基于員工畫像與崗位特征模型的績(jī)效結(jié)果評(píng)估系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

楊柳 史彩計(jì) 周璇 張國(guó)安 陳正銘

關(guān)鍵詞：崗位特征；隨機(jī)森林；績(jī)效；員工畫像

0 前言

在國(guó)家和行業(yè)大力推動(dòng)數(shù)字化轉(zhuǎn)型的背景下，人力資源管理的數(shù)字化和智能化已成為該領(lǐng)域的重要探索和研究方向，呈現(xiàn)出大數(shù)據(jù)驅(qū)動(dòng)的新興模態(tài)。人力資源管理工作十分復(fù)雜。當(dāng)前，煙草企業(yè)普遍存在員工績(jī)效管理方面的問(wèn)題，缺乏對(duì)員工績(jī)效考核結(jié)果的系統(tǒng)和深入分析，未能充分挖掘員工績(jī)效考核結(jié)果在人力資源管理活動(dòng)中的潛在價(jià)值。S煙草公司運(yùn)用數(shù)字化管理思維，利用員工標(biāo)簽化特征信息和績(jī)效考核數(shù)據(jù)，嘗試采用隨機(jī)森林算法計(jì)算多個(gè)崗位模型并對(duì)員工進(jìn)行畫像，搭建了智能化員工績(jī)效管理信息平臺(tái)，實(shí)現(xiàn)了數(shù)字化績(jī)效管理，充分挖掘了績(jī)效考核結(jié)果在人力資源管理活動(dòng)中的應(yīng)用價(jià)值，提升了人力資源管理水平，促進(jìn)企業(yè)控員增效。

1 基于標(biāo)簽化管理的員工畫像與績(jī)效統(tǒng)計(jì)

1.1 員工特征畫像

公司人事科收集員工信息，并通過(guò)提煉高精度的員工特征標(biāo)識(shí)及數(shù)據(jù)分析處理后的多維標(biāo)簽，實(shí)現(xiàn)員工特征畫像[1]。流程如下：首先，在不侵犯員工合法權(quán)益并充分做好信息保密工作的前提下，收集員工各類信息，包括員工資質(zhì)信息、業(yè)績(jī)信息、需求信息和生活習(xí)慣等。其次，進(jìn)行員工信息標(biāo)簽化管理，為提高后期數(shù)據(jù)分析效率，對(duì)原始員工信息進(jìn)行提煉和數(shù)據(jù)處理，實(shí)現(xiàn)員工信息的多維標(biāo)簽化。目前已收集整理了131位員工的信息，共提取了63個(gè)特征標(biāo)簽，具體如表1所示。

1.2 員工月度與年度績(jī)效統(tǒng)計(jì)

根據(jù)公司的績(jī)效考核制度，月度績(jī)效考核采用評(píng)分方式進(jìn)行。考核項(xiàng)目包括工作態(tài)度指標(biāo)（30分）、崗位職責(zé)指標(biāo)和其他任務(wù)指標(biāo)（60分）、其他任務(wù)指標(biāo)（10 分）。工作態(tài)度指標(biāo)是全員一致的，考核內(nèi)容分為勞動(dòng)紀(jì)律（15分）、思想作風(fēng)（10分）、儀表衛(wèi)生（5分）。崗位職責(zé)指標(biāo)根據(jù)不同的崗位而異，以客戶專員崗位為例，包括基礎(chǔ)管理、經(jīng)營(yíng)指導(dǎo)、誠(chéng)信互助小組建設(shè)、信息采集與市場(chǎng)調(diào)研、品牌培育與宣傳促銷、線上服務(wù)。其他任務(wù)指標(biāo)滿分10分，考評(píng)以扣分進(jìn)行，扣分最高不超過(guò)10分。主要扣分項(xiàng)目包括因個(gè)人原因被投訴或造成不良社會(huì)影響，每次扣1分；因個(gè)人原因被通報(bào)、約談、問(wèn)責(zé)等情況，每次扣1分……

通過(guò)考核評(píng)分，統(tǒng)計(jì)出上述131名員工的近一年的月度與年度績(jī)效數(shù)據(jù)，如表2。

2 基于隨機(jī)森林的崗位特征模型求解

2.1 求解算法選擇

如何有效地從高維數(shù)據(jù)中提取或選擇出有用的特征信息或規(guī)律，并將其分類、識(shí)別、存儲(chǔ)和使用已成為當(dāng)今信息技術(shù)所面臨的基本問(wèn)題[2]。特征選擇是指從原始特征集中選擇部分特征，使某種評(píng)估標(biāo)準(zhǔn)最優(yōu)（或次優(yōu)）的特征子集，以使在該最優(yōu)（或次優(yōu)）特征子集上所構(gòu)建的分類或回歸模型達(dá)到與特征選擇前近似甚至更好的預(yù)測(cè)精度[3]。

隨機(jī)森林[4]是一個(gè)由一組決策樹(shù)分類器｛h（Ｘ，θk），k=1，2，...，K｝組成的集成分類器，其中｛θk｝是服從獨(dú)立同分布的隨機(jī)向量，K表示隨機(jī)森林中決策樹(shù)的個(gè)數(shù)。在給定自變量Ｘ下，每個(gè)決策樹(shù)分類器通過(guò)投票來(lái)決定最優(yōu)的分類結(jié)果[5]。

文獻(xiàn)2 中提出了一種名為RFFS 的特征選擇方法。該方法基于隨機(jī)森林算法，利用其提供的特征重要性度量對(duì)特征進(jìn)行評(píng)估。通過(guò)序列后向搜索策略，每次從特征集中剔除一個(gè)最重要的特征（即重要性分?jǐn)?shù)最低），并在每次迭代中計(jì)算分類的準(zhǔn)確率。最終，獲得一個(gè)變量數(shù)量最少且分類準(zhǔn)確率最高的特征集合，這就是特征選擇結(jié)果。該算法的時(shí)間復(fù)雜度近似為：O（km2n（logn）2），與特征維數(shù)m成平方關(guān)系，與數(shù)據(jù)集樣本個(gè)數(shù)n成n（logn）2關(guān)系。對(duì)于高維小樣本數(shù)據(jù)，運(yùn)算時(shí)間非常不錯(cuò)。

根據(jù)當(dāng)前數(shù)據(jù)集特征，特征維度為63，樣本數(shù)為131，嘗試用該算法思路求解崗位特征模型。

2.2 算法求解過(guò)程

2.2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)類型變換主要針對(duì)分類數(shù)據(jù)，原始數(shù)據(jù)中一共有63個(gè)分類變量指標(biāo)。首先，將字符型映射為數(shù)值型，變換原則為所有指標(biāo)映射為狀態(tài)數(shù)據(jù)值。例如，性別為男則映射到1，否則為0；性別為女同樣映射到1，否則為0。對(duì)于連續(xù)型特征值，例如年齡，采用分箱操作[6]變換為離散型特征值。例如，采用等寬分箱將年齡特征的取值范圍等距離劃分為多個(gè)分箱，21～30 歲映射為1，31～40歲映射為2……。

2.2.2 計(jì)算過(guò)程

依據(jù)績(jī)效考核分越高的員工越匹配當(dāng)前崗位原則，對(duì)各崗位數(shù)據(jù)建立隨機(jī)森林分類模型。將數(shù)據(jù)通過(guò)隨機(jī)抽樣分別按照3∶1的比例隨機(jī)劃分，其中75%作為訓(xùn)練數(shù)據(jù)，25%作為測(cè)試數(shù)據(jù)。用訓(xùn)練數(shù)據(jù)進(jìn)行模型訓(xùn)練，測(cè)試數(shù)據(jù)對(duì)模型進(jìn)行評(píng)估。將特征隨機(jī)分為四份，CART決策樹(shù)從1到4 000變化時(shí)，通過(guò)網(wǎng)格搜索來(lái)自動(dòng)化搜索n_estimators最佳值，觀察模型的誤差變化情況，調(diào)整n_estimators參數(shù)，獲取n_estimators 最佳值，使用best_score_方法獲取模型準(zhǔn)確率，使用best_params_方法獲取最優(yōu)模型的參數(shù)。

2.2.3 計(jì)算結(jié)果與分析

通過(guò)隨機(jī)森林算法求解，得到本次數(shù)據(jù)集包含的5個(gè)崗位的十個(gè)特征標(biāo)簽與權(quán)重值，如表3。

3 系統(tǒng)實(shí)現(xiàn)

3.1 基于員工畫像的績(jī)效評(píng)估系統(tǒng)簡(jiǎn)述

搭建基于員工畫像管理的績(jī)效評(píng)估系統(tǒng)，將研究結(jié)果標(biāo)準(zhǔn)化、信息化。將員工信息及標(biāo)簽化管理納入信息平臺(tái)，實(shí)現(xiàn)智能數(shù)據(jù)分析和應(yīng)用建議，提高員工績(jī)效考核管理工作效率，助力企業(yè)優(yōu)化人力資源管理。

通過(guò)使用Java、Nginx、MySQL、Redis、Node.js等網(wǎng)站技術(shù)設(shè)計(jì)實(shí)現(xiàn)系統(tǒng)。系統(tǒng)可錄入或?qū)雴T工特征信息與績(jī)效，對(duì)員工績(jī)效的全面、準(zhǔn)確評(píng)估，以及展示員工畫像的詳細(xì)分析，提供有針對(duì)性的改進(jìn)建議和培訓(xùn)需求，幫助企業(yè)實(shí)現(xiàn)人力資源的優(yōu)化配置。

3.2 企業(yè)崗位匹配整體數(shù)據(jù)展示

輸入用戶名密碼，點(diǎn)擊登錄進(jìn)入信息維護(hù)模塊下的數(shù)據(jù)展示頁(yè)面（如圖2） 。上面四個(gè)小盒子展示員工的整體信息，崗位維度用折柱圖展示人數(shù)和人崗匹配系數(shù)（員工和崗位的匹配程度，越高越匹配）。標(biāo)簽維度展示的是影響比較大的前五個(gè)標(biāo)簽的人數(shù)和人數(shù)比。

3.3 員工信息/績(jī)效管理/員工標(biāo)簽

點(diǎn)擊左側(cè)的菜單，可分別進(jìn)入員工信息管理、績(jī)效管理和員工畫像標(biāo)簽管理（如圖3） 模塊。在這三個(gè)模塊，分別可以新增/刪除/修改/查詢相應(yīng)的信息，也可批量導(dǎo)入更新相應(yīng)數(shù)據(jù)。

3.4 員工/崗位畫像

員工畫像模塊（如圖4） 頁(yè)面左側(cè)系統(tǒng)根據(jù)已有數(shù)據(jù)自動(dòng)生成了個(gè)人簡(jiǎn)介，還有對(duì)其崗位的分析，以及對(duì)員工能力提升的建議。右側(cè)展示其當(dāng)前崗位的情況，匹配程度，還有與其他崗位的比較和分析，該頁(yè)面數(shù)據(jù)通過(guò)后臺(tái)調(diào)用隨機(jī)森林算法求解的模型數(shù)據(jù)得到。

崗位畫像頁(yè)面（如圖5） 顯示的是對(duì)當(dāng)前崗位來(lái)說(shuō)，影響最大的前五個(gè)標(biāo)簽的相關(guān)系數(shù)與關(guān)聯(lián)數(shù)據(jù)。下圖則是與當(dāng)前崗位匹配度高的一些員工基本信息。

3.5 人崗匹配功能

在人崗匹配模塊（如圖6） ，可根據(jù)選項(xiàng)得出員工和崗位的匹配情況。在崗位按需匹配（如圖7） ，則可在此輸入一些崗位需求，快速匹配適合的員工。

4 結(jié)束語(yǔ)

基于員工畫像的績(jī)效結(jié)果評(píng)估系統(tǒng)適用于各類需要進(jìn)行員工績(jī)效管理和人力資源優(yōu)化配置的機(jī)構(gòu)，例如在煙草行業(yè)以及其他需要精細(xì)化管理員工績(jī)效的領(lǐng)域。該軟件能夠提供全面、深入的員工績(jī)效分析和評(píng)估，幫助企業(yè)更好地了解員工的工作能力和潛力，實(shí)現(xiàn)人力資源的優(yōu)化配置和企業(yè)的持續(xù)發(fā)展。