數(shù)據(jù)挖掘技術在電力企業(yè)人資管理中的應用

文/華南理工大學 鐘得琿 趙悅含

數(shù)據(jù)挖掘技術在電力企業(yè)人資管理中的應用

文/華南理工大學 鐘得琿 趙悅含

在這個信息技術和通信技術飛速發(fā)展的時代，管理信息這樣的系統(tǒng)已經(jīng)運用在國內(nèi)很多的企業(yè)中，信息管理系統(tǒng)在處理業(yè)務的過程中產(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)，不可以直接的用來分析和處理，所以導致了下面的這些現(xiàn)象：存在海量的業(yè)務數(shù)據(jù)，企業(yè)卻無法從大量的數(shù)據(jù)中及時得到有用的管理信息。這樣導致大量的數(shù)據(jù)以及管理層信息無法被應用。

技術；電力企業(yè)；人力資源；管理

一、解決數(shù)據(jù)技術在人力資源中的決策支持問題

首先，信息管理系統(tǒng)中的原始數(shù)據(jù)要通過抽取、清洗、轉換以及加載到數(shù)據(jù)庫中，使得數(shù)據(jù)庫構成主題性的、集成的、時變的，這樣可以更有效地實現(xiàn)企業(yè)各種類信息資源的整理、集合、共享，從而實現(xiàn)及時并準確的人員組成分析，可以為企業(yè)的管理、決策給予及時準確的依據(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間發(fā)現(xiàn)有價格的數(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)驗的風險和隱患。

（二）數(shù)據(jù)庫技術是組建于信息系統(tǒng)這個業(yè)務發(fā)展的需求。基礎與數(shù)據(jù)系統(tǒng)技術演變而來的，逐步成熟起來的一系列的新的應用技術。它是商業(yè)智能的根基，很多基礎的報表可以通過它而生成。

（三）數(shù)據(jù)技術在線分析處理，它可以通過對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專門用于支持復雜的分析和操作，側重對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、靈活地進行大量數(shù)據(jù)的復雜查詢處理，并且可以以一種直觀而且易懂的形式將查詢結果展現(xiàn)給決策人員，以便他們準確掌握企業(yè)的經(jīng)營狀況，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)倉庫的技術同時也支持很多種預測模型以便于對信息數(shù)據(jù)做相對的分析和分類。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題，因此，我們很有必要的對它進行比較和分析。比較常用的數(shù)據(jù)挖掘預測方法有：決策樹、神經(jīng)網(wǎng)絡、回歸預測、聚類和規(guī)則引導等。

（五）數(shù)據(jù)挖掘技術的預測方法雖然種類繁多，不同的情況適用的預測方法也是不同。打個比方，先用決策樹和聚類的方法準備的找出數(shù)據(jù)的總體方向和趨勢，預測變量相關性之后，再使用神經(jīng)網(wǎng)絡或者規(guī)則引導方法比較有針對性的建模，這樣以來，一方面可以更細致行的細化數(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。

二、數(shù)據(jù)挖掘在人力資源管理系統(tǒng)中的應用

首先，在電力企業(yè)，對企業(yè)發(fā)展有重大影響的就是人力資源管理，同時，在管理中自然會有很多紕漏以及問題的出現(xiàn)，那么產(chǎn)生的這些問題和原因又不具有一定的確定性，因此問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)計技術。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)的兩個個體歸到不同類。它可以幫助分析的人從員工基本數(shù)據(jù)庫中查看到不同的員工群。

（二）通過員工的年齡，在企業(yè)工作的時間、收入、技能是人力資源管理系統(tǒng)在電力企業(yè)中的一個典型的應用。對這個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聯(lián)程度。

三、論數(shù)據(jù)挖掘技術的實際應用

數(shù)據(jù)挖掘的一般過程分為四項：第一個是數(shù)據(jù)預處理。是指在主要的處理以前對數(shù)據(jù)進行的一些處理。如對大部分物理面積性觀測數(shù)據(jù)在進行轉換或增強處理之前，首先要將不規(guī)則分布的測網(wǎng)通過插值轉換然后成為規(guī)則網(wǎng)的處理，它以利于計算機的運算。第二個是模型探索。這個工序完全可以由系統(tǒng)本身自動執(zhí)行，從底部往上搜索原始的事實從而發(fā)現(xiàn)它們存在的某種關聯(lián)。第三個是結果分析。數(shù)據(jù)挖掘的整個探索過程不是一次形成的，一般是需要重復反復很多次進行，因為當分析的人員給出結果以后，很有可能會出現(xiàn)一些之前并沒有出現(xiàn)過的新問題或者是對某一方面的結果要做出更精準的查詢。第四個是知識同化。對結果所出的報告進行解釋和分析，這就是一個人工的過程了。

另外，還可以可以通過判斷總結分析出員工屬于哪一種類型。在數(shù)據(jù)庫的全部數(shù)據(jù)的記錄上，建立起待分類這樣的樣本集，將所要分類的對象稱之為樣本，也為樣本分類做到合理的分類，應該將它們具體的屬性數(shù)量化。

企業(yè)所需要的關鍵員工是需要員工保持的，因此找到關鍵員工是員工保持工作的首要任務。那么，接下來是要針對那些有可能要離開的員工，這樣就完全可以運用決策樹的方法來完成這一項。

四、結語

以上對于數(shù)據(jù)挖掘技術在商業(yè)智能的人力資源管理體系中進行的分析和研究，目前看來，數(shù)據(jù)挖掘技術已經(jīng)逐漸從高端的研究轉入常用的數(shù)據(jù)分析中。很多國外的金融業(yè)、零售業(yè)等像這樣一些對數(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，總而言之，數(shù)據(jù)挖掘技術不會在缺乏指導的情況下自動發(fā)掘模型，得到的模型必須建立在現(xiàn)實生活中，只有這樣，才能真正解釋最終的結果，從而促使該技術不斷完善和提高，使得數(shù)據(jù)挖掘能夠真正滿足信息時代人們對它的要求，更好地服務于社會，也更好地服務于電力企業(yè)人力資源管理體系！

[1]盧建昌,樊圍國.大數(shù)據(jù)時代下數(shù)據(jù)挖掘技術在電力企業(yè)中的應用[J].廣東電力,2014(9):88-94.

[2]方德琳.淺析信息化在電力企業(yè)人才評價工作中的應用與實踐[J].中國科技信息,2013(3):113.

[3]舒永芳.大數(shù)據(jù)時代下數(shù)據(jù)挖掘技術在電力企業(yè)中的應用研究[J].低碳世界,2016(36):102-102.