基于员工画像与岗位特征模型的绩效结果评估系统设计与实现

杨柳 史彩计 周璇 张国安 陈正铭

关键词：岗位特征；随机森林；绩效；员工画像

0 前言

在国家和行业大力推动数字化转型的背景下，人力资源管理的数字化和智能化已成为该领域的重要探索和研究方向，呈现出大数据驱动的新兴模态。人力资源管理工作十分复杂。当前，烟草企业普遍存在员工绩效管理方面的问题，缺乏对员工绩效考核结果的系统和深入分析，未能充分挖掘员工绩效考核结果在人力资源管理活动中的潜在价值。S烟草公司运用数字化管理思维，利用员工标签化特征信息和绩效考核数据，尝试采用随机森林算法计算多个岗位模型并对员工进行画像，搭建了智能化员工绩效管理信息平台，实现了数字化绩效管理，充分挖掘了绩效考核结果在人力资源管理活动中的应用价值，提升了人力资源管理水平，促进企业控员增效。

1 基于标签化管理的员工画像与绩效统计

1.1 员工特征画像

公司人事科收集员工信息，并通过提炼高精度的员工特征标识及数据分析处理后的多维标签，实现员工特征画像[1]。流程如下：首先，在不侵犯员工合法权益并充分做好信息保密工作的前提下，收集员工各类信息，包括员工资质信息、业绩信息、需求信息和生活习惯等。其次，进行员工信息标签化管理，为提高后期数据分析效率，对原始员工信息进行提炼和数据处理，实现员工信息的多维标签化。目前已收集整理了131位员工的信息，共提取了63个特征标签，具体如表1所示。

1.2 员工月度与年度绩效统计

根据公司的绩效考核制度，月度绩效考核采用评分方式进行。考核项目包括工作态度指标（30分）、岗位职责指标和其他任务指标（60分）、其他任务指标（10 分）。工作态度指标是全员一致的，考核内容分为劳动纪律（15分）、思想作风（10分）、仪表卫生（5分）。岗位职责指标根据不同的岗位而异，以客户专员岗位为例，包括基础管理、经营指导、诚信互助小组建设、信息采集与市场调研、品牌培育与宣传促销、线上服务。其他任务指标满分10分，考评以扣分进行，扣分最高不超过10分。主要扣分项目包括因个人原因被投诉或造成不良社会影响，每次扣1分；因个人原因被通报、约谈、问责等情况，每次扣1分……

通过考核评分，统计出上述131名员工的近一年的月度与年度绩效数据，如表2。

2 基于随机森林的岗位特征模型求解

2.1 求解算法选择

如何有效地从高维数据中提取或选择出有用的特征信息或规律，并将其分类、识别、存储和使用已成为当今信息技术所面临的基本问题[2]。特征选择是指从原始特征集中选择部分特征，使某种评估标准最优（或次优）的特征子集，以使在该最优（或次优）特征子集上所构建的分类或回归模型达到与特征选择前近似甚至更好的预测精度[3]。

随机森林[4]是一个由一组决策树分类器｛h（Ｘ，θk），k=1，2，...，K｝组成的集成分类器，其中｛θk｝是服从独立同分布的随机向量，K表示随机森林中决策树的个数。在给定自变量Ｘ下，每个决策树分类器通过投票来决定最优的分类结果[5]。

文献2 中提出了一种名为RFFS 的特征选择方法。该方法基于随机森林算法，利用其提供的特征重要性度量对特征进行评估。通过序列后向搜索策略，每次从特征集中剔除一个最重要的特征（即重要性分数最低），并在每次迭代中计算分类的准确率。最终，获得一个变量数量最少且分类准确率最高的特征集合，这就是特征选择结果。该算法的时间复杂度近似为：O（km2n（logn）2），与特征维数m成平方关系，与数据集样本个数n成n（logn）2关系。对于高维小样本数据，运算时间非常不错。

根据当前数据集特征，特征维度为63，样本数为131，尝试用该算法思路求解岗位特征模型。

2.2 算法求解过程

2.2.1 数据预处理

数据类型变换主要针对分类数据，原始数据中一共有63个分类变量指标。首先，将字符型映射为数值型，变换原则为所有指标映射为状态数据值。例如，性别为男则映射到1，否则为0；性别为女同样映射到1，否则为0。对于连续型特征值，例如年龄，采用分箱操作[6]变换为离散型特征值。例如，采用等宽分箱将年龄特征的取值范围等距离划分为多个分箱，21～30 岁映射为1，31～40岁映射为2……。

2.2.2 计算过程

依据绩效考核分越高的员工越匹配当前岗位原则，对各岗位数据建立随机森林分类模型。将数据通过随机抽样分别按照3∶1的比例随机划分，其中75%作为训练数据，25%作为测试数据。用训练数据进行模型训练，测试数据对模型进行评估。将特征随机分为四份，CART决策树从1到4 000变化时，通过网格搜索来自动化搜索n_estimators最佳值，观察模型的误差变化情况，调整n_estimators参数，获取n_estimators 最佳值，使用best_score_方法获取模型准确率，使用best_params_方法获取最优模型的参数。

2.2.3 计算结果与分析

通过随机森林算法求解，得到本次数据集包含的5个岗位的十个特征标签与权重值，如表3。

3 系统实现

3.1 基于员工画像的绩效评估系统简述

搭建基于员工画像管理的绩效评估系统，将研究结果标准化、信息化。将员工信息及标签化管理纳入信息平台，实现智能数据分析和应用建议，提高员工绩效考核管理工作效率，助力企业优化人力资源管理。

通过使用Java、Nginx、MySQL、Redis、Node.js等网站技术设计实现系统。系统可录入或导入员工特征信息与绩效，对员工绩效的全面、准确评估，以及展示员工画像的详细分析，提供有针对性的改进建议和培训需求，帮助企业实现人力资源的优化配置。

3.2 企业岗位匹配整体数据展示

输入用户名密码，点击登录进入信息维护模块下的数据展示页面（如图2） 。上面四个小盒子展示员工的整体信息，岗位维度用折柱图展示人数和人岗匹配系数（员工和岗位的匹配程度，越高越匹配）。标签维度展示的是影响比较大的前五个标签的人数和人数比。

3.3 员工信息/绩效管理/员工标签

点击左侧的菜单，可分别进入员工信息管理、绩效管理和员工画像标签管理（如图3） 模块。在这三个模块，分别可以新增/删除/修改/查询相应的信息，也可批量导入更新相应数据。

3.4 员工/岗位画像

员工画像模块（如图4） 页面左侧系统根据已有数据自动生成了个人简介，还有对其岗位的分析，以及对员工能力提升的建议。右侧展示其当前岗位的情况，匹配程度，还有与其他岗位的比较和分析，该页面数据通过后台调用随机森林算法求解的模型数据得到。

岗位画像页面（如图5） 显示的是对当前岗位来说，影响最大的前五个标签的相关系数与关联数据。下图则是与当前岗位匹配度高的一些员工基本信息。

3.5 人岗匹配功能

在人岗匹配模块（如图6） ，可根据选项得出员工和岗位的匹配情况。在岗位按需匹配（如图7） ，则可在此输入一些岗位需求，快速匹配适合的员工。

4 结束语

基于员工画像的绩效结果评估系统适用于各类需要进行员工绩效管理和人力资源优化配置的机构，例如在烟草行业以及其他需要精细化管理员工绩效的领域。该软件能够提供全面、深入的员工绩效分析和评估，帮助企业更好地了解员工的工作能力和潜力，实现人力资源的优化配置和企业的持续发展。