等信息为基础。其中企业发