數據倉庫為中心的企業人力資源統計信息系統的設計與實現

喬桂玲

（黑河市黑寶山礦業有限責任公司，黑龍江 黑河 161449）

1 概述

在當今社會，人是最為關鍵的要素，此時人力資源相關的管控活動就成為了單位發展中要面對的一項非常關鍵的要素。單位開展該項管控活動的意義是結合單位戰略意識的規定，分析將來或許會出現的問題對單位的該項管控工作產生的作用，設置單位人力資源發展思想以及活動意義，獲取對單位成長有益的工作者，而且設置氛圍，以此來確保工作者能夠真正的參加到工作之中，切實的體現其能力。為了積極的應對管控活動中面對的不利現象，需要通過數據挖掘工藝對相關的信息開展全方位的探索，分析其中有意義的內容，進而為形成人力資源的綜合方案等提供必要的參考信息。而且能夠幫助更好的進行員工聘用以及培訓等活動，所以，研發一項以數據倉庫信息為前提的統計信息體系，對于當前的單位來講意義非常關鍵。

2 數據倉庫為中心的統計信息系統

數據倉庫是一種從數據庫技術發展而來但又不同于數據庫的數據組織和存儲技術，其主要的面對主題。而且是綜合化的，會隨著時間而改變的，非易失性的數據集合，它用于支持管理層的決策過程。不論是它的形成亦或是運行均是以主題為中心來開展的，其中的信息并非是信息單純的聚集到一起，它是對于多種信息匯集，挑選然后全面分析而獲取的內容的綜合。其中存儲的信息關鍵是用來查找等的目的的。由于數據倉庫以統計分析技術作為分析數據和提取信息的有效方法，該項技術的關鍵前提及時統計學內容，所以數據倉庫術、以及基于數據倉庫的OLAP和數據挖掘形成了新型的統計信息系統框架。

3 關于數據挖掘科技的分析

它是一項融合多種學科知識的體系，比如數據庫技術、人工智能、機器學習、統計學、面向對象方法、信息檢索、高性能計算等學科。它是通過從很多層次的，有雜音的以及不明確的等特征的具體應用信息里得到的，分析其中隱藏的，之前并不了解的，有著實際意義的信息的一個具體的步驟。提取的知識表示為概念、規則、規律、模式等形式。現在常用的挖掘措施有如下的一些，統計分析方法、神經網絡、機器學習、遺傳算法、模糊集法、近似推理等。它的成立并不是必須要以數據倉庫為基礎的，但基于數據倉庫的數據挖掘能簡化數據挖掘過程的某些步驟，提升信息挖掘的功效特征，而且可以更加合理的符合當前的戰略決定的規定。

4 以數據庫為主要內容的單位人力資源統計信息體系

4.1 體系構造

該項體系分為兩個要素，分別是統計管理和數據挖掘，依據數據流圖和處理過程，統計管理包括了8個功能模塊，分別是人力資總體規劃、人員聘用計劃生成、人員使用計劃生成、培養和選拔計劃生成、薪資計劃生成、勞動關系計劃生成、綜合查詢、報告生成，數據挖掘包括了3個功能模塊，分別是數據倉庫維護、SQL挖掘、自編算法挖掘。

4.2 體系的設計理念

（1）認真結合軟件項目規定的研發以及制作等等的步驟，合理的利用有利的要素，研究出適合當前的管控體系的信息內容。（2）集成性與開放性并重。不僅要確保體系之中的所有的要素有效的聯系，同時還要確保對外界公開。（3）合理的分析可視化內容，為使用者帶來一種非常合理高效的應用體系。（4）使用當今的軟件項目的措施，站在體系的多個層次中分析其穩定性。

4.3 關于報告的獲取

（1）基礎類報告:按年、季度、月等生成員工工資報告、員工考勤報告、員工基本情況匯總報告、人員使用計劃、薪資計劃、人員聘用計劃報告等。（2）統計分析類報告:人員及工資的成本分析及統計報告、人員流失分析報告、人員缺口分析報告、人員需求預測報告、人員供給預測報告等。

4.4 數據結構化及編碼規則

（1）離散化:它是為合乎使用的規定，使用少量的離散信息來代替連續的信息，也就是說把連續的內容分成單獨的部分，所有的部分中的信息使用一個數來替換。（1）唯一性：即編碼應該明確其有單獨的指代要素。（3）結構化:結合編碼的客體特征，設置有著特殊性質的編碼體系，以此來綜合化的體現其特征，便于它的的運行。

4.5 關于如何設置數據倉庫

（1）定義數據倉庫的體系結構。數據倉庫體系架構可以分為五個層次:數據建模層、數據獲取層、數據存儲層、數據訪問層、數據與元數據管理層。通過分析上面講道的體系構造，可以通過數據倉庫內容，設置適宜單位活動的智能化的應對措施，現提出集線器結構和集中式結構兩種數據倉庫的體系結構供企業統計信息系統選擇并創建。（2）進行數據倉庫容量的規劃，定義物理的數據倉庫結構，明確信息的放置以及查詢的措施等，并選擇存儲服務器、數據庫、OLAP服務器以及其它工具。（3）定義新的數據模型，設計數據倉庫的模式和視圖。因為它關注的是信息的查詢，所以信息是結合決策探索的主要內容來設置的，所有的要素都對應著單獨的分析內容。數據的邏輯模型是多維數據模型，能夠運用多種存儲模式來體現，此時可通過多維分析措施，以多層次化來對信息開展全方位的探索。常見的數據模型有:星形模型、雪花模型、星座模型、雪瀑模型等。（4）數據倉庫的中間件設計。這些要素可以把倉庫中的所有的內容有效地聯系成為一個整體。數據倉庫的中間件包括:數據抽取、轉換、復制的拷貝中間件;數據庫訪問的網關中間件;對數據倉庫進行監控的中間件。（5）對于初始信息的審定以及分析。因為信息是來自于多個機構的的數據庫中的，所有的數據都是有其對應的使用方向的，所以，很多信息在進入庫之前的時候，必須認真地處理。為實現異構數據庫的數據集成，必須首先通過數據的抽取和轉換工具將位于不同操作系統平臺、不同數據組織形式的數據按照一定的數據模型集成到數據挖掘庫中，其目的就是保證數據倉庫中數據的一致性。

結語

和SAS等體系有很大的差距，這個體系不論是在功效的設計層次，亦或是其他的一些方面都更加的繁瑣，應該融合實際的業務內容來進行全方位的設計活動，確保其能夠非常的合理，而且便于使用者認可。而統計類數據挖掘方法應用的過程中較多地依賴于用戶解決問題的能力，一般無法自動的分析涵蓋在信息之后的內容。我們都知道，統計學是非常的綜合的。它和希望分析模型的使用者間有著很大的間隙，所以，要結合領域的具體特征，研究適合的模型內容。

[1]杜棟.現代統計信息系統理論與實踐[M].北京:清華大學出版社，2004.

[2]陳京民，等.數據倉庫與數據挖掘技術[M].北京:電子工業出版社，2002.