基于大数据的高校人事管理信息系统智能化建设研究

沈 超

（长安大学人事处 陕西·西安 710021）

1 大数据时代下高校人事数据的管理现状分析

近年来，随着大数据技术的不断发展，众多行业领域借助大数据技术的广泛应用取得了重大突破，高校人事管理领域也愈发关注这个新兴事物。在大数据时代背景下，高校人事管理已经逐步走上智能化的发展道路，但现有的高校人事管理信息系统水平仍然不能适应现代高校的发展要求，尤其是目前“双一流”高校人事管理制度建设的需要。

1.1 高校人事数据管理现状

目前，传统的高校人事管理方法，依托于独立的人事管理信息系统辅助完成各类人事管理业务。该系统能针对性地完成简单的人员管理、工资管理、职称评审、定期考核、报表输出等常规性信息统计分析工作。但各类人事业务所依赖的人事数据互联互通性不足，彼此分割，没有形成人事数据的充分交互，并且数据利用程度不高，造成数据资源的冗余浪费，极大阻碍了人事管理效率地提升。

随着高校人事管理业务的丰富和拓展，日常业务活动中收集和产生的数据爆发式增长，已经逐渐形成了人事管理大数据，而这些数据仅仅依靠人力对其进行收集、整理和分析，或者是依赖单一的业务系统，已经无法高效率地完成人事管理业务，也无法形成与现代高校匹配的人事管理水平。高校人事管理业务种类众多且变动频繁，在人事业务生命周期的各个阶段都会产生大量的人事管理数据。而人事管理数据的数量和质量对人事大数据的分析和应用都会产生重大的影响。所以为了获得高质量的数据，必须要严格管理数据收集环节，满足数据收集流程中真实性、连续性和完整性三个基本原则。高校管理者为了能够更加科学有效地处理人事管理的相关业务问题，需要在庞大、复杂、冗余的数据中挖掘出有价值的信息，从而辅助人事管理部门决策分析，提高人事管理的信息化与智能化水平。

1.2 高校人事管理信息系统现状

随着信息化社会的到来，如今高校管理者能够普遍认识到在高校人事管理活动中，信息化与智能化应该深入到人事管理业务的各个方面，但受限于传统管理理念和认知习惯的影响，人事管理活动还主要依赖于管理层根据高校政策制度、校情校际所采取的主观决策。传统的人事管理方法依靠人力对数据进行收集、整理和分析，在大数据时代背景下，已经逐渐不能满足现有的人事数据管理的需求，高校人事部门管理者自身大数据应用水平较低，不能有效地利用人事大数据辅助管理层进行决策和分析。

目前来说，大多数高校会根据自身需求开发特定的人事管理信息系统来查询和处理简单的人事信息。该系统主要由两部分构成，一是各自独立的人事管理软件或者独立的人事管理业务系统；二是硬件系统包括小型服务器、计算机、硬盘、输入/输出设备。目前的软硬件系统存在两个问题：一是人事管理业务软件或者人事管理业务系统各自为政，信息数据存在大量的冗余和浪费，信息基础设施薄弱，不能满足大规模、智能化人员管理与决策需要，也不利于高校人事管理水平的提高。二是高校目前的信息系统注重于软件信息的升级和维护，对硬件系统的建设不够重视，受制于硬件水平，信息系统只能够满足部分人事管理业务的需要。大数据时代下的人事管理业务，不仅要求管理者具有大数据管理思维和较高的信息化应用水平，而且要求高校管理者健全大数据技术的基础设施，配备相应的人事大数据信息系统维护人员。

2 基于大数据的高校人事管理信息系统智能化建设策略

2.1 增强人事大数据管理思维

从大数据角度探索和处理高校人事管理工作是管理层改革和创新高校人事管理制度的一次机遇。大数据技术可以从海量人事数据中分析得到有价值的信息，精准和科学决策人事管理工作，破解传统人事管理工作效率不高和人事任用评价管理不够科学的局面。从现有情况来看，高校人事管理大数据应用处于初步探索的阶段。

目前，大部分高校延续的是传统的人事管理理念，关注的是人事业务的单一过程，比如人员管理，主要是人员信息的基本维护，人员数据的增删改查，与其他业务并未产生联动性，那么在人事管理业务过程中，存在着严重的数据资源浪费。在大数据时代下，作为高校人事管理人员，应该将人事管理业务看作一个统一的整体，同时这也要求人事大数据的覆盖面足够广，数据的质量和量级足够高。例如，人事大数据管理系统通过分析，采用高效可靠的大数据算法，借助人事业务的基本数据深度挖掘，可以为绩效考核提供辅助决策，从多个维度考察教职工的价值水平，代替以往用人力测算绩效，使绩效管理工作更加科学有效。

2.2 建立人事管理业务标准大数据库

大部分高校在人事管理活动过程中，都依赖于多个独立的业务系统，不同的业务系统之间数据信息存在着一定的差异性，彼此之间不能够有效地互联互通。在大数据时代下，需要建立人事管理业务标准大数据库。其中首要的工作便是人事大数据的收集。

对于人事管理业务来说，大数据收集过程一般有以下几个步骤：分析人事管理需求、明确人事大数据应用目的、依据应用背景确定数据来源、建立标准化数据库。人事大数据分析的前提不仅是能获取高质量的数据，更重要的是对数据的有效管理。而数据预处理是其中的一个重要环节。其目的是将无序的或者结构不一致数据进行转换，以满足大数据分析的要求。大数据预处理主要包括数据清洗和数据集成。在大数据收集之前，由于主观或者客观的原因，人事管理业务系统中的数据存在数据不完整、数据混乱、噪声等问题，所以还需要采用相应的数据清洗技术，从原始数据中提取有效的人事管理大数据。当数据规模过大时，为了获得高质量的数据，还需要快速有效的数据清洗算法的支持。当不同渠道的多个数据源合并时，需要采用数据集成技术，去除冗余数据。对于人事大数据，管理人员往往无法快速识别出哪些数据是有价值的、有效的。通过对数据的相关性分析，可以从大量的、杂乱的信息中挖掘出有价值数据。

2.3 建立基于大数据的人事管理应用系统

一般来说，大数据分析是指通过分析海量数据信息的具体问题和背景，获取有价值的信息。而大数据的各类属性，包括数量、速度、多样性等，都体现了大数据的复杂性。所以大数据分析在各应用领域尤为重要，它可以决定信息是否有价值。大数据分析主要涉及数据挖掘算法、可视化分析、预测分析、网络数据挖掘、自然语言处理等。目前，高校管理人员已经逐步认识到人事管理工作信息化和智能化建设的必要性和紧迫性，为了推动人事系统各业务的数据对接，需要进一步加强人事数据资源的整合和共享，推动人事管理大数据机制的建立，人事管理各项业务实现精细化管理和精准式挖掘，提高人事管理的工作效率，提升人事管理应用系统的智能化水平，这也是如今高校建设“智慧校园”、“数字校园”的重点关注内容。

人事管理大数据应用主要存在两个问题：一是由于数据来源广泛，数据结构复杂，难以建立人事大数据分析模型；二是难以从管理信息系统的基本信息和业务指标中提取数据特征信息。然而，提取数据特征，分析数据演化趋势，找出数据之间的相关性，是人事大数据应用的有效途径。例如，在招聘过程中应聘人员的相关信息都能转化成相应数据集，如学习经历、工作经历、教学科研工作情况以及个人社会关系等等。在招聘中管理人员可以根据个人的相关数据集，通过大数据推荐算法建立新聘教职工筛选模型，从而进行人岗匹配度筛选，结合大量人事数据进行筛选模型的学习训练，持续优化新聘教职工筛选模型，通过模型从数据库中找到合适的应聘人员，有效地防止因为信息不对称导致的决策偏差。通过大数据的挖掘，降低了招聘成本，优化了招聘过程，使高校人事管理效率和质量得到极大的提升。同样，在绩效考核时，高校管理人员可以利用大数据分析技术，对绩效考核指标的权重进行合理划分，注重对教职工工作实绩的全面衡量，既要考虑教学工作和科研成果等定量指标，也要充分考虑教职工的师德师风、工作热情等定性指标。大数据技术的嵌入使得绩效考核工作能够科学把握高校教职工的价值特征，从而有效避免由于主观或者人为原因导致的不合理性，提升考核工作的公正性，更好地达成激励高校教职工的目的。

3 基于大数据的高校人事管理未来发展方向

3.1 集成多元化数据

以往高校收集整理的数据多为结构化数据，但是从数据结构的角度来看，数据分为结构化、半结构化以及非结构化数据三种类型。传统高校人事管理的数据对象主要针对数值型数据以及简单文本数据，缺少半结构化或者非结构化数据。例如纯文本数据，像文件、通知、通告、意见等等与教职工本人评价关系密切的数据并没有分析处理，如果将这些类型的数据按大数据分析方法更合理地分解为单个类型的数据并予以利用，不仅能很大程度上提高人事数据的利用率，而且能够更加全面的管理人事数据。

3.2 购买云计算服务

随着大数据时代的到来，“云计算”服务应运而生，通过云端服务器按需提供人事管理服务，并且采用按使用量计费定价，类似于日常生活中的用水用电。根据人事管理需要从诸如亚马逊、腾讯、阿里之类的云提供商那里获取技术服务，例如人事数据库存储、人事大数据分析、人事大数据应用等等，无需购买服务器或者开发相应的人事系统。随着数据规模的不断增长，人事业务的不断拓展，通过购买云计算服务的方式来解决人事管理业务问题，成为高校管理人事业务的一种新型方式。

本文首先总结了高校人事数据及其管理信息系统现状，其次，基于大数据及其分析方法提出了高校人事管理信息系统智能化建设策略并列举了相关示例，同时分析了人事大数据收集的一般流程，强调了数据预处理的重要性。最后简要分析了高校人事管理信息系统智能化建设的发展方向。大数据分析技术的兴起引起了高校人事管理的信息化和智能化新一轮的变革，也为人事管理水平的提升提供了机遇。作为高校来说，不仅需要建立与现代高校人事管理制度相适应的大数据应用管理系统，还需要管理人员具备应用大数据技术的素养。为高校人事管理水平的快速发展提供强有力的保障。