基于大數據的高校人事管理信息系統智能化建設研究

沈 超

（長安大學人事處 陜西·西安 710021）

1 大數據時代下高校人事數據的管理現狀分析

近年來，隨著大數據技術的不斷發展，眾多行業領域借助大數據技術的廣泛應用取得了重大突破，高校人事管理領域也愈發關注這個新興事物。在大數據時代背景下，高校人事管理已經逐步走上智能化的發展道路，但現有的高校人事管理信息系統水平仍然不能適應現代高校的發展要求，尤其是目前“雙一流”高校人事管理制度建設的需要。

1.1 高校人事數據管理現狀

目前，傳統的高校人事管理方法，依托于獨立的人事管理信息系統輔助完成各類人事管理業務。該系統能針對性地完成簡單的人員管理、工資管理、職稱評審、定期考核、報表輸出等常規性信息統計分析工作。但各類人事業務所依賴的人事數據互聯互通性不足，彼此分割，沒有形成人事數據的充分交互，并且數據利用程度不高，造成數據資源的冗余浪費，極大阻礙了人事管理效率地提升。

隨著高校人事管理業務的豐富和拓展，日常業務活動中收集和產生的數據爆發式增長，已經逐漸形成了人事管理大數據，而這些數據僅僅依靠人力對其進行收集、整理和分析，或者是依賴單一的業務系統，已經無法高效率地完成人事管理業務，也無法形成與現代高校匹配的人事管理水平。高校人事管理業務種類眾多且變動頻繁，在人事業務生命周期的各個階段都會產生大量的人事管理數據。而人事管理數據的數量和質量對人事大數據的分析和應用都會產生重大的影響。所以為了獲得高質量的數據，必須要嚴格管理數據收集環節，滿足數據收集流程中真實性、連續性和完整性三個基本原則。高校管理者為了能夠更加科學有效地處理人事管理的相關業務問題，需要在龐大、復雜、冗余的數據中挖掘出有價值的信息，從而輔助人事管理部門決策分析，提高人事管理的信息化與智能化水平。

1.2 高校人事管理信息系統現狀

隨著信息化社會的到來，如今高校管理者能夠普遍認識到在高校人事管理活動中，信息化與智能化應該深入到人事管理業務的各個方面，但受限于傳統管理理念和認知習慣的影響，人事管理活動還主要依賴于管理層根據高校政策制度、校情校際所采取的主觀決策。傳統的人事管理方法依靠人力對數據進行收集、整理和分析，在大數據時代背景下，已經逐漸不能滿足現有的人事數據管理的需求，高校人事部門管理者自身大數據應用水平較低，不能有效地利用人事大數據輔助管理層進行決策和分析。

目前來說，大多數高校會根據自身需求開發特定的人事管理信息系統來查詢和處理簡單的人事信息。該系統主要由兩部分構成，一是各自獨立的人事管理軟件或者獨立的人事管理業務系統；二是硬件系統包括小型服務器、計算機、硬盤、輸入/輸出設備。目前的軟硬件系統存在兩個問題：一是人事管理業務軟件或者人事管理業務系統各自為政，信息數據存在大量的冗余和浪費，信息基礎設施薄弱，不能滿足大規模、智能化人員管理與決策需要，也不利于高校人事管理水平的提高。二是高校目前的信息系統注重于軟件信息的升級和維護，對硬件系統的建設不夠重視，受制于硬件水平，信息系統只能夠滿足部分人事管理業務的需要。大數據時代下的人事管理業務，不僅要求管理者具有大數據管理思維和較高的信息化應用水平，而且要求高校管理者健全大數據技術的基礎設施，配備相應的人事大數據信息系統維護人員。

2 基于大數據的高校人事管理信息系統智能化建設策略

2.1 增強人事大數據管理思維

從大數據角度探索和處理高校人事管理工作是管理層改革和創新高校人事管理制度的一次機遇。大數據技術可以從海量人事數據中分析得到有價值的信息，精準和科學決策人事管理工作，破解傳統人事管理工作效率不高和人事任用評價管理不夠科學的局面。從現有情況來看，高校人事管理大數據應用處于初步探索的階段。

目前，大部分高校延續的是傳統的人事管理理念，關注的是人事業務的單一過程，比如人員管理，主要是人員信息的基本維護，人員數據的增刪改查，與其他業務并未產生聯動性，那么在人事管理業務過程中，存在著嚴重的數據資源浪費。在大數據時代下，作為高校人事管理人員，應該將人事管理業務看作一個統一的整體，同時這也要求人事大數據的覆蓋面足夠廣，數據的質量和量級足夠高。例如，人事大數據管理系統通過分析，采用高效可靠的大數據算法，借助人事業務的基本數據深度挖掘，可以為績效考核提供輔助決策，從多個維度考察教職工的價值水平，代替以往用人力測算績效，使績效管理工作更加科學有效。

2.2 建立人事管理業務標準大數據庫

大部分高校在人事管理活動過程中，都依賴于多個獨立的業務系統，不同的業務系統之間數據信息存在著一定的差異性，彼此之間不能夠有效地互聯互通。在大數據時代下，需要建立人事管理業務標準大數據庫。其中首要的工作便是人事大數據的收集。

對于人事管理業務來說，大數據收集過程一般有以下幾個步驟：分析人事管理需求、明確人事大數據應用目的、依據應用背景確定數據來源、建立標準化數據庫。人事大數據分析的前提不僅是能獲取高質量的數據，更重要的是對數據的有效管理。而數據預處理是其中的一個重要環節。其目的是將無序的或者結構不一致數據進行轉換，以滿足大數據分析的要求。大數據預處理主要包括數據清洗和數據集成。在大數據收集之前，由于主觀或者客觀的原因，人事管理業務系統中的數據存在數據不完整、數據混亂、噪聲等問題，所以還需要采用相應的數據清洗技術，從原始數據中提取有效的人事管理大數據。當數據規模過大時，為了獲得高質量的數據，還需要快速有效的數據清洗算法的支持。當不同渠道的多個數據源合并時，需要采用數據集成技術，去除冗余數據。對于人事大數據，管理人員往往無法快速識別出哪些數據是有價值的、有效的。通過對數據的相關性分析，可以從大量的、雜亂的信息中挖掘出有價值數據。

2.3 建立基于大數據的人事管理應用系統

一般來說，大數據分析是指通過分析海量數據信息的具體問題和背景，獲取有價值的信息。而大數據的各類屬性，包括數量、速度、多樣性等，都體現了大數據的復雜性。所以大數據分析在各應用領域尤為重要，它可以決定信息是否有價值。大數據分析主要涉及數據挖掘算法、可視化分析、預測分析、網絡數據挖掘、自然語言處理等。目前，高校管理人員已經逐步認識到人事管理工作信息化和智能化建設的必要性和緊迫性，為了推動人事系統各業務的數據對接，需要進一步加強人事數據資源的整合和共享，推動人事管理大數據機制的建立，人事管理各項業務實現精細化管理和精準式挖掘，提高人事管理的工作效率，提升人事管理應用系統的智能化水平，這也是如今高校建設“智慧校園”、“數字校園”的重點關注內容。

人事管理大數據應用主要存在兩個問題：一是由于數據來源廣泛，數據結構復雜，難以建立人事大數據分析模型；二是難以從管理信息系統的基本信息和業務指標中提取數據特征信息。然而，提取數據特征，分析數據演化趨勢，找出數據之間的相關性，是人事大數據應用的有效途徑。例如，在招聘過程中應聘人員的相關信息都能轉化成相應數據集，如學習經歷、工作經歷、教學科研工作情況以及個人社會關系等等。在招聘中管理人員可以根據個人的相關數據集，通過大數據推薦算法建立新聘教職工篩選模型，從而進行人崗匹配度篩選，結合大量人事數據進行篩選模型的學習訓練，持續優化新聘教職工篩選模型，通過模型從數據庫中找到合適的應聘人員，有效地防止因為信息不對稱導致的決策偏差。通過大數據的挖掘，降低了招聘成本，優化了招聘過程，使高校人事管理效率和質量得到極大的提升。同樣，在績效考核時，高校管理人員可以利用大數據分析技術，對績效考核指標的權重進行合理劃分，注重對教職工工作實績的全面衡量，既要考慮教學工作和科研成果等定量指標，也要充分考慮教職工的師德師風、工作熱情等定性指標。大數據技術的嵌入使得績效考核工作能夠科學把握高校教職工的價值特征，從而有效避免由于主觀或者人為原因導致的不合理性，提升考核工作的公正性，更好地達成激勵高校教職工的目的。

3 基于大數據的高校人事管理未來發展方向

3.1 集成多元化數據

以往高校收集整理的數據多為結構化數據，但是從數據結構的角度來看，數據分為結構化、半結構化以及非結構化數據三種類型。傳統高校人事管理的數據對象主要針對數值型數據以及簡單文本數據，缺少半結構化或者非結構化數據。例如純文本數據，像文件、通知、通告、意見等等與教職工本人評價關系密切的數據并沒有分析處理，如果將這些類型的數據按大數據分析方法更合理地分解為單個類型的數據并予以利用，不僅能很大程度上提高人事數據的利用率，而且能夠更加全面的管理人事數據。

3.2 購買云計算服務

隨著大數據時代的到來，“云計算”服務應運而生，通過云端服務器按需提供人事管理服務，并且采用按使用量計費定價，類似于日常生活中的用水用電。根據人事管理需要從諸如亞馬遜、騰訊、阿里之類的云提供商那里獲取技術服務，例如人事數據庫存儲、人事大數據分析、人事大數據應用等等，無需購買服務器或者開發相應的人事系統。隨著數據規模的不斷增長，人事業務的不斷拓展，通過購買云計算服務的方式來解決人事管理業務問題，成為高校管理人事業務的一種新型方式。

本文首先總結了高校人事數據及其管理信息系統現狀，其次，基于大數據及其分析方法提出了高校人事管理信息系統智能化建設策略并列舉了相關示例，同時分析了人事大數據收集的一般流程，強調了數據預處理的重要性。最后簡要分析了高校人事管理信息系統智能化建設的發展方向。大數據分析技術的興起引起了高校人事管理的信息化和智能化新一輪的變革，也為人事管理水平的提升提供了機遇。作為高校來說，不僅需要建立與現代高校人事管理制度相適應的大數據應用管理系統，還需要管理人員具備應用大數據技術的素養。為高校人事管理水平的快速發展提供強有力的保障。