文/華南理工大學(xué) 鐘得琿 趙悅含
數(shù)據(jù)挖掘技術(shù)在電力企業(yè)人資管理中的應(yīng)用
文/華南理工大學(xué) 鐘得琿 趙悅含
在這個(gè)信息技術(shù)和通信技術(shù)飛速發(fā)展的時(shí)代,管理信息這樣的系統(tǒng)已經(jīng)運(yùn)用在國(guó)內(nèi)很多的企業(yè)中,信息管理系統(tǒng)在處理業(yè)務(wù)的過(guò)程中產(chǎn)出了非常多的數(shù)據(jù),信息管理系統(tǒng)的數(shù)據(jù)是可以操作的數(shù)據(jù),不可以直接的用來(lái)分析和處理,所以導(dǎo)致了下面的這些現(xiàn)象:存在海量的業(yè)務(wù)數(shù)據(jù),企業(yè)卻無(wú)法從大量的數(shù)據(jù)中及時(shí)得到有用的管理信息。這樣導(dǎo)致大量的數(shù)據(jù)以及管理層信息無(wú)法被應(yīng)用。
技術(shù);電力企業(yè);人力資源;管理
首先,信息管理系統(tǒng)中的原始數(shù)據(jù)要通過(guò)抽取、清洗、轉(zhuǎn)換以及加載到數(shù)據(jù)庫(kù)中,使得數(shù)據(jù)庫(kù)構(gòu)成主題性的、集成的、時(shí)變的,這樣可以更有效地實(shí)現(xiàn)企業(yè)各種類信息資源的整理、集合、共享,從而實(shí)現(xiàn)及時(shí)并準(zhǔn)確的人員組成分析,可以為企業(yè)的管理、決策給予及時(shí)準(zhǔn)確的依據(jù)和參考。
(一)商業(yè)智能所指的就是從數(shù)據(jù)系統(tǒng)中提取到有效的數(shù)據(jù)。從海量的信息中第一時(shí)間發(fā)現(xiàn)有價(jià)格的數(shù)據(jù)信息,為企業(yè)管理層及決策層決策和戰(zhàn)略發(fā)展提供有效的幫助,盡可能的減少管理中純憑經(jīng)驗(yàn)的風(fēng)險(xiǎn)和隱患。
(二)數(shù)據(jù)庫(kù)技術(shù)是組建于信息系統(tǒng)這個(gè)業(yè)務(wù)發(fā)展的需求?;A(chǔ)與數(shù)據(jù)系統(tǒng)技術(shù)演變而來(lái)的,逐步成熟起來(lái)的一系列的新的應(yīng)用技術(shù)。它是商業(yè)智能的根基,很多基礎(chǔ)的報(bào)表可以通過(guò)它而生成。
(三)數(shù)據(jù)技術(shù)在線分析處理,它可以通過(guò)對(duì)信息的多種模式的觀察形式快速地、穩(wěn)定一致地、交互性地存取。O L A P專門(mén)用于支持復(fù)雜的分析和操作,側(cè)重對(duì)決策人員和高層管理人員的決策支持,可以根據(jù)分析人員的要求快速、靈活地進(jìn)行大量數(shù)據(jù)的復(fù)雜查詢處理,并且可以以一種直觀而且易懂的形式將查詢結(jié)果展現(xiàn)給決策人員,以便他們準(zhǔn)確掌握企業(yè)的經(jīng)營(yíng)狀況,制定正確的方案。
(四)數(shù)據(jù)挖掘的方法也有很多種類,數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)同時(shí)也支持很多種預(yù)測(cè)模型以便于對(duì)信息數(shù)據(jù)做相對(duì)的分析和分類。采用不同的方法是人力資源數(shù)據(jù)分析中最為重要及迫切需要解決的問(wèn)題,因此,我們很有必要的對(duì)它進(jìn)行比較和分析。比較常用的數(shù)據(jù)挖掘預(yù)測(cè)方法有:決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、回歸預(yù)測(cè)、聚類和規(guī)則引導(dǎo)等。
(五)數(shù)據(jù)挖掘技術(shù)的預(yù)測(cè)方法雖然種類繁多,不同的情況適用的預(yù)測(cè)方法也是不同。打個(gè)比方,先用決策樹(shù)和聚類的方法準(zhǔn)備的找出數(shù)據(jù)的總體方向和趨勢(shì),預(yù)測(cè)變量相關(guān)性之后,再使用神經(jīng)網(wǎng)絡(luò)或者規(guī)則引導(dǎo)方法比較有針對(duì)性的建模,這樣以來(lái),一方面可以更細(xì)致行的細(xì)化數(shù)據(jù)、提高本身的性能,另一方面在一定的程度上可以幫助噪音的消除。
首先,在電力企業(yè),對(duì)企業(yè)發(fā)展有重大影響的就是人力資源管理,同時(shí),在管理中自然會(huì)有很多紕漏以及問(wèn)題的出現(xiàn),那么產(chǎn)生的這些問(wèn)題和原因又不具有一定的確定性,因此問(wèn)題的解決一般很難用定量的方法去做到。所以,要把智能化的思想引入電力企業(yè)人力資源的管理中,為解決問(wèn)題提供更好、更有效的方法。
(一)聚類分析法是一種很理想的多變量統(tǒng)計(jì)技術(shù)。它分層聚類法和迭代聚類法,將相同性質(zhì)分為一類。相反,不同性質(zhì)的兩個(gè)個(gè)體歸到不同類。它可以幫助分析的人從員工基本數(shù)據(jù)庫(kù)中查看到不同的員工群。
(二)通過(guò)員工的年齡,在企業(yè)工作的時(shí)間、收入、技能是人力資源管理系統(tǒng)在電力企業(yè)中的一個(gè)典型的應(yīng)用。對(duì)這個(gè)類型的員工聚集歸類以后,將獲得每類的重要平均值,檢查并核查該平均值以及樣本特征的關(guān)聯(lián)程度。
數(shù)據(jù)挖掘的一般過(guò)程分為四項(xiàng):第一個(gè)是數(shù)據(jù)預(yù)處理。是指在主要的處理以前對(duì)數(shù)據(jù)進(jìn)行的一些處理。如對(duì)大部分物理面積性觀測(cè)數(shù)據(jù)在進(jìn)行轉(zhuǎn)換或增強(qiáng)處理之前,首先要將不規(guī)則分布的測(cè)網(wǎng)通過(guò)插值轉(zhuǎn)換然后成為規(guī)則網(wǎng)的處理,它以利于計(jì)算機(jī)的運(yùn)算。第二個(gè)是模型探索。這個(gè)工序完全可以由系統(tǒng)本身自動(dòng)執(zhí)行,從底部往上搜索原始的事實(shí)從而發(fā)現(xiàn)它們存在的某種關(guān)聯(lián)。第三個(gè)是結(jié)果分析。數(shù)據(jù)挖掘的整個(gè)探索過(guò)程不是一次形成的,一般是需要重復(fù)反復(fù)很多次進(jìn)行,因?yàn)楫?dāng)分析的人員給出結(jié)果以后,很有可能會(huì)出現(xiàn)一些之前并沒(méi)有出現(xiàn)過(guò)的新問(wèn)題或者是對(duì)某一方面的結(jié)果要做出更精準(zhǔn)的查詢。第四個(gè)是知識(shí)同化。對(duì)結(jié)果所出的報(bào)告進(jìn)行解釋和分析,這就是一個(gè)人工的過(guò)程了。
另外,還可以可以通過(guò)判斷總結(jié)分析出員工屬于哪一種類型。在數(shù)據(jù)庫(kù)的全部數(shù)據(jù)的記錄上,建立起待分類這樣的樣本集,將所要分類的對(duì)象稱之為樣本,也為樣本分類做到合理的分類,應(yīng)該將它們具體的屬性數(shù)量化。
企業(yè)所需要的關(guān)鍵員工是需要員工保持的,因此找到關(guān)鍵員工是員工保持工作的首要任務(wù)。那么,接下來(lái)是要針對(duì)那些有可能要離開(kāi)的員工,這樣就完全可以運(yùn)用決策樹(shù)的方法來(lái)完成這一項(xiàng)。
以上對(duì)于數(shù)據(jù)挖掘技術(shù)在商業(yè)智能的人力資源管理體系中進(jìn)行的分析和研究,目前看來(lái),數(shù)據(jù)挖掘技術(shù)已經(jīng)逐漸從高端的研究轉(zhuǎn)入常用的數(shù)據(jù)分析中。很多國(guó)外的金融業(yè)、零售業(yè)等像這樣一些對(duì)數(shù)據(jù)分析需求比較大的恒業(yè)都已經(jīng)成功地采取了數(shù)據(jù)挖掘技術(shù),總而言之,數(shù)據(jù)挖掘技術(shù)不會(huì)在缺乏指導(dǎo)的情況下自動(dòng)發(fā)掘模型,得到的模型必須建立在現(xiàn)實(shí)生活中,只有這樣,才能真正解釋最終的結(jié)果,從而促使該技術(shù)不斷完善和提高,使得數(shù)據(jù)挖掘能夠真正滿足信息時(shí)代人們對(duì)它的要求,更好地服務(wù)于社會(huì),也更好地服務(wù)于電力企業(yè)人力資源管理體系!
[1]盧建昌,樊圍國(guó).大數(shù)據(jù)時(shí)代下數(shù)據(jù)挖掘技術(shù)在電力企業(yè)中的應(yīng)用[J].廣東電力,2014(9):88-94.
[2]方德琳.淺析信息化在電力企業(yè)人才評(píng)價(jià)工作中的應(yīng)用與實(shí)踐[J].中國(guó)科技信息,2013(3):113.
[3]舒永芳.大數(shù)據(jù)時(shí)代下數(shù)據(jù)挖掘技術(shù)在電力企業(yè)中的應(yīng)用研究[J].低碳世界,2016(36):102-102.