多维数据模型在人力资源管理中的实际应用.docVIP

PAGE / NUMPAGES 封 面 作者：ZHANGJIAN 仅供个人学习，勿做商业用途 多维数据模型在人力资源管理中的应用 ［摘 要］ 针对人力资源管理决策信息难以获取和正确性难以保证的问题，提出了人力资源数据仓库多维数据模型。人力资源数据仓库多维数据模型通过分析人力资源战略规划以及人力资源日常业务流程，确定了分析主题和维度，借助数据仓库技术，以决策分析主题为导向组织数据，为人力资源决策提供信息支持。人力资源数据仓库多维数据模型能准确地表达决策分析主题的数据组成关系，为解决人力资源管理决策支持信息难以获取和正确性难以保证的问题提供了依据。 ［关键词］ 人力资源； 数据仓库； 多维数据模型； 决策支持 １ 引 言 人力资源是企业可以将其看作能够为创建和实现企业的使命、愿景、战略与目标做出潜在贡献的人所具备的可被利用的能力与才干［１］。在全球化竞争和知识经济时代，人力资源是企业的第一资源和根本竞争优势，人力资源管理已成为支撑企业核心能力与竞争优势的重要力量，具有高度重要的战略地位。但与此同时，由于人力资源所涉及的企业部门层级繁多、业务流程复杂、数据信息庞大，其管理工作极其复杂困难，人力资源的战略作用难以完全得以发挥。即使近年来通过人力资源管理信息系统优化了业务流程，提高了日常工作效率，在业务流程层面上实现了人力资源管理工作高效和稳定的运行，但是在战略决策支持层面上，人力资源管理仍存在一些问题亟待解决。这些问题表现在决策信息难以获取和正确性难以保证两方面。 造成决策信息难以获取和正确性难以保证的主要原因是：第一，人力资源决策信息包括人力资源现状盘点、人力资源需求预测、职位信息、人员胜任能力信息、招聘与配置信息、人员绩效信息、薪酬信息和培训信息等，种类繁多，数据庞杂；第二，人力资源内部管理信息系统的数据组织方式是面向具体业务流程的，并不是以决策分析主题为导向组织数据。获取某一项决策信息势必引起对所有相关数据的重新抽取和归纳，计算复杂，耗时巨大；第三，人力资源管理涉及企业各个部门和层级，很多决策信息来源于人力资源管理部门外部的其他部门数据库。各种外部数据库中的数据在定义、粒度和更新策略上高度不统一，无法直接进行统计、归纳和计算，必须经过漫长的数据预处理，进一步增加了获取决策信息的难度。 针对上述问题，本文提出了人力资源数据仓库多维数据模型，借助数据仓库技术，以决策分析主题重新组织数据，实现数据的正确统一，以解决决策信息难以获取和正确性难以保证的问题。 ２ 数据仓库 １９９２年，ｗｉｌｌｉａｍ ｈ． ｉｎｍｏｎ提出了数据仓库的定义和设计方式，与传统的数据库在数据组织和应用目标等方面有很大的不同，数据仓库改变了数据的组织形式，通过按主题组织数据，以维度抽取主题信息，来达到海量数据集成和分析的目的。数据仓库是面向主题的、集成的、具有时间特征的、稳定的数据集合，用以支持经营管理中的决策制定过程［２］。根据数据仓库概念的含义，数据仓库具有以下4个特点： （１） 面向主题。主题是用户进行某项决策时所关注信息的抽象集合。数据仓库是按主题域进行数据组织的。数据仓库以主题为组织数据的中心，有利于实现决策信息支持这一目标。 （２） 集成的。数据仓库中的数据主要用于进行分析决策，需要对细节数据进行归纳、整理和综合。同时，数据仓库中的数据多来源于多个异构数据源，不能对数据进行简单的汇总和拷贝，必须对数据进行清理和转换，保持数据的一致性。 （３） 具有时间特征。为保证数据仓库数据提供的决策信息随时间不断做出适当调整，数据仓库需要随时间变化不断增加新的内容，同时也需要随着时间变化删去过去陈旧的数据。数据仓库中数据表的键码都包含时间项，以标明数据的历史时期。 （４） 稳定的。数据仓库是随时间而变化的，但又是相对稳定的。数据仓库的数据主要供企业决策分析之用，提供的服务主要是数据查询，一旦某个数据进入数据仓库以后将被长期保留，一般情况下并不进行修改。数据仓库的数据通常只需要定期加载、刷新［３］。 分析型数据仓库要对大量的数据进行汇总和分类，要求能按客户的要求快速、灵活地完成复杂的查询，并且查询的结果要便于用户理解。这要求数据仓库在存储数据时，必须消除数据冲突和表达不一致等问题；在面临用户的查询需求时，必须对所需要的信息提前准备，以便缩短响应时间。为达到这一目的，数据仓库的基本体系结构至少包括数据获取、数据存储与管理、信息访问３个基本组成部分。 （１） 数据获取。数据获取是指从多个异构数据源获取原始数据，经过提取、清洁、转换、聚集等操作得到以主题为中心的集成数据，并将数据装载到数据仓库的过程。 （２） 数据存储与管理。数据存储与