基于决策支持的医院人力资源管理系统设计

姚湘君 闫姝颖 张郁欣

随着医院现代化进程的加快和医疗体制改革深入，人才逐渐成为医院发展的关键资源。目前，我国医院人力资源管理普遍存在着模式粗放、方式单一和效率低下的弊端，如何实现人力资源管理精细化、科学化和规范化，成为医院人力资源管理亟待解决的问题[1-2]。通过引入决策支持技术，加快医院人力资源管理从单纯的职能管理向信息化管理转变，实现医院人力资源管理并优化配置，为医院的战略规划、人才队伍建设提供信息支持。本研究以人力资源管理现实需求为背景，构建医院决策支持平台，阐述决策支持平台在现代化医院管理中的作用。

1 人力资源管理背景

(1)随着经济的发展和社会进步，有限的医疗资源与不断拓展的人民群众健康需求之间的矛盾不断凸显，医院人力资源的失衡则加剧了这一状况，一方面缺乏科学的人员需求分析和长远的人员结构规划，导致部分医院人员配置具有盲目性[2]；另一方面人力资源管理缺乏直观的数据展示和科学分析工具，管理模式粗放、方式单一和效率低下[3-4]。

(2)决策支持系统(decision making support system， DSS)作为管理学研究的重要手段，通过数据、模型和知识，以人机交互方式进行辅助决策的计算机应用系统，是管理信息系统向更高级发展产生的先进信息管理系统[5]。DSS能为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量，目前已在物资管理、辅助诊断等领域得到了广泛应用[6-7]。DSS能快速建模并对各种方案进行评价和选择，实现数据展示、分析、比较和判断。本研究将DSS应用于医院人力资源管理，为管理提供数据支持，实现优化管理流程的目的。

2 人力资源管理数据

2.1 多维数据分析

实现人力资源集中存储，从不同维度对数据进行查询和分析。选取科室、人员类别、专业技术等级、年龄段、学科、性别及工作类别等维度建立主题模型，采用[提取[(extract)、转换(transform)、加载(load)，ETL]自动化工具对医院信息系统(hospital information system，HIS)中业务数据进行整合，并存储至数据中心，降低管理成本，提高数据利用率[2，8]。在此基础上，采用在线分析处理(online analytical process，OLAP)技术分析不同维度下医院工作人员分布情况，为数据展示和辅助决策提供支持。

2.2 数据展示与质量控制

(1)数据展示。以图表、报表和数据文档等方式按照需求提供数据展示。

(2)数据质量控制。按照设计规则核验存储到数据中心的数据结构及内容，确保数据质量。

2.3 决策分析及优化

通过采用人力资源辅助决策，包括医院人力需求预测、人员能力评价、医院人力资源等级评价及绩效评价等方法研究并优化人力资源管理流程。

3 人力资源管理系统设计

采用ETL工具按照数据模型抽取目标业务数据，构建面向主题的多维数据集合，按照决策者需求调用数据集合并按照元数据规则生成过渡数据。结合决策支持系统数据应用工具，实现OLAP和目标模型，最终生成辅助决策[2，9]。人力资源管理系统结构如图1所示。

图1 人力资源管理系统结构框图

3.1 构建数据分析系统

3.1.1 主题建模

主题建模中事实表包括人员信息记录表、工作经历记录和奖励记录，度量采用人员记录数，维度表包括日期、人员职称、人员专业、人员岗位、人员学历及人员科室。建模模式采用星形模型[10]。人员信息记录星形模型如图2所示。

图2 人员信息记录星形模型图

3.1.2 ETL设计

ETL过程将数据从来源端经抽取、转换和加载至目的端，实现抽取业务系统中数据源数据，根据指定的转化规则转化数据，将规范化后的数据装载到数据仓库中[11]。ETL流程如图3所示。

图3 ETL自动化工具流程框图

(1)数据抽取。由于初期数据有限，数据抽取方式采用全量抽取；后期数据较多时，进行增量抽取。抽取策略根据具体业务制订抽取时间、频度及抽取流程。

(2)数据清洗。数据清洗策略为：①对空数据、缺失数据进行数据补缺操作，无法处理的作标记；②对无效数据进行数据替换；③将源数据抽取的数据格式转换为便于进入仓库处理的目标数据格式；④建立主外键约束，对非法数据进行替换或导出到错误文件重新处理。

(3)数据转换。数据转换采用多用表关联实现，大小表关联采用lookup函数实现，大小表相交用join语句，每个字段增加索引，保证关联查询效率；按照业务规则进行数据拆分、行列互换、排序和(或)修改序号、去除重复记录及数据验证等。

(4)数据加载。数据加载采取全表对比方式，即抽取所有数据源，在更新目标表之前先根据主键和字段进行数据比对，对有更新的进行更新或插入，实现数据增量加载。

3.1.3 OLAP技术处理

(1)以多维度的方式分析数据，能弹性地提供上卷、下钻和透视分析等操作[12]。便于大规模数据分析及统计计算，可对决策提供参考和支持。配合时间点差异，对多维度及汇整型的信息进行复杂分析。

(2)系统实现采用Apache Kylin软件实现，Apache Kylin通过空间换时间方式，在亚秒级别延迟的情况下，支持Hadoop程序上大规模数据集进行交互式查询[13]；Kylin软件通过预计算，把计算结果集保存在列式存储库中，在查询访问时不再需要复杂的表扫描，具有高速高并发分析能力。

3.2 数据质量控制

由于数据源有脏数据或代码不严谨，均可导致数据失真[2，14]，错误的信息可导致决策支持系统产生错误决策，因此，需要对数据进行质量控制。系统通过设定完整性、一致性及唯一性规则在数据清洗、组合和导出过程进行质量检查，确保其规范性。

3.3 DSS架构

采用数据仓库为核心的DSS架构。决策者通过界面交互系统提出问题，DSS通过知识库系统和数据库系统收集与该问题有关的数据、信息和知识，据此对该问题进行识别、判定问题的性质和求解过程[4，5，15]；采用模型库系统集成构造解题所需的规则模型，对该模型进行分析鉴定；在方法库中识别进行模型求解所需算法并进行模型求解，对所得结果进行分析评价。最后通过交互系统进行输出，对用户进行反馈。DSS架构主要包括知识库管理、数据库管理、模型库管理和方法库管理(如图4所示)。

(1)知识库管理。对知识库中知识的插入、删除及修改，实现知识搜索及一致性检查等功能。

(2)数据库管理。建立数据仓库并存储业务数据库数据，便于按照要求进行多维数据分析。存储业务数据库见表1。

图4 决策支持系统架构框图

表1 医院人力需求预测存储数据库

(3)模型库管理。模型库为系统提供推理、比较和选择分析工具，包括：预测模型(回归分析、时间序列分析、多变量相关分析、分类分析及聚类分析)及马尔科夫模型(人员流动分析等)。

(4)方法库管理。包括通过模型产生的业务规则等内容，便于医院人力资源管理业务应用。

4 人力资源管理系统应用

4.1 医院人力资源多维数据分析

基于医院人力资源数据特征的多维数据分析能对数据从多角度即多个维度进行观察和分析，通过对多维形式组织起来的数据进行切片、切块、聚合、钻取及旋转等分析操作，剖析数据，使用户能从多种维度、多个侧面和多种数据综合度查看数据，从而深入了解包在数据中的信息和内涵。通过“职称-科室-岗位”维度进行数据分析，可以直观显示人员在对应维度条件下的分布特征，如图5所示。

4.2 医院人力需求预测

医院人力需求预测即采用决策支持模型库预测方法，输入历史特征信息后，训练人力需求预测模型，实现人力需求预测功能。采用DSS中时间序列分析方法，以医院2010-2015年人力资源现状为例，预测2016-2017年人力资源分布状况，为医院人力资源管理提供人员数量预测。2016年度医生人数预测为429～433人，实际当年人数为429人；2016年度护士人数预测为567～571人，实际人数为570人，预测具有一定的参考价值见表2。

图5 医院人力资源多维数据分析

表2 医院人力需求预测(人)

4.3 人员能力评价

人员能力评价作为人力管理体系的基础环节，对未来的人员培训、绩效评价及考核等人力资源活动意义重大，对医院的发展有着深远的影响[16]。人员能力评估采用工作能力评价(职称、学历、科室、专业类别、专业技术职务、职务、工作记录和完成任务等)、工作成绩评价(奖励记录等)等特征，经过筛选条件过滤后，计算特征相似度，采用聚类分析确定数据集分类信息并创建人员能力分类评价模型。将待评人员特征输入分类评价模型，产生分类结果，可为人力资源管理者提供辅助评价。人员能力评价流程如图6所示。

图6 人员能力评价流程框图

5 结语

本研究将数据仓库、OLAP和决策支持技术应用于人力资源管理系统，根据数据表构建人力资源管理业务主题模型，从医院人力资源数量及分布、结构及预测等方面进行多维数据展示。可根据查询需要选择维度，将各数据进行多维度展示[17-19]；查询结果可针对结果下钻到明细，加深查询深度，实时抽取人力资源特征，结合业务决策模型，降低人力资源管理的业务负担，提高人力资源管理工作效率，为类似系统的开发提供借鉴。