基于神經網絡的人力資源管理和預測模型研究

黃珈頡

(河北北方學院附屬第二醫院， 河北，張家口 075100)

0 引言

世界多元化競爭過程中，人才的儲備能力是目前各國正在分析和研究的熱點問題，同時也是中國在世界舞臺上展示自己實力的重要標志[1-3]。目前，與美國、日本等國家相比，我國在人才儲備、人才選拔和人力資源管理等方面均存在不小的差距，如何吸引和合理利用優秀人才，因地制宜的制定合理的企業和國家發展戰略，是國內企業走向國外的重要一步。企業人力資源管理是一個不斷進化和更新的研究課題，其目的是通過對各方面人才的需求進行分析和合理分配，從而達到企業既定的發展戰略目標。同時，在這一過程中，不斷完善人力資源激勵機制，做出科學的人力資源調整決策。

目前關于人力資源管理和預測方面的文獻研究已經取得了一定成果[4-9]，主要集中于方面：第一是對企業人力資源需求的預測，第二類是對企業人力資源供給的分析。現有研究成果大多利用實踐分析和調查，建立企業人力資源模型，并以此進行分析與決策，較為常見的人力資源定量化分析預測方法有Delhpi法、層次分析法、模糊綜合評價法、趨勢推斷法專家評分法等。這些較為成熟的預測方法對于企業的人力資源管理起到了至關重要的推動作用。但是，現有的分析方法大多基于完善的人力資源檔案和數據資料，我國現有企業大部分成立時間較短，底蘊不夠深厚，不夠重視數據整理和歸納，導致人力資源需求預測等領域利用現有的分析方法不夠適用。

針對這一問題，本文提出基于人工神經網絡算法，建立人力資源需求和指標之間的模糊分線性關系，并以此為基礎開發出了針對性的人力資源管理和預測模型。

1 人力資源需求預測方法

通過分析國內現有人力資源分析預測方法，本文認為人力資源的需求預測指標分為對象指標和依據指標2類[10]。其中，對象指標是根據企業總的需求量建立企業的員工數量、高管數量、專業技術數量等；依據指標是通過企業人力資源管理中的各項變量因素，分析出可能導致企業外部環境變化的需求指標，起到主導和決定人才需求的作用。人力資源需求預測分析應該建立一種半定量的方法，本文依據對預測模型的結構和要素進行分析，依據企業人力資源管理的重點，提出了如圖1所示的企業人力資源需求預測模型思路。其中，人力資源需求模型應與企業戰略、自身發展和其他資源相匹配，在這一基礎上，通過分析人員區間非線性問題、數據序列波動、數據序列灰度和人員素質等級等多方面因素，建立神經網絡模型，利用該模型不斷學習企業人力資源管理中的要素和重點，從而形成一套行之有效的人資管理預測手段。

圖1 人力資源需求預測流程框架

2 基于人工神經網絡算法預測

2.1 人工神經網絡算法

人工神經網絡算法是近年來較為流行的一類數據挖掘算法，該算法的提出首先來自于數據和生物學家的研究成果，該成果目的是想利用計算模擬來實現人大腦的神經運作過程[11-12]。這一算法的實現基于大容量的樣本數據和不斷重復學習過程，進而獲取一種非線性的模糊計算準則。通過該準則判別，當再次輸入新的數據時，該算法便能夠依據之前的訓練結果做出合理的判斷。通過大量的實踐研究表明，神經網絡算法對于復雜的非線性問題，尤其是業務龐雜，關系較為雜亂的數據具有非常好的適應性，但是需要合理地對訓練樣本進行歸類。

通過對神經網絡算法的深入分析發現，神經網絡算法較好地解決了非線性計算過程中的學習、自組織和自適應3個特性。

圖2為神經網絡算法的3個結構層次，第一層為輸入層，通過輸入變量x來建立合理的樣本數據;第二層為隱含層，每個隱含層中包含不同的模糊運算方式；第三層為輸出層，該層主要展現神經網絡算法的輸出成果。

從輸入層到隱含層的過渡過程中，涉及到樣本訓練問題，本文假定矩陣v為該模糊運算法則的關聯矩陣，通過式(1)獲取模糊運算法則的關聯參數權重值：

(1)

式中,x1，…，xn表示輸入層的訓練樣本,y1，…，yn表示隱含層的模糊運算樣本,m、n分別表示兩層的矩陣階層,S表示權重值，i與j分別表示矩陣的維度大小。

圖2 神經網絡算法結構

2.2 神經網絡預測算法

通過研究企業人力資源管理預測模式，設計的神經網絡預測算法主要分以下3個步驟。

(1) 數據的預處理

通過收集企業人力資源需求數據，進行數據的初步處理。這一步的目的是將數據進行一定程度的歸類，提高數據的規律，降低數據隨機分散程度，從而保證神經網絡學習速度和精度。本文研究過程中采用原始數據歸一化處理，將某類數據限定在某一個區間內，然后將數據參數變成對應值關系，歸一化計算采用線性函數轉化法，其表達式如下：

(2)

式中，y表示歸一處理后的數據，x表示原始數據，Max表示樣本最大值，Min表示樣本最小值。

(2) 建立BP神經網絡結構

本文將BP神經網絡結構設置為三層，這種網絡結構模式最為合理，在神經節點權重值選取方面較為恰當，能夠最大程度的逼近函數解。其中，隱含層的節點依據實際運行結果，設定以樣本誤差最小值作為確定節點數的標準。

(3) 學習訓練及預測

首先將歸一化處理后的樣本數據導入模型輸入層，建立神經網絡初步模型，然后進行模糊計算和神經網絡模擬，并限定當模擬誤差精度在限定值范圍內時完成訓練。以醫院企業人力資源管理數據為實例樣本，對人員數量進行預測后的結果如表1和圖3所示。從表1和圖3可以看出，經過多元化回歸分析后的模型預測誤差范圍在0.5%～1.27%范圍內，才能與訓練的樣本包括醫院收入、工資水平、研發投入、人員數量共計4個變量。

表1 BP神經網絡計算和預測結果對比

圖3 實際值與預測人數對比柱狀圖

3 人力資源預測系統設計

3.1 架構設計

基于人工神經網絡的人力資源管理預測模型架構分為3個層次。首先是交互層，該層級直接面對客戶，通過業務模塊和展示模塊實現人對系統的管理和人資數據的模擬預測，該層級屬于客戶端范疇；其次為業務應用層，主要目的是通過構建系統功能模塊實現復雜的數據處理和應用，同時能夠為交互層提供調配使用;最后是數據層，該層主要實現人力資源管理系統中的海量數據儲存、歸納、整理和數據挖掘。數據結構采用MySQL，能夠使用目前大部分軟件的開發擴展接入(見圖4)。

圖4 系統架構設計方案

3.2 系統功能設計

(1) 基本功能設計

系統基本功能包括普通人員登錄模塊、管理員登錄模塊。其中人員登錄模塊主要面向系統使用人員，能夠使用該系統進行基本的增刪改查以及神經網絡數據模擬；管理員登錄模塊能夠對數據庫內的員工數據進行錄入和編輯，同時還可以修改底層數據和設置不同的安全等級。

(2) 需求預測管理

需求預測管理部分主要實現對人力資源數據的需求進行預測分析，并且以圖形界面的形式向客戶進行展示。另外，該模塊還能夠實現對企業人力資源的數量進行預測，讓人力資源管理者能夠對企業的目前人員配置是否合理。在人力資源需求預測界面中首先能夠實現用戶登錄功能，在登錄后選擇對人力資源管理進行操作或者需求預測管理進行操作，包括進行查詢、修改、刪減和數據預測，其基本的流程如圖5所示。

4 實例展示與分析

系統編程以Java為開發環境，進入系統后便能夠展示企業的人力資源信息錄入界面(見圖6)，該界面中可以對企業人員的ID編號、姓名、性別、部門、身份信息以及學歷進行錄入，錄入成功后面向有權限的用戶進行展示。

圖5 系統基本功能設計流程圖

圖6 員工信息錄入界面

為實現對企業人力資源數量的預測分析，本文通過人工神經網絡的數據挖掘功能，通過分析不同年份員工的人數和員工需求人數進行回測和分析，從而對企業目前的人力資源數量進行總需求預測，通過不同的曲線類型展示目前企業的人員數量和未來幾年企業可能需要的人員數量，直觀展示目前人力資源數量是否與目前的企業發展戰略相匹配。這一分析過程基于神經網絡模糊預算，考慮的樣本因素包括現有人員數量、不同專業人員需求、企業現有業務類型、未來企業戰略規劃進行統籌分析，如圖7所示。

圖7 企業人力資源數量預測界面和曲線

為了解不同部門的人員需求，依據各個不同部門的業務類型和需求，能夠進行精確分析和預測(見圖8)。以銷售部門為例，通過分析目前企業的銷售業務類型、現有銷售業務量、銷售人員績效成果進行綜合評價后，建立企業銷售部人員的供給情況，同樣以不同的曲線展示目前銷售部門的人員數量和預測人員數量。這一過程中，對于人力資源管理者提供正確的決策建議。

圖8 銷售部門人力資源需求預測曲線

5 總結

人力資源的合理性是企業在進行戰略轉型和保持市場經濟地位的重要考量因素，企業發展壯大過程中如何挖掘這些高價值人力資源數據顯得尤為重要。針對這一問題，提出了基于人工神經網絡學習算法的企業人力資源管理和預測分析模型，用于挖掘企業內部人員構成、企業業務類型和未來發展戰略直接的內部關系，揭示了企業人力資源數據的規律趨勢，幫助企業人力資源管理者進行決策和分析，其目的是實現人力資源的最合理配置方案設計。研究過程中，本文選取多元回歸分析，介紹了基于人工神經網絡的人力資源需求方法，建立計算模型，以X醫院經營數據作為研究對象，開展了企業人力資源數量預測和各部門人員類型需求預測分析，并進行了可視化展示，取得了一定的研究成果。