供电公司依托数据化平台的人力资源需求预测管理研究

耿艳

摘 要：本文在搭建数据化平台的基础上，采用数据挖掘技术，探讨对传统人力资源需求预测的人员总量需求预测、人员结构需求预测和素质结构需求预测进行改进，为作出更精准的人力资源需求预测提供参考。

关键词：数据挖掘;人力资源需求预测

引言：近年来，国家电网公司不断探索建设数字国网，以期通过数据挖掘、云计算、移动互联、人工智能等手段，实现跨专业、跨部门的内外部数据关联分析和数据价值深度挖掘，提升公司管理水平和业务创新能力，为“数字中国”建设贡献国网力量。人力资源部作为公司的职能部门之一，数据信息大量涌现，如何搭建数据化平台，从而有效地挖掘数据，并提取出关键和潜在的信息，为公司人力资源需求预测提供支撑，成为人力资源管理者面临的新机遇和新挑战。

一、电力公司人力资源管理领域中的数据类型

在电力公司人力资源管理领域，常见的数据类型包括五种：一是基础数据，如年龄、受教育信息、专业知识、技术技能水平、所在岗位、岗位级别、岗位工作时间、政治面貌、工作经历、所在班组、所在部室等相关信息;二是能力数据，如培训经历、培训考核情况、接受专业培训课程的时长、参与竞赛结果、奖惩情况、工作业绩情况等相关信息;三是效率数据，如任务完成产生错误率、投诉率;四是潜力数据，如收入涨幅水平、职称或技能提升频率、业绩提升率、绩效提升幅度、各类获奖频次等;五是其他数据，如人均利润、线路长度、变压器容量、国家法律法规和政策等。

二、搭建人力资源数据化平台

为实现基于数据挖掘技术的人力资源需求预测，可在公司系统内搭建数据化平台，通过智能感知、自动抓取、人工填报等方式采集五种人力资源管理数据，利用电子标签、GPS、摄像头等设备，辅以智能终端、PC端人工录入等功能，自动获取人力资源需求预测的关键信息，有利于提高工作效率、减少人为干扰，为实现人力资源需求预测管理数据信息的自动采集、实时共享、及时反馈提供技术支持。

三、基于数据化平台的人力资源需求预测

（一）传统的人力资源需求预测方法

当前，国网衢州供电公司进行人力资源需求预测的流程主要是基于用工分析和各部门上报的需求，无成熟的需求预测系统作为支撑，在人力资源需求预测的精准度上还有待进一步提升。

（二）以数据挖掘技术为支撑的人力资源需求预测的整体思路

人力资源需求预测包括人员总量需求预测、人员结构需求预测和素质结构需求预测。当前，基于数据挖掘技术，开展人力资源需求预测的整体思路为：首先，从人力资源数据化平台记录的数据中筛选出影响用工总量的关键因素，利用回归分析或曲线拟合等数据挖掘方法建立用工总量与关键因素之间关系的数学模型，即人力资源总量需求预测模型;其次，对用工总量调整进行灵敏度分析，寻求各业务人员在用工总量变动下的规律和趋势，从而构建人力资源结构需求预测模型;最后，在合理控制人员总量和人员结构的基础上，以提高人员素质为目标，结合业务发展战略及人员结构预测模型所预测出的人员需求，进一步明确各业务的素质需求及补员策略，甄选员工素质评判标准，建立人力资源素质需求预测模型。

综上所述，总量模型、结构模型和素质模型三个模型间呈层层递进关系，总量模型是人员结构与素质结构模型构建的基础，人员结构模型是总量模型的纵向分布，员工素质模型是在人员结构模型基础上的横向细分。

1.人员总量需求预测——“需要多少人”

背景分析：近年来，我国经济发展进入新常态，电力行业面对产能过剩，竞争日趋激烈，此外，电力行业“发、输、配、售”模式切割也日益呈现，这一系列因素使人员总量需求处于动态的变化中，因此，对人员总量需求进行预测，以更好的服务企业未来发展，具有重要战略意义。

传统做法：当前国网衢州供电公司采取的人员总量需求预测方法为：在严控总量的前提下，以设备台帐数据为基础，进行劳动定员预测，并综合考虑自然减员、业务外包、新业务增长等因素，进行人力资源总量需求预测，超员单位要确保人员负增长。

以数据挖掘技术为支撑的人力资源总量预测：采用相关因素分析法、回归分析法或MINE算法等，利用数据化平台，分析影响用工总量的关键因素，如企业业绩指标、人均效率指标、人工成本指标、产量指标和同业对标等，进而通过主成分分析法发现用工总量与关键因素之间的内在联系，通过曲线拟合构建能够“促发展、提效率”的人力资源总量需求预测模型，从而对用工总量进行预测。

2.人员结构需求预测——“需要的人如何分布”

背景分析：当前，国网公司按照高质量发展要求，高起点实施新时代发展战略，加快建设具有卓越竞争力的世界一流能源互联网企业，对公司各专业、各环节的规范和精益管理提出了更高的要求。人力资源管理人员面对新形势，亟需在合理控制用工总量并保证各业务高效运转的基础上，结合企业产业布局要求，合理分配各业务人员比重，优化业务人员配置。

传统做法：当前，国网衢州供电公司在进行人员结构需求预测时，立足当前、着眼长远，从现有人员情况、自然减员情况、各部门劳动定员测算情况、内部供给情况和业务实际需要等方面开展需求预测。将总量需求预测的人数分解到具体业务，形成各业务的需求人员数量和需求重要程度。

依托数据挖掘技术的人力资源结构需求预测：与人力资源总量需求预测类似，采用回归分析法和曲线估计法构建人力资源结构需求预测模型。

3.素质结构需求预测——“需要什么样的人”

背景分析：拥有高素质人才是公司各项发展目标得以实现的必要保障，因此，在合理控制人员总量和人员结构的基础上，结合业务发展战略及人员结构预测模型所预测出的人员需求，明确各业务的素质要求及补员策略，甄选员工素质评判标准，建立人力资源素质需求预测模型就成为重要议题。

传统做法：根据岗位说明书和各部门上报的培训需求等，推断各部门和岗位所需要的人员能力素质。

构建基于数据挖掘技术的人力资源素质需求预测模型可分为以下四个步骤：

步骤1：员工素质量化评估

（1）通过专家访谈法，结合员工岗位说明书，针对不同岗类员工的不同特点，确定员工能力评价的指标，包括员工学历、技能等级、技术资格、职业资格、业绩、年龄、获奖情况和工作经验等;

（2）利用数据化平台收集指标数据;

（3）采用目标优化矩阵方法，确定指标权重。

（4）量化文字性的指标内容;

（5）分数标准化，消除指标量纲不同带来的影响;

（6）综合分数排序。

步骤2：宏观素质结构层次界定

应用聚类分析法，结合不同岗类（管理类、技术类、技能类、服务类） 所需员工素质特点，划分素质结构层次，得出不同业务的宏观素质结构层次（高层次、中层次、基层次）人才数量。

步骤3：宏观素质结构层次预测

在层次划分基础上，结合业务发展需要，采用曲线估计的方式构建宏观素质结构层次模型。

步骤4：微观素质指标层级预测

研究拟通过岭回归分析法构建素质结构指标层级模型，然后对员工素质进行预测。

（三）开发基于数据化平台的人力资源需求预测模块

为进行实时人力资源需求预测，可利用云计算、人工智能等先进的信息化技术，在大数据平台内部搭建人力资源需求预测模块，同时，对超缺员部门及时发出报警信息，优化人力资源配置。

四、结语

綜上所述，本文提出的基于数据化平台的人力资源需求预测相比传统的人力资源需求预测具有如下优点：

数据化平台的搭建，将促使信息集成和功能集成。通过数据化平台，将实现人力资源需求预测管理数据信息的自动采集、实时共享、及时反馈，提高人力资源需求预测工作效率，减少人为干扰，进而进行更精准的人力资源需求预测，为公司制定相应决策提供参考依据。