基于數據決策的人力資源服務績效模型

徐斌， 王志偉， 曹璐， 張澤， 郭瑞英

(1.國家電網有限公司，客戶服務中心，天津 300309；2.北京中電普華信息技術有限公司，北京 100085)

0 引言

電力企業作為國家的基礎行業，其發展事關國計民生。電力企業的發展趨勢具有一定的不確定性，因此提升電力企業核心競爭力，建設人才隊伍十分重要[1]。選擇科學合理的人力資源服務績效評估法是加強人力資源管理的重要手段，實現電力系統人力資源管理優化配置，相關的人力資源服務績效模型研究受到人們的極大重視[2]。

本文提出基于數據決策的人力資源服務績效模型設計。采用模糊信息采樣方法，獲取人力資源服務績效樣本數據。結合最優策略進行電力部門的人力資源管理和服務績效跟蹤，構建服務績效管理的代價函數，在電力系統人力資源服務績效管理的模糊查詢和優化控制基礎上，進行人力資源服務績效的預測等，實現了基于數據決策的人力資源服務績效模型設計[3-5]。實驗結果表明本文設計的模型可有效應用到電力企業人力資源服務績效評價中，評價效果較為理想。

1 基于數據決策的人力資源服務績效模型

1.1 人力資源服務績效大數據信息分析模型

為了實現基于數據決策的人力資源服務績效模型構建，加快電力部門人力資源管理從單純的職能管理向信息化管理轉變，本文通過人力資源服務績效統計分析方法[6-7]進行信息融合，構建人力資源服務績效統計的大數據信息分析模型。通過信息數據的采集，分析新數據特征，進而根據數據決策構建人力資源服務績效模型。

采用模糊信息采樣方法，獲取人力資源服務績效樣本數據，即式(1)。

(1)

在獲取人力資源服務績效樣本數據后，需要對樣本數據進行特征分析，以便于后續的人力資源服務績效分析。本文采用最優閉合穩定性方法分析電力部門人力資源服務績效特征，獲得電力部門人力資源服務績效的最優特征量。通過獲取的服務績效特征數據，構建電力部門人力資源管理決策函數，通過此函數可判斷人力資源服務績效的決策權重。采用數據決策中模糊度子空間融合聚類方法，得到電力部門人力資源服務績效特征決策函數如下：

(2)

式中，μi>0，μi表示人力資源服務績效決策的特征變量，ωrj表示人力資源服務績效特征的決策因子，σj代表成本型目標。在此函數中，決策者的決策能力越高，越能分辨出電力部門人力資源服務績效中存在的問題。

在上述基礎上，根據獲取的人力資源服務績效特征數據量等，通過凸優化組合分析，獲取電力部門人力資源服務績效模型的預測規則函數為式(3)，

(3)

(4)

通過人力資源服務績效模型的預測規則函數確定人力資源服務績效中大數據信息模型中數據特征，對人力資源服務績效的相關數據進行預測，進而構建人力資源服務的大數據信息分析模型。通過數據決策方法，構建大數據信息分析模型為式(5)。

(5)

通過大數據分析模型獲得prj(k}與pri(k}的最優值，實現人力資源服務績效統計大數據分析模型構建。

1.2 電力部門人力資源服務績效信息融合

(6)

將電力部門人力資源服務績效數據信息聚類為統一標準，此時電力部門人力資源服務績效融合聚類函數需滿足收斂條件為式(7)。

(7)

在滿足績效融合聚類函數基礎上，采用深度學習方法進行電力部門人力資源服務績效的動態規劃，得到規劃方程為式(8)。

(8)

其中，LB(x)為非減函數，且需要滿足式(9)。

(9)

當x>xTh時，電力部門人力資源服務績效決策樣本條件為式(10)。

(10)

當x>max(k,xTh)，采用多維分組方法，得到電力部門人力資源服務績效決策的統計特征量為式(11)。

(11)

此時，電力部門人力資源服務績效輔助決策的模糊度為式(12)。

(12)

其中，電力部門人力資源服務績效貢獻度對應此決策的模糊度。電力部門人力資源服務績效信息融合的學習速率為式(13)。

Rtw=min{Rmac(W1,W2},Rbc(Tr1,Tr2}}

(13)

式中，Rtw代表信息融合速度，Tr1代表融合所需時間。

綜上分析，將人力資源服務績效模型應用于電力企業人力資源管理中，實現對電力系統人力資源的服務績效優化預測和配置。

2 仿真實驗分析

為驗證本文方法在實現電力系統人力資源的服務績效優化管理中的應用性能，進行仿真測試分析。

2.1 仿真環境

實驗在某電力企業中進行，該電力企業在職員工為950人，本次實驗是以測試該企業呼叫服務中心部門員工服務質量進行實驗分析，該部門人數為100 人。選取MATLAB 平臺為實驗主要平臺，操作系統為Windows 10 專業版,CPU為Intel I7四核-3.6 Hz，系統運行內存為16 GB。

2.2 實驗參數

根據特征提取模型提取該電力公司人力資源服務績效的特征，根據提取的特征將電力系統人力資源信息采樣的節點數設置為N=50，將該電力企業呼叫中心員工分為4組，每組25人。具體參數如表1 所示。

表1 人力資源服務績效配置參數

根據預測規則函數的規則，將此4組員工的服務質量按照滿意(>95分)、一般(85～94分)、不滿意(<85分)進行評價，根據聚類收斂條件對獲取的結果進行獲取，實際評價結果如表2 所示。

表2 實驗樣本實際評價結果

根據上述參數的設定，提取電力部門人力資源服務績效的特征，進行電力系統人力資源服務績效模型評價有效性的實驗。

2.3 實驗指標

為了驗證本文模型能夠在人力資源管理中的有效性，實驗通過對比本文模型、BSC-物元模型以及三角模糊多屬性決策評估模型的評價準確性、評價效率，以此驗證本文模型的有效性。

2.4 實驗結果分析

為了驗證本文模型的有效性，通過10次實驗對該電力企業呼叫中心員工的服務質量進行評價。對比本文模型、BSC-物元績效評價模型以及三角模糊多屬性決策評估模型的評價準確性，實驗結果如圖1所示。

分析圖1可以看出，3種模型評價人力資源服務績效的評價準確性存在一定差異。當實驗次數為4時，本文模型評價的準確率約為91 %，BSC-物元績效評價模型的準確率約為63 %，三角模糊多屬性決策評估模型的評價準確率約為79 %；當實驗次數為10時，本文模型評價的準確率約為98 %，BSC-物元績效評價模型的準確率約為65 %，三角模糊多屬性決策評估模型的評價準確率約為82 %。通過3種模型評價準確率數據對比可以看出，本文模型進行人力資源服務績效評價時的效果更好，最高可達98 %，具有一定可靠性。

圖1 不同模型人力資源服務績效評價準確性對比

3 總結

本文提出基于數據決策的人力資源服務績效模型。通過信息數據的采集，分析新數據特征，構建電力系統人力資源管理的大數據信息分析模型。仿真結果表明：本文設計的人力資源服務績效管理模型可應用于電力企業人力資源管理中，對電力企業人力資源服務績效評價結果較為理想，且工作效率較高，有助于在復雜數據中分析人力資源的服務績效規律，結合電企管理特點，提供數據支持并優化管理流程。