企业职工培训中数据挖掘技术的应用研究

梁燕平

摘要：随着互联网信息时代的到来，各行各业都在不断进行改革，以适应新时代的发展需求，教育教学领域也在不断与网络技术、信息进行融合。企业会的运转中会涉及庞杂的数据信息，包含企业信息、职工信息等，这些数据信息具有很大應用价值，也亟需得到有效的管理。如何对这些有效的数据信息进行管理，值得深入思考和研究。而数据挖掘技术的出现和应用，就能很好的解决上述的问题。本文首先对数据挖掘技术进行了阐释，进一步归纳出了数据挖掘技术在企业职工培训中的具体应用。

关键词：企业;职工培训;数据挖掘技术

引言：当下在各行各业广泛应用的数据库技术，具有一定的优越性和价值性。数据库技术在当前的很多领域，如营销、教育教学、企业管理等领域。企业需要管理大量的职工信息，不仅要对这些信息数据进行维护、存储，还要对其进行管理和应用。在这种需求下，数据挖掘技术就应运而生，其能够对庞杂的企业信息进行分析处理，并从中提取出有效的信息，供企业管理者使用。

1.数据挖掘技术概述

1.1数据挖掘的涵义

数据挖掘其实就指的是借助数据库来发掘知识，这里的知识必须是有效的知识。在知识的发现过程中，数据挖掘是一个必由之路，这个过程需要从大量的不完全的随机数据中，获得有价值的信息、知识，数据挖掘属于深层的数据分析方法[1]。具体来讲，数据挖掘就是通过对海量的数据进行筛选和分析，进而挖掘出的有效知识。数据挖掘涉及数据的抽选、分析、模型处理等一系列程序，经过这些程序后才能获取能够对决策有帮助作用的有效数据。数据挖掘技术的应用，能够为决策者提供有用信息，辅助其找寻规律，进而探索出一些未知的数据，对未来的发展趋势进行预测，从而得出科学的决策。

1.2数据挖掘技术的具体内容

数据挖掘技术是经过大量的实践经验得来的，人们通过对数据库技术的深入研究、开发、应用，最终得出的一种结果。数据挖掘的手段综合了机器学习、人工智能等方法，并充分参照了传统的统计分析法、科学计算可视化技术、模糊数学法等方法技术，将研究对象定为数据库，采用数据挖掘技术进行研究。数据挖掘的具体方法有很多，如遗传算法、粗集方法、决策树方法、模糊集方法、神经网络法、统计分析法等。

2. 构建数据库

在企业职工培训中要应用数据挖掘技术，首先就要建立起相应的数据库，数据库能够从大量的信息中，提取出有效信息。将其运用于职工培训中，能够对职工信息进行规整，从而能够有效地展开培训工作。一方面，需要建立物理框架。职工培训数据库，需要设置物理模型，符合相应情况下的要求。这样建立出来的物理模型，能够留存数据，同时也是一种多层级的数据组织。

另一方面，需要建立相应的概念模型。这个概念模型能够对先前设置的系统界限，进行明晰和分辨，从而对根本主题进行拟定。数据库中的根本信息，就是员工本身的信息，此时段培训的反馈。这些经过规整的信息，虽然会呈现一定的单一性，同时它也存在一些内在的联系。通过对数据仓库的采纳，对这些数值进行提炼、规整处理，从而能够为决策提供一定的依据，保证决策的科学性和可行性。按照其对员工特性、建构主题进行的细分，就能对总体的培训结果，进行多层级的划分，并将其放于数据库中。

3. 运用实例的选出

3.1采纳关联规则

按照的评判指标，就是体系架构中的支持度、置信度。其中，必要的概率信息涉及物品，及其特有的出现频次。最小数值的支持度，表征选择出的内容，在这样的统计中，就充分发挥了最低层级的作用和意义。而最小数值的置信度，则表征设定的规则，呈现了一种不可靠的趋势。通过对关联规则的应用，能够建构出精准的模型，从而方便工作人员对某一时期培训的培训情况进行分析[2]。

3.2采纳模型

经过抽选的数据，包含原先的职工信息，以及测试出的成绩等内容。采纳预设的规则，就能对这些数据进行操作。这样做的目的，旨在于对数据间的联系，进行梳理和明晰。抽选的数据，一般会涉及单位称呼、职工姓名、微机处理等级等内容。

3.3挖掘的具体操作流程

在预处理过程中，为方便识别关联规则，需要对初始数据，进行概念化处理。经过一系列特有的处理之后，最后总能够得出需要的结果，能够有效地对职工的通过率进行分析和处理。在数据的挖掘中，充分采纳了关联原则，保证体系中的不同类型的行为，都接受了此规则的设定。这一系列流程就表明，数据与输出数据间，存在很强的关联。

结束语：综上所述，数据挖掘技术在企业职工培训中应用的重要性不言而喻。广大企业人力资源管理者，需要重视对数据挖掘技术的使用，不断探索数据挖据技术的具体应用，充分挖掘其最大价值，将其有效地运用于企业的职工培训中，为企业的长足发展贡献应有的力量和价值，从而让企业更稳定地向前发展。

参考文献：

[1]王靖夫. 数据挖掘技术在企业职工培训中的应用分析[J]. 中国高新技术企业， 2015（10）：61-62.

[2]尉丽娜， 童英颖. 数据挖掘在人力资源管理中的应用[J]. 商品与质量， 2016（021）：49.