數據挖掘技術在人力資源管理中的應用

【摘要】隨著醫院信息化進程的不斷推進，人力資源管理將更加依賴于數據信息。本文針對一個真實的醫院人力資源數據集，通過關聯規則分析了在醫院人力資源管理中適用的數據挖掘技術與過程，研究分析的結果具有較好的解釋性，以期幫助醫院對這一系統能夠有更全面地認識，促進醫院人力貨源管理水平實現跨越式提升。

【關鍵詞】數據挖掘;醫院人力資源;關聯規則

【中圖號】C931.9【文獻標示碼】A【文章編號】1005-1074(2008)11-0195-01

進入21世紀，人才的競爭已經成為各個城市、各個企事業單位競爭的焦點。同樣，醫院的發展需要大批各個學科、各個層次的人才。當前，醫院的人力資源結構基本上由醫療科室人員、后勤人員、護理人員、藥房人員組成。人員招聘和選拔直接影響到醫院員工的質量，從而影響醫院的整個人力資源，如何選拔優秀的并適合本院的人才對于醫院的生存發展至關重要。隨著計算機技術的發展，許多醫院相繼建立了人事信息管理系統，并在日常工作中積累了大量數據。而通過利用數據挖掘技術對醫院人力資源數據源中的數據進行分析，尋找其中有價值的關系和規律，對人員聘用、培養、選拔等實際工作能夠在一定程度上起到輔助作用，從而為制定人才需求規劃、人才招聘和培養提供比較客觀的決策支持。數據挖掘一般是指在數據庫中，利用各種分析方法與技術，將過去所累積的大量繁雜的歷史數據中，進行分析、歸納與整合等工作，以提取出有用的信息，找出有意義且用戶有興趣的模式(Interesting Patterns)，為企業管理階層的決策提供參考依據。數據挖掘技術引入人力資源的管理極大地便利了組織對于海量人員數據的分類管理及分析。本文通過對一家醫院具體數據的分析，來闡明數據挖掘技術在人力資源管理方面的運用。

1數據挖掘技術的分類與方法

根據采用的數據挖掘方法分類，可粗分為:統計方法、機器學習方法、神經網絡方法和數據庫方法。統計方法中，可以細分為:回歸分析(多元回歸、自回歸等)、判別分析(貝葉斯判別、費歇爾判別、非參數判別等)、聚類分析(系統聚類、動態聚類等)、探索性分析(主元分析法、相關分析法等)等。機器學習中，可以細分為:歸納學習法(決策樹、規則歸納等)、基于范例學習、遺傳算法等。神經網絡方法中，可以細分為:前向神經網絡(BP算法等)、自組織神經網絡(自組織特征映射、競爭學習等)等。數據庫方法主要是多維數據分析或。LAP方法，另外還有面向屬性的歸納方法。

2目標醫院簡介

該院于1990年建于福州，是一所集醫療、教學、科研為一體的省級綜合性醫院。醫院設行政職能科14個，臨床科室25個，醫技科室7個，病區11個，臨床教研室13個。截至2007年，該院擁有員工1119人。其中在編670人，編外450人。以下為人員最高學歷分布圖以及職稱分布圖：見圖1、圖2。

3數據準備

因為所收集的個人信息比較復雜而且常常是不連續，所以需要對數據進行預處理以改善數據質量。然后再把被選數據轉化成合適分析的形式。處理后的數據變量如下：①學歷：將學歷分為本科及以上學歷，大專學歷，中專及以下學歷；②所在科室：分為住院區，后勤部門，臨床部門，收費處及藥房；③職位：分為院領導及一般員工；④職稱：分為高級職稱，中級職稱，初級醫師，初級護師；⑤論文發表情況：大于5篇，1到4篇，0篇；⑥年度考核：分為優秀，合格，和須要改進；⑦年齡：40歲以下為青年組，40到50歲為中年組，50到60歲為老年組。

4數據分析

本文將利用數據挖掘中的關聯分析對數據進行分析。在關聯分析中選用離散化的特征變量表達方式，取最小支持度為0.1，最小置信度為0.8。經過初步的分析后，得出了20條規則。以下為部分規則：由規則一發現，醫院招收的護理人員主要是年輕人，這是因為護理病人是一項艱苦的工作，護理人員的職責是幫助病人進食、服藥、清洗，而部分重病患者甚至需要每天24小時看護，這些工作都需要看護人員有著足夠的體力與耐心。另外，護理人員文憑相對較低，主要來自于一些中專衛校。這是由于護理工作對理論要求相對較低，一般衛校畢業生已經掌握足夠的相應技能，可以勝任護理工作。由規則二發現，在年度考核中，工作需要改進的員工主要集中在那些職稱較低，文憑較低的年輕醫生上。這些醫生大多剛從學校畢業，從事工作僅一到兩年，工作經驗比較缺乏。另外一些年輕醫生由于文憑較低，專業技能欠缺，甚至出現了誤診，引起了醫療糾紛。面對這種情況，首先在招聘醫生時，醫院須要加強對應聘者專業技能的考查，并且對重點大學醫學院的畢業生應有所側重。其次醫院須要完善崗前培訓，使新進醫生能夠更快適應日常工作。由規則三發現，醫院里的學術專家主要是職稱是正高或副高的醫生。他們的年齡集中在45到60歲，具有豐富的診斷經驗，在各自的領域有著很深的學術底蘊，這可以從他們在國家核心刊物上發表多篇學術論文上反映出來。這部分專家對提升醫院的學術水平有著很大的作用，醫院應該為其提供專門的研究經費。由規則四發現，擔任醫院領導工作的人員大多擁有高級職稱。這是因為國家要求院長，副院長不僅要有領導能力，而且需要有較強的業務能力。由規則五發現，職稱為“主治醫師”的大多是具有10以上工作經驗的醫生。他們全部是大學本科畢業，有著豐富的工作經驗。他們在臨床工作中是中堅力量，承擔了主要責任。因而醫院只有加強對主治醫師醫療質量的把關，才能使整體醫療水平得到提高。由規則六發現，在年度考核中，獲得優秀評價的主要是擁有中高學歷的年輕醫師。他們雖然參加工作時間相對較短，但是由于畢業于本科院校，有著扎實的理論功底，因而學習能力很強并且較中年醫生更有工作熱情。醫院應該增加對年輕醫師的獎勵，主任醫師也應給予更多的指導與幫助，這樣才能充分挖掘年經醫師的潛力。以上關聯規則挖掘產生的結果數據表明，數據挖掘得出的結果與現實情況基本符合。一些事先并沒有預料的結果，也客觀地反映了實際情況。這充分表明了數據挖掘是一個強有力的輔助決策工具。

隨著國內醫院信息化建設的發展，數據資源將在醫院管理中占據越來越重要的地位。人力資源管理的數字化資源不僅客觀真實地反映了醫院員工的人事信息，而且通過數據挖掘的分析，還可得到工作人員的各類評價信息、了解醫務工作者的現狀及發展趨勢，制定更為合理的人事政策等。本文在一個真實的醫院人力資源數據集的基礎上，通過關聯規則技術分析了職稱、文化程度和年度考核等幾方面的關系。數據挖掘技術及其應用是目前國際上的一個研究熱點并在許多行業中得到了很好的應用。在人力資源信息管理領域綜合應用數據挖掘技術和人工智能技術將是實現人力資源開發與經營的必經之路。

5參考文獻

1譚國臣.高校人力資源管理信息系統的開發[J].魯東大學學報（自然科學版），2007，23，（3）

2宣軍英.基于SQL Server 2005的高校人力資源數據挖掘的研究[J].計算機系統應用，2007，（4）