企業職工培訓中數據挖掘技術的應用研究

梁燕平

摘要：隨著互聯網信息時代的到來，各行各業都在不斷進行改革，以適應新時代的發展需求，教育教學領域也在不斷與網絡技術、信息進行融合。企業會的運轉中會涉及龐雜的數據信息，包含企業信息、職工信息等，這些數據信息具有很大應用價值，也亟需得到有效的管理。如何對這些有效的數據信息進行管理，值得深入思考和研究。而數據挖掘技術的出現和應用，就能很好的解決上述的問題。本文首先對數據挖掘技術進行了闡釋，進一步歸納出了數據挖掘技術在企業職工培訓中的具體應用。

關鍵詞：企業;職工培訓;數據挖掘技術

引言：當下在各行各業廣泛應用的數據庫技術，具有一定的優越性和價值性。數據庫技術在當前的很多領域，如營銷、教育教學、企業管理等領域。企業需要管理大量的職工信息，不僅要對這些信息數據進行維護、存儲，還要對其進行管理和應用。在這種需求下，數據挖掘技術就應運而生，其能夠對龐雜的企業信息進行分析處理，并從中提取出有效的信息，供企業管理者使用。

1.數據挖掘技術概述

1.1數據挖掘的涵義

數據挖掘其實就指的是借助數據庫來發掘知識，這里的知識必須是有效的知識。在知識的發現過程中，數據挖掘是一個必由之路，這個過程需要從大量的不完全的隨機數據中，獲得有價值的信息、知識，數據挖掘屬于深層的數據分析方法[1]。具體來講，數據挖掘就是通過對海量的數據進行篩選和分析，進而挖掘出的有效知識。數據挖掘涉及數據的抽選、分析、模型處理等一系列程序，經過這些程序后才能獲取能夠對決策有幫助作用的有效數據。數據挖掘技術的應用，能夠為決策者提供有用信息，輔助其找尋規律，進而探索出一些未知的數據，對未來的發展趨勢進行預測，從而得出科學的決策。

1.2數據挖掘技術的具體內容

數據挖掘技術是經過大量的實踐經驗得來的，人們通過對數據庫技術的深入研究、開發、應用，最終得出的一種結果。數據挖掘的手段綜合了機器學習、人工智能等方法，并充分參照了傳統的統計分析法、科學計算可視化技術、模糊數學法等方法技術，將研究對象定為數據庫，采用數據挖掘技術進行研究。數據挖掘的具體方法有很多，如遺傳算法、粗集方法、決策樹方法、模糊集方法、神經網絡法、統計分析法等。

2. 構建數據庫

在企業職工培訓中要應用數據挖掘技術，首先就要建立起相應的數據庫，數據庫能夠從大量的信息中，提取出有效信息。將其運用于職工培訓中，能夠對職工信息進行規整，從而能夠有效地展開培訓工作。一方面，需要建立物理框架。職工培訓數據庫，需要設置物理模型，符合相應情況下的要求。這樣建立出來的物理模型，能夠留存數據，同時也是一種多層級的數據組織。

另一方面，需要建立相應的概念模型。這個概念模型能夠對先前設置的系統界限，進行明晰和分辨，從而對根本主題進行擬定。數據庫中的根本信息，就是員工本身的信息，此時段培訓的反饋。這些經過規整的信息，雖然會呈現一定的單一性，同時它也存在一些內在的聯系。通過對數據倉庫的采納，對這些數值進行提煉、規整處理，從而能夠為決策提供一定的依據，保證決策的科學性和可行性。按照其對員工特性、建構主題進行的細分，就能對總體的培訓結果，進行多層級的劃分，并將其放于數據庫中。

3. 運用實例的選出

3.1采納關聯規則

按照的評判指標，就是體系架構中的支持度、置信度。其中，必要的概率信息涉及物品，及其特有的出現頻次。最小數值的支持度，表征選擇出的內容，在這樣的統計中，就充分發揮了最低層級的作用和意義。而最小數值的置信度，則表征設定的規則，呈現了一種不可靠的趨勢。通過對關聯規則的應用，能夠建構出精準的模型，從而方便工作人員對某一時期培訓的培訓情況進行分析[2]。

3.2采納模型

經過抽選的數據，包含原先的職工信息，以及測試出的成績等內容。采納預設的規則，就能對這些數據進行操作。這樣做的目的，旨在于對數據間的聯系，進行梳理和明晰。抽選的數據，一般會涉及單位稱呼、職工姓名、微機處理等級等內容。

3.3挖掘的具體操作流程

在預處理過程中，為方便識別關聯規則，需要對初始數據，進行概念化處理。經過一系列特有的處理之后，最后總能夠得出需要的結果，能夠有效地對職工的通過率進行分析和處理。在數據的挖掘中，充分采納了關聯原則，保證體系中的不同類型的行為，都接受了此規則的設定。這一系列流程就表明，數據與輸出數據間，存在很強的關聯。

結束語：綜上所述，數據挖掘技術在企業職工培訓中應用的重要性不言而喻。廣大企業人力資源管理者，需要重視對數據挖掘技術的使用，不斷探索數據挖據技術的具體應用，充分挖掘其最大價值，將其有效地運用于企業的職工培訓中，為企業的長足發展貢獻應有的力量和價值，從而讓企業更穩定地向前發展。

參考文獻：

[1]王靖夫. 數據挖掘技術在企業職工培訓中的應用分析[J]. 中國高新技術企業， 2015（10）：61-62.

[2]尉麗娜， 童英穎. 數據挖掘在人力資源管理中的應用[J]. 商品與質量， 2016（021）：49.