前言：寻找写作灵感？中文期刊网用心挑选的数据挖掘技术的人力资源信息化管理，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：
探讨数据挖掘技术在人力资源信息化管理中的应用步骤及作用。
关键词：
数据挖掘技术；信息化；人力资源
大数据时代的来临，为数据挖掘技术的进一步发展创造了更为广阔的空间。对此，有学者认为，当下社会，数据挖掘是建立在知识与数据之间的一座桥梁。数据挖掘简言之就是从大量数据中提取知识、挖掘知识，信息通信技术的发展，为数据挖掘技术奠定了广泛应用的前提条件，使之成为业界最具潜力的新型科学技术之一。实现人力资源管理的信息化，是信息技术进步的必然结果，数据挖掘技术为实现人力资源的信息化管理提供了有力的技术支持。
1数据挖掘技术的概念、仓库、过程
1.1数据挖掘概念
数据挖掘(DataMining)，通常又称之为数据库中的知识发现(KnowledgeDiscoveryInDatabase，KDD)，其功用主要指的是从大型数据库或数据仓库中提取隐含的、未知的、非平凡的和有潜在应用价值的信息或模式。这是一个新的技术领域，该领域可以通过对数据库、人工智能、机器学习等技术的融合而找出过去数据之间的潜在联系，并促进信息传递。由于数据挖掘技术能够对未来的行为和趋势进行预测，采集到有价值的数据模式，支持决策需要，因而在现代人力资源管理工作中，利用数据挖掘技术能够与信息化环境相结合的特点，可以对现代人力资源管理中的主要管理业务流程进行优化和重组。
1.2数据挖掘仓库
数据挖掘首先要把数据从数据仓库导入到数据挖掘库或数据集市（见图1），从数据仓库直接获取挖掘数据时效性较高。例如：若数据在导入数据仓库时已经做过清理，那么在做数据挖掘时一般来说，即使不再进行重复清理，数据不一致的问题也已经解决。建立一个大型数据仓库，把不同源的数据集结在一起，虽然可以解决数据冲突问题，但是工程复杂且耗时巨大。对此，可以把几个事务数据库导入到一个只读的数据库中（如图2），然后再进行数据挖掘。数据挖掘库通常只是数据仓库中的一个子集，如果数据仓库计算资源紧张，也可以考虑再建一个单独的数据挖掘库。
1.3数据挖掘过程
从大型数据库中挖掘此前未知的实用信息，并利用这些信息进行人力资源管理决策或知识丰富，就是一个完整的数据挖掘过程（如图3）。
2数据挖掘的作用
技术领域和经济领域的迅猛发展，使得各色各样数据、资料的存储量之大、流通量之大、使用量之大达到了空前海量的程度。浩瀚而复杂的数据和资料，让技术分析工作面临着巨大的困难和压力，因此，有必要引入数据挖掘技术，以推动现代人力资源管信息化工作的发展。数据挖掘的作用主要应该包括这样一些内容，如：关联分析、聚类分析、分类、预测、时序模式和偏差分析等。
2.1关联分析
这是一项非常实用又很简单的技术，利用这一技术可以找到数据库中大量数据的关联性或相关性，因而使用者由此能够发现一些属性出现时的规律和模式。关联性的度量一般采用支持度和可信度差值的计算方法，在实际的应用在也可以根据使用者的需要引入兴趣度、相关性等参数，这样分析的结果会更接近使用者的要求。
2.2聚类分析
通过聚类分析的方法可以把采集到的数据以分类的方式传输到不同的数据库，这样同一个数据库中存储的数据就有了很大的相似性，而不同数据库间的数据却具有很大的相异性，通过聚类分析的方式，使用者就可以找到数据属性间的相互关系。
2.3分类
所谓分类其实就是找出一个类别的概念描述，它代表了这类数据的整体信息，也就是内涵描述。分类常常会被用在规则描述和预测方面。
2.4预测
即预先进行推测或者测定，其主要作用是借助以往的历史数据来找出其中的变化规律并构建模型，而后依据这个模型对未来数据的种类和特征进行预先的推测或者测定。预测在重点是精度和不确定性。
2.5时序模式
即通过时间序列搜索出的重复发生率较高的模式，这一模式能够用已知的数据来预测未来的值，而数据变量所处的时间却不同。
2.6偏差分析
数据库中出现数据异常的现象是难以克服的，因而发现这些异常是非常重要的。利用偏差分析可以探测数据的现状、历史记录或标准之间的显著变化和偏离，因而可以对数据施以有效的控制。
3数据挖掘技术在人力资源管理中的应用步骤
3.1确定挖掘目标
要发挥数据挖掘技术在人力资源信息化管理中的作用，第一步就是要确定挖掘目标，然后调取目标的个性化信息，诸如目标个体的姓名、性别、出生年月、学历、职称、工作岗位以及以往的工作履历等等，通过信息的比对分析实现目标精准管理。
3.2数据挖掘准备
数据挖掘目标确定后，第二步要进行的是数据挖掘准备，其中选择数据源是数据挖掘准备的重要环节，内容包括取样、研究、预处理等。以人力资源的信息化管理为例，被管理个体的基本信息就有性别、姓名、出生年月、工作岗位或岗位职务、学历、职称、婚姻状况、政治面貌、工作简历以及常用联系方式等等。由此可见，在数据源中获取历史数据，不仅存量大、属性多，而且还未必健全，因此，数据准备一定要严谨，只有高质量的数据准备，才会有高质量的信息化管理。
3.3构建模型
依据模型的类型，可以分为决策树、神经网络或者是传统的数学统计。就人力资源的信息化管理而言，从实际情况来看，最常用的是决策树的分类法（具体见下文）。
3.4模型实施
构建的模型通过验证后，接下来就是予以实施。方法有两种，一是把模型提供给分析人员，由分析人员试验后给出实施建议；二是用模型来标识事例类别或在数据中寻找特定符号并记录，以便进行下一步的分析。
4数据挖掘技术在人力资源管理中的具体应用
4.1为人力资源管理提供信息来源
人力资源的信息化管理，是运用科学方法协调人与事的关系，发挥人的潜能，以实现目标管理。这些管理目标如人力资源规划、人员招聘、绩效考核、员工培训、薪酬福利等等。数据挖掘技术的先进性在此得到充分利用。一方面，人力资源数据库是信息时代的产物，能够提供内容全面且简便易用的服务，能够支持多字段检索和精确检索，具有准确、全面、高效的特点；另一方面，网络的高速发展，使之成为信息采集的主要渠道，专业网站可以对人力资源进行分类整理，内容包括如求职者信息、企业职位、校园招聘、行业求职、高档职位以及人才流向等，人事管理部门网站通过与这些网站链接，可以显著提高管理效率。
4.2决策树方法的运用
人力资源信息化管理能提高工作效率和管理水平，并为决策提供信息支持。决策树是人力资源信息化管理中一种常用的方法。决策树是一个树形的结构，运用决策树能发现有价值的数据模式，并找出其中存在的关系和规则。该方法是先对初选的数据进行筛选，然后再进行建树，最后是修剪树，最终得出综合评价模型。
4.3基于数据挖掘的人力资源信息化管理体系的构建
首先体系要能够满足信息处理的多样性选择，要求数据能够频繁地插入、删除、更新，因而对系统的性能和响应时间有较高要求；其次，还要满足管理人员对人力资源信息的分析和支持决策的需要，因此利用据挖掘技术构建人力资源管理系统时要充分考虑这两种不同类型的处理需要。人力资源信息化管理体系的构建主要由三个子系统和六个模块组成，三个子系统分别为：收集子系统，执行对人力资源信息的收集，提供各种原始信息，经过抽取、过滤、转化和集成后输送到目标数据库中；分析子系统，利用相关规则、推理机制从数据库中对筛选出的所需数据进行分类，并利用数据挖掘技术进行数据分析；服务子系统，负责将分析后得到的信息情报提供给管理人员。六个模块分别为：人力资源培训；岗位设计；薪酬管理；绩效管理；劳动关系管理；人力资源规划。
参考文献：
[1]肖明.大数据时代下数据挖掘技术在企业中的应用[J].中国管理信息化,2015(2).
[2]高超.数据挖掘技术对企业人力资源管理的影响分析[J].电子制作,2013(17).
[3]郭景峰,米浦波,刘国华.决策树算法的并行性研究[J].计算机工程,2002(8).
[4]朱近贤.数据挖掘技术在人力资源管理中的应用研究[D].上海交通大学,2008.
[5]姜梅.基于数据仓库、数据挖掘的人力资源决策支持系统[D].四川大学,2003.
作者:杨帆 单位:平顶山市工人文化宫
