摘要：针对目前企业岗位需求说明中对员工素质的考核具有一定的主观性和模糊性，并且缺乏绩效的导向。本文运用数据挖掘中的决策树方法，挖掘员工绩效与员工素质的隐性关系，用信息增益度量化员工绩效与素质的关联关系，使得员工绩效与素质的关联关系数值化、明确化，为企业人力资源管理工作提供决策依据。
关键词：人力资源开发与管理；决策树；员工素质
0 引言
随着国内不断引进人才测评技术分析评估员工素质，人才测评软件开发以及素质构成因素研究分析已经成为人力资源管理领域的热点。但是针对员工素质与绩效的关系研究相对较少，员工素质尚未形成固定的结构模式，多数员工素质考核带有较强主观性，员工素质与绩效关系属于隐性关系，故搞清员工哪些素质与员工绩效关系紧密对于人力资源管理者以及企业领导者都是非常必要的。 引用灰色理论对员工素质与绩效之间的关联度进行量化分析，使得素质与绩效之间的关系数量化、明确化，达到提高人力资源决策质量的目的，虽然解决了样本数据的模糊性和不完全性带来的问题，但灰色理论主要应用于连续型数值的样本分析，不适合离散型的员工素质数据的相关分析。文献[5]提出了一种应用决策树技术来挖掘隐藏在学生成绩背后有价值信息的研究方案，通过对大量原始数据信息的挖掘处理，找出最能影响学生成绩的因素。文献[6]
通过决策树技术在绩效分析中的应用，找到影响员工绩效的真实原因，发现绩效规律。员工素质与绩效关联分析的商务数据库数据特征为模糊的、不完全的、离散的，其中文献[5]研究的内容为学生对该科目的兴趣、试卷的难度、学生的课堂考勤以及上机作业的完成情况等因素对学生成绩的影响，文献[6]研究的内容为员工工作任务量、工作质量、工作技能及工作态度对员工绩效的影响，与员工生理素质、心理素质、知识素质对员工绩效的影响的研究原理相似。文献[5]、[6]均采用决策树技术将连续数值离散化，通过相关分析，挖掘某属性间的相互关联关系，有效解决了数据不完全性、模糊性及离散性带来的问题。
在上述研究的基础上，本文针对员工素质数据离散性这一特征，探讨基于数据挖掘的决策树的员工素质与绩效关联分析，通过对员工素质与绩效的关联度分析，分辨出具体的工作岗位与员工的各种素质之间关联度的高低，并根据关联分
1 员工素质模型研究
素质（competence）是美国著名心理学家麦克利兰教授在1973 年提出的，后来在他标志性作品《测量素质而非智力》一文中提到单纯的智力要素并不能保证在作中取得好的业绩，这种业绩是与人的某种潜在的心理特征相联系的，并由此出了素质的概念。麦克利兰将素质定义为：与工作中的杰出绩效有因果关联的个体深层次特征。
素质模型是在某个职位上表现优秀所需要的素质特征的组合，描述有效完成特定组织内具体工作所需要的知识、技能和特征的独特组合。它是一组相关知识、技能和态度，能够影响一个人工作的主要部分、与员工绩效相关、能够用可靠标准测量并能够通过培训和开发而改善。著名的冰山模型，它将素质比作浮在水面上的一座冰山，包括分为水面以上的冰山部分和水面以下的部分。“冰山以上部分”包括基本知识、基本技能，是外在的和表层的特征，易了解与测量的部分，相对而言也比较容易通过培训来改变和发展的部分。“冰山以下部分”
包括社会角色和价值观、自我认知、特质和动机，是人内在的、难以测量的部分[7,8]。
根据科学性和可操作性的原则，将人员素质划分为生理素质、心理素质、知识素质三大方面[8]。
(1) 生理素质生理素质是影响人们活动方式、能力和效率的生理基础，包括体质和精力。体质即身体的质量，表现为人体的健康水平；精力是指人们从事行为活动耐紧张程度和耐久力。
(2) 心理素质心理素质是影响人们事业发展与成功的关键因素，包括个人能力和人格。能力是使人们顺利完成学习或工作并直接影响效率及效能的基本心理素质；人格使人们在认知、情绪、意志等心理活动中所表现出来的心理特征，具体体现在个性倾向性和个性心理特征两个方面。
(3) 知识素质知识素质是人们后天习得的直接及间接经验的总和。根据知识素质对人们生活和工作的影响程度不同，可将其区分为生活知识和工作知识。
通过以上分析可知，员工素质是与绩效相关的、可标准测量的一系列素质特征的组合。
员工素质由生理素质、心理素质与知识素质三方面构成，主要包括员工体质、员工精力、个人能力、人格、工作知识及生活知识。
2 基于决策树方法的员工素质与绩效关联分析
数据挖掘(Data Mining)是从大量的、有噪声的、不完全的、模糊的原始数据中，提取隐含其中的、有一定价值的、具有一定可信度的信息和知识的过程。通过数学的或非数学的、演绎的或归纳的方法进行知识的提取，发现的知识可被用于决策支持、信息管理、查询优化、过程控制等[9]。
决策树(Decision tree)是代表着决策集的树形结构。基于决策树的方法是从实例集中构造决策树，是一种有指导的学习方法。决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的、潜在的信息。它的主要优点是描述简单，分类速度快，特别适合大规模的数据处理。最有影响和最早的决策树方法是由Quinlan提出的著名的基于信息熵的ID3算法，也是本文采用的决策树算法。该算法选择具有最高信息增益的属性作为当前节点的测试属性，使得结果划分中的数据分类所需要的信息量最小，反映了划分的最小随机性。决策树中每一个非叶结点对应着一个非类别属性，树枝代表这个属性的值。一个叶结点代表从树根到叶结点之间的路径对应的记录所属的类别的属性值[9,10]。
关联分析是利用关联规则进行数据挖掘，是近年来研究较多、应用较广泛的一种数据挖掘方法，相应地关联规则模式也是一种比较重要的数据挖掘知识模式。关联分析的目的是挖掘隐藏在数据间的相互关系。
3 工程应用
3.1 工程背景国家电网公司某水力发电厂由3 个电站和1 个开关站组成，在职职工有900 多人。在新的时代背景下，该单位向市场经济体制转型，面临着众多的挑战。该单位人力资源管理中的绩效管理仅仅停留在员工绩效考核结果的统计，员工素质评估也仅仅停留在评估结果的统计与分析，从未进行员工素质与绩效的关联分析。以往该单位仅仅参照岗位需求说明，根据员工素质评估结果，提出员工培训、招聘、人员配置的建议，缺乏员工绩效的导向，增加了管理成本，降低了管理效率。该单位通过将决策树技术应用到员工素质与绩效关联分析中，效果良好，提升了管理质量与决策效率。样本数据采集操作过程如下：
(1)确定数据采集办法。其中员工素质数据采集通过应用员工素质分析评估系统在企业实施员工素质评估，并导出评估结果数据库来实现，员工绩效数据以单位人力资源部门的绩效考核结果为依据。
(2)处理采集数据。按照不同的数据采集办法分别采集员工素质与绩效数据，形成商务数据库。
(3)选择样本数据。在企业所有员工中随机抽取10 位员工，确定样本数据。
4 结论
本文将数据挖掘的决策树技术应用到企业人力资源管理中，帮助企业分析高绩效员工的素质构成，总结绩效与素质间的关联关系，进而提高企业效益。在实际企业管理工作中，应根据不同的情况设计不同的素质分析评估指标体系，有针对性地挖掘某岗位或者某部门高绩效员工的素质组成，为企业管理工作提供决策依据。
中国硕士论文网提供大量免费工商管理硕士论文,如有业务需求请咨询网站客服人员！
[
参考文献
] (References) [2] 肖荣勋. 高校辅导员素质结构及其与工作绩效的相关研究[D]. 郑州：河南大学,2012.[3] 白济源. 吉林省农业企业员工素质与其绩效关系研究[D]. 吉林：吉林大学,2012. [5] 黄芳. 基于数据挖掘的决策树技术在成绩分析中的应用研究[D]. 山东：山东大学,2012. [7] 张延平,王满
四. 人力资源管理原理、技巧与应用[M]. 北京：清华大学出版社,2007.
[8] 王静. 基于纵向分层的员工360 度素质评估模型研究与应用[D]. 重庆：重庆大学,2012.
[9] 孙华. 决策树算法在人力资源管理中的应用研究[D]. 辽宁：辽宁工程技术大学,2012.