智慧化人力资源管理信息服务平台架构设计与实现

于乃文 杜素艳 韩保刚 王志芳

摘 要：人力资源是企业发展和社会进步的重要组成保障，传统的管理方式存在着数据采集量不足、共享程度不够、数据异构程度高等问题，无法满足管理者的需求，本文提出了以大数据、物联网和智慧算法为核心的技术架构，很好地实现了异构数据的同构化处理，海量数据的挖掘和利用，从而为提高人力资源管理的科学性、智慧性铺平了道路。

关键词：人力资源;信息平台;技术架构;智慧平台

自19世纪管理学成为一门学科后，管理者和决策者就不断地推进对管理对象的量化，并使管理者的决策更好地基于数据、模型、运算结果，而不是完全依赖于主观或知觉。随着数学、运筹学、计算科学、通讯科学的不断发展，大数据采集、高运算、数据智慧化分析已经在运营管理、市场决策中取得了豐硕的成果，其中人力资源成为企业管理和发展的核心，而传统的人力资源管理方式存在着数据采集量不足、共享程度不够、数据异构程度高等问题，无法满足管理者的需求，本文针对这些问题，利用物联网、大数据等现代化技术提出了智慧化人力资源管理信息服务平台的架构。

1 信息服务平台的整体技术架构

为了满足来自于人力资源本身、企业、市场监管部门、政府管理部门、学校等单位的需求，笔者设计了感知层、网络层、大数据层、标准化层、应用层、用户层等6层技术架构，按照各自特点设计了应用接口和终端接口，用于数据交互过程中的友好互通和为未来发展的扩展，技术架构如图1所示。

2 信息平台的架构分析

按照图1给出的技术架构，分析如下：

2.1 感知层

感知层是数据的来源，可通过物联网等技术完成海量数据的采集，但考虑到后期信息化处理的效率和需求，有必要进行数据挖掘的“原料”选择，主要包括：（1）人力资源档案数据;（2）人力资源的学习数据;（3）人力资源的培训数据;（4）人力资源的需求数据;（5）人力资源的考核数据;（6）用人单位的需求数据;（7）用人单位的考核数据;（8）监管数据;（9）政府的法规数据;（10）其它数据。这些数据可进行人工录入，也可以通过与其它系统的接口，完成数据的交互获取，如：人脸识别、考勤记录、业绩记录、智慧化分析结论等等。

2.2 网络层

网络层通过有线通讯网络（如：光纤、双绞线等）和无线通讯网络（如：4G信号、WiFi、ZigBee等）为智慧信息服务平台提供数据传输保障，实现各级各类数据的畅通传输。

2.3 大数据层

大数据层的目的是接收由数据感知层传来的海量数据，并在该层完成数据清洗、数据挖掘、大数据分析，并通过与标准化层的数据交互完成异构数据的同构化处理，并将处理的结果通过应用层传向用户层。此外，智慧学习、智慧推理的核心算法也部署在该层，其作用是在应用过程中不断地进行知识训练、知识学习，从而完成系统的智慧化，为管理者的决策提供最大的支持。

2.4 标准化层

该层的作用是将云下传来的海量数据进行必要的标准化处理，通过与大数据层的数据交互，建立统一表述的多元数据视图模型，以及支持多系统数据调用、访问和处理的专用数据转换中间件，从而完成数据的“同构化”。

2.5 应用层

应用层包含了系统的集成管理平台、远程访问平台和控制平台等，将人力资源管理、监督管理、风险控制、知识发现、智慧学习等功能进行集成，实现多系统、多功能的互动，从而完成将最优决策支持提供给用户，同时可以将风险警报、机会提醒等实现自动预警，并将结果以最快速度推送给用户。

2.6 用户层

用户可以分为：人力资源本身、企业、市场服务单位、政府监管部门、培训单位等等。用户通过台式机、笔记本、手机、手持终端等设备按照个性化的需求进行相应的操作，实现数据的访问、决策信息的获取、阈值的设置、学习机的训练等等。

3 信息平台决策支持模块的系统分析和工作方式

3.1 决策支持模块部门的体系结构

决策支持模块构成了信息平台的核心，也是智慧算法的重要组成部分之一，其结构由以下组成部分组成：（1）数据资源池;（2）标准化数据处理中心;（3）数据仓库;（4）数据挖掘及算法实现中心。作为系统平台的数据来源，数据资源池中数据的数量多少、数据质量的好坏将直接影响到最终信息结果的质量，而标准化处理中心作用在于连接数据资源池和数据仓库，它将大量来自于下层的多元化异构数据进行标准化处理和同构化处理，进而在进行算法处理的时候成为有效数据，并为进一步实现智慧化算法奠定基础。数据挖掘和算法实现中心是整个信息服务平台的核心，其按照预定的和不断学习的规则并结合学习机的算法、知识算法完成对数据的挖掘、整理和处理，最终为不同用户提供用于决策的信息，如图2所示。

3.2 决策支持模块各组成部分的工作

3.2.1 标准化数据处理中心的工作

从信息平台的技术架构上可以看到，大数据来源于云下的海量节点，这些节点的数据是多源的，结构上也是多样的，比如：结构化的电子档案，非结构化的音频数据、视频数据等等，为了使得后期数据处理上的流畅和效率上的提高，必须制定统一的标准，并按照这个标准将异构数据进行同构化的处理，通过分析数据内容的根本，找到实体间彼此的联系，从而最终实现信息决策的支持，但就目前而言，我们还有很多路要走，如：数据挖掘中标准化的制定、算法先进性的提高、学习机推理机的训练等等。因此，在本系统的实现过程中，编制了较为先进的数据字典、模型字典，并采用先进的技术语言予以组织和实现。

3.2.2 数据仓库的工作

数据仓库的作用是存储和管理用于信息转换的“原料”，所以可以考虑根据不同的主题元素采用不同分类方法，根据不同的需求采用不同的分类方法，其目的是提高算法的实现效果和数据的访问效率。

3.2.3 智慧学习的算法

平台的核心之一是智慧算法的实现，比如：简历筛选就是项繁重且个性化要求比较高的事情，为了提高智慧化程度，帮助企业或应聘者找到匹配的单位，系统对简历数据的处理和分析采用了人工神经网络技术（即：Back Propagagation）的神经网络的方法。面试环节采用了智能机器人，由于机器人在语义判断能力方面有限，且匹配精度不是很高，因此需要采用训练知识库的方法来弥补，系统采用了Encoder-Decoder模型，并训练该模型中RNN对应的神经网络连接参数。面试场景采用了VR+面试机器人的方式实现等等。

4 结语

智慧化人力资源信息服务平台是多学科理论和技术在人力资源智慧化和信息化管理中的一项重要应用，实践证明，该系统克服了传统管理方式的缺陷以及不同数据源异构化程度高的瓶颈，为实现人力资源管理的智慧化、科学化和高效化奠定了基础，铺平了道路。

参考文献：

[1]刘君.基于物联网技术的高校智慧教室的设计研究[J].陕西理工大学学报（自然科学版），2017，33（5）：52-57.

[2]康丽华，侯君华，韩保刚，等.基于cloud &bim 的智慧建筑项目管理信息平台设计[J].河北工业科技，2017，34（6）：459-464.

[3]秦乐乐，黄涛，刘畅.基于物联网技术的高校智慧实验室架构[J].河北工业科技，2018，35（6）：400-405.