一种智能化的人力资源管理系统技术方案

本发明专利技术涉及人力资源管理技术领域，具体而言，涉及一种智能化的人力资源管理系统，包括：输入模块，基于大数据及职工历史工作数据，汇聚职工的原始数据，通过DM

【技术实现步骤摘要】
一种智能化的人力资源管理系统


[0001]本专利技术涉及人力资源管理
，具体而言，涉及一种智能化的人力资源管理系统。

技术介绍

[0002]人力资源管理是对组织内外相关人力资源进行有效运用，满足组织当前及未来发展的需要，保证组织目标实现与成员发展的最大化的一系列活动。就目前而言，企业的职位空缺时，通常采用笔试及面试的方式对职工进行筛选，完成职位的认定，但这样存在以下几种问题：1、判断职工是否胜任该职位太过主观，容易出现职工才不达位的情况，引起其他职工的不满，不利于公司后续的发展；2、无法筛查职工的能力因素、行为因素以及执行因素，比如某些职工的能力很强，但执行力很差，也并不适合该职位。基于此，针对上述问题，我们设计了一种智能化的人力资源管理系统。

技术实现思路

[0003]本专利技术的目的在于提供一种智能化的人力资源管理系统，其用于解决上述技术问题。
[0004]本专利技术的实施例通过以下技术方案实现：
[0005]一种智能化的人力资源管理系统，包括：
[0006]输入模块，基于大数据及职工历史工作数据，汇聚职工的原始数据，通过DM
‑
KNN算法对职工原始数据进行差分，基于相似度值形成职工的多种分类数据；
[0007]评估模块，构建职工胜任度评估模型，以职工的多种分类数据作为标准输入至职工胜任度评估模型内，划分为职工的第一胜任度、职工的第二胜任度、职工的第三胜任度，整合划分的职工胜任度进行分析，得到职工的胜任度评估结果；
[0008]管理模块，将职工的胜任度评估结果按照职位分布进行管理，并判断是否存在空缺职位，基于空缺职位所需职工胜任度的预设值，对职工进行筛选，完成职工的人力资源管理。
[0009]可选的，DM
‑
KNN算法的应用过程为：
[0010]将职工的原始数据划分为训练集与测试集，其中，对测试集内的特征向量进行标定，并划分形成多个测试数据，对训练集内的职工数据进行分层类别，以表征为设定层数的树型构造；
[0011]选取测试数据，并以选取的测试数据依次对训练集中数据的相似度进行计算，并根据结果对训练集中与选取的测试数据相似度达到预设值的数据进行筛选，得到设定个数的特定数据；
[0012]依次计算设定个数特定数据的权重，并对各个特定数据的权重进行排序，基于排序后的特定数据的权重进行差分比较，形成职工的设定分类数据，之后重复上述步骤，获取职工的多种分类数据。
[0013]可选的，相似度的计算公式为：
[0014][0015]其中，m
i
为测试数据的特征向量，m
1j
为第1层第j类的中心向量，M为特征向量的维数，Y
k
为向量的第k维。
[0016]可选的，职工的多种分类数据具体包括：职工的能力因素、职工的行为因素、职工的执行因素。
[0017]可选的，职工的第一胜任度、职工的第二胜任度、职工的第三胜任度的划分方式为：综合职工的能力因素，评估职工的第一胜任度，其中，职工的能力因素包括职工工龄因素、职工学历因素、职工能力证书因素；综合职工的行为因素，计算职工的处理风险等级，根据处理风险等级评估职工的第二胜任度，其中，职工的行为因素包括职工性格因素、职工工作状态因素；综合职工的执行因素，以执行因素汇算职工价值度，根据价值度评估职工的第三胜任度，其中，职工的执行因素包括职工处理节奏因素，职工处理效率因素、职工处理结果因素。
[0018]可选的，职工胜任度评估模型的数学表达式为：
[0019]E
uv
＝f(CF,BF,IF)
[0020]其中，E
uv
为职工的胜任度评估结果，CF为职工的能力因素，BF为职工的行为因素，IF为职工的执行因素。
[0021]可选的，基于空缺职位所需职工胜任度的预设值，对职工进行筛选，其中，筛选方法具体应用票选法，其计算公式为：
[0022][0023]其中，g为类别数，其取值为1或2，r为预设票选的管理人员总数，Hrg为预设票选管理人员Hr的筛选结果，其取值为0或1，其中，1代表筛选结果为同意，0代表筛选结果为否定。
[0024]本专利技术实施例的技术方案至少具有如下优点和有益效果：
[0025]本实施例能够基于大数据以及职工的历史工作数据的情况下，结合职工胜任度评估模型，能够筛查职工的能力因素、行为因素以及执行因素，综合评估职工的胜任度，客观判断职工的职位胜任度，避免出现职工才不达位的情况，引起其他职工的不满，不利于公司后续的发展；另外，本实施例还针对了企业可能存在需要重点培养的职工的情况，在筛除不达标的职工后，可以通过票选法以预设票选的管理人员的票选结果，决定职工补缺职位，更具备本实施例的可行性。
[0026]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0027]图1为本专利技术提供的一种智能化的人力资源管理系统的原理示意图；
[0028]图2为本专利技术提供的一种智能化的人力资源管理系统的方法流程示意图；
[0029]图3为本专利技术提供的DM
‑
KNN算法的应用过程示意图。
具体实施方式
[0030]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0032]如图1、图2所示，本专利技术提供了其中一种实施例：一种智能化的人力资源管理系统，包括：
[0033]输入模块，基于大数据及职工历史工作数据，汇聚职工的原始数据，通过DM
‑
KNN算法对职工原始数据进行差分，基于相似度值形成职工的多种分类数据；
[0034]评估模块，构建职工胜任度评估模型，以职工的多种分类数据作为标准输入至职工胜任度评估模型内，划分为职工的第一胜任度、职工的第二胜任度、职工的第三胜任度，整合划分的职工胜任度进行分析，得到职工的胜任度评估结果；
[0035]管理模块，将职工的胜任度评估结果按本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能化的人力资源管理系统，其特征在于，包括：输入模块，基于大数据及职工历史工作数据，汇聚职工的原始数据，通过DM
‑
KNN算法对职工原始数据进行差分，基于相似度值形成职工的多种分类数据；评估模块，构建职工胜任度评估模型，以职工的多种分类数据作为标准输入至职工胜任度评估模型内，划分为职工的第一胜任度、职工的第二胜任度、职工的第三胜任度，整合划分的职工胜任度进行分析，得到职工的胜任度评估结果；管理模块，将职工的胜任度评估结果按照职位分布进行管理，并判断是否存在空缺职位，基于空缺职位所需职工胜任度的预设值，对职工进行筛选，完成职工的人力资源管理。2.根据权利要求1所述的智能化的人力资源管理系统，其特征在于，DM
‑
KNN算法的应用过程为：将职工的原始数据划分为训练集与测试集，其中，对测试集内的特征向量进行标定，并划分形成多个测试数据，对训练集内的职工数据进行分层类别，以表征为设定层数的树型构造；选取测试数据，并以选取的测试数据依次对训练集中数据的相似度进行计算，并根据结果对训练集中与选取的测试数据相似度达到预设值的数据进行筛选，得到设定个数的特定数据；依次计算设定个数特定数据的权重，并对各个特定数据的权重进行排序，基于排序后的特定数据的权重进行差分比较，形成职工的设定分类数据，之后重复上述步骤，获取职工的多种分类数据。3.根据权利要求2所述的智能化的人力资源管理系统，其特征在于，相似度的计算公式为：其中，m
i
为测试数据的特征向量，m
1j
为第1层第j类的中...

【专利技术属性】
技术研发人员：李国婧，胡彦博，张文耀，
申请(专利权)人：长春中车轨道车辆有限公司，
类型：发明
国别省市：