人才評定大數據分析與挖掘

蔣杰

本文從建立人才評定系統、如何實現人才評定、以及實現人才評定的量化賦分方法，對人才評定進行了闡述，并對人才評定數據進行數據分析與挖掘，通過不同的評定方法，得出較好的評定方法。

【關鍵詞】人才評定 數據分析 數據挖掘

目前，我國正處在經濟轉型、結構調整的關鍵時刻，在創新型社會的建設過程中，人力資源是最重要的資源。如何對人才進行評定，建立科學合理的評價機制，讓人才有動力發揮才華，必須突出以品德、能力、業績為導向，克服"唯學歷、唯資歷、唯論文"的傾向，建立科學客觀公正的評價專業技術人才系統，以科學評價為核心，健全職稱制度體系，完善職稱評價標準，創新職稱評價機制。本文以新疆維吾爾自治區的人才評定數字化研究為例，分析如何實行科學的數字化人才評定，并對人才評定數據進行初步的分析與挖掘。

1 人才評定系統的建立

人才評定數字化的應用在它的建立過程中要考慮多方面因素，一個人才評定系統，應具備以下條件。

1.1 建立面向各行業各專業的人才的申報系統

從大的方面可以分為工程、教育、衛生、經濟、實驗、研究等等，從層級來說，又可分為初級、中級、副高級和正高級幾個層級。不同行業分工不同，從事的工作性質和側重點也不相同。

1.2 建立人才評定專家數據庫

人才評定離不開專家，專家本身的技術水平能力和綜合素質在人才評定中起到關鍵作用，建立專家庫有利于挑選到優秀理想的專家。

1.3 建立人才評定的會議系統

會議系統可以對評審材料進行分類，不同專業、不同級別應建立不同的會議，有利于專家更好的評定。

2 人才評定系統的實現

對人的考核從來都是復雜的。為了使人才評定系統更加接近真實情況，我們應該建立一個科學的、系統的人才評定方案，能對各項內容進行量化處理。

對評定內容量化是對復雜問題的處理方法。通過對人才評定的量化，在各種標準上設置合理的量化指標，就可以比較準確客觀的得到最終結果。而這種量化的處理，可以說是新疆專業技術人才評定項目一個好的創新點。

量化指標分為主觀和客觀兩部分，如學歷、資歷、工作年限、工作地區、年度考核、獲獎情況等等都是客觀因素，評審專家無需干擾。而論文水平、實踐能力、業績成果等需要由評審專家進行主觀賦分，不同專家對同一份材料可能會出現賦分偏差。因此在實際中一般采取多位專家同時賦分，然后取平均值，也可以使用去掉最高分和最低分等方法。

3 人才評定大數據分析與挖掘

隨著數學和統計技術在各行業的廣泛應用和推廣，人才評定也可采用“定量”的形式，多角度分析、判斷不同人才的技術能力，建立人才數據挖掘與分析數據模型。數據維度包括基本信息、學歷、學位、資歷、論文著作、獲獎、工作業績、實踐能力等多項內容，通過大數據技術，最終以分數值的表現形式，形成對技術人才的準確評價。

3.1 人才評定的基礎

任何活動都離不開數據，各種信息系統應用在各行業中，這些信息系統，時刻地記錄著各種數據。人才評定系統，是各種人才數據的綜合體，對這些數據的存儲、篩選、加工，都為人才評定提供了健全、豐富的數據來源；人才評定數據主要為兩大類，人才本身基礎數據和評定專家數據，通常包括以下幾個方面：

3.1.1 個人基本數據

性別、年齡、民族、學歷、資歷、工作年限、工作地區、單位屬性、年度考核等關聯信息。

3.1.2 著譯作論文

包括論文級別（國家級、省部級、地區級）、篇數、作者排名、被收錄情況等等；

3.1.3 獲獎情況

主要包括獲獎項目、獲獎級別、獲獎等級等；

3.1.4 業績成果和實踐能力

編制技術標準、技術規范、技術規程，完成大中型課題、項目工程，解決項目實施中遇到的復雜的技術問題等等。

3.1.5 評定專家

除上述外，評價專家也對評定結果也有一定的影響，不同專家，可能評判標準不一樣，產生的結果也不一樣，作為大數據分析，也要充分考慮進去。

3.2 數據分析過程

（1）將業務問題映射成數據分析工作和工作任務。

（2）匯總分析需要的數據，將數據匯總到一個數據庫，或者叫數據集市或數據倉庫。

（3）數據篩選，包括檢查數據的一致性，處理異常值和缺失值，刪除重復數據等等。

（4）數據轉換，將數據轉換成所需要的數據格式，例如將字符型變量轉化為數字型變量，按照數據所需維度進行分類匯總。

（5）建立模型，按照需求建立不同數據分析模型（例如男女通過率、民族通過率、地區通過率、專業通過率等等）。

（6）模型結果解釋和評估，業務專家進行業務解釋和結果評價。

3.3 數據分析模型開發

數據挖掘是從大量的數據中，發現潛在的規律和價值，以輔助提高管理、決策能力。

人才評定通過對評定基本數據以及專家在評定活動中的數據進行提煉、分析、開發模型，對用戶進行評分，以服務于職稱人才評定。

3.3.1 樣本抽取

自治區每年進行人才評定相關人員約5萬人，我們通常抽取一定量的數據作為樣本，開發模型。常用的樣本選擇方式有兩種，隨機抽樣和分類抽樣。隨機抽樣較為簡單，即在制定的范圍內隨機選擇樣本。而分類抽樣，則需要先分類，確認各類樣本的數據量，再分別進行隨機抽樣。

當然，以上僅為示例，實際情況卻往往復雜很多。

3.3.2 變量選擇

明確因變量和自變量。其中因變量為表現變量，即模型的結果評定得分情況；自變量為與之相關的因素，它的預測能力決定于它與因變量之間相關關系和邏輯因果關系。通常，與人才評定分數相關的因素包括學歷、資歷、年限、論文、獲獎、工作業績等。

3.3.3 模型分組

模型分組的意義在于區分不同模型和對象關系，以提高模型預測的精準度。例如，不同專業人員之間的評定方法是有差異的，但是某類專業技術人員的評分上，趨勢十分相似，所以將模型分組，避免相互之間的因素影響，在專業技術人員評定上，我們通常按照工程、衛生、教育、經濟等等進行劃分。

3.3.4 模型設計

影響模型結果的變量非常復雜，需要根據變量的實際測算進行多次調整。常見的模型算法有線性回歸分析、非線性回歸分析、邏輯回歸模型、決策樹模型等等。在實際的模型選擇過程中，需要根據多方面因素綜合考慮。在本例中，筆者綜合實際情況，設定公式函數：

F=∑Pi，其中i=1，2，...，T

其中Pi為每一項的實際得分，等于實際得分*權重，即為求P1 + P2 + ... + PT的和。在實際中，可能會剔除最高分和最低分。

3.3.5 模型檢驗

將各種數據放入公式中，系統將得出不同的分值，表現的效果為：“得分越高，則評定結果越好，離圓心越遠”。以下為某位專業技術人員的得分雷達效果圖，離圓心越近，說明得分越低，評分差越少，則線重疊度越高。在實際應用中，需要不停調整各項參數，包括基數和權重，才能使數據分析更加有效，如圖1所示。

以下為從學歷得出的數據表，隨著學歷的升高，得分也自然升高，如圖2所示。

數據結論分析：

通過對自治區每年約5萬專業技術人員進行分析，得出如下結論：

（1）學歷在人的工作能力中有決定性影響，學歷越高，得分越高、其工作能力也越強。

（2）單位性質也決定著技術人員的能力，大中型企業的專業技術人員得分一般高于小型企業。

（3）優秀論文較多的其得分明顯高于其他人。

（4）獲得獎項是判定人才的重要標志，有獲獎的人其得分明顯高于其他人。

（5）工作年限在評定中也有一定影響，年限長的其得分略高于年限短的。

（6）在男女數據對比中，未發現有明顯的數據高低。

上文分析中，我們可以得到：人才評定是一個針對性特殊、方向面廣泛的評定系統。在它的評定過程中，自然會存在方方面面因素的干擾，所以我們只有在結合之前提到的因素并加上其他影響因素的基礎上，才能制定一套完整的人才評定系統方案，才能對一個人的水平有較好分析。

4 總結

本方案是針對新疆不同專業維度、不同層次的專業技術人員的評定與分析。人才評定的方法有很多，本文只是拋磚引玉。以“人”為核心的評價，深度診斷個性特質，快速測查知識技能，立體體現能力。企業人才發展管理平臺運用大數據，可助力企業人才發展。

參考文獻

[1]胡宏峻.人才評估——財智人力資源讀本[M].上海交通大學出版社，2004.

作者單位

新疆電子研究所股份有限公司 新疆維吾爾自治區烏魯木齊市 830018