大数据技术在企业员工标签体系中的应用

来源:用户上传      作者:

　　摘要：本文针对大型企业，员工分布在各地，且人数众多，在当前数据量爆发式增长的情况下，很有必要利用大数据技术建立员工标签，快速、及时解决数据建模、挖掘和分析，有效建立人才库，提升企业核心竞争力。文章分析了利用大数据技术建立员工标签的必要性、标签分类、构建步骤、应用范围及构建注意事项。
　　[关键词]大数据 员工标签 模型
　　对于集团型企业，尤其是大型跨国公司，员工人数动辄几十万，精准发现企业人才，提升人力资源管理水平，利用大数据技术，从大量数据中快速挖掘人员价值，提升人力资源管理的效率和精确性很有研究价值。
　　1利用大数据技术建立企业员工标签的必要性
　　随着企业管理的不断精细化和精确化，人才对企业的发展起到了关键作用，尤其是集团型企业，信息化基础建设已趋于成熟，各种基础信息的管理已比较完善。为了更好的挖掘和分析人才，有效且全面掌握人员信息的价值越来越重要，基于员工的属性、行为和特征，借助数据挖掘模型和大数据技术等手段，找到与企业发展相适应的组织、制度、流程、支撑工具。通过整合各类数据，对员工建立起全方位的标签信息，有效提升人力资源精细化管理水平，大型集团型企业建立自身的人力标签体系也迫在眉睫。
　　信息化发展已从过去的IT时代迈向DT时代，数据量的爆发式增长，对数据的分析、管理、利用带来了新的挑战，对于大数据技术来说，在大量的数据中找到有意义的模式和规则，数据的获得不再是一一个障碍，而是一个优势，对于数据量早已逾越TB、增长率惊人、实时性要求高的情况下利用大数据技术对数据进行处理和挖掘也势在必行。
　　2员工标签体系建立目标
　　优化整合信息资源：将数据有效分类，并建立数据间的关联关系，建设人力资源数据分类体系，为各级领导及相关工作人员提供信息获取渠道。实现数据的统一采集、统一存储、统一·处理，统一的数据展示、分析平台和门户，提高数据的及时性和准确性。
　　决策手段信息化与智能化。运用数据挖掘、大数据技术等实现数据整合和可视化。
　　构建标签模型。利用信息技术，挖掘和分析各类信息资源，构建标签模型。
　　3大数据技术在标签建立过程中的应用
　　3.1数据采集技术
　　利用Sqoop进行数据采集和汇聚，Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具，可以将一个关系型数据库（例如：MySQL，Oracle，Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。使用元数据模型来判断数据类型并在数据从数据源转移到Hadoop时确保类型安全的数据处理。Sqoop专为大数据批量传输设计，能够分割数据集并创建Hadoop任务来处理每个区块。
　　利用Flume收集日志信息，Flume是Cloudera提供的一个分布式、可靠、和高可用的海量日志采集、聚合和传输的日志收集系统，支持在日志系统中定制各类数据发送方，用于收集数据。
　　3.2数据清洗
　　数据清洗就是利用数理统计技术、数据挖掘技术或预先定义的数据清洗规则将脏数据转化成满足数据质量要求的数据。
　　3.3数据建模和挖掘
　　模型的定义：通过定义模型，可以充分利用目前成熟的机器学习框架，如R、Spark等机器学习模型计算能力。系统使用人员在配置好数据后，选择合适的模型工具和模型算法，通过调用机器学习框架的能力，得到最终的建模结果;同时，在必要的情况下，需要比较不同工具和算法的结果，从而帮助系统人员获得最优模型。
　　通过建设模型工具，应用机器学习中分类模型、回归模型和聚类模型的计算，从而对人员数据进行更广泛和深入的挖掘;通过建设数据工具，帮助用户全面的掌握企业人员情况，从而制定更合适有效的人才管理规划，并建立企業人才库。
　　4员工标签分类
　　通过对各类信息的梳理，如人员资历，人员绩效考核，人员能力等，形成对个人综合分析评价的个人画像，关键分类如下：
　　4.1员工资质标签
　　资质是在既定的工作、任务、组织或文化中区分绩效水平的个性特征的集合。资质决定一个人是否能胜任某项工作或很好的完成某项任务，如一级建造师、注册咨询师等。
　　4.2员工业绩标签
　　员工业绩是对一段时间的工作成果表现的评价，通过建立员工业绩标签可以反映该员工在过去的工作成绩，如优秀、良好等评价。
　　4.3员工能力标签
　　员工标签是一个或多个员工特征的集合，根据不同的员工属性信息、行为特征等给企业员工打上不同的标签，通过不同的标签员工进行针对性的能力提升推荐和职业规划设计，提升员工服务能力和提高人力资源的精确管理。同时员工的标签体系可以为原有的粗放式管理向精确化管理方式转变奠定基础。如建立含有基础素质、业务能力、业务质量、成本效益在内的四个维度的员工能力画像模型，反映员工的实际工作胜任情况。
　　4.4员工满意度标签
　　员工满意度是指员工个体作为职业人的满意程度。根据行为科学理论，决定员工满意度的因素既有公司政策与管理、督导、工资、同事关系、工作环境等所谓保健因素;又有上进心、责任感、工作本身、赞赏、成就感等激励因素。这些因素在不同时期以不同的程度决定着企业内部不同层次职工的满意程度。根据上述因素可构建如下的员工满意程度指标体系：对工作条件的满意度、对工作本身的满意度、对工作回报的满意度、对企业人际关系的满意度等。
　　4.5员工潜力标签
　　对于大型公司，人数较多的情况下，做员工发展潜力评价很有必要性，这也是高层了解基层的一一个渠道。基于员工的学历、职级、工龄、年龄等情况制定了一套标签模型，以便综合反映一个人未来的发展潜力如何。
　　5标签体系构建步骤 　　5.1目标分析
　　员工画像构建的目的不尽相同，有的是实现精准营销，增加产品销量;有的是进行产品改进，提升员工体验。明确员工画像的目标是构建员工画像的第一步，也是设计标签体系的基础。
　　目标分析一般可以分为业务目标分析和可用数据分析两步。目标分析的结果有两个：一个是画像的目标，也就是画像的效果评估标准;另一个是可用于画像的数据。画像的目标确立要建立在对数据深入分析的基础上，脱离数据制定的画像目标是没有意义的。
　　5.2标签体系构建
　　分析完已有数据和画像目标之后，还不能直接进行画像建模工作，在画像建模开始之前需要先进行标体系的制定。
　　此外，需要明确的一点是：标签体系不是一成不变的，随着人力资源业务的发展，标签体系也会发生变化。
　　5.3画像构建
　　基于员工基础数据，根据构建好的标签体系，就可以进行画像构建的工作了。员工标签的刻画是一个长期的工作，不可能一一步到位，需要不断地扩充和优化。一次性构建中如果数据维度过多，可能会有目标不明确、需求相互冲突、构建效率低等问题，因此在构建过程中建议将范围进行分解，每一阶段只构建某一类标签。
　　6标签应用范围
　　（1）实现企业员工信息的汇聚、清洗和梳理;
　　（2）为企业人才库建立提供信息依据;
　　（3）为企业合理用工和员工提拔提供数据支持;
　　（4）规范企业用工管理、实现降本增效;
　　（5）分析员工价值，挖掘企业核心人才。
　　7標签建立注意事项
　　（1）数据集成：通过数据整合平台建立数据仓库，装载来源于各个系统的人力数据，包括历史数据的一次性装入，和日常发生数据的定时、不定时抽取;
　　（2）数据支撑：支撑服务层连接决策支持应用和各类数据资源，组织和整合各类数据、组件和服务，为上层应用的搭建和运行提供支撑服务;
　　（3）标签体系和规范：在构建标签模型前进行业务需求的梳理，明确要建立的标签和数据规范;
　　（4）决策模型：是决策分析系统的重要分析基础，为企业管理者提供辅助决策的科学管理工具;包括现有人员休假预测、人员退休预测等;
　　（5）整体规划、分布建设：标签体系的建设是长期，不断完善的过程，随着人力管理的不断深入，需要持续完善和扩充员工标签体系。
转载注明来源:https://www.xzbu.com/1/view-14928123.htm