数据挖掘技术在电力企业人资管理中的应用

　　钟得珲赵悦含
　　【摘要】在这个信息技术和通信技术飞速发展的时代，管理信息这样的系统已经运用在国内很多的企业中，信息管理系统在处理业务的过程中产出了非常多的数据，信息管理系统的数据是可以操作的数据，不可以直接的用来分析和处理，所以导致了下面的这些现象：存在海量的业务数据，企业却无法从大量的数据中及时得到有用的管理信息。这样导致大量的数据以及管理层信息无法被应用。
　　【关键词】技术；电力企业；人力资源；管理
　　一、解决数据技术在人力资源中的决策支持问题
　　首先，信息管理系统中的原始数据要通过抽取、清洗、转换以及加载到数据库中，使得数据库构成主题性的、集成的、时变的，这样可以更有效地实现企业各种类信息资源的整理、集合、共享，从而实现及时并准确的人员组成分析，可以为企业的管理、决策给予及时准确的依据和参考。
　　（一）商业智能所指的就是从数据系统中提取到有效的数据。从海量的信息中第一时间发现有价格的数据信息，为企业管理层及决策层决策和战略发展提供有效的帮助，尽可能的减少管理中纯凭经验的风险和隐患。
　　（二）数据库技术是组建于信息系统这个业务发展的需求。基础与数据系统技术演变而来的，逐步成熟起来的一系列的新的应用技术。它是商业智能的根基，很多基础的报表可以通过它而生成。
　　（三）数据技术在线分析处理，它可以通过对信息的多种模式的观察形式快速地、稳定一致地、交互性地存取。OLAP专门用于支持复杂的分析和操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大量数据的复杂查询处理，并且可以以一种直观而且易懂的形式将查询结果展现给决策人员，以便他们准确掌握企业的经营状况，制定正确的方案。
　　（四）数据挖掘的方法也有很多种类，数据仓库的技术同时也支持很多种预测模型以便于对信息数据做相对的分析和分类。采用不同的方法是人力资源数据分析中最为重要及迫切需要解决的问题，因此，我们很有必要的对它进行比较和分析。比较常用的数据挖掘预测方法有：决策树、神经网络、回归预测、聚类和规则引导等。
　　（五）数据挖掘技术的预测方法虽然种类繁多，不同的情况适用的预测方法也是不同。打个比方，先用决策树和聚类的方法准备的找出数据的总体方向和趋势，预测变量相关性之后，再使用神经网络或者规则引导方法比较有针对性的建模，这样以来，一方面可以更细致行的细化数据、提高本身的性能，另一方面在一定的程度上可以帮助噪音的消除。
　　二、数据挖掘在人力资源管理系统中的应用
　　首先，在电力企业，对企业发展有重大影响的就是人力资源管理，同时，在管理中自然会有很多纰漏以及问题的出现，那么产生的这些问题和原因又不具有一定的确定性，因此问题的解决一般很难用定量的方法去做到。所以，要把智能化的思想引入电力企业人力资源的管理中，为解决问题提供更好、更有效的方法。
　　（一）聚类分析法是一种很理想的多变量统计技术。它分层聚类法和迭代聚类法，将相同性质分为一类。相反，不同性质的两个个体归到不同类。它可以帮助分析的人从员工基本数据库中查看到不同的员工群。
　　（二）通过员工的年龄，在企业工作的时间、收入、技能是人力资源管理系统在电力企业中的一个典型的应用。对这个类型的员工聚集归类以后，将获得每类的重要平均值，检查并核查该平均值以及样本特征的关联程度。
　　三、论数据挖掘技术的实际应用
　　数据挖掘的一般过程分为四项：第一个是数据预处理。是指在主要的处理以前对数据进行的一些处理。如对大部分物理面积性观测数据在进行转换或增强处理之前，首先要将不规则分布的测网通过插值转换然后成为规则网的处理，它以利于计算机的运算。第二个是模型探索。这个工序完全可以由系统本身自动执行，从底部往上搜索原始的事实从而发现它们存在的某种关联。第三个是结果分析。数据挖掘的整个探索过程不是一次形成的，一般是需要重复反复很多次进行，因为当分析的人员给出结果以后，很有可能会出现一些之前并没有出现过的新问题或者是对某一方面的结果要做出更精准的查询。第四个是知识同化。对结果所出的报告进行解释和分析，这就是一个人工的过程了。
　　另外，还可以可以通过判断总结分析出员工属于哪一种类型。在数据库的全部数据的记录上，建立起待分类这样的样本集，将所要分类的对象称之为样本，也为样本分类做到合理的分类，应该将它们具体的属性数量化。
　　企业所需要的关键员工是需要员工保持的，因此找到关键员工是员工保持工作的首要任务。那么，接下来是要针对那些有可能要离开的员工，这样就完全可以运用决策树的方法来完成这一项。
　　四、结语
　　以上对于数据挖掘技术在商业智能的人力资源管理體系中进行的分析和研究，目前看来，数据挖掘技术已经逐渐从高端的研究转入常用的数据分析中。很多国外的金融业、零售业等像这样一些对数据分析需求比较大的恒业都已经成功地采取了数据挖掘技术，总而言之，数据挖掘技术不会在缺乏指导的情况下自动发掘模型，得到的模型必须建立在现实生活中，只有这样，才能真正解释最终的结果，从而促使该技术不断完善和提高，使得数据挖掘能够真正满足信息时代人们对它的要求，更好地服务于社会，也更好地服务于电力企业人力资源管理体系！
　　【参考文献】
　　〔1〕卢建昌，樊围国。大数据时代下数据挖掘技术在电力企业中的应用〔J〕。广东电力，2014（9）：8894。
　　〔2〕方德琳。浅析信息化在电力企业人才评价工作中的应用与实践〔J〕。中国科技信息，2013（3）：113。
　　〔3〕舒永芳。大数据时代下数据挖掘技术在电力企业中的应用研究〔J〕。低碳世界，2016（36）：102102。