智慧化人力資源管理信息服務平臺架構設計與實現

于乃文 杜素艷 韓保剛 王志芳

摘 要：人力資源是企業發展和社會進步的重要組成保障，傳統的管理方式存在著數據采集量不足、共享程度不夠、數據異構程度高等問題，無法滿足管理者的需求，本文提出了以大數據、物聯網和智慧算法為核心的技術架構，很好地實現了異構數據的同構化處理，海量數據的挖掘和利用，從而為提高人力資源管理的科學性、智慧性鋪平了道路。

關鍵詞：人力資源;信息平臺;技術架構;智慧平臺

自19世紀管理學成為一門學科后，管理者和決策者就不斷地推進對管理對象的量化，并使管理者的決策更好地基于數據、模型、運算結果，而不是完全依賴于主觀或知覺。隨著數學、運籌學、計算科學、通訊科學的不斷發展，大數據采集、高運算、數據智慧化分析已經在運營管理、市場決策中取得了豐碩的成果，其中人力資源成為企業管理和發展的核心，而傳統的人力資源管理方式存在著數據采集量不足、共享程度不夠、數據異構程度高等問題，無法滿足管理者的需求，本文針對這些問題，利用物聯網、大數據等現代化技術提出了智慧化人力資源管理信息服務平臺的架構。

1 信息服務平臺的整體技術架構

為了滿足來自于人力資源本身、企業、市場監管部門、政府管理部門、學校等單位的需求，筆者設計了感知層、網絡層、大數據層、標準化層、應用層、用戶層等6層技術架構，按照各自特點設計了應用接口和終端接口，用于數據交互過程中的友好互通和為未來發展的擴展，技術架構如圖1所示。

2 信息平臺的架構分析

按照圖1給出的技術架構，分析如下：

2.1 感知層

感知層是數據的來源，可通過物聯網等技術完成海量數據的采集，但考慮到后期信息化處理的效率和需求，有必要進行數據挖掘的“原料”選擇，主要包括：（1）人力資源檔案數據;（2）人力資源的學習數據;（3）人力資源的培訓數據;（4）人力資源的需求數據;（5）人力資源的考核數據;（6）用人單位的需求數據;（7）用人單位的考核數據;（8）監管數據;（9）政府的法規數據;（10）其它數據。這些數據可進行人工錄入，也可以通過與其它系統的接口，完成數據的交互獲取，如：人臉識別、考勤記錄、業績記錄、智慧化分析結論等等。

2.2 網絡層

網絡層通過有線通訊網絡（如：光纖、雙絞線等）和無線通訊網絡（如：4G信號、WiFi、ZigBee等）為智慧信息服務平臺提供數據傳輸保障，實現各級各類數據的暢通傳輸。

2.3 大數據層

大數據層的目的是接收由數據感知層傳來的海量數據，并在該層完成數據清洗、數據挖掘、大數據分析，并通過與標準化層的數據交互完成異構數據的同構化處理，并將處理的結果通過應用層傳向用戶層。此外，智慧學習、智慧推理的核心算法也部署在該層，其作用是在應用過程中不斷地進行知識訓練、知識學習，從而完成系統的智慧化，為管理者的決策提供最大的支持。

2.4 標準化層

該層的作用是將云下傳來的海量數據進行必要的標準化處理，通過與大數據層的數據交互，建立統一表述的多元數據視圖模型，以及支持多系統數據調用、訪問和處理的專用數據轉換中間件，從而完成數據的“同構化”。

2.5 應用層

應用層包含了系統的集成管理平臺、遠程訪問平臺和控制平臺等，將人力資源管理、監督管理、風險控制、知識發現、智慧學習等功能進行集成，實現多系統、多功能的互動，從而完成將最優決策支持提供給用戶，同時可以將風險警報、機會提醒等實現自動預警，并將結果以最快速度推送給用戶。

2.6 用戶層

用戶可以分為：人力資源本身、企業、市場服務單位、政府監管部門、培訓單位等等。用戶通過臺式機、筆記本、手機、手持終端等設備按照個性化的需求進行相應的操作，實現數據的訪問、決策信息的獲取、閾值的設置、學習機的訓練等等。

3 信息平臺決策支持模塊的系統分析和工作方式

3.1 決策支持模塊部門的體系結構

決策支持模塊構成了信息平臺的核心，也是智慧算法的重要組成部分之一，其結構由以下組成部分組成：（1）數據資源池;（2）標準化數據處理中心;（3）數據倉庫;（4）數據挖掘及算法實現中心。作為系統平臺的數據來源，數據資源池中數據的數量多少、數據質量的好壞將直接影響到最終信息結果的質量，而標準化處理中心作用在于連接數據資源池和數據倉庫，它將大量來自于下層的多元化異構數據進行標準化處理和同構化處理，進而在進行算法處理的時候成為有效數據，并為進一步實現智慧化算法奠定基礎。數據挖掘和算法實現中心是整個信息服務平臺的核心，其按照預定的和不斷學習的規則并結合學習機的算法、知識算法完成對數據的挖掘、整理和處理，最終為不同用戶提供用于決策的信息，如圖2所示。

3.2 決策支持模塊各組成部分的工作

3.2.1 標準化數據處理中心的工作

從信息平臺的技術架構上可以看到，大數據來源于云下的海量節點，這些節點的數據是多源的，結構上也是多樣的，比如：結構化的電子檔案，非結構化的音頻數據、視頻數據等等，為了使得后期數據處理上的流暢和效率上的提高，必須制定統一的標準，并按照這個標準將異構數據進行同構化的處理，通過分析數據內容的根本，找到實體間彼此的聯系，從而最終實現信息決策的支持，但就目前而言，我們還有很多路要走，如：數據挖掘中標準化的制定、算法先進性的提高、學習機推理機的訓練等等。因此，在本系統的實現過程中，編制了較為先進的數據字典、模型字典，并采用先進的技術語言予以組織和實現。

3.2.2 數據倉庫的工作

數據倉庫的作用是存儲和管理用于信息轉換的“原料”，所以可以考慮根據不同的主題元素采用不同分類方法，根據不同的需求采用不同的分類方法，其目的是提高算法的實現效果和數據的訪問效率。

3.2.3 智慧學習的算法

平臺的核心之一是智慧算法的實現，比如：簡歷篩選就是項繁重且個性化要求比較高的事情，為了提高智慧化程度，幫助企業或應聘者找到匹配的單位，系統對簡歷數據的處理和分析采用了人工神經網絡技術（即：Back Propagagation）的神經網絡的方法。面試環節采用了智能機器人，由于機器人在語義判斷能力方面有限，且匹配精度不是很高，因此需要采用訓練知識庫的方法來彌補，系統采用了Encoder-Decoder模型，并訓練該模型中RNN對應的神經網絡連接參數。面試場景采用了VR+面試機器人的方式實現等等。

4 結語

智慧化人力資源信息服務平臺是多學科理論和技術在人力資源智慧化和信息化管理中的一項重要應用，實踐證明，該系統克服了傳統管理方式的缺陷以及不同數據源異構化程度高的瓶頸，為實現人力資源管理的智慧化、科學化和高效化奠定了基礎，鋪平了道路。

參考文獻：

[1]劉君.基于物聯網技術的高校智慧教室的設計研究[J].陜西理工大學學報（自然科學版），2017，33（5）：52-57.

[2]康麗華，侯君華，韓保剛，等.基于cloud &bim 的智慧建筑項目管理信息平臺設計[J].河北工業科技，2017，34（6）：459-464.

[3]秦樂樂，黃濤，劉暢.基于物聯網技術的高校智慧實驗室架構[J].河北工業科技，2018，35（6）：400-405.