基于CART的人力資源管理研究

吳 豐，胡 蕙，胡 芳

（1.湖北航天計(jì)量測(cè)試技術(shù)研究所，湖北 孝感 432000；2.航天重型工程裝備有限公司，湖北 孝感 432000）

基于CART的人力資源管理研究

吳 豐1，胡 蕙1，胡 芳2

（1.湖北航天計(jì)量測(cè)試技術(shù)研究所，湖北 孝感 432000；
2.航天重型工程裝備有限公司，湖北 孝感 432000）

未來(lái)是信息化的時(shí)代，對(duì)高技術(shù)人才的需求越來(lái)越緊迫，企業(yè)管理者所制定的企業(yè)發(fā)展戰(zhàn)略的有效執(zhí)行需要高素質(zhì)人才的支撐，企業(yè)人力資源管理逐步從過(guò)去的開(kāi)放式管理模式逐步向定量評(píng)價(jià)管理發(fā)展，本文根據(jù)Gini指數(shù)建立了人力資源分類樹(shù)CART模型，為企業(yè)建立了一套信息評(píng)價(jià)、過(guò)濾和供給體系，通過(guò)量化評(píng)價(jià)的方式合理安排人員工作，提升了人力資源管理效率，促進(jìn)企業(yè)戰(zhàn)略的順利實(shí)施。通過(guò)測(cè)試表明，該模型能以較簡(jiǎn)單的量化評(píng)價(jià)模式為人力資源管理者提供參考意見(jiàn)。

人力資源；數(shù)據(jù)挖掘；CART模型；發(fā)展戰(zhàn)略

人力資源審核即是衡量企業(yè)對(duì)人力資源的掌握程度的重要標(biāo)志，也是評(píng)估管理質(zhì)量、水平和效率的重要依據(jù)。對(duì)于一個(gè)有近千人的企業(yè)來(lái)講，人力資源數(shù)據(jù)量是龐大的，從表面上看這些數(shù)據(jù)只是些毫不相關(guān)的數(shù)字，但從這些海量的數(shù)據(jù)中，卻可以提煉出存在的關(guān)系和規(guī)則，可根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì)。

對(duì)于人力資源管理而言，一個(gè)企業(yè)人力資源管理是和一個(gè)企業(yè)的經(jīng)營(yíng)戰(zhàn)略、組織結(jié)構(gòu)體系與文化價(jià)值觀緊密聯(lián)系的，具有獨(dú)特個(gè)性。一個(gè)成功企業(yè)的人力資源管理往往是最難復(fù)制和模仿的，如何通過(guò)人力資源管理來(lái)取得競(jìng)爭(zhēng)優(yōu)勢(shì)成為了企業(yè)競(jìng)爭(zhēng)的重要部分。

本文是以某企業(yè)人力資源數(shù)據(jù)為依據(jù)，建立人力資源數(shù)據(jù)倉(cāng)庫(kù)，利用決策樹(shù)中的CART算法對(duì)所建立的數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行深入分析，得出有用結(jié)論。CART決策樹(shù)算法是目前應(yīng)用最廣泛的預(yù)測(cè)技術(shù)，它主要由決策節(jié)點(diǎn)、分支和葉子3部分組成。對(duì)數(shù)據(jù)集合中具有最大信息字段創(chuàng)建決策樹(shù)節(jié)點(diǎn)，并根據(jù)其節(jié)點(diǎn)字段的差值建立決策樹(shù)分支。在每個(gè)分支中重復(fù)上述過(guò)程，逐步建立樹(shù)的下層節(jié)點(diǎn)和分支，最終可以生成反映一定規(guī)則的決策樹(shù)。

1　數(shù)據(jù)挖掘的發(fā)展歷史及國(guó)內(nèi)外現(xiàn)狀

隨著數(shù)據(jù)庫(kù)技術(shù)的日益成熟，以及在相關(guān)領(lǐng)域的應(yīng)用，人們收集了海量的數(shù)據(jù)。面對(duì)大數(shù)據(jù)的挑戰(zhàn)，傳統(tǒng)的數(shù)據(jù)分析方法難以應(yīng)對(duì)海量數(shù)據(jù)的挑戰(zhàn)。為了有效的對(duì)數(shù)據(jù)隱含的信息進(jìn)行分析，需要有新的數(shù)據(jù)分析手段。與此同時(shí)，人工智能技術(shù)取得了跨越式的發(fā)展。經(jīng)歷了博弈時(shí)期、自然語(yǔ)言理解、知識(shí)工程等階段的探索與發(fā)展，人工智能在機(jī)器學(xué)習(xí)領(lǐng)域取得了重大成就。因此，利用機(jī)器學(xué)習(xí)的方法來(lái)對(duì)數(shù)據(jù)庫(kù)的數(shù)據(jù)進(jìn)行高效分析，發(fā)現(xiàn)大量數(shù)據(jù)背后隱含的知識(shí)，稱為知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Databases，KDD）。數(shù)據(jù)發(fā)現(xiàn)涉及機(jī)器學(xué)習(xí)、模式識(shí)別、高性能計(jì)算、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域。將海量數(shù)據(jù)中提取有效的、具有潛在價(jià)值的知識(shí)應(yīng)用于信息管理，科研等領(lǐng)域，為企業(yè)的發(fā)展提供決策。

知識(shí)發(fā)現(xiàn)（KDD）這個(gè)術(shù)語(yǔ)最早出現(xiàn)在美國(guó)召開(kāi)的第十一屆國(guó)際人工智能聯(lián)合會(huì)議。隨著人工智能領(lǐng)域的飛速發(fā)展，會(huì)議的連續(xù)召開(kāi)，原本的專題討論會(huì)已經(jīng)發(fā)展成為國(guó)際性的學(xué)術(shù)會(huì)議。通過(guò)多學(xué)科之間的互相融合，從原本的多策略多技術(shù)轉(zhuǎn)變?yōu)椴呗耘c技術(shù)之間的集成，發(fā)現(xiàn)方法轉(zhuǎn)向了系統(tǒng)應(yīng)用。

2　CART算法

分類回歸樹(shù)（Classification And Regression Tree，CART）算法，它采用自上而下的遞歸方法對(duì)數(shù)據(jù)進(jìn)行歸納，從無(wú)次序、無(wú)規(guī)則的數(shù)據(jù)中獲得相應(yīng)的分類規(guī)則，尤其對(duì)非數(shù)值性數(shù)據(jù)有著較好的處理能力。本文將CART算法應(yīng)用于人力資源分析中，起到輔助決策者分析的作用。CART算法是一種二分遞歸分割技術(shù)，將新樣本劃分為兩個(gè)子樣本，并使得生成的每個(gè)非葉子結(jié)點(diǎn)都有兩個(gè)分支，因此CART決策樹(shù)是結(jié)構(gòu)簡(jiǎn)潔的二叉樹(shù)。由于CART算法構(gòu)成的二叉樹(shù)在每一步的決策時(shí)只有2個(gè)分支，即使一個(gè)分段取有多個(gè)值，也只能把數(shù)據(jù)分為兩部分。而構(gòu)建CART決策樹(shù)主要分為兩個(gè)步驟。

3　將樣本遞歸劃分進(jìn)行建樹(shù)過(guò)程

3.1用驗(yàn)證數(shù)據(jù)進(jìn)行剪枝

3.1.1CART模型建立

CART算法核心是對(duì)每個(gè)節(jié)點(diǎn)上要測(cè)試的屬性進(jìn)行選取，其劃分點(diǎn)是一對(duì)連續(xù)變量屬性值的中點(diǎn)。假設(shè)M個(gè)樣本的集合一個(gè)屬性有m個(gè)連續(xù)的值，那么則會(huì)有m-1個(gè)分裂點(diǎn)，每個(gè)分裂點(diǎn)為相鄰兩個(gè)連續(xù)值的均值。每個(gè)屬性根據(jù)能減少的雜質(zhì)的量來(lái)進(jìn)行排序劃分，而減少量為劃分前減去劃分后的每個(gè)節(jié)點(diǎn)的雜質(zhì)質(zhì)量所占比率之和。而雜質(zhì)度量方法常用Gini（Gini Coefficient）指標(biāo)，假設(shè)一個(gè)樣本共有C類，則一個(gè)節(jié)點(diǎn)A的Gini不純度可定義為：

其中Pi表示屬于i類的概率，當(dāng)GiniA=0時(shí)，所以樣本屬于同類，所有類在節(jié)點(diǎn)中以等概率出現(xiàn)時(shí)，Gini（A）最大化，此時(shí)：

如果當(dāng)前節(jié)點(diǎn)的所有樣本都不屬于同一類或者只剩下一個(gè)樣本，那么此節(jié)點(diǎn)為非葉子節(jié)點(diǎn)，所以會(huì)嘗試樣本的每個(gè)屬性以及每個(gè)屬性對(duì)應(yīng)的分裂點(diǎn)，嘗試找到雜質(zhì)變量最大的一個(gè)劃分，該屬性劃分的子樹(shù)即為最優(yōu)分支。

3.1.2CART樹(shù)剪枝

通過(guò)CART剛生成的決策樹(shù)記為T(mén)0，然后從T0的底端開(kāi)始剪枝，直到根節(jié)點(diǎn)。在剪枝的過(guò)程中，計(jì)算損失函數(shù)：

Ca（T）=C（T）+a|T|

a≥0，C（T）為訓(xùn)練數(shù)據(jù)的預(yù)測(cè)誤差，|T|為模型的復(fù)雜度。對(duì)于一個(gè)固定的a，在T0中一定存在一顆樹(shù)Ta使得損失函數(shù)Ca（T）最小。將a在其取值空間內(nèi)劃分為一系列區(qū)域，在每個(gè)區(qū)域都取一個(gè)a然后得到相應(yīng)的最優(yōu)樹(shù)，最終選擇損失函數(shù)最小的最優(yōu)樹(shù)。其中CART剪枝算法步驟如下。

（1）設(shè)K=0，T=T0，a=+∞

（2）自下向上地對(duì)各內(nèi)部節(jié)點(diǎn)進(jìn)行遍歷，計(jì)算C（Tt），|Tt|及g（t），得到：

（3）自上向下訪問(wèn)各內(nèi)部節(jié)點(diǎn)t，若g（t）=a，則進(jìn)行剪枝，并對(duì)t以多數(shù)表決的方式?jīng)Q定其類，得到樹(shù)T。

（4）若T不是由根節(jié)點(diǎn)單獨(dú)構(gòu)成的樹(shù)，則重復(fù)步驟（3）得到一系列的子樹(shù)。

（5）最后使用交叉驗(yàn)證的方式從子樹(shù)序列中選取最優(yōu)子樹(shù)。

3.2人力資源數(shù)據(jù)測(cè)試研究

3.2.1數(shù)據(jù)選擇

數(shù)據(jù)選擇是指從數(shù)據(jù)本身和發(fā)現(xiàn)目標(biāo)出發(fā)，尋找依賴于發(fā)現(xiàn)目標(biāo)特征數(shù)據(jù)的過(guò)程。通過(guò)數(shù)據(jù)選擇有利于減少數(shù)據(jù)量，縮小目標(biāo)數(shù)據(jù)范圍，從而在保證數(shù)據(jù)原貌的前提下對(duì)數(shù)據(jù)進(jìn)行篩選。通過(guò)數(shù)據(jù)抽取使得數(shù)據(jù)具有更加明顯的規(guī)律和特征。通過(guò)對(duì)人才綜合能力定性分析，構(gòu)成了由知識(shí)水平、思想個(gè)性、基本素質(zhì)、個(gè)人能力和業(yè)績(jī)成果5個(gè)基本要素組成的人才評(píng)價(jià)指標(biāo)。經(jīng)過(guò)選取有用的數(shù)據(jù)，去掉原數(shù)據(jù)其中噪聲數(shù)據(jù)和一些無(wú)關(guān)的數(shù)據(jù)，建立相對(duì)應(yīng)的數(shù)據(jù)表（見(jiàn)表1）。

表1　人才標(biāo)準(zhǔn)評(píng)價(jià)指標(biāo)表

3.2.2數(shù)據(jù)規(guī)范

針對(duì)異構(gòu)數(shù)據(jù)源中數(shù)據(jù)的不規(guī)范性、重復(fù)性和不完整性等問(wèn)題進(jìn)行清理，達(dá)到將數(shù)據(jù)去除噪聲和糾正錯(cuò)誤的目的，提高數(shù)據(jù)質(zhì)量，符合分析要求。因此，數(shù)據(jù)規(guī)范需要對(duì)數(shù)據(jù)做出以下操作。

員工信息由唯一編號(hào)代替。分別對(duì)5個(gè)基本要素進(jìn)行評(píng)價(jià)，其中知識(shí)水平對(duì)應(yīng)A-D（A學(xué)歷層次，B任職資歷，C知識(shí)結(jié)構(gòu)，D特殊技能），思想個(gè)性對(duì)應(yīng)E-G（E職業(yè)道德，F(xiàn)合作意識(shí)，G工作作風(fēng)），基本素質(zhì)對(duì)應(yīng)H-J（H語(yǔ)言表達(dá)，I文字水平，J健康狀況），個(gè)人能力對(duì)應(yīng)K-L（K組織能力，L實(shí)踐能力），業(yè)績(jī)成果對(duì)應(yīng)M-N （M工作效益，N工作獎(jiǎng)項(xiàng)）。

每項(xiàng)要素每當(dāng)達(dá)成一個(gè)評(píng)價(jià)指標(biāo)便累計(jì)加一，最后合計(jì)當(dāng)前要素點(diǎn)的總分。

分為三種類型的人才，分別為類型ω1、類型ω2和類型ω3。

通過(guò)對(duì)企業(yè)提供的數(shù)據(jù)進(jìn)行抽樣，選取其中20名員工進(jìn)行測(cè)試，按照數(shù)據(jù)規(guī)范及評(píng)價(jià)指標(biāo)表的要求進(jìn)行，得到測(cè)試數(shù)據(jù)表如表2所示。

利用Matlab軟件，構(gòu)建人力資源分類樹(shù)CART模型，利用訓(xùn)練樣本所得到的決策樹(shù)見(jiàn)圖1。

4　結(jié) 語(yǔ)

本文以某企業(yè)為例，提出了利用數(shù)據(jù)挖掘技術(shù)來(lái)克服在當(dāng)前的人力資源管理中遇到的問(wèn)題，提高管理質(zhì)量。在具體應(yīng)用中，主要利用的是數(shù)據(jù)挖掘中的CART算法，詳細(xì)介紹了CART算法在人力資源分析挖掘中的全過(guò)程。在CART樹(shù)模型的建立過(guò)程中，應(yīng)用算法對(duì)不同類型的人力資源進(jìn)行分析，找出影響的潛在因素，為企業(yè)管理者有針對(duì)性提高管理質(zhì)量提供有利的數(shù)據(jù)支持，使員工能夠較好地保持良好的工作狀態(tài)，從而為企業(yè)管理者提供了決策支持信息，促使更好地開(kāi)展管理工作，提高管理質(zhì)量。

表2　測(cè)試數(shù)據(jù)表

圖1　生成的CART樹(shù)

主要參考文獻(xiàn)

［1］王董雨.如何構(gòu)建企業(yè)人力資源發(fā)展戰(zhàn)略模型［J］.上海汽車(chē)，2005（3）.

［2］陶宇.人力資源管理團(tuán)隊(duì)績(jī)效評(píng)價(jià)與對(duì)策——基于人力資源審核模型［J］.企業(yè)經(jīng)濟(jì)，2013（3）.

［3］韓起云.一種基于CART算法的移動(dòng)通信客戶流失預(yù)測(cè)模型［J］.科技通報(bào)，2012（2）.

［4］駱盈盈，王柯玲，陳川，等.結(jié)合遞增式學(xué)習(xí)的CART算法改進(jìn)［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2007（7）.

［5］邢周凌.高績(jī)效人力資源管理系統(tǒng)的演變與形成——基于中國(guó)創(chuàng)業(yè)板上市公司的案例研究［J］.企業(yè)經(jīng)濟(jì)，2012（8）.

10.3969/j.issn.1673 - 0194.2015.24.101

F272.92

A

1673-0194（2015）24-0123-02

2015-11-19