人工智能的發(fā)展概況與在人力資源領(lǐng)域的應(yīng)用淺析

1、.wd.wd.wd.人工智能的開展概況及其在人力資源領(lǐng)域的應(yīng)用淺析目錄TOC o 1-3 h u HYPERLINK l _Toc24832 1人工智能概述 PAGEREF _Toc24832 2 HYPERLINK l _Toc30386 2人工智能的開展 PAGEREF _Toc30386 2 HYPERLINK l _Toc20380 3人工智能的研究與應(yīng)用 PAGEREF _Toc20380 3 HYPERLINK l _Toc23055 3.1 問題求解 PAGEREF _Toc23055 3 HYPERLINK l _Toc4493 3.2 專家系統(tǒng) PAGEREF _Toc449

2、3 3 HYPERLINK l _Toc25405 3.3 機(jī)器學(xué)習(xí) PAGEREF _Toc25405 4 HYPERLINK l _Toc20386 3.4 神經(jīng)網(wǎng)絡(luò) PAGEREF _Toc20386 5 HYPERLINK l _Toc18506 3.5 模式識(shí)別 PAGEREF _Toc18506 5 HYPERLINK l _Toc15930 3.6 人工生命 PAGEREF _Toc15930 6 HYPERLINK l _Toc12385 3.7 智能決策支持系統(tǒng) PAGEREF _Toc12385 6 HYPERLINK l _Toc17150 4 人工智能在人力資源中的應(yīng)用

3、實(shí)例 PAGEREF _Toc17150 6 HYPERLINK l _Toc24863 4.1 基于 AI 的 HRMIS 程序設(shè)計(jì)與應(yīng)用 PAGEREF _Toc24863 6 HYPERLINK l _Toc4418 4.2 基于 AI 的 HRMIS 人機(jī)界面設(shè)計(jì)與應(yīng)用 PAGEREF _Toc4418 7 HYPERLINK l _Toc31732 4.3 IDSS 在 HRMIS 模塊設(shè)計(jì)中的應(yīng)用 PAGEREF _Toc31732 8 HYPERLINK l _Toc14973 4.3.1 人力資源方案模塊 PAGEREF _Toc14973 8 HYPERLINK l _Toc

4、29494 4.3.2 工作分析模塊 PAGEREF _Toc29494 8 HYPERLINK l _Toc23421 4.3.3 員工招聘與配置模塊 PAGEREF _Toc23421 8 HYPERLINK l _Toc23815 4.3.4 績(jī)效考核模塊 PAGEREF _Toc23815 9 HYPERLINK l _Toc5183 4.3.5 人力資源薪酬模塊 PAGEREF _Toc5183 9 HYPERLINK l _Toc14917 5 完畢語 PAGEREF _Toc14917 9 HYPERLINK l _Toc10137 參考文獻(xiàn) PAGEREF _Toc10137

5、101人工智能概述人工智能Artificial Intelligence，簡(jiǎn)稱 AI，作為計(jì)算機(jī)學(xué)科的一個(gè)重要分支，是由McCarthy 于1956 年在 Dartmouth 學(xué)會(huì)上正式提出，在當(dāng)前被人們稱為世界三大尖端技術(shù)之一。美國(guó)斯坦福大學(xué)著名的人工智能研究中心尼爾遜Nilson教授這樣定義人工智能“人工智能是關(guān)于知識(shí)的學(xué)科若何表示知識(shí)以及若何獲得知識(shí)并使用知識(shí)的學(xué)科，另一名著名的美國(guó)大學(xué) MIT的Winston 教授認(rèn)為“人工智能就是研究若何使計(jì)算機(jī)去做過去只有人才能做的智能的工作。除此之外，還有很多關(guān)于人工智能的定義，至今尚未統(tǒng)一，但這些說法均反映了人工智能學(xué)科的 基本思想和 基本內(nèi)容

6、，由此可以將人工智能概括為研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能行為的人工系統(tǒng)。2人工智能的開展20 世紀(jì) 50 年代到 60 年代初是人工智能開展的初級(jí)階段。這一時(shí)期的研究主要集中在采用啟發(fā)式思維和運(yùn)用領(lǐng)域知識(shí)，編寫了包括能夠和證明平面幾何定理和與國(guó)際象棋大師下棋的計(jì)算機(jī)程序。開創(chuàng)了具有真正意義的人工智能研究是 1956 年 McCarthy 決定把Dartmouth 會(huì)議用人工智能來命名。在圖靈AlanTuring所著的?計(jì)算機(jī)器與智能?中，討論了人類智能機(jī)械化的可能性并提出了圖靈機(jī)的理論模型，為現(xiàn)代計(jì)算機(jī)的出現(xiàn)奠定了理論根基；與此同時(shí)，該文中還提出了著名的圖靈準(zhǔn)那么，現(xiàn)已成為人工智能研

7、究領(lǐng)域中最重要的智能機(jī)標(biāo)準(zhǔn)。同一時(shí)期，Warren MeCulloeli 和 Walter Pitts 發(fā)表了?神經(jīng)活動(dòng)內(nèi)在概念的邏輯演算?，該文證明了一定類型的、可嚴(yán)格定義的神經(jīng)網(wǎng)絡(luò)，原那么上是能夠計(jì)算一定類型的邏輯函數(shù)的，開創(chuàng)了當(dāng)前人工智能研究的兩大類別：符號(hào)論和聯(lián)結(jié)論。自 1963 年后，人們開場(chǎng)嘗試使用自然語言通訊，這標(biāo)志著人工智能的又一次飛躍，若何讓計(jì)算機(jī)理解自然語言、自動(dòng)答復(fù)以下問題、分析圖像或圖形等便成為 AI 研究所追求的重要目標(biāo)，由此 AI 的研究進(jìn)入了第二階段。70 年代，在對(duì)人類專家的科學(xué)推理進(jìn)展了大量探索后，一批具有專家水平的程序系統(tǒng)相繼問世。知識(shí)專家系統(tǒng)在全世界得到了

8、迅速開展，它的應(yīng)用范圍延伸到了人類各個(gè)領(lǐng)域，并產(chǎn)生了巨大的經(jīng)濟(jì)效益。80 年代，AI 進(jìn)入以知識(shí)為中心的開展的階段，越來越多的人認(rèn)識(shí)到知識(shí)在模擬智能中的重要性，圍繞知識(shí)表示、推理、機(jī)器學(xué)習(xí)，以及結(jié)合問題領(lǐng)域知識(shí)的新認(rèn)知模擬進(jìn)展了更加深入的探索。目前，人工智能技術(shù)正在向大型分布式人工智能及多專家協(xié)同系統(tǒng)、并行推理、多種專家系統(tǒng)開發(fā)工具，以及大型分布式人工智能開發(fā)環(huán)境和分布式環(huán)境下的多智能體協(xié)同系統(tǒng)等方向開展。3人工智能的研究與應(yīng)用3.1 問題求解問題求解，即解決管理活動(dòng)中由于意外引起的非預(yù)期效應(yīng)或與預(yù)期效應(yīng)之間的偏差。能夠求解難題的下棋 ( 如國(guó)際象棋 ) 程序的出現(xiàn)，是人工智能開展的一大成就。

9、在下棋程序中應(yīng)用的推理，如向前看幾步，把困難的問題分成一些較容易的子問題等技術(shù)，逐漸開展成為搜索和問題歸約這類人工智能的 基本技術(shù)。搜索策略可分為無信息導(dǎo)引的盲目搜索和利用經(jīng)歷知識(shí)導(dǎo)引的啟發(fā)式搜索，它決定著問題求解的推理步驟中，使用知識(shí)的優(yōu)先關(guān)系。另一種問題的求解程序，是把各種數(shù)學(xué)公式符號(hào)匯編在一起 , 其性能已到達(dá)非常高的水平，并正在被許多科學(xué)家和工程師所應(yīng)用，甚至有些程序還能夠用經(jīng)歷來改善其性能。例如，1993 年美國(guó)發(fā)布的一個(gè)叫做 MACSYMA 的軟件，它能夠進(jìn)展較復(fù)雜的數(shù)學(xué)公式符號(hào)運(yùn)算。如前所述 , 尚未解決的問題包括人類棋手具有的表達(dá)的能力，如國(guó)際象棋大師們洞察棋局的能力；另一個(gè)未

10、解決的問題涉及問題的原概念，在人工智能中叫做問題表示的選擇。人們常常能夠找到某種思考問題的方法從而使求解變得容易而最終解決該問題。3.2 專家系統(tǒng)專家系統(tǒng) ESExpert System是人工智能研究領(lǐng)域中另一重要分支，它將探討一般的思維方法轉(zhuǎn)入到運(yùn)用專門知識(shí)求解專門問題，實(shí)現(xiàn)了人工智能從理論研究向?qū)嶋H應(yīng)用的重大突破；專家系統(tǒng)可看作一類具有專門知識(shí)的計(jì)算機(jī)智能程序系統(tǒng)，它能運(yùn)用特定領(lǐng)域中專家提供的專門知識(shí)和經(jīng)歷，并采用人工智能中的推理技術(shù)來求解和模擬通常由專家才能解決的各種復(fù)雜問題?？偟膩碚f，專家系統(tǒng)是一種具有智能的軟件，它求解方法是一種啟發(fā)式方法，專家系統(tǒng)所要解決的問題一般無算法解，并且與傳

11、統(tǒng)的計(jì)算機(jī)程序上不同之處在于，它要經(jīng)常在不完全、不準(zhǔn)確或不確定的信息根基上做出結(jié)論。在近年來的專家系統(tǒng)或“知識(shí)工程的研究中，已經(jīng)出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢(shì)，具有有代表性的是用戶與專家系統(tǒng)進(jìn)展“咨詢對(duì)話，如同其與專家面對(duì)面的進(jìn)展對(duì)話是一樣的：解釋問題并建議進(jìn)展某些試驗(yàn)，向?qū)＜蚁到y(tǒng)詢問以期得到有關(guān)解答等。當(dāng)前的實(shí)驗(yàn)系統(tǒng)，在比方化學(xué)和地質(zhì)數(shù)據(jù)分析、計(jì)算機(jī)系統(tǒng)構(gòu)造、建筑工程以及醫(yī)療診斷等咨詢?nèi)蝿?wù)方面，已到達(dá)很高的水平。另外，還有很多研究主要是集中在讓專家系統(tǒng)能夠說明推理的能力，從而使咨詢更好地被用戶承受，同時(shí)還能幫助人類發(fā)現(xiàn)系統(tǒng)推理過程中所出現(xiàn)的過失。開展專家系統(tǒng)的關(guān)鍵在于表達(dá)和運(yùn)用專家知

12、識(shí)，即來自人類專家的且已被證明能夠解決某領(lǐng)域內(nèi)的典型問題的有用的事實(shí)和過程。不同領(lǐng)域與不同類型的專家系統(tǒng)，它們的體系構(gòu)造和功能是有一定的差異的，但它們的組成 基本一致。一個(gè) 基本的專家系統(tǒng)主要由知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)、解釋機(jī)制、知識(shí)獲取和用戶界面六局部組成，如圖 1 所示。圖1 專家系統(tǒng)的 基本構(gòu)造3.3 機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)Machine Learning是研究若何使用計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)活動(dòng)。它是繼專家系統(tǒng)之后人工智能的又一重要應(yīng)用領(lǐng)域，是使計(jì)算機(jī)具有智能的 基本途徑，也是人工智能研究的核心課題之一，它的應(yīng)用普及人工智能的各個(gè)領(lǐng)域。學(xué)習(xí)是人類智能的重要特征，是獲得知識(shí)的 基本手段，而機(jī)器

13、學(xué)習(xí)也是使計(jì)算機(jī)具有智能的 基本途徑，如香克所說 “：一臺(tái)計(jì)算機(jī)假設(shè)不會(huì)學(xué)習(xí)，就不能稱為具有智能的。除此之外，機(jī)器學(xué)習(xí)還有助于發(fā)現(xiàn)人類學(xué)習(xí)的機(jī)理和提醒人腦的奧秘。學(xué)習(xí)是一個(gè)有特定目的的知識(shí)獲取過程，它的內(nèi)部主要表現(xiàn)為新知識(shí)構(gòu)造的不斷建設(shè)和修改，外部表現(xiàn)為性能的改善。一個(gè)學(xué)習(xí)過程本質(zhì)上講，就是學(xué)習(xí)系統(tǒng)把導(dǎo)師或?qū)＜姨峁┑男畔⑥D(zhuǎn)換成能被系統(tǒng)理解并應(yīng)用的形式的過程。按照系統(tǒng)對(duì)導(dǎo)師的依賴程度可將學(xué)習(xí)方法分類為：機(jī)械式學(xué)習(xí)Rote learning、講授式學(xué)習(xí)Learning from instruction、類比學(xué)習(xí)Learning by analogy、歸納學(xué)習(xí)Learning from induct

14、ion、觀察發(fā)現(xiàn)式學(xué)習(xí)learning by observation and discovery等。此外，近年來又開展了基于解釋、事例、概念、神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和遺傳學(xué)習(xí)等學(xué)習(xí)方法。3.4 神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)Aficial Neural Network，是由大量處理單元即神經(jīng)元互連而成的網(wǎng)絡(luò)，也常簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是一種由大量的節(jié)點(diǎn)或稱神經(jīng)元和之間相互聯(lián)接構(gòu)成的運(yùn)算模型，是對(duì)人腦或自然神經(jīng)網(wǎng)絡(luò)一些 基本特性的抽象和模擬，其目的在于模擬大腦的某些機(jī)理與機(jī)制，從而實(shí)現(xiàn)某些方面的功能。通俗地講，人工神經(jīng)網(wǎng)絡(luò)是仿真研究生物神經(jīng)網(wǎng)絡(luò)的結(jié)果。詳細(xì)地說，人工神經(jīng)網(wǎng)絡(luò)是為獲得某個(gè)特定問題的解，

15、根據(jù)所掌握的生物神經(jīng)網(wǎng)絡(luò)機(jī)理，按照控制工程的思路及數(shù)學(xué)描述方法，建設(shè)相應(yīng)的數(shù)學(xué)模型并采用適當(dāng)?shù)乃惴?，而有針?duì)性地確定數(shù)學(xué)模型參數(shù)的技術(shù)。神經(jīng)網(wǎng)絡(luò)的信息處理是由神經(jīng)元之間的相互作用實(shí)現(xiàn)的：知識(shí)與信息的存貯主要表現(xiàn)為網(wǎng)絡(luò)元件互連間分布式的物理聯(lián)系 。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力，它可以不依賴于“專家的頭腦，而自動(dòng)從已有的實(shí)驗(yàn)數(shù)據(jù)中總結(jié)規(guī)律。由此，人工神經(jīng)網(wǎng)絡(luò)擅長(zhǎng)于處理復(fù)雜多維的非線性問題，不但可以解決定性問題，也可解決定量的問題，同時(shí)還具有大規(guī)模并行處理和分布的信息存儲(chǔ)能力，具有良好的自適應(yīng)、自組織性以及很強(qiáng)的學(xué)習(xí)、聯(lián)想、容錯(cuò)和較好的可靠性。3.5 模式識(shí)別計(jì)算機(jī)人工智能所研究的模式識(shí)別是指用

16、計(jì)算機(jī)代替人類或幫助人類感知模式。其主要的研究對(duì)象是計(jì)算機(jī)模式識(shí)別系統(tǒng)，也就是讓計(jì)算機(jī)系統(tǒng)能夠模擬人類通過感覺器官對(duì)外界產(chǎn)生的各種感知能力。較早的模式識(shí)別研究工作集中在對(duì)文字和二維圖像的識(shí)別方面，并取得了不少成果。自 20 世紀(jì) 60 年代中期起 , 機(jī)器視覺方面的研究工作開場(chǎng)轉(zhuǎn)向解釋和描述復(fù)雜的三維景物這一更困難的課題。羅伯斯特 ( Robest ) 于 1965 年發(fā)表的論文奠定了分析由棱柱體組成的景物的方向，邁出了用計(jì)算機(jī)將三維圖像解釋成三維景物的一個(gè)單眼視圖的第一步，即所謂的積木世界。接著，機(jī)器識(shí)別由積木世界進(jìn)入識(shí)別更復(fù)雜的景物和在復(fù)雜環(huán)境中尋找目標(biāo)以及室外景物分析等方面的研究。目前研

17、究的熱點(diǎn)是活動(dòng)目標(biāo) ( 如飛行器 ) 的識(shí)別和分析，它是景物分析走向?qū)嵱没芯康囊粋€(gè)標(biāo)志。語音識(shí)別技術(shù)的研究始于 20 世紀(jì) 50 年代初期，開展到 20 世紀(jì) 70 年代，各種語音識(shí)別裝置相繼出現(xiàn)，性能良好的能夠識(shí)別單詞的聲音識(shí)別系統(tǒng)已進(jìn)入實(shí)用階段，神經(jīng)網(wǎng)絡(luò)用于語音識(shí)別也已取得成功。作為一門新興學(xué)科，模式識(shí)別在不斷開展，其理論根基和研究范圍也在不斷開展。當(dāng)前模式識(shí)別正處于大開展的階段，隨著其應(yīng)用范圍的逐漸擴(kuò)大及計(jì)算機(jī)科學(xué)的開展，模式識(shí)別技術(shù)將在今后有更大的開展，并且量子計(jì)算技術(shù)也將用于模式識(shí)別的研究。3.6 人工生命人工生命 ( Artificial Life, 簡(jiǎn)稱 AL) 是由美國(guó)圣菲研

18、究所非線性研究組的計(jì)算機(jī)科學(xué)家 Christopher Langton 于 1987 年與Los Alamos National Laboratory 召開的“生成以及模擬生命系統(tǒng)的國(guó)際會(huì)議上首先提出的。它主要是通過人工模擬生命系統(tǒng)來研究生命的領(lǐng)域。AL 的概念主要包括兩方面內(nèi)容：1計(jì)算機(jī)科學(xué)領(lǐng)域的虛擬生命系統(tǒng)，主要涉及計(jì)算機(jī)軟件工程和人工智能技術(shù)；2基因工程技術(shù)人工改造生物的工程生物系統(tǒng)，主要涉及合成生物學(xué)技術(shù)。相比于傳統(tǒng)的人工智能和神經(jīng)網(wǎng)絡(luò)，人工生命不管在理論上還是方法上都有很大的區(qū)別。人工生命主要是通過計(jì)算機(jī)仿真生命現(xiàn)象來表達(dá)自適應(yīng)機(jī)理，對(duì)相關(guān)非線性對(duì)象進(jìn)展更真實(shí)的動(dòng)態(tài)描述以及動(dòng)態(tài)特征研

19、究。人工生命學(xué)科主要包括仿生系統(tǒng)、人工建模與仿真、人工生命的計(jì)算理論、進(jìn)化動(dòng)力學(xué)、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等研究?jī)?nèi)容?，F(xiàn)階段比較典型的人工生命研究有：計(jì)算機(jī)病毒、計(jì)算機(jī)進(jìn)程、進(jìn)化機(jī)器人、自催化網(wǎng)絡(luò)、細(xì)胞自動(dòng)機(jī)、人工核苷酸和人工腦等。3.7 智能決策支持系統(tǒng)決策支持系統(tǒng)是屬于管理科學(xué)的范疇 , 它與“知識(shí) -智能有著極其密切的關(guān)系。自 20世紀(jì) 80年代以來專家系統(tǒng)在許多方面取得成功 ,將人工智能中特別是智能和知識(shí)處理技術(shù)應(yīng)用于決策支持系統(tǒng), 擴(kuò)大了決策支持系統(tǒng)的應(yīng)用范圍,提高了系統(tǒng)解決問題的能力 ,這就成為智能決策支持系統(tǒng) 。4 人工智能在人力資源中的應(yīng)用實(shí)例4.1 基于 AI 的

20、 HRMIS 程序設(shè)計(jì)與應(yīng)用程序開發(fā)方法在很大程度上影響著 HRMIS 的開發(fā)與應(yīng)用效果，本文選擇了一種基于 AI 的“過程藍(lán)圖語言進(jìn)展程序開發(fā)。過程藍(lán)圖語言是在問題分析圖( PAD) 、James Martin 的活動(dòng)圖、構(gòu)造化語言、UML 動(dòng)作語言、程序設(shè)計(jì)語言PDL) 、朱耀漢的軟件藍(lán)圖設(shè)計(jì)語言以及在多種現(xiàn)代文本編程語言根基上演化和開展起來的一種新的可視化程序過程建模語言，它不是單獨(dú)的某種語言和方法的演化結(jié)果，而是所有這些語言和方法相融合的產(chǎn)物。在設(shè)計(jì)過程藍(lán)圖時(shí)，構(gòu)造了概念、邏輯和實(shí)現(xiàn)三層視圖，并將它與 JAVA，C+，VB( Visual Basic) ，VFP( Visual Fox

21、Pro) ，PASCAL 這五種流行編程語言聯(lián)系和統(tǒng)一在一起，形成一個(gè)完整的過程藍(lán)圖語言構(gòu)成體系，它是一種具有三層外部視圖和統(tǒng)一結(jié)果的可視化行為過程分析，詳細(xì)設(shè)計(jì)和構(gòu)造的建模語言。過程藍(lán)圖設(shè)計(jì)方法以一個(gè)控制中心、增量迭代的標(biāo)準(zhǔn)開發(fā)過程來支持自上向下、逐步求精的構(gòu)造化開發(fā)方法，實(shí)現(xiàn)了過程開發(fā)各個(gè)階段的平滑過渡和無縫連接性。圖1 為過程藍(lán)圖語言構(gòu)成體系。圖1 過程藍(lán)圖語言構(gòu)成體系4.2 基于 AI 的 HRMIS 人機(jī)界面設(shè)計(jì)與應(yīng)用人機(jī)界面是人與系統(tǒng)連接的中間紐帶，它應(yīng)將用戶與數(shù)據(jù)庫(kù)、方法庫(kù)、模型庫(kù)與知識(shí)庫(kù)等進(jìn)展有機(jī)結(jié)合。HRMIS 人機(jī)界面需實(shí)現(xiàn)的功能應(yīng)包括五點(diǎn)，一是產(chǎn)生輸入 /輸出，決策者能夠

22、正確的輸入數(shù)據(jù)和有關(guān)參數(shù)，系統(tǒng)能正確的輸出系統(tǒng)運(yùn)行的結(jié)果給決策者; 二是提供 HRMIS 的控制機(jī)制，允許決策者控制 HRMIS 運(yùn)行，控制數(shù)據(jù)庫(kù)和模型庫(kù)的工作; 三是隨著環(huán)境和需求的變化，界面應(yīng)能容易擴(kuò)大和完整; 四是向決策者提供多種形式的交互形式; 五是顯示反響、幫助、提示功能。IDSS 作為 DSS 與 AI 相結(jié)合的產(chǎn)物，IDSS 系統(tǒng)的 基本構(gòu)件為數(shù)據(jù)庫(kù)、模型庫(kù)、方法庫(kù)、人機(jī)接口及智能部件，由這些 基本構(gòu)件可組成四庫(kù)構(gòu)造和融合構(gòu)造兩種系統(tǒng)構(gòu)造。IDSS 可以為決策者提供決策所需的數(shù)據(jù)、信息和背景材料，幫助明確決策目標(biāo)和進(jìn)展問題的識(shí)別，建設(shè)或修改決策模型，提供各種備選方案，并對(duì)各種方案

23、進(jìn)展評(píng)價(jià)和選優(yōu)，通過對(duì)人機(jī)交互功能進(jìn)展分析、比較和判斷，為正確、有效的決策提供必要支持。4.3 IDSS 在 HRMIS 模塊設(shè)計(jì)中的應(yīng)用基于 AI 的 HRMIS 構(gòu)造如圖 2 所示。圖2 基于 AI 的 HRMIS 構(gòu)造4.3.1 人力資源方案模塊在人力資源方案設(shè)計(jì)中，首先需運(yùn)用數(shù)據(jù)挖掘、知識(shí)發(fā)現(xiàn)(KDD) 等技術(shù)，調(diào)用現(xiàn)有內(nèi)外部消息，通過對(duì)這些信息的匯總分析得到現(xiàn)有組織中人力資源狀況的合理性，并據(jù)此對(duì)企業(yè)未來的人力資源管理做出預(yù)測(cè)及適當(dāng)評(píng)估與調(diào)整，這就需要由 IDSS 系統(tǒng)的統(tǒng)計(jì)功能及對(duì)自身某些數(shù)據(jù)的修改功能來實(shí)現(xiàn)，最終為決策者提供一份包括各種所需信息的報(bào)告。4.3.2 工作分析模塊ID

24、SS 系統(tǒng)可在全面考慮人力資源管理面臨的各種問題的根基上，通過工作分析模塊明確員工職責(zé)，可有效防止人力資源和物質(zhì)資源的浪費(fèi)與重復(fù)建設(shè)。如百分比和百分比分布、集中趨勢(shì)分析、離散程度分析、關(guān)系分析、重疊統(tǒng)計(jì)方法，這五種 基本的描述性統(tǒng)計(jì)方法只需程序化后，便可在 IDSS 系統(tǒng)中發(fā)揮作用了。對(duì)于現(xiàn)有工作分析結(jié)果，只需系統(tǒng)輸出模型庫(kù)現(xiàn)存的模型，而系統(tǒng)中沒有的職位分析，那么需專家系統(tǒng)借助人機(jī)交互部件獲取信息進(jìn)展相應(yīng)的數(shù)據(jù)庫(kù)、知識(shí)庫(kù)及模型庫(kù)分析。4.3.3 員工招聘與配置模塊我們可根據(jù)上兩個(gè)模塊的分析結(jié)果進(jìn)展員工招聘與配置，并進(jìn)展成本預(yù)算。該模塊中，數(shù)據(jù)庫(kù)管理最為重要，需要運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)進(jìn)展各種傳統(tǒng)數(shù)據(jù)的清

25、理、抽取與轉(zhuǎn)換，并根據(jù)相應(yīng)的決策主題進(jìn)展重新組織。數(shù)據(jù)倉(cāng)庫(kù)的物理構(gòu)造一般采用星型構(gòu)造的關(guān)系數(shù)據(jù)庫(kù)，運(yùn)用 OLAP 聯(lián)機(jī)分析處理，從不同角度提取有關(guān)數(shù)據(jù)。OLAP 技術(shù)可根據(jù)一定的規(guī)那么，實(shí)現(xiàn)系統(tǒng)數(shù)據(jù)庫(kù)的隨時(shí)修改更新，并結(jié)合招聘結(jié)果，由系統(tǒng)根據(jù)事先規(guī)定的標(biāo)準(zhǔn)對(duì)應(yīng)聘人員進(jìn)展確定，配置相適宜的職位與薪酬。4.3.4 績(jī)效考核模塊績(jī)效考評(píng)主要包括工作表現(xiàn)與工作業(yè)績(jī)考核兩種方式，IDSS 系統(tǒng)可利用現(xiàn)有較成熟的科學(xué)考評(píng)方法，如 360 度績(jī)效考評(píng)方法等。組織相關(guān)專家對(duì)可行的考評(píng)方法進(jìn)展程序化處理，便可實(shí)現(xiàn)計(jì)算機(jī)處理過程，如卡特爾 16 因素個(gè)性問卷、艾森克個(gè)性問卷等已經(jīng)存在現(xiàn)成軟件，只需將其移植到 IDSS 系統(tǒng)便可。4.3.5 人力資源薪酬模塊薪酬是員工從事勞動(dòng)的物質(zhì)報(bào)酬，具有保障和鼓勵(lì)雙重作用。由于現(xiàn)代企業(yè)競(jìng)爭(zhēng)的加劇及員工素質(zhì)的不