基于数据驱动的人力资源成本评估算法

辛占华 聂婷

摘 要： 针对当前人力资源成本评估算法存在准确度低、效果差等难题，为了提高人力资源成本评估精度，设计了基于数据驱动的人力资源成本评估算法。收集人力资源成本评估数据，并采用混沌理论对数据进行重构，还原人力资源成本变化特点，通过极限学习机建立人力资源成本评估算法，并通过粒子群算法对极限学习机进行优化，最后进行了人力资源成本评估仿真实验。结果表明，所提算法可以反映人力资源成本的变化特点，改善了人力资源成本的评估结果，获得了比其他人力资源成本评估模型更优的结果，具有广泛的应用前景。

关键词： 人力管理; 资源成本; 评估模型; 数据驱动; 极限学习机; 粒子群算法

中图分类号： TN911.1?34; TP393 文献标识码： A 文章编号： 1004?373X（2018）09?0157?04

Abstract： Since the current human resource cost evaluation algorithm has the problems of low accuracy and poor effect， a human resource cost evaluation algorithm based on data driving is designed to improve the evaluation accuracy of human resource cost. The data of human resource cost assessment is collected， and reconstructed with chaos theory to restore the change characteristics of human resource cost. The extreme learning machine is used to establish the human resource cost evaluation algorithm， and optimized with particle swarm optimization algorithm. The simulation experiment was performed for the human resource cost assessment. The results show this algorithm can reflect the change characteristics of the human resource cost， improve the assessment results of human resource cost， obtain better results than other human resource cost evaluation models， and has wide application prospect.

Keywords： manpower management; resource cost; evaluation model; data driving; extreme learning machine; particle swarm optimization algorithm

0 引 言

人力資源成本是人力资源管理体系的一个重要环节。如果不能对人力资源成本进行准确评估，会导致人力资源严重浪费，人力大量流失，企业的运营成本增加，因此人力资源成本评估的成本直接关系到企业的生存，对人力资源成本评估进行研究具有十分重要的意义[1?3]。

尽管如此，一些企业对人力资源成本评估不重视，尤其是国内，受到计划经济的影响，许多企业的思想和观念没有跟上时代的发展，人力资源评估问题更加突出。近十多年来，国内一些研究机构和学者越来越重视人力资源成本评估问题，出现了许多人力资源成本评估算法[4?5]。最常用的人力资源成本评估是通过人工方式进行，由于人为因素存在，评估结果客观性差，使得人力资源成本评估结果具有一定的盲目性，难以获得理想的人力资源成本评估结果[6]。随着信息技术的发展，一些学者提出了一些人力资源成本自动评估算法，如灰色模型、神经网络等，它们通过建立人力资源成本评估指标，收集相应的人力资源成本评估数据，建立人力资源成本评估模型，获得了比人工方式更优的人力资源成本评估结果[7?9]。随着研究的不断深入，人力资源成本数据不断积累，出现了大量的人力资源评估数据，为人力资源成本评估的数据挖掘提供了基础。混沌理论是一种重要的数据驱动方法，可以从数据中挖掘问题的变化特点，为人力资源成本评估建模提供了一种新的技术[10?12]。

针对当前人力资源成本评估算法存在准确度低、效果差等难题，以提高人力资源成本评估精度为目标，本文设计了基于数据驱动的人力资源成本评估算法。结果表明，本文算法可以反映人力资源成本变化特点，改善了人力资源成本评估结果，获得了比其他人力资源成本评估模型更优的结果。

1 相关技术

1.1 数据驱动技术

人力资源成本评估问题与多种因素有关，如人力引进政策、奖励、企业的运营状态等，这些因素对人力资源成本的作用可以认为包含于人力资源成本历史数据中，通过数据驱动可以挖掘出人力资源成本数据隐含的变化态势，为人力资源成本评估建模提供可靠依据。混沌理论是一种重要的数据驱动方法，通过相空间重构技术对人力资源成本变化趋势进行反演，构建人力资源成本的学习样本，为此，本文引入混沌理论对人力资源成本数据进行预处理，得到了一个多维的人力资源成本时间序列。

2 数据驱动的人力资源成本评估流程

人力资源成本评估流程具体如下：

1） 收集人力资源成本评估数据，去除其中无效和错误的人力资源成本数据点。

2） 采用C?C算法确定人力资源成本评估的延迟时间[τ。]

3） 采用Cao算法确定人力资源成本评估的嵌入维数[m。]

4） 采用[τ]和[m]值对人力资源成本评估数据进行重构。

5） 采用极限学习机对人力资源成本数据进行学习，建立人力资源成本评估算法。

6） 采用粒子群优化算法确定人力资源成本评估算法的参数。

7） 采用最优参数建立人力资源成本评估模型。

基于数据驱动的人力资源成本评估流程如图1所示。

3 人力资源成本评估的仿真测试分析

3.1 人力资源成本评估的数据源

为了分析基于数据驱动的人力资源成本评估算法的有效性，选择一个人力资源成本评估数据作为研究对象，共有500个数据，对它们进行归一化操作，归一化到0～1范围内，具体如图2所示。选择200个数据作为验证集，采用VC++ 6.0作为人力资源成本评估算法的编程工具。

3.2 对人力资源成本评估数据进行驱动

采用混沌理论确定图2的人力资源成本评估数据，人力资源成本评估数据的最优[τ=5，m=5，]这说明人力资源成本评估数据存在一定的时间关联性，根据[τ=5，m=5]对原始人力资源成本评估数据进行处理，建立人力资源成本评估的学习样本。

为了使本文的人力资源成本评估算法的实验结果具有可比性，选择BP神经网络的人力资源成本评估算法作为对比算法，彩用RMSE，MAPE对人力资源成本评估结果进行评价，其表达式分别为：

3.3 结果与分析

本文算法的人力资源成本评估结果如图3所示，对图3的人力资源成本评估结果进行分析可知，本文模型可以很好地拟合人力资源成本的变化趋势，获得了十分理想的人力资源成本评估结果。结果表明，将混沌理论和极限学习引入到人力资源成本评估研究中是可行的，得到的人力资源成本评估是可靠的。

从表1可知：

1） BP神经网络的人力资源成本评估RMSE，MAPE相对较高，说明人力资源成本评估的精度低，这是因为BP神经网络无法描述人力资源成本评估变化的特点，人力资源成本评估算法性能差。

2） 本文算法的人力资源成本评估RMSE，MAPE得到了有效降低，提高了人力资源成本评估精度，建立了性能更优的人力资源成本评估算法，其人力资源成本评估结果具有明显的优势。

4 结 论

人力资源成本评估是某企业人力资源管理的一项重要指标，由于人力资源成本与企业财力、声誉、人员年龄结构、学位结构等因素相关，并且与当地人力引进政策相关，使得人力资源成本评估过程十分复杂。为了提高人力资源成本评估的精度，结合人力资源成本数据的变化特点，设计了基于数据挖掘的人力资源成本评估算法，通过仿真实验可以得到以下结论：

1） 通过混沌理论对人力资源成本评估原始数据进行分析，建立人力资源成本评估的学习样本，找到人力资源成本评估数据隐含的变化特点，以便后续的人力资源成本评估建模。

2） 通过极限学习机对人力资源成本评估数据进行学习，建立人力资源成本评估算法，该算法可以描述人力资源成本的变化态势，可以很好地拟合人力资源成本的变化趋势，获得高精度的人力资源成本评估结果。

3） 相对其他人力资源成本评估算法，本文算法由于基于数据驱动进行评估，有效降低了人力资源成本评估的误差，可以应用到实际的人力资源管理中。

4） 通过引入粒子群算法对极限学习参数进行优化，获得了最优的极限学习机，解决了极限学习机参数确定的难题，进一步提升了人力资源成本评估精度，且人力资源成本评估的可信度更高。

在人力资源成本评估中，本文仅考虑人力资源成本评估数据之间的时间关联，认为其他因素的影响已经包含于时间序列数据中，从数据驱动角度进行评估，为了更加准确地对人力资源成本进行评估，需要考虑外在因素的影响，这是下一步将要研究的方向。

参考文献

[1] COOKER Marry.人力资源管理外包策略[M].吴雯芳，译.北京：中国人民大学出版社，2003.

COOKER Marry. Human resource management outsourcing strategy [M]. WU Wenfang， Translation. Beijing： Renmin University of China Press， 2003.

[2] 徐晓锋，车宏生.人员选拔研究的新进展[J].心理科学，2004，27（2）：499?501.

XU Xiaofeng， CHE Hongsheng. Advances in research on personnel selection [J]. Psychological science， 2004， 27（2）： 499?501.

[3] 陈静，王锐.人力测评方法研究的新进展[J].科技与管理，2005（3）：113?117.

CHEN Jing， WANG Rui. New progress research of human assessment methods [J]. Technology and management， 2005（3）： 113?117.

[4] LIEVENS F， VAN DAM K， ANDERSON N. Recent trends and challenges in personnel selection [J]. Personnel review， 2002， 31（5）： 580?601.

[5] 仉建军.信息技术与企业竞争力[J].沿海企业与科技，2008（9）：26?28.

ZHANG Jianjun. Information technology and enterprise compe?titiveness [J]. Enterprises in coastal areas of science and technology， 2008（9）： 26?28.

[6] 钱忠武.中小企业信息化建设中的问题分析和对策[J].电脑知识与技术，2008（29）：267?268.

QIAN Zhongwu. Analysis and countermeasures in the information construction of small and medium enterprises， [J]. Computer knowledge and technology， 2008（29）： 267?268.

[7] VON H， BARBARA F. Business rules applied： building better system using the business rules approach [J]. Journal of computer science and technology， 2001， 15（3）： 345?350.

[8] 王养成.人力资源外包服务商选择组合评价模型[J].生产力研究，2007（10）：110?112.

WANG Yangcheng. Human resource outsourcing service provider selection portfolio evaluation model [J]. Productivity research， 2007（10）： 110?112.

[9] 付芳，周泓.基于免疫遗传算法和列生成的多项目人力资源调度研究[J].中国管理科学，2010，18（2）：120?126.

FU Fang， ZHOU Hong. Research on multi project human resource scheduling based on immune genetic algorithm and co?lumn generation [J]. Chinese management science， 2010， 18（2）： 120?126.

[10] 兰艳章，柴华奇.基于熵值法的多层次人才甄选评价模型[J].科技进步与对策，2006（4）：163?165.

LAN Yanzhang， CHAI Huaqi. Multilevel human selection evaluation model based on entropy method [J]. Scientific progress and measures， 2006（4）： 163?165.

[11] REEVE C L， HEGGESTAD E D. Differential relations between general cognitive ability and interest?vocation fit [J]. Journal of occupational and organizational psychology， 2011， 77（3）： 385?402.

[12] 吴昊，杨佳，王会颖，等.求解人力资源分配問题的多目标和声搜索算法[J].计算机技术与发展，2013，23（2）：65?68.

WU Hao， YANG Jia， WANG Huiying， et al. Multi?objective harmony search algorithm for solving human resource allocation problem [J]. Computer technology and development， 2013， 23（2）： 65?68.