人力資源管理論文-數(shù)據(jù)挖掘在人力資源信息化管理中的應(yīng)用.doc

人力資源管理論文-數(shù)據(jù)挖掘在人力資源信息化管理中的應(yīng)用作者：董洪敏衣龍海辛愛莉摘要人力資源管理系統(tǒng)因其能提高人力資源管理工作效率、提高管理水平、為決策提供信息支持而備受企業(yè)的青睞。通過對(duì)決策樹方法用于發(fā)現(xiàn)其中有價(jià)值的數(shù)據(jù)模式,尋找其中存在的關(guān)系和規(guī)則，以期幫助企業(yè)對(duì)這一系統(tǒng)能夠有更全面地認(rèn)識(shí)，促進(jìn)企業(yè)人力資源管理水平實(shí)現(xiàn)跨越式提升。關(guān)鍵詞人力資源管理信息技術(shù)數(shù)據(jù)挖掘決策樹分類方法一、人力資源管理信息化的發(fā)展史進(jìn)入21世紀(jì)后，市場(chǎng)競(jìng)爭(zhēng)加劇，企業(yè)生存壓力增大，越來(lái)越多的企業(yè)認(rèn)識(shí)到，現(xiàn)代企業(yè)的競(jìng)爭(zhēng)其實(shí)質(zhì)上就是人才戰(zhàn)略的競(jìng)爭(zhēng)。因此，企業(yè)對(duì)人力資源管理的關(guān)注達(dá)到了一個(gè)空前的程度。同時(shí)，人力資源管理在企業(yè)管理中的地位，也被提升到了戰(zhàn)略決策支持的高度。企業(yè)人力資源管理已經(jīng)經(jīng)歷了三個(gè)發(fā)展階段:人事管理、人力資源管理、人力資源開發(fā)與經(jīng)營(yíng)。企業(yè)的人力資源管理正在經(jīng)歷著從事務(wù)性管理角色向戰(zhàn)略合作伙伴的轉(zhuǎn)型，借助于信息化系統(tǒng)，是轉(zhuǎn)型的必由之路。隨著人力資源管理思想以及信息化技術(shù)的不斷發(fā)展革新，人力資源管理信息化系統(tǒng)也在不斷的發(fā)展和完善。總體而言，我們可以將人力資源管理信息化的發(fā)展歷程劃分為四個(gè)階段:基礎(chǔ)計(jì)算工具階段、信息數(shù)據(jù)存儲(chǔ)階段、全面業(yè)務(wù)管理階段、戰(zhàn)略決策支持階段。而數(shù)據(jù)挖掘技術(shù)的產(chǎn)生與應(yīng)用。第四代的人力資源管理信息化系統(tǒng)除了要繼承前幾代信息化系統(tǒng)的優(yōu)點(diǎn)之外，還必須提供強(qiáng)大的數(shù)據(jù)挖掘和分析功能，并且能夠?qū)⒎治鼋Y(jié)果數(shù)據(jù)靈活、多樣、便捷的進(jìn)行展現(xiàn)，以真正做到對(duì)企業(yè)經(jīng)營(yíng)決策的有力支持。二、數(shù)據(jù)挖掘技術(shù)在人力資源管理系統(tǒng)中的應(yīng)用數(shù)據(jù)挖掘(DataMining)，又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(KnowledgeDiscoveryInDatabase，KDD)，是指從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中提取隱含的、未知的、非平凡的及有潛在應(yīng)用價(jià)值的信息或模式，它是數(shù)據(jù)庫(kù)研究中的一個(gè)很有應(yīng)用價(jià)值的新領(lǐng)域，融合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域的理論和技術(shù)。數(shù)據(jù)挖掘是進(jìn)行數(shù)據(jù)查詢，它能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系，從而促進(jìn)信息的傳遞。數(shù)據(jù)挖掘工具能夠?qū)?lái)的趨勢(shì)和行為進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)其中有價(jià)值的數(shù)據(jù)模式,尋找其中存在的關(guān)系和規(guī)則，從而很好地支持人們的決策。數(shù)據(jù)挖掘可以結(jié)合企業(yè)信息化環(huán)境特點(diǎn),對(duì)現(xiàn)代人力資源管理中的主要管理業(yè)務(wù)流程進(jìn)行了優(yōu)化和重組。本文中提出了一種基于數(shù)據(jù)挖掘的信息論的綜合評(píng)價(jià)方法，該方法中利用決策樹、分類器概念以及相關(guān)性分析，先對(duì)初選的數(shù)據(jù)進(jìn)行篩選再進(jìn)行建樹，然后進(jìn)行修剪樹，進(jìn)而得出了綜合評(píng)價(jià)模型并同時(shí)給出了相應(yīng)的算法。決策樹是一個(gè)樹形的結(jié)構(gòu)，內(nèi)部節(jié)點(diǎn)上選用一個(gè)屬性進(jìn)行分割，每個(gè)交叉都是分割的一部分；每個(gè)葉子節(jié)點(diǎn)表示一個(gè)分布。決策樹最基本的生成算法是貪心算法，它采用自上而下而治之的方法。開始時(shí)，所有的數(shù)據(jù)都在根節(jié)點(diǎn)，屬性都是種類字段（如果是連續(xù)的，將其離散化），然后所有記錄用所選屬性遞歸的進(jìn)行分割，屬性的選擇是基于一個(gè)啟發(fā)式規(guī)則或者一個(gè)統(tǒng)計(jì)的度量。當(dāng)一個(gè)節(jié)點(diǎn)上的數(shù)據(jù)都是屬于同一個(gè)類別或者沒有屬性可以再由于對(duì)數(shù)據(jù)進(jìn)行分割時(shí)，則停止分割并生成一個(gè)葉節(jié)點(diǎn)。因此，決策樹的生成關(guān)鍵是在每個(gè)節(jié)點(diǎn)上分類屬性的選擇。在本例中選擇經(jīng)典的ID3算法，即利用基于熵的最高信息增益法選擇屬性，信息增益法的簡(jiǎn)單介紹如下：設(shè)S是有s個(gè)數(shù)據(jù)庫(kù)樣本的集合。假定類標(biāo)號(hào)屬性具有m個(gè)不同的值，定義m個(gè)不同類Ci（I=1，2，m）。設(shè)si是類Ci中的樣本數(shù)。對(duì)一個(gè)給定的樣本分類所需要的期望信息由下式給出：其中pi是任意樣本屬于Ci的概率，一般用si/s估計(jì)代替pi。設(shè)屬性A有v個(gè)不同值a1，a2，ay?？梢愿鶕?jù)屬性值將S劃分為v個(gè)子集s1，s2，sv：sij是子集Sj中類Ci的樣本數(shù)。由A劃分成子集的熵（期望信息）為：則以A分枝將獲得的信息增益是：Gain(A)=I(s1，s2，sm)-E(A)在選擇好數(shù)據(jù)挖掘的技術(shù)和方法后，下面就要對(duì)其建立模型，這是數(shù)據(jù)挖掘的核心環(huán)節(jié)。不同的技術(shù)方案產(chǎn)生的結(jié)果模型有很大不同，而且模型結(jié)果的可理解性也存在較大差異。例如，用決策樹方法產(chǎn)生模型結(jié)果就比用神經(jīng)網(wǎng)絡(luò)技術(shù)的結(jié)果易于理解。另外，對(duì)結(jié)果的分析和描述（即進(jìn)行知識(shí)發(fā)現(xiàn)）也很關(guān)鍵，不恰當(dāng)?shù)拿枋鰰?huì)造成誤導(dǎo)。通過上面的處理之后，就會(huì)得到一系列的分析結(jié)果和模式，它們是對(duì)目標(biāo)問題的多側(cè)面的描述，這時(shí)需要對(duì)它們進(jìn)行驗(yàn)證和評(píng)價(jià)，以得到合理的完備的決策信息。可以采用的方法有直接使用原來(lái)建立模型的樣本數(shù)據(jù)進(jìn)行檢驗(yàn)，或另找一批數(shù)據(jù)對(duì)其進(jìn)行檢驗(yàn)，也可以在實(shí)際運(yùn)行中取出新鮮數(shù)據(jù)進(jìn)行檢驗(yàn)。這種方法的優(yōu)越性具體體現(xiàn)在：1.決策樹方法所用時(shí)間少，技術(shù)上合理，經(jīng)濟(jì)上合算，成效高，可避免決策失誤與各類偏差。2.它是從實(shí)際出發(fā)，分析主、客觀條件以及發(fā)展過程中可能發(fā)生的變化及結(jié)果的利弊，經(jīng)過精密的計(jì)算和科學(xué)的預(yù)測(cè)后作出的決策。3.選優(yōu)的條件是不僅有一個(gè)合理的科學(xué)標(biāo)準(zhǔn)，而且還有一個(gè)科學(xué)的選擇方法，具有很高的科學(xué)性。三、結(jié)束語(yǔ)數(shù)據(jù)挖掘技術(shù)及其應(yīng)用是目前國(guó)際上的一個(gè)研究熱點(diǎn)，并在許多行業(yè)中得到了很好的應(yīng)用，尤其是在市場(chǎng)營(yíng)銷中獲得了成功，初步體現(xiàn)了其優(yōu)越性和發(fā)展?jié)摿?。在人力資源信息管理領(lǐng)域，綜合應(yīng)用數(shù)據(jù)挖掘技術(shù)和人工智能技術(shù)，將是實(shí)現(xiàn)人力