毕业论文网
本论文可用于大数据技术论文范文参考下载，大数据技术相关论文写作参考研究。
大数据技术在人岗匹配中的应用
摘 要：随着大数据时代的到来,大数据技术势必会给人力资源管理中的人岗匹配问题带来新的变革.人岗匹配是一个受多种因素影响的双向动态过程,难以用一般的数学方法来进行描述.本文将大数据技术和智能算法有效结合,提出一种解决人岗匹配问题的有效途径.本文首先简单阐述了电力系统大数据平台的基本构架和大数据技术在人岗匹配中的应用；然后建立了基于RBF神经网络的人岗匹配度计算模型；最后,实际案例结果表明,本文算法能够有效改善人岗情况,为电力公司的人力资源部门提供了良好的辅助决策功能.
关键词：电网大数据；数据挖掘；人岗匹配；RBF神经网络引言：员工与岗位的匹配是人力资源管理中的基本问题,是指人和岗位之间的对应关系,根据每个人的素质将其安排在最适合的岗位,达到“物尽其用,人尽其才”的目的.人岗匹配是一个受多种因素影响的双向动态过程,难以用一般的数学方法来帮助企业在这一不断变化的过程中寻找到适合的优质人才.但是,随着移动互联网和大数据技术的迅猛发展,通过计算机智能分析电力公司数据库中的海量信息来解决人岗匹配问题成为可能.
目前,部分学者对如何解决人岗匹配问题作出了深入研究.其中,文献从理论上分析了大数据技术给人力资源管理及人岗匹配问题带来的机遇和挑战,对大数据时代背景下人力资源的管理创新建设性意见,但缺少实际案例,仍停留在理论阶段；文献利用BP神经网络模型对教师进行人岗匹配测评,可以更好地培养师资力量,但缺少仿真结果,缺乏说服力；文献以企业为背景、以岗位为基础,构建人岗匹配的静态、动态模型及配套模型,提出实现岗位管理中的人岗匹配的步骤,并对某特定企业人岗匹配的实际情况进行研究,但没有结合大数据技术,缺少创新性.本文基于电网大数据,将数据挖掘技术应用于电力公司的人岗匹配管理,并建立RBF神经网络模型计算人岗匹配度.实际案例结果表明,该算法能够优化人岗匹配情况,为人力资源部门提供了良好的辅助决策功能.
一、大数据技术介绍
海量数据的出现催生了“大数据”这一最新概念,最早于2011年5月由麦肯锡全球研究所提出.大数据技术的核心不在于处理爆炸性增长的海量数据,而在于对海量数据进行科学性、专业性和安全性的结构化处理,发掘数据背后所蕴含的有价值的规律.大数据技术的战略意义不在于掌握庞大的数据信息,在于提高对人员信息的“加工能力”,通过加工实现对企业岗位的“增值”.适用于人岗匹配问题的大数据技术主要依据数据挖掘技术.
数据挖掘（Data mining）被称为数据库中的知识发现,保障数据挖掘效能的前提条件是拥有海量的、高品质的数据.首先要对相关数据进行清洗,排除噪声干扰,依据数据特征进行分析挖掘；然后输入相应的数学模型,就可以有效的预测人力资源管理的现状和趋势,最后达到人力资源的精细化管理和规划相一致的目标.图1 数据应用平台总体架构
二、大数据技术平台框架
电力系统大数据平台建设应该基于先进的大数据系统框架,充分融合先进的传感器技术、无线通信技术在数据获取方面的优势以及分布式数据库、云计算、人工智能等技术在大数据处理分析方面的优势,建设实时、高效、开放的应用平台,实现信息服务的多样化、专业化和智能化,从而提高电力公司人岗匹配技术水平.本研究参考一般大数据的系统结构从多个方面设计了电力系统大数据综合平台的总体架构,包括业务前台、数据服务、数据中台、计算后台和电力数据平台,如图1所示.
（1）计算和存储平台：为了搭建智能大数据平台,需要建设一个统一大数据存储和计算平台,用于承载数据接入、存储和计算功能.统一数据存储计算平台是一个分布式的存储计算平台,是企业级数据资源中心,所有的数据资产都将存储在该平台.基于该平台建设海量数据实时接入、实时计算和离线批量计算功能,提供海量数据实时多维分析功能,提供数据挖掘建模和机器学习功能.
（2）数据开发平台：包括数据同步、数据开发、任务调度和监控告警等功能,是数据开发和管理的工作平台.
（3）OneData管理体系：模型构建、指标规范、OneID.其中OneID通过数据建模和数据挖掘技术,将设备全业务周期数据打通.
（4）资产管理系统：包括数据资产概览、数据地图（元数据管理）、数据治理、资产应用、资产运营等功能,是落实各种数据管理规范的工具平台.
（5）数据中台：基于以上最终生产并物理存储的三类数据中心：基础数据中心、全域数据中心、数据服务中心,对所有的数据进行垂直化处理,全域处理,以及数据连接萃取,搭建数据公共层,从基础层到应用层,从数据采集,数据清洗结构化,对数据进行建模、研发（中间层、应用层）,数据连接（主题）,萃取标签和画像.
（6）数据服务：对数据进行更高层次的加工,形成对业务系统的支撑和服务能力以及外部的数据交换能力.
（7）数据应用：基于大数据平台和数据资源,开发数据应用.
三、大数据技术在人岗匹配中的应用
传统的人岗匹配耗时费力,从岗位的定性分析到搜寻合适的员工、从员工的综合测评到定岗匹配,其中的各个环节都浪费了大量时间以及人力、物力,难以在当今激烈的人才竞争中快速搜索到本公司急需的专业人才,因此匹配效率较低.运用大数据技术可以有效挖掘人岗匹配大数据背后的潜在规律,大大提高公司人力资源部门在人岗匹配中的办事效率,进而提高企业的集约化程度.
（1）数据的采集与处理
大数据技术下,人岗匹配的第一步是将各类人力资源数据化,主要包括人才资源、岗位资源、培训资源和奖励资源等,然后进行数据挖掘.将人才资源数据化需要考核人的性格、能力和绩效表现等多种指标.表1所示为人岗匹配中的大数据类型.
表1 人岗匹配中的大数据类型
岗位数据化就是通过数据存储、分析技术预测定岗人数以及岗位胜任力,确定每个岗位最需要什么类型的人才,从而在人才招聘环节中做到有的放矢.培训数据化就是根据员工的各方面素质和岗位需求,安排员工进行最适合的岗位培训,减少盲目培训带来的资源浪费和成本损耗.奖励数据化通俗来讲就是“多劳多得,少劳少得,不劳不得”,制定严格的按劳分配的奖励制度,用一定的成本支出,使员工的工作积极性最大化.
（2）人岗匹配度的计算
依据岗位的胜任力特征要求建立岗位所需的员工素质模型,并根据已经有的人岗匹配研究,计算人岗匹配度（Q）.一般情况,当Q＜0.6时,人岗匹配关系设置为不匹配；当0.6≤Q＜0.8时,人岗匹配关系设置为匹配；当0.8≤Q≤1,人岗匹配关系达到最好的状态,设置为匹配；当Q＞1时,员工综合素质大于岗位胜任力的需要,大材小用,此时的人岗匹配关系设置为不匹配.当出现不匹配的情况时,就需要对这两类的员工岗位进行调整.
（3）数据可视化
相比于大数据的采集与处理和人岗匹配度的计算,决策者更加关注的是对分析结果的展示.依据大数据平台分析岗位的胜任力特征以及岗位所需要人员的能力素质,通过人岗匹配度的算法画出人岗匹配的散点图,作为企业人岗匹配的决定依据,提高决定的客观性.
四、应用案例
本文通过某省电网的营销业务应用系统、95598故障抢修工单,统计分析了某省17家地市级电力公司对照五位一体平台中开展抢修故障处理环节的标准岗位的人岗匹配情况.通过2016年4月的人岗匹配结果,对部分员工的岗位进行调整,然后与8月份的人岗匹配结果进行对比,其具体操作步骤如下.
（1）建立评价模型
结合配网抢修现场故障处理人员的工作特性,设立了十二种人岗匹配测评指标,包括：员工的年龄、学历、实际工资水平、预期工资水平专业技能、工作经验、身体状况、心理状况、学习能力、与人沟通的能力、IQ指数、处理故障的能力、计算机水平.
（2）数据准备
根据各员工的实际情况,由决策者或相关工作人员对每个参评员工的十二指标进行打分,得到各指标的具体数据,为人岗匹配度的计算奠定基础.
（3）利用RBF NN神经网络计算人岗匹配度
用于人岗匹配评价的RBF神经模型的结构如图2所示.图2 人岗匹配的RBF神经网络模型
如图2所示,整个RBF神经网络结构分为输入层、隐藏层和输出层.其中,每条人岗匹配测评指标对应一个输入层,设定输入层维数为12,各输入层的值分别为以上12个指标的值；输出层维数设定为1,输出层大于等于0.6且小于等于1时为匹配,其余值为不匹配；隐藏层节点数根据多次仿真实验设置为4.
（4）匹配结果展示
通过2016年4月的人岗匹配结果,对人岗关系匹配结果为不匹配的人员进行岗位调整,然后与8月份的人岗匹配结果进行对比,具体对比情况如图3、4所示.图3地市标准岗岗位人员匹配度对比情况如图3所示,人岗匹配率按照五位一体标准岗和人资ERP系统数据及95598工单明细数据进行计算.总体来看,2016年8月份现场抢修处理人员共11531人,其中：五位一体标准岗匹配人员为5322人,占现场抢修人数的46.15%,较4月份相比,五位一体标准岗匹配人员占比上升6.5%.从地市看,A市、B市、C市供电公司标准岗人员比例较高,为62.02%、58.75%、57.67%；P市、Q市公司比例较低,为31.93%、22.22%.较4月份相比,A市公司、N市公司、D市公司标准岗人员比例提升幅度较大,分别提升59.97%、27.90%、25.35%,图4 各地市非标准岗人员参与抢修占比情况
如图4所示,总体来看,参与实际现场抢修的非标准岗匹配人员共计4841人,占现场抢修总人数的41.98%,较4月份上升8.14%.从地市看,a市、b市、c市公司非标准岗匹配人员参与现场抢修占比较高分别为63.11%、55.81%、55.78%,p市、q市占比较低为25.66%、20.79%；较4月份o市供电公司参与现场抢修非岗位人员占比有所下降,为5.80%,其它公司均出现不同程度上升,其中a市、b市公司上升幅度最大,分别为56.99%、38.38%.
五、结论
在大数据时代的背景下,将大数据技术应用于解决人类资源管理问题是一种行之可效的解决途径,更是一种大胆的创新和探索.本文人岗匹配模型的建立正是顺应时展的产物.该模型基于RBF神经网络算法,提出了一套行之有效的人岗匹配判断标准,并在电力公司抢修故障处理环节人岗匹配的实际案例中进行仿真.结果表明,本文算法能够有效改善人岗情况,为人力资源部门提供了良好的辅助决策功能.但是仍有许多值得改善的环节,比如,如何全面、客观、合理地量化和细化指标体系,如何提高人岗匹配结果的准确性等,这些将是下一步研究的重点.
参考文献
[1] 沈文海. 人岗匹配的理论研究与实证分析[D]. 厦门大学, 2002.[2] 杨月坤, 蒋忠惠. 大数据技术在人岗匹配中的实践与挑战[J]. 领导科学, 2016(27):53-54.
[3] 王萌萌. “大数据技术+”与人力资源量化管理的研究展望与多维分析[J]. 天水行政学院学报, 2016(2):31-35.
[4] 张凯. 大数据时代背景下人力资源管理所面临的机遇分析[J]. 现代营销旬刊, 2016(10):115-115.
[5] 张喆, 牛浩, 张果. 大数据下企业人才测评方法探究[J]. 商情,2016(19).
[6] 张志宇, 吕明丽, 李从东. 数据挖掘在人岗匹配中的应用研究[J].中国人力资源开发, 2010(2):51-53.
[7] 张珺珺. 岗位管理中的人岗匹配研究[D]. 河海大学, 2006.
大数据技术论文范文结:
关于本文可作为大数据技术方面的大学硕士与本科毕业论文大数据技术论文开题报告范文和职称论文论文写作参考文献下载。
1、大数据时代论文
2、关于大数据的论文
3、大数据杂志
4、有关大数据的论文