数据挖掘技术在人力资源管理中应用的研究

《数据挖掘技术在人力资源管理中应用的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学工程硕士学位论文数据挖掘技术在人力资源管理中应用的研究学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：朱近贤日期：年月日3上海交通大学工程硕士学位论文数据挖掘技术在人力资源管理中应用的研究上海交通大学学位论文版权使用授权书本学位论文作

2、者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本授权书。本学位论文属于不保密□。（请在以上方框内打“√”）学位论文作者签名：朱近贤指导教师签名：蒋兴浩日期：年月日日期：年月日4上海交通大学工程硕士学位论文数据挖掘技术在人力资源管理中应用的研究数据挖掘技术在人力资源管理中应用的

3、研究摘要企业人力资源管理在企业管理中发挥重要作用，在激烈的市场竞争中如何提高企业核心竞争力，提高企业人力资源管理水平是关键要素。企业的现代化管理离不开人力资源的管理，充分利用企业已经拥有的人力资源离不开现代化的管理手段。本文基于将业务数据量化的管理思想，分析了人力资源系统中招聘模型，离职模型，绩效模型，薪金模型，以及培训模型，将企业运作过程中的人力资源风险管理与数据管理相结合，引进数据挖掘理论的概念，以及其六种最常见的分析方式，描述统计、关联和相关、分类和聚类、预测、优化、结构方程模型。根据人力资源系统数

4、据繁多，且具有不确定及较难预测判断的性质，引进了粗糙集决策树，详细阐述了ID3和SLIQ的算法，与人力资源模块实例相结合，将数据挖掘理论应用到人力资源管理系统中去，为企业人力资源管理提供了可靠基本数据信息和人事决策、人事管理的依据。本论文的现实意义在于加深了人们对人力资源管理的认识，提高了人们对于人力资源管理能够带来不菲价值的理解，随着越来越多的研究者将涉及这一领域，越来越成熟的人力资源的数据挖掘工具将应运而生，将为人力资源领域带来更光明的前景。5上海交通大学工程硕士学位论文数据挖掘技术在人力资源管理中应

5、用的研究关键词：数据挖掘，粗糙集，决策树，决策属性，ID3算法，SLIQ算法。6上海交通大学工程硕士学位论文数据挖掘技术在人力资源管理中应用的研究DataMiningTechnologyinHumanResourceManagementABSTRACTCompetitionsamongenterprisesbecomemoreseverealongwiththeescalatingofthestatusofmarketeconomy.Competitionintalentsrisesintothevita

6、lelementofcompetitionsamongenterprises,whichownscorrespondingtalentswilloccupythemarket.Inordertoachievethepredominanceincompetition,anenterpriseshouldescalateitsvalue,takeeffectivemanagementmeasures,enhancethestrategyinhumanresourcemanagement,andactually

7、realizethegoaloftakingtalentsasitsfoundation.Thisdissertationisbasedonthemanagementconcepttomagnitudedataofhumanresourcesystemmodulessuchasrecruitment,demission,performance,payrollandtraining.Byanalyzingthesemodules,enterprisecouldcombinehumanresourcemana

8、gementanddatamanagement.Thedissertationintroducesdataminingconceptanditssixmostcommonmethodologyasfollowing,descriptionandstatistics,associationandrelation,classification,prediction,optimization,structureformulamodu