亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于數(shù)據(jù)挖掘的大型企業(yè)人力資源需求預(yù)測研究

        2016-08-11 10:17:10李鵬
        人力資源管理 2016年6期
        關(guān)鍵詞:歷史數(shù)據(jù)需求預(yù)測數(shù)據(jù)挖掘

        摘要:對企業(yè)的人力資源需求預(yù)測方法進行梳理和分析,提出人力資源需求預(yù)測作為數(shù)據(jù)挖掘問題的研究思路。通過對典型數(shù)據(jù)挖掘工具支持向量機的理論分析,設(shè)計了一種針對人力資源需求預(yù)測的改進的支持向量回歸算法,并通過實例證明了本文提出的方法對企業(yè)人力資源需求預(yù)測具有良好的實際參考價值。

        一、問題的提出

        人力資源是企業(yè)可持續(xù)發(fā)展的第一資源?,F(xiàn)代人力資本理論認(rèn)為,人力資本是企業(yè)的最核心資產(chǎn),也是為企業(yè)贏得持久競爭優(yōu)勢的最后一項資產(chǎn)。同時人力資源成本的快速提高,使企業(yè)不得不進行更加精細化的人力資源管理規(guī)劃,以有效控制人工成本,實現(xiàn)企業(yè)發(fā)展戰(zhàn)略。

        人力資源需求預(yù)測是人力資源規(guī)劃的重要工作內(nèi)容。其一般根據(jù)企業(yè)內(nèi)部運行情況及外部環(huán)境分析,預(yù)測企業(yè)未來人力資源運行趨勢,以便提前制定相關(guān)策略,最終支撐、服務(wù)企業(yè)發(fā)展戰(zhàn)略。大型企業(yè)是國民經(jīng)濟的根本,是改革創(chuàng)新的主力,在民生、國防等領(lǐng)域發(fā)揮著中流砥柱的作用。大型企業(yè)不僅規(guī)模大、部門齊全,同時組織架構(gòu)復(fù)雜、崗位性質(zhì)迥異,其人力資源需求預(yù)測需要考慮多方面因素。本文在梳理企業(yè)人力資源需求預(yù)測方法的基礎(chǔ)上,引入數(shù)據(jù)挖掘的相關(guān)概念,提出了一種基于數(shù)據(jù)挖掘的多因素人力資源需求預(yù)測方法,以期為相關(guān)企業(yè)的人力資源需求規(guī)劃提供參考。

        二、人力資源需求預(yù)測一般方法

        目前,國內(nèi)外人力資源需求預(yù)測方法一般可分為定性的宏觀預(yù)測和定量的微觀預(yù)測兩大類。常用的宏觀預(yù)測方法包德爾菲法、經(jīng)驗預(yù)測法、經(jīng)理判斷法等。該類方法一般基于專家(人)的經(jīng)驗判斷,非常靈活,能夠適應(yīng)多變的內(nèi)、外部環(huán)境,但同時受人的主觀因素影響較大,因此常用于對趨勢的判斷。常用的微觀預(yù)測方法主要包括趨勢分析法、比例分析法等,該類方法使用數(shù)據(jù)分析的理念,建立在企業(yè)的客觀指標(biāo)下,能夠給出明確的預(yù)測結(jié)果,易于解讀、理解,在實際應(yīng)用中更具有操作性。但目前實際應(yīng)用微觀預(yù)測法時,預(yù)測模型的選定只能依據(jù)預(yù)測者的經(jīng)驗,并往往需要對影響因素和歷史情況進行簡化以保證可接受的計算復(fù)雜度,非常容易將關(guān)鍵因素錯誤的排除,導(dǎo)致預(yù)測失敗。

        三、基于數(shù)據(jù)挖掘的多因素人力資源需求預(yù)測方法

        1.數(shù)據(jù)挖掘原理

        數(shù)據(jù)挖掘是通過各種方法(一般為數(shù)學(xué)算法)從數(shù)據(jù)中探索隱藏的規(guī)律性信息的過程。從本質(zhì)上講,企業(yè)人力資源需求預(yù)測,可以看作是通過分析企業(yè)內(nèi)部情況及外部環(huán)境等因素,發(fā)現(xiàn)企業(yè)人力資源需求與影響因素間的內(nèi)在規(guī)律的過程,可作為典型的數(shù)據(jù)挖掘問題處理。

        機器學(xué)習(xí)是在20世界80年代興起的用于數(shù)據(jù)挖掘的學(xué)科。它一般利用統(tǒng)計學(xué)方法來探索輸入數(shù)據(jù)中存在的規(guī)律性,并可根據(jù)訓(xùn)練模型對新的輸入進行結(jié)果預(yù)測。支持向量機(SVM)作為一種優(yōu)秀的非線性機器學(xué)習(xí)工具,由Cortes&Vapnik;在1995年首先提出。它根據(jù)Vanik和Chervonenkis提出的統(tǒng)計學(xué)習(xí)理論,通過最小化結(jié)構(gòu)風(fēng)險,獲得對歷史數(shù)據(jù)實現(xiàn)最優(yōu)分類的超平面,具有理論完備、使用方便的特點,是機器學(xué)習(xí)研究的一項重大成果和研究熱點,目前仍在是機器學(xué)習(xí)領(lǐng)域的核心算法之一。

        雖然支持向量機最初是為解決分類問題提出的,但其核心的核函數(shù)與支持向量概念,使其很容易推廣到回歸分析,即支持向量回歸機(Support Vector Regression,SVR)。SVR通過核函數(shù),將輸入向量映射的一個高維特征空間中,尋求使所有樣本點離超平面的總偏差最小的超平面,從而取得在原空間非線性回歸的效果。同時,SVR仍保持著小樣本數(shù)據(jù)挖掘的出眾性能,非常適合用于企業(yè)人力資源需求預(yù)測。

        一般的,定義回歸函數(shù)為:

        (1)

        SVR將輸入量通過核函數(shù)映射到高維特征空間,并引入松弛變量 和懲罰系數(shù)C,將優(yōu)化目標(biāo)函數(shù)記作:

        (2)

        通過構(gòu)建拉格朗日函數(shù)計算極值點,最終獲得最優(yōu)的回歸超平面。

        2.變權(quán)重支持向量回歸機

        人力資源需求預(yù)測問題輸入的歷史數(shù)據(jù)從本質(zhì)上是時間序列數(shù)據(jù)。時間序列的重要特點是歷史數(shù)據(jù)的重要性隨著時間的回溯而下降,即在回歸過程中近期數(shù)據(jù)和早期數(shù)據(jù)的回歸誤差要求是不同的。而傳統(tǒng)SVR模型回歸過程中松弛變量 的權(quán)重是相同的,將導(dǎo)致回歸超平面會偏向大方差樣本,而非近期樣本,容易造成回歸失真。

        為了解決這一問題,引入權(quán)重系數(shù)向量 來實現(xiàn)對每個樣本采用不同的懲罰力度,以區(qū)別樣本序列中近期數(shù)據(jù)和早期數(shù)據(jù)的重要程度,調(diào)整各樣本在回歸中的作用,即變權(quán)重支持向量回歸機。調(diào)整后的模型形式為:

        (3)

        權(quán)重系數(shù)可采用指數(shù)化的權(quán)重系數(shù),即

        (4)

        其中,N為歷史數(shù)據(jù)合計年份數(shù)。

        四、某大型企業(yè)人力資源需求預(yù)測實例

        以某汽車行業(yè)企業(yè)為實例,對其人力資源需求進行分析,以驗證本方法對企業(yè)人力資源需求預(yù)測的效果。通過相關(guān)性分析,我們對影響該組織人力資源需求的因素進行篩選。選擇銷量、在研型號、產(chǎn)值、利潤、采購經(jīng)理指數(shù)五大因素作為影響其人力資源需求的關(guān)鍵因素,具體數(shù)據(jù)如表1所示,其中2010年至2015年為企業(yè)真實歷史數(shù)據(jù),2016年為預(yù)期目標(biāo)數(shù)據(jù)。

        1.數(shù)據(jù)的預(yù)處理

        從表1可以看到,關(guān)鍵因素之間的數(shù)值量級差距很大,導(dǎo)致各因素的序列方差差距很大,直接應(yīng)用將導(dǎo)致回歸結(jié)果只取決于方差大的影響因素,因此需要對數(shù)據(jù)進行預(yù)處理。這里采用z-score方法對每組關(guān)鍵因素進行處理,公式如下:

        (5)

        經(jīng)過預(yù)處理后,所有關(guān)鍵因素具有了近似的數(shù)值量級,處理結(jié)果見表2。

        2.變權(quán)重SVR人力資源需求預(yù)測

        選用LibSVM作為變權(quán)重SVR模型的實現(xiàn)環(huán)境,在原LibSVM函數(shù)SVMModel中加入指數(shù)化權(quán)重矩陣。采用高斯函數(shù)作為核函數(shù):

        (6)

        根據(jù)實驗和經(jīng)驗,設(shè)定核寬度 =20以實現(xiàn)對數(shù)據(jù)的高維非線性映射。懲罰因子C設(shè)置為100,可以避免懲罰因子過小對訓(xùn)練數(shù)據(jù)造成欠學(xué)習(xí)或過大造成對訓(xùn)練數(shù)據(jù)的過學(xué)習(xí)而導(dǎo)致的泛化性能惡化。模型中松弛變量基數(shù)取0.01,數(shù)據(jù)點的逼近精度較高,同時訓(xùn)練模型中支持向量的數(shù)目較少保證模型具有良好的外推性。

        為驗證本方法的預(yù)測精度,首先選取2010-2014年5年的歷史數(shù)據(jù)作為訓(xùn)練集,獲得回歸模型。將2015年各關(guān)鍵因素帶入獲得的SVR模型后,輸出2015年該組織的人力資源需求為5653人,人力資源缺口181人。與2015年實際5647人,補充175人相比,人員總數(shù)預(yù)測偏差為0.1%,人員缺口預(yù)測偏差為3.43%。而實際上,2015年該公司的人力資源情況較好的滿足了公司戰(zhàn)略實現(xiàn)的需要,證明預(yù)測結(jié)果具有良好的參考價值。

        為預(yù)測2016人公司人力資源需求,重新選取2010-2015年6年的歷史數(shù)據(jù)作為訓(xùn)練集訓(xùn)練新的SVR模型,帶入2016年各關(guān)鍵因素,預(yù)測2016年該組織的人力資源需求為5962人,即該組織2016年的人員缺口為315人。

        五、結(jié)論

        本文從數(shù)據(jù)挖掘的角度研究企業(yè)人力資源需求預(yù)測問題,在傳統(tǒng)SVR的基礎(chǔ)上,通過引入樣本權(quán)重向量實現(xiàn)對歷史數(shù)據(jù)時間序列重要度的區(qū)分,更好的適應(yīng)了企業(yè)歷史數(shù)據(jù)的特點。實例證明了本方法對企業(yè)人力資源需求預(yù)測具有良好的參考價值。

        由于影響大型企業(yè)人力資源需求預(yù)測的關(guān)鍵因素較多,如何更好地選擇、提取和綜合各因素,使其與數(shù)據(jù)挖掘方法更科學(xué)的結(jié)合,仍是需要進一步研究的問題。

        參考文獻

        [1]孫海法.現(xiàn)代企業(yè)人力資源管理[M].廣州:中山大學(xué)出版社,2002

        [2]韓亞明.淺析人力資源需求預(yù)測常用方法[J].人力資源管理,2011(4):51-52

        [3]C Cortes,V Vapnik.Support-Vector Networks[J].Machine Learning, 1995,20(3):273-297

        [4]Chih-Chung Chang and Chih-Jen Lin. LIBSVM: A library for support vector machines[J]. Acm Transactions on Intelligent Systems & technology, 2011,2(3):389-396

        作者簡介:

        李鵬,男,1984年生,博士研究生,工程師,研究方向為數(shù)據(jù)分析與挖掘

        猜你喜歡
        歷史數(shù)據(jù)需求預(yù)測數(shù)據(jù)挖掘
        基于充電策略估算動力電池容量的方法
        汽車電器(2025年1期)2025-02-03 00:00:00
        基于貝葉斯最大熵的電動汽車充電需求預(yù)測
        吉林電力(2022年2期)2022-11-10 09:24:42
        基于設(shè)備PF性能曲線和設(shè)備歷史數(shù)據(jù)實現(xiàn)CBM的一個應(yīng)用模型探討
        智能制造(2021年4期)2021-11-04 08:54:36
        基于故障歷史數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的接地選線方案研究
        探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢
        基于Hadoop技術(shù)實現(xiàn)銀行歷史數(shù)據(jù)線上化研究
        基于并行計算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
        電力與能源(2017年6期)2017-05-14 06:19:37
        基于計算實驗的公共交通需求預(yù)測方法
        一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
        中國中長期煤炭需求預(yù)測
        东京热东京道日韩av| 免费无码肉片在线观看| 性做久久久久久久| 成人性生交大片免费看i| 精品亚洲一区二区三区四| 精品日产卡一卡二卡国色天香 | 国产小屁孩cao大人| 在线播放偷拍一区二区| 亚洲综合极品美女av| 亚洲色丰满少妇高潮18p| 国产精品玖玖玖在线资源| 白嫩少妇在线喷水18禁| 欧美成人精品第一区| 亚洲国产成人久久综合电影| 亚洲av不卡电影在线网址最新 | 国产麻豆久久av入口| gv天堂gv无码男同在线观看| 欧美黄色免费看| 国产精品av网站在线| 精品欧美一区二区三区久久久| 国产高清在线精品一区| 秋霞日韩一区二区三区在线观看| 精品女人一区二区三区| 乱子轮熟睡1区| 中文字幕精品无码一区二区| 福利片免费 亚洲| 天堂蜜桃视频在线观看| 三年中文在线观看免费大全| 日韩高清毛片| 在线观看女同一区二区| 综合亚洲伊人午夜网| 一区二区传媒有限公司| 宅宅午夜无码一区二区三区| 亚洲精品国产av日韩专区| 亚洲精品久久| 精品国产91天堂嫩模在线观看| 亚洲一区亚洲二区中文字幕| 在线播放五十路熟妇| 天堂sv在线最新版在线| 日韩在线精品视频观看| 日韩精品熟妇一区二区三区|