基于大數據的電信協優人員畫像研究與應用

摘? 要：隨著大數據技術的日益成熟，以數據為支撐進行科學決策得到普及。該研究用數據畫像的方法，通過對電信協優人員的管理平臺數據及其網上學習數據進行分析，從大量的員工基本信息、工作信息、考證信息、在線學習信息中篩選隱藏數據，發現不同類型員工特征，提出并建立協優人員畫像的標簽體系，從而構建員工畫像，用于對協優人員進行科學化管理。

關鍵詞：大數據;在線學習;員工畫像;標簽體系

中圖分類號：TP311.13? ? ? ?文獻標識碼：A 文章編號：2096-4706（2020）24-0093-04

Research and Application of Profile of Telecom Optimization Assistance Employees Based on Big Data

CAO Fang

（Guangdong Vocational College of Post and Telecom，Guangzhou? 510630，China）

Abstract：With the growing maturity of big data technology，making scientific decision supported by data is getting popularity. By means of the method of data portrait，through analyzing management platform data and online study data of telecom optimization assistance personnel，this study screens hidden data from a large number of employee basic information，job information，certification information，online learning information，and discovers different types of employee characteristics，proposes and establishes the label system of the profile of optimization assistance personnel，so as to establish employee profile. Which can be used for the scientific management to optimization assistance personnel.

Keywords：big data;online learning;employee profile;label system

0? 引? 言

為加強中國電信無線網絡優化外包協助（以下簡稱“協優”）工作的規范化管理，保障協優工作質量和促進協優人員（指外包企業的網絡優化人員）技術水平的提升，中國電信集團公司從2014年起啟動協優企業資質和協優人員考試認證工作，每年舉行一次認證，協優企業只有具備協優資格證書才有參加中國電信網優項目投標資格，因此擁有協優工程師證書是人員網優水平的重要參考。

為加強協優人員管理和能力提升，電信集團建立了“中國電信無線網絡協優管理平臺”，并從2019年開始，在學習平臺上建立了“中國電信無線網絡協優認證培訓”，開展協優人員線上學習。

廣東郵電職業技術學院作為中國電信集團網優認證唯一的承辦單位，其中一項重要的工作就是每年對上百家協優企業，上萬名協優工程師的考試成績及考前培訓情況進行分析，隨著大數據技術的發展，為企業更好地提供及時、多維度、精準的數據分析服務，學校開展科研立項“基于大數據的網優人員能力畫像與個性化學習平臺的研究”，作者為該項目負責人，本研究借鑒大數據中用戶畫像方法論及技術，高效的數據挖掘方法，對協優人員進行多維度分析，及可視化呈現，幫助企業更加精準的了解協優人員在專業能力、員工穩定性，學習態度等各方面信息，進一步作出科學決策。另外，協優人員也可以通過個人畫像，更加直觀、全面地了解自己。

關于用戶畫像的概念，普遍認為最早是由“交互設計之父”Cooper提出來的，他認為用戶畫像是真實用戶的虛擬表示，是基于一系列真實數據的目標用戶模型。用戶畫像（user profile）作為實現精準信息服務的一種工具，近年來在圖書館、電子商務、健康醫療、旅游管理、精準營銷等領域得到了較為廣泛地應用，但用戶畫像在結合員工工作、專業技能、在線學習等方面的員工畫像應用較少，本研究從協優人員的基本信息、工作信息、專業能力、學習行為四個維度聚合出不同類型的用戶畫像。

1? 電信協優人員的員工畫像構建

1.1? 數據來源

本研究基于中國電信無線網絡協優管理平臺中的數據，和“中國電信無線網絡協優認證培訓”在線學習平臺的學習數據集行為數據，涵蓋了協優企業信息、及協優人員的基本信息、考試信息、工程項目信息、學習信息等五大板塊。

1.2? 構建流程

構建基于工作信息和學習行為分析的用戶畫像，首先，從協優管理平臺數據庫和協優認證線上培訓Web日志中分別抽取和清洗員工的工作、項目、認證、學習行為等數據，收集的信息主要包括靜態數據（基本屬性）和動態數據（行為屬性）;然后，結合協優人員工作、學習進行特征提取，分為基本特征、工作特征、學習特征，并建立員工畫像的分析維度和標簽體系;其次，通過分類、聚類、預測、文本分析技術等算法對用戶行為建模;最后，通過可視化呈現技術對協優人員進行整體畫像、典型群體畫像和個體畫像，并針對畫像結果進行多維度的應用。電信協優人員畫像構建流程如圖1所示。

1.3? 建立標簽體系

本研究結合協優工作及學習特點，從學員的基本信息、工作信息、認證信息和學習行為四類維度統計，梳理了47項常用的統計指標。基本信息主要包括：與員工相關的人口學屬性，包括姓名、性別、出生日期、學歷等;工作信息包括所屬企業、所屬省市、工作年限、資質類別、崗位信息、參與項目的信息、入離職信息等、參與項目時長及所承擔的工作內容，是否是項目經理等;認證信息主要包括：考試時間，考試成績、考試狀態、不通過審批理由等;學習行為信息是學員課程學習和網站操作行為的合計，包括登陸時間、學習時長、學習進度、作業完成、線上小測等。

用戶畫像建模其實就是對用戶“打標簽”，從對用戶打標簽的方式來看，一般分為統計類標簽、規則類標簽、機器學習挖掘類標簽，統計類標簽是最為基礎也最為常見的標簽類型，例如平均年齡、平均工作年限、平均成績等;規則類標簽基于用戶行為及確定的規則產生，例如確定規則月登錄次數超過20次的為活躍度高，月平均學習時長超出20學時的為參與度高，學習進度完成70%并且作業完成70%的為投入度高，在線測驗超過70分的為學習效果好，并可將活躍度高低等描述用系數描述;機器學習挖掘類標簽通過機器學習挖掘產生，用于對用戶的某些屬性或某些行為進行預測判斷，例如對項目表中“承擔工作內容”項用大數據中文本分析技術，做數據提取和詞頻分析，結合工作實際建立項目內容工作字典，并按工作技術要求給出難度系數，通過數據挖掘確定員工項目能力難度和寬度（承擔項目內容的種類多少）評價系數。

良好的畫像標簽能夠滿足清晰的可視化效果，畫像標簽即為用戶特性劃分結果的形象化表示，因此標簽需要依據員工不同維度數據特點以及分類結果制定畫像標簽即為用戶特性劃分結果的形象化表示，在不同場景下側重不同，在加強協優人員管理和能力的場景下，員工畫像的服務對象主要是電信集團及協優企業的管理人員，本研究主要從以下四個維度考慮標簽的設置，一是從基本信息維度，如協優人員的總人數、年齡分布，學歷占比等;二是從工作維度，例如，各省市協優人員的分布、網優工作時長人數分布、員工流失率等;三是從能力維度，如協優人員資質總人數、占比，網優認證成績各層次人員占比，項目經理占比等，四是學習維度，員工線上學習行為的活躍度、學習習慣、參與度、投入度、學習效果五個維度。根據以上考慮，設計網優人員畫像標簽體系，如圖2所示。

2? 協優人員畫像可視化呈現設計及應用

根據以上協優人員畫像標簽體系，進行可視化設計，按照協優人員的歸屬關系，電信集團和各個協優公司可采用不同權限查看所管轄的協優人員畫像，只是人員范圍不同，但呈現形式一樣，以下為整體畫像、典型群體畫像和個體畫像可視化呈現設計思路。

2.1? 整體畫像

2.1.1? 整體情況描述

統計協優人員的總人數，平均年齡、離職人數、認證通過人數等總體數據可用表格的形式描述;統計各年齡人數占比、性別占比、學歷占比、有資質人員占比、離職人員占比等，可用餅圖的形式描述;各省市的協優人員人數分布情況，可用地圖的形式描述。

2.1.2? 工作情況描述

統計員工從事網優工作時長，以直方圖形式展示各時段中的人數分布，可了解有經驗的人員分布;近幾年離職率用折線圖展示，并且用柱狀圖展示每個公司的離職人數、接受離職人數，可看出離職趨勢和哪些公司流出流入比較多。

2.1.3? 能力情況描述

統計網優認證的通過人數及未通過人數、網優考試認證平均成績，協優項目經理人數等可用表格的形式描述;各工程師資質占比，網優考試成績優良及格不及格比例，項目經理比例，可用餅圖的形式描述;能承擔不同難度的項目人員，不同寬度的項目人員的分布，以直方圖形式展示各難度系數和寬度系數中的人數分布。

2.1.4? 學習情況描述

展示員工的學習行為全貌，將活躍度，參與度，投入度，學習效果的平均值，用雷達圖表示。

2.2? 典型群體畫像

2.2.1? 認證通過人員和認證未通過人員的群體畫像

協優人員經過協優考試，考試及格的人員則通過認證，將通過認證和未通過認證的人員從平均年齡、入職平均時長、平均從事網優工作時長，從認證平均成績、每個分數段的人數、每個項目平均數和項目平均時長等方面分別進行畫像，進一步細分考證未通過的人員分布，作為開展精準化認證培訓的參考。

2.2.2? 協優項目經理群體畫像

從協優經理人數、人數占比、平均年齡、平均網優認證成績、入職平均時長、平均從事網優工作時長、參與項目數、項目時長、主要項目中承擔內容、跳槽頻次等維度進行畫像。

2.2.3? 離職人員群體畫像

從離職人員人數、人數占比、平均年齡，年齡分布、平均跳槽次數、入職平均時長、平均從事網優工作時長、參與項目數等維度進行畫像。離職員工分析，根據離職人員畫像，分析處于哪種情況的員工容易離職，做好這些員工的激勵和發展規劃，及人員培養，對協優人員流失率高的企業，發放調查表，定向分析原因，并提出預警，跳槽到其他協優企業的，分析其吸引原因。

2.2.4? 不同學習類型的群體畫像

將員工從在線學習的活躍度、參與度、投入度、學習效果四個維度劃分，4個維度都低的劃分為提升型，至少三個維度高于平均水平劃分為成長型，各維度均高于平均水平劃分為榜樣型，三類人員分別用雷達圖描述活躍度、參與度等四個維度。針對提升型員工可側重關注學習的體驗和督促，建立學習群，每天學習打卡，交作業提醒;針對成長型員工多推送感興趣的內容，加強同學間的學習分享;針對榜樣型，加強激勵，學習積分排名，及積分轉換獎勵等。

2.3? 個體畫像

個人的在線學習四個維度，用雷達圖展現個人畫像，各維度值的平均值和優秀值作為參考，在展示學員自身學習畫像的同時，也反映出學員與全網平均水平的差距。

3? 畫像系統設計

在明確了數據收集的內容，數據處理和分析的策略，數據展現的具體目標后，利用大數據相關技術將員工畫像系統進行整體設計，主要分為四個層次，分別是數據采集層、數據存儲層和數據分析層、數據展示層，系統技術架構設計如圖3所示。

4? 結? 論

數據驅動人力資源管理，通過用大數據技術對協優人員進行畫像，將員工畫像轉換為切實可見的洞察力，構建協優人員畫像之后，即可更清晰的了解員工的基本情況，工作情況，學習情況，從而制定更有效的管理政策，和實施更有效的措施提升線上學習效果等。

參考文獻：

[1] COOPER A，REIMANN R，CRONIN D. About Face 3：The Essentials of Interaction Design [M].New Jersey：Wiley，2007.

[2] 徐芳，應潔茹.國內外用戶畫像研究綜述 [J].圖書館學研究，2020（12）：7-16.

[3] 趙宏田.用戶畫像：方法論與工程化解決方案 [M].北京：機械工業出版社，2020.

[4] 楊浩.高校學生畫像系統的設計與實現 [D].北京：北京郵電大學，2019.

[5] 伯納德.馬爾.人力資源數據分析：人工智能時代的人力資源管理 [M].胡明，黃心璇，周桂芳，譯.北京：機械工業出版社，2019.

[6] 劉樹軍，王穎，許志坤.大數據視角下郵政企業教育培訓用戶畫像研究與應用 [J].郵政研究，2019，35（6）：36-38.

[7] 仲勇.大數據技術在企業員工標簽體系中的應用 [J].電子技術與軟件工程，2019（10）：162-163.

[8] 吳奭登.基于大數據分析的電力企業供應商信用風險管理研究 [J].現代信息科技，2019，3（2）：191-193.

[9] 劉艷.基于大數據的校園就業用戶畫像的構建與應用 [J].現代信息科技，2019，3（17）：110-112.

[10] 李晶潔，彭喜梅，李嵐，等.基于大數據方法的高校圖書館數據畫像研究——以天津商業大學為例 [J].現代信息科技，2020，4（1）：90-96+101.

作者簡介：曹芳（1971.01—），女，漢族，甘肅天水人，講師，軟件工程碩士，研究方向：大數據、數據分析、軟件工程。