浅谈数据挖掘技术在电信人力资源管理中实践运用

1009-4202(2012)09-000-02
摘要随着新时期各类信息技术的不断升级进展，信息技术已经渗透到各个领域中，在当今电信人力资源管理系统中，信息技术的运用至关重要，特别是数据挖掘技术的实践运用已经进展成为电信人力资源管理系统的技术保障。本论文着重探讨数据挖掘技术在电信人力资源管理中的实践运用，透过数据挖掘技术的深入浅析，充分开拓利用数据挖掘技术在电信人力资源管理中的潜在作用。为构建现代化、科技化电信人力资源管理系统提供技术支持。
关键词数据挖掘技术电信人力资源管理实践运用
一、前言
21世纪，在知识经济浪潮的推动下，人才的竞争已经进展成为企业竞争的关键本质。人力资源管理领域越来越受到社会各界的重视。伴随着柔性化人力资源管理理念的兴起，现代化的人力资源管理系统中单凭先进的理念无法满足日益升级的市场竞争需求。要想保障人力资源管理系统发挥长效的生命力，还需要借助现代信息技术的支撑。电信行业的技术进展是信息技术更新升级的名片之一，在电信人力资源管理实践中，应充分重视技术的支撑以及其积极的反作用。只有宏观上掌控数据挖掘技术的利用领域，不断拓宽数据挖掘技术对电信人力资源管理实践的功能性，才能更好地发挥数据挖掘技术服务于电信人力资源管理的最大化效应。

二、数据挖掘步骤浅析

数据挖掘就是在大量数据里利用浅析工具发现数据和模型间联系历程，并通过模型与联系来预测。数据挖掘步骤通常包括准备数据、模型构建、验证与评价模型、模型实施四个步骤。

(一)程序化的数据准备

数据准备主要包括取样、特点探讨、探讨与预处理数据。与此同时，正确选择数据源作为数据挖掘关键环节，还需把握不质，择选合适数据以及进行必要调整。数据挖掘目的就是要寻找电信企业运作规律，因而取样数据时务必要对数据质量严格把关，无论任何时候均不可忽略数据质量。

(二)科学化的模型构建

模型构建作为数据挖掘重点环节，构建模型时需要认真观察哪种模型对本电信企业最有用。模型类型既可以是决策树，也可以是神经网络与传统数学统计。对本电信企业选择模型时，要结合本企业电信实际情况，了解对数据所需做的预处理的工作，例如：神经网络要进行数据的转换。当所有数据均准备好后，就要对模型进行训练。

(三)精确化的模型验证与评价

当通过以上步骤获得一系列浅析结果与模型后，其中一种评价策略就是直接采取原有模型构建样板数据进行验证，当获取较好评价后，就表明在数据样本里挖掘出了满足实际规律源于：会计毕业小结hTTp://www.328TiBET.cn
性。当此策略行不通时，就可寻找另一批数据，虽该种策略验证效果相比第一种要差，但是相差程度却有一个度，否则就表明样本数据缺乏代表性或模型不改善。此外，还可通过实际运转环境获取新鲜数据来验证。

(四)模型实施

构建模型并通过验证后，就可采取以下两种策略来实施：第一种，将模型提供给工作人员以及浅析人员作为参考，让他们通过查看与探究该模型后得出行动实施倡议；第二种，将模型利用在一个数据集上面，用模型来标识事例类别，并给申请打分，或让模型在数据中寻找特定符号要求记录，在采取数据挖掘技术进行进一步浅析。

三、探究数据挖掘技术在电信人力资源管理中的实践运用

数据挖掘技术在电信人力资源管理中的实践运用不仅为公司进展战略给出了合理人才规划，还实现了公司人力资源其战略和公司进展战略有机结合。下面探究数据挖掘技术在电信人力资源管理中的实践运用。

(一)数据挖掘技术在电信人力资源管理中的实践运用步骤

1.对挖掘目标进行确定

根据电信企业的实际情况，对挖掘目标进行确定，以寻找电信企业员工的职称、年龄、学历、性别等属性和离职与否间联系，以而在电信企业中找出潜在离职者，进而针对该些潜在离职者，对其采取一系列措施，例如：提升福利、薪资、变更工作性质等来达到降低离职率的目的，因而也可以为电信企业减少损失，形成稳定员工团队。

2.挖掘数据准备

按照人力资源管理部门数据对员工资源间联系进行确定。在职员工的基本信息包括：工号、性别、姓名、所在的部门、现担任的职位、职称、年龄、婚姻、政治面貌、文化程度、入党时间、进电信公司时间、等。离职员工的基本信息包括：工号、性别、姓名、所在的部门、职称、年龄、婚姻、政治面貌、文化程度、入党时间、离开电信公司时间、等。以以上基本信息中可看到在数据源中获取历史数据，具有有着量大、定义较复杂、属性较繁多、不健全等特性。由此，需要我们在大量数据中择选符合浅析条件的数据，并采取SQL查询语句压缩、汇总和删除等来操作员工信息其联系的数据库

3.模型构建

构建模型时，最常用数据挖掘技术为遗传算法、决策树和人工的神经网络。针对电信企业人力资源管理实际情况，最为常用数据挖掘技术为决策树的分类法。建立决策树的历程，就是切分数据历程，并且每次切分均对应着一个不足和一个节点，同时每个切分全部要求分成组间有着最大差别。每种决策法其算法间主要不同就是对该差别衡量方式区别。对于电信公司人力资源管理，我们可将切分当作是将一组数据其分成几个部分，要求统一份内数据要尽可能的相同，不同份之间的数据要尽可能不相同。该类切分历程同样也被称作数据纯化。

(二)数据挖掘技术的实践运用对电信人力资源管理所起的作用

1.优化了人员配备

电信企业熟悉组织内部的人才类型与构成，掌握员工具体实际情况，对选拔人才与制定人才战略具有重大作用。数据挖掘技术在人力资源管理中的运用能够在组织内众多的数据库里获取人力资源的信息，并发现其方式与联系来达到优化其人员配备的目的。
为有效达到以上目的，常采取以下四个数据挖掘步骤：
（1）对数据进行预处理，即净化和收集数据源信息，贮有着数据的挖掘库中；
（2）搜索模型，采取数据挖掘技术在数据里寻找有用的信息，并构建相应知识发现的模型，该搜索历程即可以由系统自行，同样也能加入用户互动历程；（3）结果浅析，数据挖掘搜索历程通常需要重复很多次，由此需要不断的修正搜索，以而形成最终的结构报告；
（4）知识同化，即对结果报告进行解释，并根据此结果实行必要措施，该工程乃人工的历程。

2.预防了人才流失

人才流失将会给电信公司带来巨大损失，由此做好防止人才出现流失情况是人力资源管理重大工作之一。为预防电信公司出现人才流失，要求对已经流失人才给予调查，包括他们的特点、身份以及离职理由，进而构建模型。可采取的数据挖掘步骤为：
（1）整理数据，把离职人员全部信息都以电信企业数据库中导入到人力资源信息系统中，将和离职有着密切联系信息属性分离出来，同时构建相应数据表，确定数据在挖掘途中所需的基本变量；
（2）构建模型，运用决策树策略，将切分当作是将一组数据其分成几个部分，要求同一份内数据要尽可能的相同，不同份之间的数据要尽可能不相同。该类切分历程同样也被称作数据纯化。

3.健全了人力资源的精确管理

人力资源管理所要解决的根本不足就是高效为客户给予优质服务。数据源于：会计学本科毕业论文范文http://www.328tiBEt.cn
挖掘技术的利用健全了人力资源的精确管理，实现了生产效益和工作效率的提升。具体实行步骤为：
（1）整理数据，浅析人力资源管理系统中员工的完成业务和工作信息，将员工的工作能力与业务所需要的时间作为属性，构建成数据表，并在数据处理中确定所需基本变量；
（2）模型构建，该模型的构建能力让管理者及时掌握岗位工作的负荷，并判断员工总量的配置合理与否、人员的结构失衡与否，进而提升生产效益，为电信企业创建效益。

四、结束语

综上所述，数据挖掘技术具有其本身独特的现代化技术基底，在电信人力资源管理历程中要不断开拓数据挖掘技术的积极效能，通过宏观掌控数据挖掘技术的关键，深入研发，合理建立相关人力资源管理模型，以而全面提升电信人力资源管理的精确度。多维度普及数据挖掘技术在电信人力资源管理中的运用结构，营建人力资源知识共享平台，优化人才结构配置，以而引导建立健全的人力资源绩效考核机制，为电信行业的进展提供必备的人力资源管理技术支撑。
参考文献：
王庆,郑汉超.数据挖掘在人力资源管理中的运用及展望.企业活力.2010(4):68-71.
董洪敏,衣龙海,辛爱莉.数据挖掘在人力资源信息化管理中的运用.商场现代(下旬刊).2008(531):306-306.
[3]王明东.数据挖掘技术在高校人力资源管理中的运用.考试周刊.2011(75):151-152.
[4]漆昊晟,欧阳群.数据挖掘技术在企业人力资源管理中的运用.企业经济.2012(1):78-80.