● 張志宇 呂明麗 李從東

數(shù)據(jù)挖掘在人崗匹配中的應(yīng)用研究

● 張志宇 呂明麗 李從東

本文將數(shù)據(jù)挖掘技術(shù)引入人崗匹配管理，探討了數(shù)據(jù)挖掘在人崗匹配管理中的應(yīng)用過(guò)程。

人崗匹配 評(píng)價(jià)指標(biāo) 數(shù)據(jù)挖掘 系統(tǒng)

員工與崗位的匹配問(wèn)題是人力資源管理中的基本問(wèn)題。由于人崗匹配問(wèn)題受到多種因素影響，呈現(xiàn)出非線性的特征。不同企業(yè)的人崗匹配問(wèn)題具有特殊性，利用一般的數(shù)學(xué)方法無(wú)法完全滿足這些要求。計(jì)算機(jī)系統(tǒng)輔助決策技術(shù)的進(jìn)步己經(jīng)對(duì)企業(yè)管理產(chǎn)生了直接的影響，使管理者能夠利用計(jì)算機(jī)系統(tǒng)輔助解決管理中的決策問(wèn)題，但傳統(tǒng)的決策方法不能深入挖掘企業(yè)信息化數(shù)據(jù)中蘊(yùn)含的規(guī)律和有用的知識(shí)。人們希望能夠讓計(jì)算機(jī)智能地分析企業(yè)數(shù)據(jù)庫(kù)中的海量數(shù)據(jù)以獲取有用決策管理信息，這就是推動(dòng)數(shù)據(jù)挖掘（Data Mining,DM）這一輔助決策工具產(chǎn)生并發(fā)展的強(qiáng)大動(dòng)力。本文將數(shù)據(jù)挖掘應(yīng)用于企業(yè)的人崗匹配管理，并詳細(xì)分析數(shù)據(jù)挖掘技術(shù)的應(yīng)用過(guò)程。

一、數(shù)據(jù)挖掘及其功能

數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含但有價(jià)值的、用戶感興趣的信息和知識(shí)的處理過(guò)程。

數(shù)據(jù)挖掘任務(wù)一般可分為兩類：描述和預(yù)測(cè)。描述性挖掘任務(wù)刻畫數(shù)據(jù)庫(kù)中數(shù)據(jù)的一般特性，預(yù)測(cè)性挖掘任務(wù)是在當(dāng)前數(shù)據(jù)上進(jìn)行推斷，以進(jìn)行預(yù)測(cè)。數(shù)據(jù)挖掘的功能有：

1．特征化和區(qū)分。數(shù)據(jù)特征化可以匯總所研究類的數(shù)據(jù)，數(shù)據(jù)區(qū)分可以將目標(biāo)類與一個(gè)或多個(gè)比較類進(jìn)行比較。數(shù)據(jù)特征化的發(fā)現(xiàn)方法和實(shí)現(xiàn)技術(shù)有很多，如數(shù)據(jù)立方體、面向?qū)傩缘臍w約等。

2．關(guān)聯(lián)分析。它廣泛用于事務(wù)數(shù)據(jù)分析，可以發(fā)現(xiàn)不同屬性值在給定數(shù)據(jù)信箱集中出現(xiàn)的頻繁程度,也可以發(fā)現(xiàn)事務(wù)中屬性的相關(guān)性。

3．分類。它用于找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型,以便使用此模型預(yù)測(cè)類標(biāo)記未知的對(duì)象類。它通常使用類標(biāo)記已知的數(shù)據(jù)對(duì)象作為訓(xùn)練數(shù)據(jù)集，通過(guò)對(duì)該數(shù)據(jù)集的分析,導(dǎo)出數(shù)據(jù)的分類模型，然后使用模型預(yù)測(cè)未知數(shù)據(jù)。

4．聚類。聚類與分類不同，它沒(méi)有類標(biāo)記作為指導(dǎo)，又稱為無(wú)指導(dǎo)的分類，類標(biāo)記由它本身產(chǎn)生。對(duì)象根據(jù)最大化類內(nèi)的相似性、最小化類間的相似性的原則進(jìn)行聚類和分組。

5．孤立點(diǎn)分析。數(shù)據(jù)庫(kù)中可能包含一些數(shù)據(jù)對(duì)象，它們與數(shù)據(jù)的一般行為或模型不一致，這些數(shù)據(jù)對(duì)象稱為孤立點(diǎn)。對(duì)這些數(shù)據(jù)的挖掘分析可以用于處理一些罕見(jiàn)事件，比如信用卡欺詐等。

6．演變分析。它用于描述行為隨時(shí)間變化的規(guī)律或趨勢(shì),并對(duì)其建模。

7．預(yù)測(cè)分析。它根據(jù)時(shí)間序列型數(shù)據(jù)，由歷史的和當(dāng)前的數(shù)據(jù)去推測(cè)未來(lái)的數(shù)據(jù)。

二、數(shù)據(jù)挖掘在人崗匹配中的作用

數(shù)據(jù)挖掘可以在人崗匹配中的以下幾個(gè)方面運(yùn)用：

1.匹配關(guān)系分類?；跀?shù)據(jù)挖掘的聚類算法用來(lái)劃分不同員工群的人崗匹配關(guān)系，避免了傳統(tǒng)方法帶來(lái)的主觀隨意性，從而體現(xiàn)對(duì)企業(yè)不同員工群的差異化管理策略，實(shí)現(xiàn)人力資源價(jià)值最大化。

2.人崗匹配測(cè)評(píng)。把應(yīng)聘員工的指標(biāo)特征值輸入，網(wǎng)絡(luò)就能輸出匹配結(jié)果，以此幫助企業(yè)制定合適的招聘策略，選擇最優(yōu)人才。

3.員工細(xì)分。利用數(shù)據(jù)挖掘的決策樹分類算法對(duì)員工的不同屬性指標(biāo)進(jìn)行細(xì)分，以此來(lái)確定哪些屬性會(huì)導(dǎo)致員工所屬的狀態(tài)，從而進(jìn)行更有針對(duì)性地崗位培訓(xùn)，節(jié)省企業(yè)員工培訓(xùn)成本，取得有效的管理業(yè)績(jī)。

4.匹配關(guān)系預(yù)測(cè)。把握人崗匹配關(guān)系動(dòng)態(tài)特征是人崗匹配管理的關(guān)鍵。數(shù)據(jù)挖掘通過(guò)對(duì)實(shí)時(shí)動(dòng)態(tài)關(guān)系數(shù)據(jù)的采集和整理，將多因素的數(shù)據(jù)進(jìn)行融合、挖掘，提取人崗匹配關(guān)系的狀態(tài)特征，同時(shí)結(jié)合歷史數(shù)據(jù)和未來(lái)預(yù)測(cè)數(shù)據(jù)對(duì)關(guān)系的演化過(guò)程進(jìn)行仿真預(yù)測(cè)，有效促進(jìn)人崗匹配關(guān)系向有利方向發(fā)展。

三、數(shù)據(jù)挖掘在人崗匹配中的具體運(yùn)用

根據(jù)上文對(duì)人崗匹配關(guān)系的論述，結(jié)合數(shù)據(jù)挖掘的處理過(guò)程，建立如圖1所示的基于數(shù)據(jù)挖掘的人崗匹配管理系統(tǒng)模型。其工作過(guò)程主要包括以下三個(gè)階段：

1．?dāng)?shù)據(jù)準(zhǔn)備階段。這個(gè)階段又分成2個(gè)子步驟：數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理。數(shù)據(jù)選擇是根據(jù)人崗匹配管理的最終目標(biāo)收集需要分析的數(shù)據(jù)集合，包括現(xiàn)有崗位及要求、在崗員工的各個(gè)屬性、各評(píng)價(jià)指標(biāo)值。有時(shí)需要用調(diào)查問(wèn)卷進(jìn)行數(shù)據(jù)收集或在企業(yè)信息數(shù)據(jù)庫(kù)中進(jìn)行收集。預(yù)處理是為了克服目前數(shù)據(jù)采掘工具的局限性，得到的數(shù)據(jù)進(jìn)行各種針對(duì)數(shù)據(jù)挖掘方法的轉(zhuǎn)換或匯總，得到目標(biāo)數(shù)據(jù)庫(kù)。

2．?dāng)?shù)據(jù)挖掘階段。這個(gè)階段進(jìn)行實(shí)際的挖掘操作，是整個(gè)過(guò)程的核心。這一步驟需針對(duì)上一階段得到的目標(biāo)數(shù)據(jù)，根據(jù)不同的業(yè)務(wù)要求，選擇不同數(shù)據(jù)挖掘方法進(jìn)行挖掘，并將得到的結(jié)果存于知識(shí)庫(kù)或規(guī)則庫(kù)。

3．挖掘結(jié)果應(yīng)用階段。根據(jù)最終的決策目的對(duì)提取的信息進(jìn)行分析，區(qū)分最有價(jià)值的信息，并且通過(guò)決策支持工具提交給決策者。這一步驟的任務(wù)不僅是把結(jié)果表達(dá)出來(lái) (例如采用信息可視化方法)，還要對(duì)信息進(jìn)行過(guò)濾處理。如果不能令決策者滿意，需要重復(fù)以上數(shù)據(jù)挖掘的過(guò)程。

四、一個(gè)具體的實(shí)踐案例

在本節(jié)中，將以高校高校教師的人崗匹配的數(shù)據(jù)挖掘過(guò)程為案例，對(duì)該方法的具體操作步驟進(jìn)行詳細(xì)介紹。

第一步，建立評(píng)價(jià)模型指標(biāo)體系。

結(jié)合教師崗位的特點(diǎn)，建立人崗匹配測(cè)評(píng)指標(biāo)體系。本案例中，建立了包括員工的專業(yè)技能、工作經(jīng)驗(yàn)、英語(yǔ)水平、身心健康、工作態(tài)度、學(xué)習(xí)與解決實(shí)踐問(wèn)題的能力、與人溝通的能力、計(jì)算機(jī)水平、學(xué)歷、IQ指數(shù)、崗位要求與工作報(bào)酬的匹配、員工工作意愿與工作報(bào)酬匹配、員工能力與崗位要求之間的匹配共十三項(xiàng)指標(biāo)。

第二步，準(zhǔn)備數(shù)據(jù)。

根據(jù)現(xiàn)有職工的實(shí)際情況，請(qǐng)相關(guān)工作和研究人員依據(jù)上一步驟建立的指標(biāo)體系進(jìn)行打分，可得到每個(gè)職工各指標(biāo)的數(shù)據(jù)。人崗匹配關(guān)系設(shè)置為不匹配、匹配、非常匹配三種關(guān)系類別。

第三步，利用BP神經(jīng)網(wǎng)絡(luò)的人崗匹配測(cè)評(píng)挖掘。

用于人崗匹配測(cè)評(píng)的BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)如圖2所示。

整個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用三層結(jié)構(gòu)，輸入層維數(shù)根據(jù)上面建立的13條評(píng)價(jià)指標(biāo)，設(shè)定為13，各節(jié)點(diǎn)的值分別代表以上的13項(xiàng)測(cè)試指標(biāo)的值。網(wǎng)絡(luò)輸出層維數(shù)設(shè)定為1，將該節(jié)點(diǎn)輸出的值劃分成三個(gè)范圍，輸出值小于0.6為不匹配，輸出值大于等于0.6并且小于0.8為匹配，輸出大于等于0.8為非常匹配。中間層節(jié)點(diǎn)數(shù)由經(jīng)驗(yàn)公式求出，再用實(shí)驗(yàn)進(jìn)行比較確認(rèn)為4。經(jīng)過(guò)這些處理后，開始進(jìn)行挖掘。挖掘結(jié)束后，從歷史樣本數(shù)據(jù)中挖掘到的人崗匹配關(guān)系特征被保存在網(wǎng)絡(luò)中。利用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)教師進(jìn)行人崗匹配測(cè)評(píng)的流程如圖3所示。

第四步，挖掘結(jié)果應(yīng)用。

該模型可以用于對(duì)新人員的應(yīng)聘、篩選和在崗員工的評(píng)價(jià)，以更好地進(jìn)行師資的培養(yǎng)和人力資源優(yōu)化。例如，當(dāng)新的人員來(lái)應(yīng)聘或?qū)T工與崗位的匹配關(guān)系進(jìn)行測(cè)評(píng)時(shí)，先對(duì)他的13項(xiàng)指標(biāo)進(jìn)行打分，再調(diào)用已建立的基于神經(jīng)網(wǎng)絡(luò)技術(shù)的教師測(cè)評(píng)模型進(jìn)行測(cè)評(píng)，所得結(jié)果即是其與所聘崗位的匹配程度，該結(jié)果可以為人力資源管理提供較好的決策依據(jù)，有利于學(xué)校對(duì)教師進(jìn)行篩選。

將智能理論應(yīng)用于解決人力資源管理問(wèn)題是一種新的探索。將數(shù)據(jù)挖掘技術(shù)引入人崗匹配中仍有許多值得研究的問(wèn)題。比如，如何使得指標(biāo)體系更趨客觀、全面、合理，定性指標(biāo)的定量化，如何將數(shù)據(jù)挖掘技術(shù)與智能決策系統(tǒng)嵌入到企業(yè)日常的管理信息系統(tǒng)之中等，這些將是該方法后重點(diǎn)發(fā)展的方向之一。

1.Kuo Kuang Huang．Using an Annealed Neural Network in Organization Personal Management[D]．University of South Dakota，1999．

2.Hart，Ann Yeager．Prediction the Tenure Outcome of TeachersBased on VariablesKnown atthe Time of Application[D]．USA:North Carolina State University，1997．

3.Simon Haykin： 《Neural Networks a comprehensive foundation》，機(jī)械工業(yè)出版社，2004年版。

4.劉雪峰：《如何實(shí)現(xiàn)人崗匹配》，載《中國(guó)人力資源開發(fā)》，2004年第4期。

5.張國(guó)初：《人力資源管理定量測(cè)度與評(píng)價(jià)》，社會(huì)科學(xué)文獻(xiàn)出版社，2000年版。

6.JiaweiHang．DataMining——Technologyand Concept，Electronics Industry Publishing House,2004．

天津大學(xué)、天津商業(yè)大學(xué)、暨南大學(xué)）

■責(zé)編 肖鵬燕 Tel:010-88383907 E-mail：hrchina_2009@126.com