基于神經網(wǎng)絡的人力資源管理和預測模型研究

黃珈頡

(河北北方學院附屬第二醫(yī)院， 河北，張家口 075100)

0 引言

世界多元化競爭過程中，人才的儲備能力是目前各國正在分析和研究的熱點問題，同時也是中國在世界舞臺上展示自己實力的重要標志[1-3]。目前，與美國、日本等國家相比，我國在人才儲備、人才選拔和人力資源管理等方面均存在不小的差距，如何吸引和合理利用優(yōu)秀人才，因地制宜的制定合理的企業(yè)和國家發(fā)展戰(zhàn)略，是國內企業(yè)走向國外的重要一步。企業(yè)人力資源管理是一個不斷進化和更新的研究課題，其目的是通過對各方面人才的需求進行分析和合理分配，從而達到企業(yè)既定的發(fā)展戰(zhàn)略目標。同時，在這一過程中，不斷完善人力資源激勵機制，做出科學的人力資源調整決策。

目前關于人力資源管理和預測方面的文獻研究已經取得了一定成果[4-9]，主要集中于方面：第一是對企業(yè)人力資源需求的預測，第二類是對企業(yè)人力資源供給的分析?，F(xiàn)有研究成果大多利用實踐分析和調查，建立企業(yè)人力資源模型，并以此進行分析與決策，較為常見的人力資源定量化分析預測方法有Delhpi法、層次分析法、模糊綜合評價法、趨勢推斷法專家評分法等。這些較為成熟的預測方法對于企業(yè)的人力資源管理起到了至關重要的推動作用。但是，現(xiàn)有的分析方法大多基于完善的人力資源檔案和數(shù)據(jù)資料，我國現(xiàn)有企業(yè)大部分成立時間較短，底蘊不夠深厚，不夠重視數(shù)據(jù)整理和歸納，導致人力資源需求預測等領域利用現(xiàn)有的分析方法不夠適用。

針對這一問題，本文提出基于人工神經網(wǎng)絡算法，建立人力資源需求和指標之間的模糊分線性關系，并以此為基礎開發(fā)出了針對性的人力資源管理和預測模型。

1 人力資源需求預測方法

通過分析國內現(xiàn)有人力資源分析預測方法，本文認為人力資源的需求預測指標分為對象指標和依據(jù)指標2類[10]。其中，對象指標是根據(jù)企業(yè)總的需求量建立企業(yè)的員工數(shù)量、高管數(shù)量、專業(yè)技術數(shù)量等；依據(jù)指標是通過企業(yè)人力資源管理中的各項變量因素，分析出可能導致企業(yè)外部環(huán)境變化的需求指標，起到主導和決定人才需求的作用。人力資源需求預測分析應該建立一種半定量的方法，本文依據(jù)對預測模型的結構和要素進行分析，依據(jù)企業(yè)人力資源管理的重點，提出了如圖1所示的企業(yè)人力資源需求預測模型思路。其中，人力資源需求模型應與企業(yè)戰(zhàn)略、自身發(fā)展和其他資源相匹配，在這一基礎上，通過分析人員區(qū)間非線性問題、數(shù)據(jù)序列波動、數(shù)據(jù)序列灰度和人員素質等級等多方面因素，建立神經網(wǎng)絡模型，利用該模型不斷學習企業(yè)人力資源管理中的要素和重點，從而形成一套行之有效的人資管理預測手段。

圖1 人力資源需求預測流程框架

2 基于人工神經網(wǎng)絡算法預測

2.1 人工神經網(wǎng)絡算法

人工神經網(wǎng)絡算法是近年來較為流行的一類數(shù)據(jù)挖掘算法，該算法的提出首先來自于數(shù)據(jù)和生物學家的研究成果，該成果目的是想利用計算模擬來實現(xiàn)人大腦的神經運作過程[11-12]。這一算法的實現(xiàn)基于大容量的樣本數(shù)據(jù)和不斷重復學習過程，進而獲取一種非線性的模糊計算準則。通過該準則判別，當再次輸入新的數(shù)據(jù)時，該算法便能夠依據(jù)之前的訓練結果做出合理的判斷。通過大量的實踐研究表明，神經網(wǎng)絡算法對于復雜的非線性問題，尤其是業(yè)務龐雜，關系較為雜亂的數(shù)據(jù)具有非常好的適應性，但是需要合理地對訓練樣本進行歸類。

通過對神經網(wǎng)絡算法的深入分析發(fā)現(xiàn)，神經網(wǎng)絡算法較好地解決了非線性計算過程中的學習、自組織和自適應3個特性。

圖2為神經網(wǎng)絡算法的3個結構層次，第一層為輸入層，通過輸入變量x來建立合理的樣本數(shù)據(jù);第二層為隱含層，每個隱含層中包含不同的模糊運算方式；第三層為輸出層，該層主要展現(xiàn)神經網(wǎng)絡算法的輸出成果。

從輸入層到隱含層的過渡過程中，涉及到樣本訓練問題，本文假定矩陣v為該模糊運算法則的關聯(lián)矩陣，通過式(1)獲取模糊運算法則的關聯(lián)參數(shù)權重值：

(1)

式中,x1，…，xn表示輸入層的訓練樣本,y1，…，yn表示隱含層的模糊運算樣本,m、n分別表示兩層的矩陣階層,S表示權重值，i與j分別表示矩陣的維度大小。

圖2 神經網(wǎng)絡算法結構

2.2 神經網(wǎng)絡預測算法

通過研究企業(yè)人力資源管理預測模式，設計的神經網(wǎng)絡預測算法主要分以下3個步驟。

(1) 數(shù)據(jù)的預處理

通過收集企業(yè)人力資源需求數(shù)據(jù)，進行數(shù)據(jù)的初步處理。這一步的目的是將數(shù)據(jù)進行一定程度的歸類，提高數(shù)據(jù)的規(guī)律，降低數(shù)據(jù)隨機分散程度，從而保證神經網(wǎng)絡學習速度和精度。本文研究過程中采用原始數(shù)據(jù)歸一化處理，將某類數(shù)據(jù)限定在某一個區(qū)間內，然后將數(shù)據(jù)參數(shù)變成對應值關系，歸一化計算采用線性函數(shù)轉化法，其表達式如下：

(2)

式中，y表示歸一處理后的數(shù)據(jù)，x表示原始數(shù)據(jù)，Max表示樣本最大值，Min表示樣本最小值。

(2) 建立BP神經網(wǎng)絡結構

本文將BP神經網(wǎng)絡結構設置為三層，這種網(wǎng)絡結構模式最為合理，在神經節(jié)點權重值選取方面較為恰當，能夠最大程度的逼近函數(shù)解。其中，隱含層的節(jié)點依據(jù)實際運行結果，設定以樣本誤差最小值作為確定節(jié)點數(shù)的標準。

(3) 學習訓練及預測

首先將歸一化處理后的樣本數(shù)據(jù)導入模型輸入層，建立神經網(wǎng)絡初步模型，然后進行模糊計算和神經網(wǎng)絡模擬，并限定當模擬誤差精度在限定值范圍內時完成訓練。以醫(yī)院企業(yè)人力資源管理數(shù)據(jù)為實例樣本，對人員數(shù)量進行預測后的結果如表1和圖3所示。從表1和圖3可以看出，經過多元化回歸分析后的模型預測誤差范圍在0.5%～1.27%范圍內，才能與訓練的樣本包括醫(yī)院收入、工資水平、研發(fā)投入、人員數(shù)量共計4個變量。

表1 BP神經網(wǎng)絡計算和預測結果對比

圖3 實際值與預測人數(shù)對比柱狀圖

3 人力資源預測系統(tǒng)設計

3.1 架構設計

基于人工神經網(wǎng)絡的人力資源管理預測模型架構分為3個層次。首先是交互層，該層級直接面對客戶，通過業(yè)務模塊和展示模塊實現(xiàn)人對系統(tǒng)的管理和人資數(shù)據(jù)的模擬預測，該層級屬于客戶端范疇；其次為業(yè)務應用層，主要目的是通過構建系統(tǒng)功能模塊實現(xiàn)復雜的數(shù)據(jù)處理和應用，同時能夠為交互層提供調配使用;最后是數(shù)據(jù)層，該層主要實現(xiàn)人力資源管理系統(tǒng)中的海量數(shù)據(jù)儲存、歸納、整理和數(shù)據(jù)挖掘。數(shù)據(jù)結構采用MySQL，能夠使用目前大部分軟件的開發(fā)擴展接入(見圖4)。

圖4 系統(tǒng)架構設計方案

3.2 系統(tǒng)功能設計

(1) 基本功能設計

系統(tǒng)基本功能包括普通人員登錄模塊、管理員登錄模塊。其中人員登錄模塊主要面向系統(tǒng)使用人員，能夠使用該系統(tǒng)進行基本的增刪改查以及神經網(wǎng)絡數(shù)據(jù)模擬；管理員登錄模塊能夠對數(shù)據(jù)庫內的員工數(shù)據(jù)進行錄入和編輯，同時還可以修改底層數(shù)據(jù)和設置不同的安全等級。

(2) 需求預測管理

需求預測管理部分主要實現(xiàn)對人力資源數(shù)據(jù)的需求進行預測分析，并且以圖形界面的形式向客戶進行展示。另外，該模塊還能夠實現(xiàn)對企業(yè)人力資源的數(shù)量進行預測，讓人力資源管理者能夠對企業(yè)的目前人員配置是否合理。在人力資源需求預測界面中首先能夠實現(xiàn)用戶登錄功能，在登錄后選擇對人力資源管理進行操作或者需求預測管理進行操作，包括進行查詢、修改、刪減和數(shù)據(jù)預測，其基本的流程如圖5所示。

4 實例展示與分析

系統(tǒng)編程以Java為開發(fā)環(huán)境，進入系統(tǒng)后便能夠展示企業(yè)的人力資源信息錄入界面(見圖6)，該界面中可以對企業(yè)人員的ID編號、姓名、性別、部門、身份信息以及學歷進行錄入，錄入成功后面向有權限的用戶進行展示。

圖5 系統(tǒng)基本功能設計流程圖

圖6 員工信息錄入界面

為實現(xiàn)對企業(yè)人力資源數(shù)量的預測分析，本文通過人工神經網(wǎng)絡的數(shù)據(jù)挖掘功能，通過分析不同年份員工的人數(shù)和員工需求人數(shù)進行回測和分析，從而對企業(yè)目前的人力資源數(shù)量進行總需求預測，通過不同的曲線類型展示目前企業(yè)的人員數(shù)量和未來幾年企業(yè)可能需要的人員數(shù)量，直觀展示目前人力資源數(shù)量是否與目前的企業(yè)發(fā)展戰(zhàn)略相匹配。這一分析過程基于神經網(wǎng)絡模糊預算，考慮的樣本因素包括現(xiàn)有人員數(shù)量、不同專業(yè)人員需求、企業(yè)現(xiàn)有業(yè)務類型、未來企業(yè)戰(zhàn)略規(guī)劃進行統(tǒng)籌分析，如圖7所示。

圖7 企業(yè)人力資源數(shù)量預測界面和曲線

為了解不同部門的人員需求，依據(jù)各個不同部門的業(yè)務類型和需求，能夠進行精確分析和預測(見圖8)。以銷售部門為例，通過分析目前企業(yè)的銷售業(yè)務類型、現(xiàn)有銷售業(yè)務量、銷售人員績效成果進行綜合評價后，建立企業(yè)銷售部人員的供給情況，同樣以不同的曲線展示目前銷售部門的人員數(shù)量和預測人員數(shù)量。這一過程中，對于人力資源管理者提供正確的決策建議。

圖8 銷售部門人力資源需求預測曲線

5 總結

人力資源的合理性是企業(yè)在進行戰(zhàn)略轉型和保持市場經濟地位的重要考量因素，企業(yè)發(fā)展壯大過程中如何挖掘這些高價值人力資源數(shù)據(jù)顯得尤為重要。針對這一問題，提出了基于人工神經網(wǎng)絡學習算法的企業(yè)人力資源管理和預測分析模型，用于挖掘企業(yè)內部人員構成、企業(yè)業(yè)務類型和未來發(fā)展戰(zhàn)略直接的內部關系，揭示了企業(yè)人力資源數(shù)據(jù)的規(guī)律趨勢，幫助企業(yè)人力資源管理者進行決策和分析，其目的是實現(xiàn)人力資源的最合理配置方案設計。研究過程中，本文選取多元回歸分析，介紹了基于人工神經網(wǎng)絡的人力資源需求方法，建立計算模型，以X醫(yī)院經營數(shù)據(jù)作為研究對象，開展了企業(yè)人力資源數(shù)量預測和各部門人員類型需求預測分析，并進行了可視化展示，取得了一定的研究成果。