雷靄荻 盧浩田

（成都飛機工業(yè)（集團）有限責(zé)任公司 四川省成都市 610000）

企業(yè)畫像技術(shù)的運用能夠?qū)ζ髽I(yè)發(fā)展中的基本信息、社會形象、股票信息、運營情況等相關(guān)情況進行系統(tǒng)分析，并通過相關(guān)技術(shù)以圖表的方式進行呈現(xiàn)，具有直觀性以及高時效性的特征，通過馬爾可夫邏輯網(wǎng)以及知識圖譜的運用，能夠?qū)ζ髽I(yè)發(fā)展的相關(guān)內(nèi)容進行整合，促進對企業(yè)經(jīng)營情況以及行業(yè)發(fā)展詳情的掌握，以此進行情感提煉與熱度傳播分析，以此促進企業(yè)的市場決策。

1 知識圖譜及馬爾可夫邏輯網(wǎng)

1.1 大規(guī)模企業(yè)信息采集

企業(yè)知識圖譜具有較大的密度，不同類型數(shù)據(jù)之間具有較為復(fù)雜的關(guān)系，整體數(shù)據(jù)量相對較小，屬于垂直領(lǐng)域的知識圖譜。從相關(guān)網(wǎng)站中爬取企業(yè)發(fā)展的相關(guān)信息，包括企業(yè)高管人員信息、企業(yè)成立與發(fā)展的基本信息、企業(yè)員工信息、企業(yè)發(fā)展相關(guān)社會新聞、企業(yè)持股信息、企業(yè)招聘信息、員工教育信息以及員工社交網(wǎng)站中的相關(guān)信息等。對搜集到的各類信息進行隱私保護與匿名化處理，在企業(yè)信息處理中，構(gòu)建相應(yīng)的邏輯規(guī)則，并依據(jù)具體數(shù)據(jù)，將部分規(guī)則轉(zhuǎn)化為閉原子，由此生成閉馬爾可夫網(wǎng)，針對不同的影響要素設(shè)置相應(yīng)權(quán)重，通過閉馬爾可夫網(wǎng)對相關(guān)數(shù)據(jù)進行整理分析[1]。

1.2 企業(yè)數(shù)據(jù)統(tǒng)計分析

對整理的各類數(shù)據(jù)進行記錄分析，分析公司產(chǎn)品所處的不同行業(yè)，對企業(yè)市值進行劃分，分析統(tǒng)計員工人數(shù)或者員工工作經(jīng)歷，構(gòu)建企業(yè)信息數(shù)據(jù)集，編寫爬蟲，構(gòu)建企業(yè)知識庫，通過大規(guī)模分布式服務(wù)器，獲得企業(yè)發(fā)展的相關(guān)信息，通過對數(shù)據(jù)的預(yù)處理，得出企業(yè)發(fā)展的相關(guān)數(shù)據(jù)信息。

2 企業(yè)畫像技術(shù)

2.1 三層企業(yè)知識圖譜

企業(yè)知識圖譜可以分為三層，最下一層為企業(yè)基本實體關(guān)系圖，中間一層屬于實體層，最上面則屬于馬爾可夫邏輯網(wǎng)知識層面，三層圖譜從下往上逐層推進，通過數(shù)據(jù)收集與人工分析，得出當(dāng)前該企業(yè)發(fā)展中不同要素之間的聯(lián)系，例如員工在職與離職情況[2]。

2.2 馬爾可夫邏輯網(wǎng)及知識學(xué)習(xí)

馬爾可夫網(wǎng)是由變量集合所構(gòu)成的聯(lián)合分布模型，綜合運用了統(tǒng)計學(xué)以及概率學(xué)等相關(guān)層面的知識，該網(wǎng)絡(luò)體系運用過程中，針對不同的元素，綁定相應(yīng)的規(guī)則，由此構(gòu)建軟化一階謂詞邏輯規(guī)則下的硬性約束。馬爾可夫邏輯網(wǎng)知識學(xué)習(xí)中包括參數(shù)學(xué)習(xí)與知識學(xué)習(xí)兩種類型，參數(shù)學(xué)習(xí)的常見方法有判別式結(jié)構(gòu)學(xué)習(xí)、判別式結(jié)構(gòu)學(xué)習(xí)，指的是在確定馬爾可夫邏輯網(wǎng)結(jié)構(gòu)之下，優(yōu)化學(xué)習(xí)公式參數(shù)，運用馬爾可夫邏輯網(wǎng)構(gòu)建一個關(guān)系數(shù)據(jù)庫，形成一組真值閉原子的集合。該關(guān)系中，設(shè)置了證據(jù)謂詞以及查詢謂詞，數(shù)據(jù)庫對此進行分類與整理。馬爾可夫邏輯網(wǎng)知識學(xué)習(xí)中則構(gòu)建了結(jié)構(gòu)合理的網(wǎng)絡(luò)結(jié)構(gòu)。馬爾可夫邏輯網(wǎng)屬于一個概率分布，覆蓋范圍與設(shè)計的精確性有限，通過DSL 算法得出馬爾可夫邏輯。

2.3 企業(yè)知識圖譜的知識推理與實驗評價方法

構(gòu)建針對具體細則的一階邏輯規(guī)則，將搜集到的相關(guān)數(shù)據(jù)轉(zhuǎn)化為閉原子，構(gòu)成閉馬爾科夫網(wǎng)，進行相關(guān)權(quán)重設(shè)置，依據(jù)馬爾科夫網(wǎng)進行相關(guān)內(nèi)容的推理。本文研究中，在對企業(yè)相關(guān)內(nèi)容畫像時，對數(shù)據(jù)集進行分類，對數(shù)據(jù)進行交叉驗證，以此判斷企業(yè)與個人之間的雇傭關(guān)系。

本次研究中，數(shù)據(jù)集收集了152個謂詞，主要包含的內(nèi)容包括企業(yè)、員工、企業(yè)評價、社交網(wǎng)路平臺、高管以及企業(yè)招聘等多層面信息。借助pracmln包實現(xiàn)了 DSL 算法，運用了馬爾可夫邏輯網(wǎng)絡(luò)，能夠在 Python 腳本中使用 MLN。使用用 5 折交叉驗證的的方式計算謂詞對精確率-召回率曲線（AUC）下的面積。以此精準測量概率估計的質(zhì)量、運用 Lazy-MC-SAT 算法綜合評價企業(yè)知識學(xué)習(xí)的結(jié)果。常見的查詢謂詞為sameCompany、ifFriend、samePerson，通過Lazy-MC-SAT 算法的運用精準預(yù)測查詢謂詞的數(shù)值[3]。

3 企業(yè)畫像構(gòu)建與應(yīng)用

3.1 企業(yè)畫像內(nèi)容

運用馬爾可夫邏輯網(wǎng)、企業(yè)知識庫等對企業(yè)的相關(guān)信息進行整合分析，以此全方位多角度對對企業(yè)畫像。主要包括企業(yè)經(jīng)營基本信息、知識產(chǎn)權(quán)、歷史信息、企業(yè)框架分析、運營現(xiàn)狀、運營風(fēng)險、人力結(jié)構(gòu)分析以及企業(yè)發(fā)展相關(guān)預(yù)測等。

基本信息主要體現(xiàn)為企業(yè)成立的相關(guān)信息，包括企業(yè)成立資本、發(fā)展所處地、發(fā)展類型、股東情況、工商情況以及及分支機構(gòu)建立情況等。知識產(chǎn)權(quán)內(nèi)容主要包括企業(yè)經(jīng)營中的專利建設(shè)情況、作者著作權(quán)、網(wǎng)站經(jīng)營信息、商標信息等，

歷史信息體現(xiàn)為企業(yè)經(jīng)營中的歷史經(jīng)營數(shù)據(jù)等，企業(yè)框架體現(xiàn)為企業(yè)發(fā)展中的各類信息集合、員工及其職位信息、股權(quán)情況、企業(yè)構(gòu)架情況等。運營情況是企業(yè)發(fā)展中的核心信息，包括企業(yè)的融資情況、產(chǎn)品開發(fā)情況、市場運營情況、產(chǎn)品市場反饋情況以及客戶關(guān)系管理等。運營風(fēng)險指的是企業(yè)經(jīng)營活動進行過程中可能面臨的市場經(jīng)營風(fēng)險，較為常見的表現(xiàn)有行政處罰、稅收違法、欠稅公告、市場風(fēng)險、同行風(fēng)險等。

3.2 企業(yè)科研情況畫像

科研情況主要體現(xiàn)為企業(yè)發(fā)展中的市場競爭力情況，是一個企業(yè)在新產(chǎn)品開發(fā)中的市場競爭優(yōu)勢，體現(xiàn)了一個企業(yè)發(fā)展中的整體創(chuàng)新優(yōu)勢，通過對企業(yè)科研情況的畫像，能夠反映出企業(yè)的科技創(chuàng)新能力。將企業(yè)科研有關(guān)的各個發(fā)展項目進行總結(jié)，繪制企業(yè)科研相關(guān)的知識圖譜，通過對相關(guān)數(shù)據(jù)資料的整合分析，得出企業(yè)整體科研投入情況，從企業(yè)資金投入以及員工投入兩個層面進行分析，以此對企業(yè)的科研創(chuàng)新情況進行綜合判斷。

其企業(yè)員工專業(yè)類型中，電子與計算機類專業(yè)人數(shù)占比最多，其次為經(jīng)管類，第三為藝術(shù)類，第四為醫(yī)學(xué)類，最后為法律類。該企業(yè)員工專業(yè)類型較為豐富，上述五個專業(yè)在企業(yè)員工類型中占比約24%。從創(chuàng)新層面分析，該公司計算機專業(yè)人才占比 26.2%，數(shù)值略低，在技術(shù)研發(fā)層面有較大的上升改進空間，其次為經(jīng)管類人才較多，顯示該企業(yè)在市場開拓、產(chǎn)品研發(fā)、客戶管理等層面具有顯著優(yōu)勢，整體具有較多的人才儲備。

分析該公司的科研經(jīng)費投入情況，通過近6年的科研投入情況分析可見，該公司在2015年具有較大的科研投入，高于2016年及2017年投入數(shù)值。近幾年來公司的科研經(jīng)費投入整體上均有所增加，2018年科研投入達到142.4億美元。研發(fā)支出在經(jīng)營收入中占比5.36%?？梢娫撈髽I(yè)科研投入整體較高，對企業(yè)的長遠發(fā)展提供了必要支持與助力。

3.3 員工對企業(yè)的評價情況基礎(chǔ)畫像

企業(yè)對員工的評價反應(yīng)了一個企業(yè)員工的穩(wěn)定性以及對企業(yè)的認可程度。因此應(yīng)當(dāng)構(gòu)建員工對企業(yè)評價的基礎(chǔ)畫像。在員工對企業(yè)評價較低時，可能增加員工離職率，導(dǎo)致企業(yè)出現(xiàn)員工流失現(xiàn)象。運用馬爾科夫邏輯網(wǎng)對某企業(yè) 13494 名員工對企業(yè)的評價進行數(shù)據(jù)分析，得出2011-2019年間員工工作與生活之間的平衡關(guān)系、員工對公司運營的整體評價、對企業(yè)產(chǎn)品及銷售情況的認知、對企業(yè)文化的認可情況及員工個人發(fā)展前景等時。得出圖1。

圖1：某公司員工評價隨年份變化折線圖

從圖1中能夠看出，從總體表現(xiàn)層面，該企業(yè)員工對公司的評價呈現(xiàn)整體上升的局面。以每一個指標滿分為5分進行計算，可見員工在對事業(yè)發(fā)展前景、工作與生活的平衡以及個人事業(yè)發(fā)展前景評價等三個指標上分值低于3分，員工整體評價不高。基于以上數(shù)值分析，要求企業(yè)將關(guān)注的重點之一放在員工對發(fā)展前景的評價層面。

要求公司發(fā)展過程中，將員工個人發(fā)展情況納入企業(yè)整體的發(fā)展體系之中，從員工對此部分的評價不高可見，公司整體發(fā)展存在一定的改進空間，未能夠達到良好的發(fā)展預(yù)期，對此要求企業(yè)采取相應(yīng)的發(fā)展對策，通過多項措施有效改善員工與企業(yè)發(fā)展評價下滑的現(xiàn)象，以此提早預(yù)防未來可能出現(xiàn)的員工離職現(xiàn)象，以此針對員工對企業(yè)的評價情況進行畫像，從而掌握員工對企業(yè)的實際評價情況。

3.4 頻繁跳槽的員工推理畫像

員工跳槽是企業(yè)管理與運行中的常見現(xiàn)象，但是不利于公司職員隊伍的穩(wěn)定，因此對員工跳槽情況進行研究與分析，并對此進行畫像。員工跳槽對企業(yè)的不良影響主要體現(xiàn)在影響公司正常業(yè)務(wù)的開展，容易帶走公司的發(fā)展機密，容易影響其他員工的工作情緒，容易引發(fā)公司內(nèi)部出現(xiàn)同事或者上下級跳槽的連鎖反應(yīng)，容易降低公司發(fā)展的市場競爭力，增加競爭對手的發(fā)展實力。

在極端情況下，可能會給公司帶來較大的損失。因此在管理過程中可以結(jié)合公司工作開展的實際情況，及時發(fā)現(xiàn)可能跳槽的員工，并對此采取相應(yīng)的補救與防范措施。例如某公司在對員工跳槽情況的研究之后，分析出其中的影響因素及其權(quán)重。其中若一個員工同公司的朋友跳槽，則該員工存在跳槽的可能性，該因素權(quán)重2.3。若一個員工居住地發(fā)生變化，則該員工跳槽存在跳槽可能性，該因素權(quán)重 1.7。若一個員工以往工作史中頻繁跳槽，則該員工在跳槽可能性，權(quán)重1.1，若一個員工對公司整體的評價不高，則該員工存在跳槽可能性，權(quán)重2.7。整理員工跳槽的相關(guān)因素，通過多項因素分析，計算出可能會跳槽的員工，通過推理計算與分析，對員工可能的跳槽行為進行分析，通過統(tǒng)計得出相應(yīng)數(shù)據(jù)，通過知識推理得出員工跳槽的可能性情況。見圖2。

圖2：某公司部分跳槽員工及其就職過的公司分析圖

通過對跳槽員工的推理畫像，能夠較為真實地反映出員工跳槽情況，以此能夠有效預(yù)防員工跳槽情況，減少員工跳槽率，從而減少員工跳槽對企業(yè)發(fā)展的不良影響。

4 結(jié)束語

運用知識圖譜分析企業(yè)相關(guān)情況，對企業(yè)發(fā)展的相關(guān)內(nèi)容進行畫像，主要從企業(yè)科研方向、員工對企業(yè)的評價以及員工頻繁跳槽等層面進行分析，以此對企業(yè)發(fā)展的實際情況進行解讀。通過畫像，較為直觀地展現(xiàn)企業(yè)發(fā)展的實際情況，能夠促進企業(yè)合作伙伴的查找、企業(yè)發(fā)展情況分析以及企業(yè)自身發(fā)展問題的自查等，以此促進企業(yè)對自身發(fā)展情況的把握，從而以此促進企業(yè)的可持續(xù)發(fā)展。