一种人力资源监控分析方法及系统与流程

本发明涉及人力资源大数据分析技术领域，具体涉及一种人力资源监控分析方法及系统。

背景技术：

现有的人力资源监控分析系统仅仅涵盖了人力资源管理中的人力信息管理，这是人力资源管理的基本。其中，部分系统又增加了机构管理等内容，但每个系统都各有侧重。从系统功能方面比较：大部分系统处于MIS管理的较低层次，只是进行数据的录入、存储、查询和统计等管理工作，较少有系统涉及到决策支持功能，而集成数据挖掘技术的系统则没有一个。可见，人力资源监控分析系统仍存在完善和发展的空间。

人力资源监控分析管理是实用性很强的一种管理，除了法律法规、制度保障和政策指导之外，还必须有一整套的管理技术和方法。到目前为止，人力资源监控分析管理应用的技术主要有以下四种。1、统计技术，是指通过计算概率、总值、均值、方差等统计指标进行数据的比较分析。该技术适合于人力资源管理的许多方面，尤其是处理定量数据。2、计量经济学技术，是以经济理论为前提，利用数学、统计技术建立数学模型，从而发现变量之间的关系。在人力资源监控分析管理中的典型应用是建立人力资源需求模型。它可以根据企业一段时期内的产量X(或收入)和员工数Y建立一元回归模型Y＝a+bX，说明该企业产量的变化对人力资源需求的影响程度。当企业要求增加产量时，可以用该模型进行预测。3、调查技术，调查就是管理者根据一定的管理目的，通过一定的程序，对人力资源监控分析管理活动相关现象进行系统而科学的考察，为认识管理活动的规律性提供全面材料的方法。问卷调查是人力资源管理者经常采用的方式。职务分析中常用该方法。其优点在于速度快、分析的样本量大、内容涵盖面宽。4、信息系统技术，是指人力资源管理部门通过使用计算机信息系统进行数据和工作过程的管理。除此以外，信息系统可以对人力资源监控分析的管理和决策提供支持，功能包括数据处理、事务处理和决策支持。计算机的应用是人力资源管理现代化的标志，是人类脑力劳动的重要助手，并帮助人们完成以前所不能完成的工作。以上四种技术已经在实践中得到应用并取得了良好的效果，是目前市场上人力资源监控分析管理系统采用的主要技术。但是，它们仍然不能完全解决人力资源管理领域的现有问题，而这些问题是目前市场上人力资源监控分析管理系统欠缺的部分。

首先，由于人的特性，人力资源监控分析信息的内容多为结构化数据(或称定性数据)，而定量数据只占很小比重。因此，人力资源监控分析管理者通常只进行定性分析。如人员招聘和绩效考评部分，人力资源监控分析管理者只做出“需要什么”、“内容包括哪几方面”、“结论是什么”的说明，并不提出原因。即使分析原因，也只是语言的描述，没有充分的数据支持。这种偏重于定性分析而忽略定量分析的工作方式往往容易造成偏差甚至错误，更缺乏有说服力的证据来充分论证自己的工作内容和业绩。

其次，由于定量分析的缺乏，容易造成人力监控分析资源管理中主观因素过多，而权重的大小主要依据管理者的主观认知标准。如果管理者的认知全面客观，则评价结果能够真实地反映实际情况，如果管理者偏袒某方面，则评价结果势必存在一定的偏差。总之，减少人力资源管理中的主观因素十分重要，否则容易降低人力监控分析资源管理工作的可信程度。另外，在目前的人力监控分析资源管理系统中，如何高效准确地建立人力资源的具体模型还是一个空白。这主要是由于人本身的复杂性、多样性和易变性造成的。但是，一个具体的人力资源监控分析模型不仅可以直观的反映人力资源状况，还可以从中发现其他方法难以察觉的内容。因此说，人力模型对管理工作具有指导作用；

再者，未引进数据挖掘技术。近年来，数据挖掘引起了信息产业界地极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理、生产控制、市场分析、工程设计和科学探索等。数据挖掘，英文是Data Mining，中文又译作数据采掘。一种比较公认的定义就是从数据中获取正确新颖、有潜在应用价值和最终可理解模式的非平凡的过程。

技术实现要素：

本发明的目的在于提供一种人力资源监控分析方法及系统。

为实现上述发明目的之一，本发明采用如下技术方案：

一种人力资源监控分析方法，包括以下步骤：

源数据库数据提供源数据供Hadoop集群进行查询、保存；

Hadoop集群对源数据进行清洗分类后，形成主题数据库，并以HIVE集群作为离线数据仓库；

将分类数据进行统计归纳，存储到统计结果数据库。

作为本发明进一步改进的技术方案，通过Spring batch进程实现源数据的查询、保存、清洗分类，以及分类后数据进行的统计归纳，存储。

作为本发明进一步改进的技术方案，所有数据的访问都是以SOA的方式授权访问，不允许跨域、非授权的数据访问，所有的访问人员均通过WEB统一门户，通过CA认证进行登录。

为实现上述另一发明目的，本发明采用如下技术方案：

一种人力资源监控分析系统，包括源数据库，以提供源数据供Hadoop集群进行查询、保存；

Hadoop集群，以对源数据进行清洗分类后，形成主题数据库，并以HIVE集群作为离线数据仓库；

统计结果数据库，以存储进行统计归纳后的分类数据。

作为本发明进一步改进的技术方案，所述源数据库包括人社局外围数据库、劳动合同数据库、人才数据库、社保数据库、入境就业数据库、就业市场数据库。

作为本发明进一步改进的技术方案，所述主题数据库包括人员主题数据库、企业主题数据库、行业主题数据库、产业主题数据库、乡镇主题数据库、就业主题数据库、高端人才主题数据库。

相对于现有技术，本发明的技术效果在于：

本发明所提供的方法和系统采用了更加广泛的源数据库，带来了定量分析比重增加的好处，分析结果更加客观，采用了Hadoop集群，可以高效准确地建立人力资源的具体模型，采用了数据挖掘技术，可以有效对各部委的数据进行利用和挖掘。

附图说明

图1是本发明实施方式中一种人力资源监控分析系统的框图示意图。

具体实施方式

以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

以下提供本发明的一种实施方式：

一种人力资源监控分析方法，包括以下步骤：

源数据库数据提供源数据供Hadoop集群进行查询、保存；

Hadoop集群对源数据进行清洗分类后，形成主题数据库，并以HIVE集群作为离线数据仓库；

将分类数据进行统计归纳，存储到统计结果数据库。

Hadoop集群是一种分布式数据存储，它实现并行处理框架，能在存储海量数据时保证高度的可靠性具有灵活性，能够存储任何一种类型的数据，作为元数据。基于Hadoop集群管理的元数据易于形成主题数据库。

Hive集群是基于Hadoop集群的一个数据仓库，可以将结构化的数据文件映射为一张表，并提供类sql查询功能，一个主题数据库即是一个具体模型。

进一步的，通过Spring batch进程实现源数据的查询、保存、清洗分类，以及分类后数据进行的统计归纳，存储。

Spring batch是用来处理大量数据操作的一个框架，主要用来读取大量数据，然后进行一定处理后输出成指定的形式。

Hadoop集群通过Spring batch进程从源数据库(比如oralce数据库)中查询数据，然后保存成hadoop格式，然后进行清洗分类，最后将分类数据进行统计归纳，存储到统计结果数据库。

系统显示页面展示报表的数据，是从统计结果数据库中获取。

系统显示页面上生成有饼图、折线图，方便查阅。

进一步的，所有数据的访问都是以SOA的方式授权访问，不允许跨域、非授权的数据访问，所有的访问人员均通过WEB统一门户，通过CA认证进行登录。

请参见图1，一种人力资源监控分析系统，包括源数据库，以提供源数据供Hadoop集群进行查询、保存；

Hadoop集群，以对源数据进行清洗分类后，形成主题数据库，并以HIVE集群作为离线数据仓库；

统计结果数据库，以存储进行统计归纳后的分类数据。

进一步的，所述源数据库包括人社局外围数据库、劳动合同数据库、人才数据库、社保数据库、入境就业数据库、就业市场数据库。

进一步的，所述主题数据库包括人员主题数据库、企业主题数据库、行业主题数据库、产业主题数据库、乡镇主题数据库、就业主题数据库、高端人才主题数据库。

相对于现有技术，本发明的技术效果在于：

本发明所提供的方法和系统采用了更加广泛的源数据库，带来了定量分析比重增加的好处，分析结果更加客观，采用了Hadoop集群，可以高效准确地建立人力资源的具体模型，采用了数据挖掘技术，可以有效对各部委的数据进行利用和挖掘。

最后应说明的是：以上实施方式仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施方式对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围。