数据挖掘技术在高校人力资源管理中应用研究.docxVIP

数据挖掘技术在高校人力资源管理中应用研究 　　由于社会发展程度加深，各行各业的数据量增长很快，那么随之处理数据的技术就应运而生-数据挖掘技术，现在我们会发现数据其实隐藏了很多非常有价值的信息。数据挖掘技术对社会各方面的发展都起到了促进作用，数据挖掘技术在各个行业的应用过程中都遇到了不同的问题。在高校人力资源管理中，数据挖掘技术在实施的过程也会遇到一些阻碍或是应用的难题，本文旨在给出数据挖掘技术在高校人力资源管理中应用的一些对策。 　　数据挖掘（datamining）一般是从大量的信息中通过一些数据挖掘技术来发现数据之间的联系，并得到有效的信息，一般来说这些信息是不能被直觀发现的。数据挖掘与计算机科学和数学相关，通过统计分析、机器学习、数据库和模式识别等诸多方法来实现信息挖掘。 　　在社会发展的进程下，高校无论从办学规模还是教师规模都在扩大，对高校的管理提出了变革的需求，这就需要信息技术来帮助管理技术的发展。数据挖掘技术近年来在管理方面的应用也很广泛，有很多可以借鉴的案例。但由于人事管理与其他管理有很大的差异性，在完全借鉴管理类的案例还不一定能够得到很好的效果，那么，这就需要在实践中不断的改进和优化数据分析方法。在人事管理中应用数据挖掘技术，遇到了一些问题，本文就在实际中遇到的问题给出了一些对策。 　　一、数据挖掘技术的几种常用方法 　　（一）决策树 　　决策树（decisiontree）是一种应用非常广泛的数据挖掘的技术，它对应用者的要求不高，并且可以允许数据的缺失，决策树的算法也有很多。决策树可以很好的支持分类、问题预测，它在用户划分、行为预测、规则梳理应用广泛，分类速度快，特别适合大规模的数据处理。 　　（二）神经网络 　　神经网络（neuralnetwork）是最近比较热的数据挖掘方法，它通过模拟人脑的计算方式来分析数据，是机器学习最典型的代表，通过不断训练计算机来获得最优的分析模型。神经网络也是在用户分类，行为预测等方面应用较多。这类方法的缺陷是，没有办法分析真正起作用的是哪些“神经元”和“神经元”起了什么作用，数据的输出往往被认为是所有“神经元”作用的结果，类似于软件测试中的黑盒测试。 　　（三）遗传算法 　　遗传算法是模拟生物的进化规律-适者生存，不适者淘汰规则的搜索方法，它具有良好的全局寻优优势;采用概率化的寻优方法，可以自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法是由美国的j.holland教授在1975年首先提出的，现在已被广泛地应用在机器学习、优化组合等领域。 　　二、数据挖掘技术在高校人力资源管理的应用对策 　　（一）加强管理队伍的学习，转变管理模式 　　对一项新技术要想运用好，就必须先学习它，了解它，对新技术有了新的认识和理解在实践中才会它发展的更好。很多新技术出来，许多行业企业都会举办交流学习会，可以借助企业对技术的把控来实现学校的管理目标，在系统内也要加强交流、学习、探讨;由于人事变革是持续的，所以学习也是持续的，可以通过与兄弟院校和企业建立良好的学习关系来发展人事管理的新思路新方法，通过走出去和引进来持续优化人事管理方法，为下一步的人事管理改革储备人才。 　　（二）加快高校信息化、智慧校园建设形成共享大数据平台 　　很多高校已经建成数字化校园，也有很多高校正在建设智慧校园，最终的目的是实现信息共享和信息可读可分析。要配套引进大数据分析智能化软件和技术以及硬件设施，配备专业的技术人才，使得数据分析结果符合预期，让技术与管理形成相互促进的良性循环。 　　（三）加强专业人才储备，特别是复合型人才 　　对运用新技术管理模式来逐步替代传统管理模式的观念转变需要对教职员工普及、宣讲。在信息技术时代，只有更好的运用信息技术才能使得学校更快更好的发展和改革，那么在这样的过程中不仅需要出色的专业人才，更需要新思想新观念的教职工员工的支持，在发展和改革的路上，始终是问题与解决办法共存的，不仅仅是专业人员需要接纳和解决问题，更需要全校教职工的参与才能始终保持最好状态，始终需要避免只有少数人理解支持信息化改革，只有少数人参与改革。 　　提高信息化的普及程度，在高校工作的人员都知道或是了解一些信息化，智能化，数据挖掘技术等相关概念，由于了解的程度不一致，导致了观念有很大的差别，通过一些集中的培训或是交流，可以将教职工的信息化水平提到一个比较均衡的层面上来，这样对计算机技术在管理中的应用也会骑到促进作用。 　　高校在全校人员配备的时候，要适当的考虑计算机专业人员的分布，在招聘时，也需要适当考虑计算机专业人员的需求，只有均匀的专业技术人员分布，