前言：尋找寫作靈感？中文期刊網用心挑選的數據挖掘技術的人力資源信息化管理，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：
探討數據挖掘技術在人力資源信息化管理中的應用步驟及作用。
關鍵詞：
數據挖掘技術；信息化；人力資源
大數據時代的來臨，為數據挖掘技術的進一步發展創造了更為廣闊的空間。對此，有學者認為，當下社會，數據挖掘是建立在知識與數據之間的一座橋梁。數據挖掘簡言之就是從大量數據中提取知識、挖掘知識，信息通信技術的發展，為數據挖掘技術奠定了廣泛應用的前提條件，使之成為業界最具潛力的新型科學技術之一。實現人力資源管理的信息化，是信息技術進步的必然結果，數據挖掘技術為實現人力資源的信息化管理提供了有力的技術支持。
1數據挖掘技術的概念、倉庫、過程
1.1數據挖掘概念
數據挖掘(DataMining)，通常又稱之為數據庫中的知識發現(KnowledgeDiscoveryInDatabase，KDD)，其功用主要指的是從大型數據庫或數據倉庫中提取隱含的、未知的、非平凡的和有潛在應用價值的信息或模式。這是一個新的技術領域，該領域可以通過對數據庫、人工智能、機器學習等技術的融合而找出過去數據之間的潛在聯系，并促進信息傳遞。由于數據挖掘技術能夠對未來的行為和趨勢進行預測，采集到有價值的數據模式，支持決策需要，因而在現代人力資源管理工作中，利用數據挖掘技術能夠與信息化環境相結合的特點，可以對現代人力資源管理中的主要管理業務流程進行優化和重組。
1.2數據挖掘倉庫
數據挖掘首先要把數據從數據倉庫導入到數據挖掘庫或數據集市（見圖1），從數據倉庫直接獲取挖掘數據時效性較高。例如：若數據在導入數據倉庫時已經做過清理，那么在做數據挖掘時一般來說，即使不再進行重復清理，數據不一致的問題也已經解決。建立一個大型數據倉庫，把不同源的數據集結在一起，雖然可以解決數據沖突問題，但是工程復雜且耗時巨大。對此，可以把幾個事務數據庫導入到一個只讀的數據庫中（如圖2），然后再進行數據挖掘。數據挖掘庫通常只是數據倉庫中的一個子集，如果數據倉庫計算資源緊張，也可以考慮再建一個單獨的數據挖掘庫。
1.3數據挖掘過程
從大型數據庫中挖掘此前未知的實用信息，并利用這些信息進行人力資源管理決策或知識豐富，就是一個完整的數據挖掘過程（如圖3）。
2數據挖掘的作用
技術領域和經濟領域的迅猛發展，使得各色各樣數據、資料的存儲量之大、流通量之大、使用量之大達到了空前海量的程度。浩瀚而復雜的數據和資料，讓技術分析工作面臨著巨大的困難和壓力，因此，有必要引入數據挖掘技術，以推動現代人力資源管信息化工作的發展。數據挖掘的作用主要應該包括這樣一些內容，如：關聯分析、聚類分析、分類、預測、時序模式和偏差分析等。
2.1關聯分析
這是一項非常實用又很簡單的技術，利用這一技術可以找到數據庫中大量數據的關聯性或相關性，因而使用者由此能夠發現一些屬性出現時的規律和模式。關聯性的度量一般采用支持度和可信度差值的計算方法，在實際的應用在也可以根據使用者的需要引入興趣度、相關性等參數，這樣分析的結果會更接近使用者的要求。
2.2聚類分析
通過聚類分析的方法可以把采集到的數據以分類的方式傳輸到不同的數據庫，這樣同一個數據庫中存儲的數據就有了很大的相似性，而不同數據庫間的數據卻具有很大的相異性，通過聚類分析的方式，使用者就可以找到數據屬性間的相互關系。
2.3分類
所謂分類其實就是找出一個類別的概念描述，它代表了這類數據的整體信息，也就是內涵描述。分類常常會被用在規則描述和預測方面。
2.4預測
即預先進行推測或者測定，其主要作用是借助以往的歷史數據來找出其中的變化規律并構建模型，而后依據這個模型對未來數據的種類和特征進行預先的推測或者測定。預測在重點是精度和不確定性。
2.5時序模式
即通過時間序列搜索出的重復發生率較高的模式，這一模式能夠用已知的數據來預測未來的值，而數據變量所處的時間卻不同。
2.6偏差分析
數據庫中出現數據異常的現象是難以克服的，因而發現這些異常是非常重要的。利用偏差分析可以探測數據的現狀、歷史記錄或標準之間的顯著變化和偏離，因而可以對數據施以有效的控制。
3數據挖掘技術在人力資源管理中的應用步驟
3.1確定挖掘目標
要發揮數據挖掘技術在人力資源信息化管理中的作用，第一步就是要確定挖掘目標，然后調取目標的個性化信息，諸如目標個體的姓名、性別、出生年月、學歷、職稱、工作崗位以及以往的工作履歷等等，通過信息的比對分析實現目標精準管理。
3.2數據挖掘準備
數據挖掘目標確定后，第二步要進行的是數據挖掘準備，其中選擇數據源是數據挖掘準備的重要環節，內容包括取樣、研究、預處理等。以人力資源的信息化管理為例，被管理個體的基本信息就有性別、姓名、出生年月、工作崗位或崗位職務、學歷、職稱、婚姻狀況、政治面貌、工作簡歷以及常用聯系方式等等。由此可見，在數據源中獲取歷史數據，不僅存量大、屬性多，而且還未必健全，因此，數據準備一定要嚴謹，只有高質量的數據準備，才會有高質量的信息化管理。
3.3構建模型
依據模型的類型，可以分為決策樹、神經網絡或者是傳統的數學統計。就人力資源的信息化管理而言，從實際情況來看，最常用的是決策樹的分類法（具體見下文）。
3.4模型實施
構建的模型通過驗證后，接下來就是予以實施。方法有兩種，一是把模型提供給分析人員，由分析人員試驗后給出實施建議；二是用模型來標識事例類別或在數據中尋找特定符號并記錄，以便進行下一步的分析。
4數據挖掘技術在人力資源管理中的具體應用
4.1為人力資源管理提供信息來源
人力資源的信息化管理，是運用科學方法協調人與事的關系，發揮人的潛能，以實現目標管理。這些管理目標如人力資源規劃、人員招聘、績效考核、員工培訓、薪酬福利等等。數據挖掘技術的先進性在此得到充分利用。一方面，人力資源數據庫是信息時代的產物，能夠提供內容全面且簡便易用的服務，能夠支持多字段檢索和精確檢索，具有準確、全面、高效的特點；另一方面，網絡的高速發展，使之成為信息采集的主要渠道，專業網站可以對人力資源進行分類整理，內容包括如求職者信息、企業職位、校園招聘、行業求職、高檔職位以及人才流向等，人事管理部門網站通過與這些網站鏈接，可以顯著提高管理效率。
4.2決策樹方法的運用
人力資源信息化管理能提高工作效率和管理水平，并為決策提供信息支持。決策樹是人力資源信息化管理中一種常用的方法。決策樹是一個樹形的結構，運用決策樹能發現有價值的數據模式，并找出其中存在的關系和規則。該方法是先對初選的數據進行篩選，然后再進行建樹，最后是修剪樹，最終得出綜合評價模型。
4.3基于數據挖掘的人力資源信息化管理體系的構建
首先體系要能夠滿足信息處理的多樣性選擇，要求數據能夠頻繁地插入、刪除、更新，因而對系統的性能和響應時間有較高要求；其次，還要滿足管理人員對人力資源信息的分析和支持決策的需要，因此利用據挖掘技術構建人力資源管理系統時要充分考慮這兩種不同類型的處理需要。人力資源信息化管理體系的構建主要由三個子系統和六個模塊組成，三個子系統分別為：收集子系統，執行對人力資源信息的收集，提供各種原始信息，經過抽取、過濾、轉化和集成后輸送到目標數據庫中；分析子系統，利用相關規則、推理機制從數據庫中對篩選出的所需數據進行分類，并利用數據挖掘技術進行數據分析；服務子系統，負責將分析后得到的信息情報提供給管理人員。六個模塊分別為：人力資源培訓；崗位設計；薪酬管理；績效管理；勞動關系管理；人力資源規劃。
參考文獻：
[1]肖明.大數據時代下數據挖掘技術在企業中的應用[J].中國管理信息化,2015(2).
[2]高超.數據挖掘技術對企業人力資源管理的影響分析[J].電子制作,2013(17).
[3]郭景峰,米浦波,劉國華.決策樹算法的并行性研究[J].計算機工程,2002(8).
[4]朱近賢.數據挖掘技術在人力資源管理中的應用研究[D].上海交通大學,2008.
[5]姜梅.基于數據倉庫、數據挖掘的人力資源決策支持系統[D].四川大學,2003.
作者:楊帆 單位:平頂山市工人文化宮
