數據挖掘在電力企業人資管理中的應用分析

任中武

摘 要：目前，隨著社會的發展，現代化建設水平的發展也突飛猛進。科學技術水平在不斷地提升，其在社會中的應用領域也變得越來越廣泛。在社會市場競爭中，各行各業也開始面臨著更大的競爭壓力。因此，為了能夠在這激烈的市場競爭中占據一席之地，很多企業都開始有效地使用科技技術。對于電力企業來說，人資管理不僅是企業內部管理的重要組成部分，也是提高企業市場競爭力的關鍵工作。因此，電力企業也開始使用先進的數據挖掘技術來加強人資管理，為企業的穩定發展提供保障。

關鍵詞：數據挖掘;電力企業人資管理;應用分析

引言

在這個信息技術和通信技術飛速發展的時代，管理信息這樣的系統已經運用在國內很多的企業中，信息管理系統在處理業務的過程中產出了非常多的數據，信息管理系統的數據是可以操作的數據，不可以直接的用來分析和處理，所以導致了下面的這些現象：存在海量的業務數據，企業卻無法從大量的數據中及時得到有用的管理信息。這樣導致大量的數據以及管理層信息無法被應用。

一、數據挖掘流程

跨行業數據挖掘標準流程（cross-industrystan-dardprocessfordatamining，CRISP-DM）是各行業數據挖掘標準過程的綜合展示，它是一個可通過不斷實踐、不斷完善的動態過程，具體包括商業理解、數據理解、數據準備、建立模型、模型評估和模型部署。（1）商業理解從商業的角度出發，以商業目標為切入點，深入了解業務的訴求和最終目的，將業務訴求與數據挖掘的定義以及結果有效結合起來。（2）數據理解對業務中真實產生的數據按照業務場景以及業務訴求進行評估和選取。（3）數據準備對業務中可用的原始數據，按照業務模型進行有效的組織以及清洗，使之達到建模需求。（4）建立模型在此階段需要選擇和應用多種不同的建模技術，校準業務數據模型參數。本階段主要完成數據模型建立、數據關聯規則、數據分類與預測、數據業務聚類、數據異常檢測等。（5）模型評估本階段主要檢測挖掘結果與業務目的的吻合度，檢測數據模型是否滿足業務訴求。（6）模型部署將數據模型進行應用實施，將數據挖掘結果生成一份報告。

二、基于數據挖掘模式的數據統計創新實際意義

發電企業所使用的傳統數據采集、記錄以及處理分析等工作雖然也是通過系統進行自動采集來完成的，但是由于系統本身缺陷很難實現對隱藏信息的有效分析，無法真正發揮出數據統計的作用。可以通過數據分析對比發電企業單位時間內生產經營情況，為制訂合理發展策略提供參考，所以在數據挖掘模式基礎之上進行數據統計模式的創新對于企業發展有重要意義。

三、關于數據挖掘的實際應用情況

（一）用于企業人才的招聘

對于任何一家電力企業而言，若是想要得到長久的發展，那么就必須要源源不斷地注入新鮮的血液。換句話說，在企業發展的過程中，必須要不斷地引入人才。對于電力企業內部的人資管理工作來說，人才招聘就是引入人才的重要手段。可以根據實際的面試流程來設置專門的題庫，再利用這些題庫來建立起專門的分析模型。這樣一來，人資管理部門的工作人員就能夠更加準確地了解人才情況，并判斷這些人才適合的崗位，為企業人才的引進指明方向。

（二）用于深度分析員工的能力

對于電力企業來說，企業內部的每一位員工自從招聘那天起，就已經在人力資源管理系統中留下了數據記錄。而隨著員工的工作時間不斷延長，員工的這些數據記錄也在不斷增長和豐富。在現實情況中，如何才能夠通過這些數據記錄分析員工的實際工作能力和工作潛力，也是人力資源管理部門非常關注的問題。而數據挖掘工作在人資管理中的有效利用，就能夠為這些問題提供解答的關鍵參考。人力資源管理部門中的工作人員借助數據挖掘技術，就能夠針對員工的學歷、工作能力、性格特點，以及人際關系等各種信息進行綜合的考核和分析，然后再針對每一項信息來設置不同的分值和比例，從而分析得到一個具體的數值。之后工作人員就可以根據這個數值來結合其他的員工情況進行綜合、合理地評價，由此來深度分析員工的工作能力和潛力。

（三）用于人才的分配

人才分配對于企業來說，具有著非常重要的作用。只有針對人才進行合理地分配，才能夠有效地促進人才的發展。在電力企業中，人力資源管理部門中的工作人員借助數據挖掘技術，就能夠有效地針對員工的共性和個性進行分析，以此來對每一位員工進行合理地劃分歸類。分類完成之后，人力資源管理部門的工作人員就可以清楚地知道員工的具體類型，從而了解到員工的特點，之后再根據這些特點來采取有效的管理手段，以此來刺激員工工作的積極性。

（四）數據統計質量的優化

對于發電企業來說，數據統計工作所進行的不僅是對數據進行采集、統計、計算以及處理，還能通過這些工作實現企業生產的推動，所以說數據統計的質量是關鍵，發電企業應該將重點放在數據統計的質量以及數據統計工作的創新上。首先應該做到的是調整數據統計管理方案，將重點放在管理制度的調整上，在統計工作中要做到最大限度地降低因為人為因素造成的影響。其次在統計工作中企業應該加強基礎統計的管理工作，主要包括減少無效數據含量，保證數據計算的算法正確以及運算的有效性等。最后針對相關數據統計工作制訂科學合理的考核制度以及獎懲制度，對在數據統計工作中為企業做出貢獻的個人或者是單位給予適當的獎勵，同時對在數據統計中出現較大偏差影響企業運行的團隊采取一定的懲罰措施，通過這種方法激發員工責任心，保障數據統計工作質量。

結語

以上對于數據挖掘技術在商業智能的人力資源管理體系中進行的分析和研究，目前看來，數據挖掘技術已經逐漸從高端的研究轉入常用的數據分析中。很多國外的金融業、零售業等像這樣一些對數據分析需求比較大的恒業都已經成功地采取了數據挖掘技術，總而言之，數據挖掘技術不會在缺乏指導的情況下自動發掘模型，得到的模型必須建立在現實生活中，只有這樣，才能真正解釋最終的結果，從而促使該技術不斷完善和提高，使得數據挖掘能夠真正滿足信息時代人們對它的要求，更好地服務于社會，也更好地服務于電力企業人力資源管理體系！

參考文獻：

[1]陳星鶯，張曉花，瞿峰，等.數據挖掘在電力系統中的應用綜述[J].電力科學與技術學報，2007，22（3）：51-56.

[2]曾碧波，黃小紅，趙健伍，等.TPSSCADA系統中基于電能分析的數據倉庫模型設計[J].工業控制計算機，2009，22（9）：37-39.

[3]周廣惠.對企業用電量分析與預測的數據挖掘[J].裝備制造技術，2009，37（9）：110-112.