吳 豐，胡 蕙，胡 芳

（1.湖北航天計量測試技術研究所，湖北 孝感 432000；2.航天重型工程裝備有限公司，湖北 孝感 432000）

基于CART的人力資源管理研究

吳 豐1，胡 蕙1，胡 芳2

（1.湖北航天計量測試技術研究所，湖北 孝感 432000；
2.航天重型工程裝備有限公司，湖北 孝感 432000）

未來是信息化的時代，對高技術人才的需求越來越緊迫，企業(yè)管理者所制定的企業(yè)發(fā)展戰(zhàn)略的有效執(zhí)行需要高素質人才的支撐，企業(yè)人力資源管理逐步從過去的開放式管理模式逐步向定量評價管理發(fā)展，本文根據(jù)Gini指數(shù)建立了人力資源分類樹CART模型，為企業(yè)建立了一套信息評價、過濾和供給體系，通過量化評價的方式合理安排人員工作，提升了人力資源管理效率，促進企業(yè)戰(zhàn)略的順利實施。通過測試表明，該模型能以較簡單的量化評價模式為人力資源管理者提供參考意見。

人力資源；數(shù)據(jù)挖掘；CART模型；發(fā)展戰(zhàn)略

人力資源審核即是衡量企業(yè)對人力資源的掌握程度的重要標志，也是評估管理質量、水平和效率的重要依據(jù)。對于一個有近千人的企業(yè)來講，人力資源數(shù)據(jù)量是龐大的，從表面上看這些數(shù)據(jù)只是些毫不相關的數(shù)字，但從這些海量的數(shù)據(jù)中，卻可以提煉出存在的關系和規(guī)則，可根據(jù)現(xiàn)有的數(shù)據(jù)預測未來的發(fā)展趨勢。

對于人力資源管理而言，一個企業(yè)人力資源管理是和一個企業(yè)的經(jīng)營戰(zhàn)略、組織結構體系與文化價值觀緊密聯(lián)系的，具有獨特個性。一個成功企業(yè)的人力資源管理往往是最難復制和模仿的，如何通過人力資源管理來取得競爭優(yōu)勢成為了企業(yè)競爭的重要部分。

本文是以某企業(yè)人力資源數(shù)據(jù)為依據(jù)，建立人力資源數(shù)據(jù)倉庫，利用決策樹中的CART算法對所建立的數(shù)據(jù)倉庫進行深入分析，得出有用結論。CART決策樹算法是目前應用最廣泛的預測技術，它主要由決策節(jié)點、分支和葉子3部分組成。對數(shù)據(jù)集合中具有最大信息字段創(chuàng)建決策樹節(jié)點，并根據(jù)其節(jié)點字段的差值建立決策樹分支。在每個分支中重復上述過程，逐步建立樹的下層節(jié)點和分支，最終可以生成反映一定規(guī)則的決策樹。

1　數(shù)據(jù)挖掘的發(fā)展歷史及國內(nèi)外現(xiàn)狀

隨著數(shù)據(jù)庫技術的日益成熟，以及在相關領域的應用，人們收集了海量的數(shù)據(jù)。面對大數(shù)據(jù)的挑戰(zhàn)，傳統(tǒng)的數(shù)據(jù)分析方法難以應對海量數(shù)據(jù)的挑戰(zhàn)。為了有效的對數(shù)據(jù)隱含的信息進行分析，需要有新的數(shù)據(jù)分析手段。與此同時，人工智能技術取得了跨越式的發(fā)展。經(jīng)歷了博弈時期、自然語言理解、知識工程等階段的探索與發(fā)展，人工智能在機器學習領域取得了重大成就。因此，利用機器學習的方法來對數(shù)據(jù)庫的數(shù)據(jù)進行高效分析，發(fā)現(xiàn)大量數(shù)據(jù)背后隱含的知識，稱為知識發(fā)現(xiàn)（Knowledge Discovery in Databases，KDD）。數(shù)據(jù)發(fā)現(xiàn)涉及機器學習、模式識別、高性能計算、統(tǒng)計學等多個領域。將海量數(shù)據(jù)中提取有效的、具有潛在價值的知識應用于信息管理，科研等領域，為企業(yè)的發(fā)展提供決策。

知識發(fā)現(xiàn)（KDD）這個術語最早出現(xiàn)在美國召開的第十一屆國際人工智能聯(lián)合會議。隨著人工智能領域的飛速發(fā)展，會議的連續(xù)召開，原本的專題討論會已經(jīng)發(fā)展成為國際性的學術會議。通過多學科之間的互相融合，從原本的多策略多技術轉變?yōu)椴呗耘c技術之間的集成，發(fā)現(xiàn)方法轉向了系統(tǒng)應用。

2　CART算法

分類回歸樹（Classification And Regression Tree，CART）算法，它采用自上而下的遞歸方法對數(shù)據(jù)進行歸納，從無次序、無規(guī)則的數(shù)據(jù)中獲得相應的分類規(guī)則，尤其對非數(shù)值性數(shù)據(jù)有著較好的處理能力。本文將CART算法應用于人力資源分析中，起到輔助決策者分析的作用。CART算法是一種二分遞歸分割技術，將新樣本劃分為兩個子樣本，并使得生成的每個非葉子結點都有兩個分支，因此CART決策樹是結構簡潔的二叉樹。由于CART算法構成的二叉樹在每一步的決策時只有2個分支，即使一個分段取有多個值，也只能把數(shù)據(jù)分為兩部分。而構建CART決策樹主要分為兩個步驟。

3　將樣本遞歸劃分進行建樹過程

3.1用驗證數(shù)據(jù)進行剪枝

3.1.1CART模型建立

CART算法核心是對每個節(jié)點上要測試的屬性進行選取，其劃分點是一對連續(xù)變量屬性值的中點。假設M個樣本的集合一個屬性有m個連續(xù)的值，那么則會有m-1個分裂點，每個分裂點為相鄰兩個連續(xù)值的均值。每個屬性根據(jù)能減少的雜質的量來進行排序劃分，而減少量為劃分前減去劃分后的每個節(jié)點的雜質質量所占比率之和。而雜質度量方法常用Gini（Gini Coefficient）指標，假設一個樣本共有C類，則一個節(jié)點A的Gini不純度可定義為：

其中Pi表示屬于i類的概率，當GiniA=0時，所以樣本屬于同類，所有類在節(jié)點中以等概率出現(xiàn)時，Gini（A）最大化，此時：

如果當前節(jié)點的所有樣本都不屬于同一類或者只剩下一個樣本，那么此節(jié)點為非葉子節(jié)點，所以會嘗試樣本的每個屬性以及每個屬性對應的分裂點，嘗試找到雜質變量最大的一個劃分，該屬性劃分的子樹即為最優(yōu)分支。

3.1.2CART樹剪枝

通過CART剛生成的決策樹記為T0，然后從T0的底端開始剪枝，直到根節(jié)點。在剪枝的過程中，計算損失函數(shù)：

Ca（T）=C（T）+a|T|

a≥0，C（T）為訓練數(shù)據(jù)的預測誤差，|T|為模型的復雜度。對于一個固定的a，在T0中一定存在一顆樹Ta使得損失函數(shù)Ca（T）最小。將a在其取值空間內(nèi)劃分為一系列區(qū)域，在每個區(qū)域都取一個a然后得到相應的最優(yōu)樹，最終選擇損失函數(shù)最小的最優(yōu)樹。其中CART剪枝算法步驟如下。

（1）設K=0，T=T0，a=+∞

（2）自下向上地對各內(nèi)部節(jié)點進行遍歷，計算C（Tt），|Tt|及g（t），得到：

（3）自上向下訪問各內(nèi)部節(jié)點t，若g（t）=a，則進行剪枝，并對t以多數(shù)表決的方式?jīng)Q定其類，得到樹T。

（4）若T不是由根節(jié)點單獨構成的樹，則重復步驟（3）得到一系列的子樹。

（5）最后使用交叉驗證的方式從子樹序列中選取最優(yōu)子樹。

3.2人力資源數(shù)據(jù)測試研究

3.2.1數(shù)據(jù)選擇

數(shù)據(jù)選擇是指從數(shù)據(jù)本身和發(fā)現(xiàn)目標出發(fā)，尋找依賴于發(fā)現(xiàn)目標特征數(shù)據(jù)的過程。通過數(shù)據(jù)選擇有利于減少數(shù)據(jù)量，縮小目標數(shù)據(jù)范圍，從而在保證數(shù)據(jù)原貌的前提下對數(shù)據(jù)進行篩選。通過數(shù)據(jù)抽取使得數(shù)據(jù)具有更加明顯的規(guī)律和特征。通過對人才綜合能力定性分析，構成了由知識水平、思想個性、基本素質、個人能力和業(yè)績成果5個基本要素組成的人才評價指標。經(jīng)過選取有用的數(shù)據(jù)，去掉原數(shù)據(jù)其中噪聲數(shù)據(jù)和一些無關的數(shù)據(jù)，建立相對應的數(shù)據(jù)表（見表1）。

表1　人才標準評價指標表

3.2.2數(shù)據(jù)規(guī)范

針對異構數(shù)據(jù)源中數(shù)據(jù)的不規(guī)范性、重復性和不完整性等問題進行清理，達到將數(shù)據(jù)去除噪聲和糾正錯誤的目的，提高數(shù)據(jù)質量，符合分析要求。因此，數(shù)據(jù)規(guī)范需要對數(shù)據(jù)做出以下操作。

員工信息由唯一編號代替。分別對5個基本要素進行評價，其中知識水平對應A-D（A學歷層次，B任職資歷，C知識結構，D特殊技能），思想個性對應E-G（E職業(yè)道德，F(xiàn)合作意識，G工作作風），基本素質對應H-J（H語言表達，I文字水平，J健康狀況），個人能力對應K-L（K組織能力，L實踐能力），業(yè)績成果對應M-N （M工作效益，N工作獎項）。

每項要素每當達成一個評價指標便累計加一，最后合計當前要素點的總分。

分為三種類型的人才，分別為類型ω1、類型ω2和類型ω3。

通過對企業(yè)提供的數(shù)據(jù)進行抽樣，選取其中20名員工進行測試，按照數(shù)據(jù)規(guī)范及評價指標表的要求進行，得到測試數(shù)據(jù)表如表2所示。

利用Matlab軟件，構建人力資源分類樹CART模型，利用訓練樣本所得到的決策樹見圖1。

4　結 語

本文以某企業(yè)為例，提出了利用數(shù)據(jù)挖掘技術來克服在當前的人力資源管理中遇到的問題，提高管理質量。在具體應用中，主要利用的是數(shù)據(jù)挖掘中的CART算法，詳細介紹了CART算法在人力資源分析挖掘中的全過程。在CART樹模型的建立過程中，應用算法對不同類型的人力資源進行分析，找出影響的潛在因素，為企業(yè)管理者有針對性提高管理質量提供有利的數(shù)據(jù)支持，使員工能夠較好地保持良好的工作狀態(tài)，從而為企業(yè)管理者提供了決策支持信息，促使更好地開展管理工作，提高管理質量。

表2　測試數(shù)據(jù)表

圖1　生成的CART樹

主要參考文獻

［1］王董雨.如何構建企業(yè)人力資源發(fā)展戰(zhàn)略模型［J］.上海汽車，2005（3）.

［2］陶宇.人力資源管理團隊績效評價與對策——基于人力資源審核模型［J］.企業(yè)經(jīng)濟，2013（3）.

［3］韓起云.一種基于CART算法的移動通信客戶流失預測模型［J］.科技通報，2012（2）.

［4］駱盈盈，王柯玲，陳川，等.結合遞增式學習的CART算法改進［J］.計算機工程與設計，2007（7）.

［5］邢周凌.高績效人力資源管理系統(tǒng)的演變與形成——基于中國創(chuàng)業(yè)板上市公司的案例研究［J］.企業(yè)經(jīng)濟，2012（8）.

10.3969/j.issn.1673 - 0194.2015.24.101

F272.92

A

1673-0194（2015）24-0123-02

2015-11-19