人才评定大数据分析与挖掘.docVIP

人才评定大数据分析与挖掘 　　本文从建立人才评定系统、如何实现人才评定、以及实现人才评定的量化赋分方法，对人才评定进行了阐述，并对人才评定数据进行数据分析与挖掘，通过不同的评定方法，得出较好的评定方法。 　　【关键词】人才评定 数据分析 数据挖掘 　　目前，我国正处在经济转型、结构调整的关键时刻，在创新型社会的建设过程中，人力资源是最重要的资源。如何对人才进行评定，建立科学合理的评价机制，让人才有动力发挥才华，必须突出以品德、能力、业绩为导向，克服唯学历、唯资历、唯论文的倾向，建立科学客观公正的评价专业技术人才系统，以科学评价为核心，健全职称制度体系，完善职称评价标准，创新职称评价机制。本文以新疆维吾尔自治区的人才评定数字化研究为例，分析如何实行科学的数字化人才评定，并对人才评定数据进行初步的分析与挖掘。 　　1 人才评定系统的建立 　　人才评定数字化的应用在它的建立过程中要考虑多方面因素，一个人才评定系统，应具备以下条件。 　　1.1 建立面向各行业各专业的人才的申报系统 　　从大的方面可以分为工程、教育、卫生、经济、实验、研究等等，从层级来说，又可分为初级、中级、副高级和正高级几个层级。不同行业分工不同，从事的工作性质和侧重点也不相同。 　　1.2 建立人才评定专家数据库 　　人才评定离不开专家，专家本身的技术水平能力和综合素质在人才评定中起到关键作用，建立专家库有利于挑选到优秀理想的专家。 　　1.3 建立人才评定的会议系统 　　会议系统可以对评审材料进行分类，不同专业、不同级别应建立不同的会议，有利于专家更好的评定。 　　2 人才评定系统的实现 　　对人的考核从来都是复杂的。为了使人才评定系统更加接近真实情况，我们应该建立一个科学的、系统的人才评定方案，能对各项内容进行量化处理。 　　对评定内容量化是对复杂问题的处理方法。通过对人才评定的量化，在各种标准上设置合理的量化指标，就可以比较准确客观的得到最终结果。而这种量化的处理，可以说是新疆专业技术人才评定项目一个好的创新点。 　　量化指标分为主观和客观两部分，如学历、资历、工作年限、工作地区、年度考核、获奖情况等等都是客观因素，评审专家无需干扰。而论文水平、实践能力、业绩成果等需要由评审专家进行主观赋分，不同专家对同一份材料可能会出现赋分偏差。因此在实际中一般采取多位专家同时赋分，然后取平均值，也可以使用去掉最高分和最低分等方法。 　　3 人才评定大数据分析与挖掘 　　随着数学和统计技术在各行业的广泛应用和推广，人才评定也可采用“定量”的形式，多角度分析、判断不同人才的技术能力，建立人才数据挖掘与分析数据模型。数据维度包括基本信息、学历、学位、资历、论文著作、获奖、工作业绩、实践能力等多项内容，通过大数据技术，最终以分数值的表现形式，形成对技术人才的准确评价。 　　3.1 人才评定的基础 　　任何活动都离不开数据，各种信息系统应用在各行业中，这些信息系统，时刻地记录着各种数据。人才评定系统，是各种人才数据的综合体，对这些数据的存储、筛选、加工，都为人才评定提供了健全、丰富的数据来源；人才评定数据主要为两大类，人才本身基础数据和评定专家数据，通常包括以下几个方面： 　　3.1.1 个人基本数据 　　性别、年龄、民族、学历、资历、工作年限、工作地区、单位属性、年度考核等关联信息。 　　3.1.2 著译作论文 　　包括论文级别（国家级、省部级、地区级）、篇数、作者排名、被收录情况等等； 　　3.1.3 获奖情况 　　主要包括获奖项目、获奖级别、获奖等级等； 　　3.1.4 业绩成果和实践能力 　　编制技术标准、技术规范、技术规程，完成大中型课题、项目工程，解决项目实施中遇到的复杂的技术问题等等。 　　3.1.5 评定专家 　　除上述外，评价专家也对评定结果也有一定的影响，不同专家，可能评判标准不一样，产生的结果也不一样，作为大数据分析，也要充分考虑进去。 　　3.2 数据分析过程 　　（1）将业务问题映射成数据分析工作和工作任务。 　　（2）汇总分析需要的数据，将数据汇总到一个数据库，或者叫数据集市或数据仓库。 　　（3）数据筛选，包括检查数据的一致性，处理异常值和缺失值，删除重复数据等等。 　　（4）?稻葑?换，将数据转换成所需要的数据格式，例如将字符型变量转化为数字型变量，按照数据所需维度进行分类汇总。 　　（5）建立模型，按照需求建立不同数据分析模型（例如男女通过率、民族通过率、地区通过率、专业通过率等等）。 　　（6）模型结果解释和评估，业务专家进行业务解释和结果评价。 　　3.3 数据分析模型开发 　　数据挖掘是从大量的数据中，发现潜在的规律和价值，以辅助提高管理、决策能力。 　　人才评