论文部分内容阅读
【摘要】随着医院信息化进程的不断推进，人力资源管理将更加依赖于数据信息。本文针对一个真实的医院人力资源数据集，通过关联规则分析了在医院人力资源管理中适用的数据挖掘技术与过程，研究分析的结果具有较好的解释性，以期帮助医院对这一系统能够有更全面地认识，促进医院人力货源管理水平实现跨越式提升。
【关键词】数据挖掘;医院人力资源;关联规则
【中图号】C931.9【文献标示码】A【文章编号】1005-1074(2008)11-0195-01
进入21世纪，人才的竞争已经成为各个城市、各个企事业单位竞争的焦点。同样，医院的发展需要大批各个学科、各个层次的人才。当前，医院的人力资源结构基本上由医疗科室人员、后勤人员、护理人员、药房人员组成。人员招聘和选拔直接影响到医院员工的质量，从而影响医院的整个人力资源，如何选拔优秀的并适合本院的人才对于医院的生存发展至关重要。随着计算机技术的发展，许多医院相继建立了人事信息管理系统，并在日常工作中积累了大量数据。而通过利用数据挖掘技术对医院人力资源数据源中的数据进行分析，寻找其中有价值的关系和规律，对人员聘用、培养、选拔等实际工作能够在一定程度上起到辅助作用，从而为制定人才需求规划、人才招聘和培养提供比较客观的决策支持。数据挖掘一般是指在数据库中，利用各种分析方法与技术，将过去所累积的大量繁杂的历史数据中，进行分析、归纳与整合等工作，以提取出有用的信息，找出有意义且用户有兴趣的模式(Interesting Patterns)，为企业管理阶层的决策提供参考依据。数据挖掘技术引入人力资源的管理极大地便利了组织对于海量人员数据的分类管理及分析。本文通过对一家医院具体数据的分析，来阐明数据挖掘技术在人力资源管理方面的运用。
1数据挖掘技术的分类与方法
根据采用的数据挖掘方法分类，可粗分为:统计方法、机器学习方法、神经网络方法和数据库方法。统计方法中，可以细分为:回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)等。机器学习中，可以细分为:归纳学习法(决策树、规则归纳等)、基于范例学习、遗传算法等。神经网络方法中，可以细分为:前向神经网络(BP算法等)、自组织神经网络(自组织特征映射、竞争学习等)等。数据库方法主要是多维数据分析或。LAP方法，另外还有面向属性的归纳方法。
2目标医院简介
该院于1990年建于福州，是一所集医疗、教学、科研为一体的省级综合性医院。医院设行政职能科14个，临床科室25个，医技科室7个，病区11个，临床教研室13个。截至2007年，该院拥有员工1119人。其中在编670人，编外450人。以下为人员最高学历分布图以及职称分布图：见图1、图2。
3数据准备
因为所收集的个人信息比较复杂而且常常是不连续，所以需要对数据进行预处理以改善数据质量。然后再把被选数据转化成合适分析的形式。处理后的数据变量如下：①学历：将学历分为本科及以上学历，大专学历，中专及以下学历；②所在科室：分为住院区，后勤部门，临床部门，收费处及药房；③职位：分为院领导及一般员工；④职称：分为高级职称，中级职称，初级医师，初级护师；⑤论文发表情况：大于5篇，1到4篇，0篇；⑥年度考核：分为优秀，合格，和须要改进；⑦年龄：40岁以下为青年组，40到50岁为中年组，50到60岁为老年组。
4数据分析
本文将利用数据挖掘中的关联分析对数据进行分析。在关联分析中选用离散化的特征变量表达方式，取最小支持度为0.1，最小置信度为0.8。经过初步的分析后，得出了20条规则。以下为部分规则：由规则一发现，医院招收的护理人员主要是年轻人，这是因为护理病人是一项艰苦的工作，护理人员的职责是帮助病人进食、服药、清洗，而部分重病患者甚至需要每天24小时看护，这些工作都需要看护人员有着足够的体力与耐心。另外，护理人员文凭相对较低，主要来自于一些中专卫校。这是由于护理工作对理论要求相对较低，一般卫校毕业生已经掌握足够的相应技能，可以胜任护理工作。由规则二发现，在年度考核中，工作需要改进的员工主要集中在那些职称较低，文凭较低的年轻医生上。这些医生大多刚从学校毕业，从事工作仅一到两年，工作经验比较缺乏。另外一些年轻医生由于文凭较低，专业技能欠缺，甚至出现了误诊，引起了医疗纠纷。面对这种情况，首先在招聘医生时，医院须要加强对应聘者专业技能的考查，并且对重点大学医学院的毕业生应有所侧重。其次医院须要完善岗前培训，使新进医生能够更快适应日常工作。由规则三发现，医院里的学术专家主要是职称是正高或副高的医生。他们的年龄集中在45到60岁，具有丰富的诊断经验，在各自的领域有着很深的学术底蕴，这可以从他们在国家核心刊物上发表多篇学术论文上反映出来。这部分专家对提升医院的学术水平有着很大的作用，医院应该为其提供专门的研究经费。由规则四发现，担任医院领导工作的人员大多拥有高级职称。这是因为国家要求院长，副院长不仅要有领导能力，而且需要有较强的业务能力。由规则五发现，职称为“主治医师”的大多是具有10以上工作经验的医生。他们全部是大学本科毕业，有着丰富的工作经验。他们在临床工作中是中坚力量，承担了主要责任。因而医院只有加强对主治医师医疗质量的把关，才能使整体医疗水平得到提高。由规则六发现，在年度考核中，获得优秀评价的主要是拥有中高学历的年轻医师。他们虽然参加工作时间相对较短，但是由于毕业于本科院校，有着扎实的理论功底，因而学习能力很强并且较中年医生更有工作热情。医院应该增加对年轻医师的奖励，主任医师也应给予更多的指导与帮助，这样才能充分挖掘年经医师的潜力。以上关联规则挖掘产生的结果数据表明，数据挖掘得出的结果与现实情况基本符合。一些事先并没有预料的结果，也客观地反映了实际情况。这充分表明了数据挖掘是一个强有力的辅助决策工具。
随着国内医院信息化建设的发展，数据资源将在医院管理中占据越来越重要的地位。人力资源管理的数字化资源不仅客观真实地反映了医院员工的人事信息，而且通过数据挖掘的分析，还可得到工作人员的各类评价信息、了解医务工作者的现状及发展趋势，制定更为合理的人事政策等。本文在一个真实的医院人力资源数据集的基础上，通过关联规则技术分析了职称、文化程度和年度考核等几方面的关系。数据挖掘技术及其应用是目前国际上的一个研究热点并在许多行业中得到了很好的应用。在人力资源信息管理领域综合应用数据挖掘技术和人工智能技术将是实现人力资源开发与经营的必经之路。
5参考文献
1谭国臣.高校人力资源管理信息系统的开发[J].鲁东大学学报（自然科学版），2007，23，（3）
2宣军英.基于SQL Server 2005的高校人力资源数据挖掘的研究[J].计算机系统应用，2007，（4）
【关键词】数据挖掘;医院人力资源;关联规则
【中图号】C931.9【文献标示码】A【文章编号】1005-1074(2008)11-0195-01
进入21世纪，人才的竞争已经成为各个城市、各个企事业单位竞争的焦点。同样，医院的发展需要大批各个学科、各个层次的人才。当前，医院的人力资源结构基本上由医疗科室人员、后勤人员、护理人员、药房人员组成。人员招聘和选拔直接影响到医院员工的质量，从而影响医院的整个人力资源，如何选拔优秀的并适合本院的人才对于医院的生存发展至关重要。随着计算机技术的发展，许多医院相继建立了人事信息管理系统，并在日常工作中积累了大量数据。而通过利用数据挖掘技术对医院人力资源数据源中的数据进行分析，寻找其中有价值的关系和规律，对人员聘用、培养、选拔等实际工作能够在一定程度上起到辅助作用，从而为制定人才需求规划、人才招聘和培养提供比较客观的决策支持。数据挖掘一般是指在数据库中，利用各种分析方法与技术，将过去所累积的大量繁杂的历史数据中，进行分析、归纳与整合等工作，以提取出有用的信息，找出有意义且用户有兴趣的模式(Interesting Patterns)，为企业管理阶层的决策提供参考依据。数据挖掘技术引入人力资源的管理极大地便利了组织对于海量人员数据的分类管理及分析。本文通过对一家医院具体数据的分析，来阐明数据挖掘技术在人力资源管理方面的运用。
1数据挖掘技术的分类与方法
根据采用的数据挖掘方法分类，可粗分为:统计方法、机器学习方法、神经网络方法和数据库方法。统计方法中，可以细分为:回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)等。机器学习中，可以细分为:归纳学习法(决策树、规则归纳等)、基于范例学习、遗传算法等。神经网络方法中，可以细分为:前向神经网络(BP算法等)、自组织神经网络(自组织特征映射、竞争学习等)等。数据库方法主要是多维数据分析或。LAP方法，另外还有面向属性的归纳方法。
2目标医院简介
该院于1990年建于福州，是一所集医疗、教学、科研为一体的省级综合性医院。医院设行政职能科14个，临床科室25个，医技科室7个，病区11个，临床教研室13个。截至2007年，该院拥有员工1119人。其中在编670人，编外450人。以下为人员最高学历分布图以及职称分布图：见图1、图2。
3数据准备
因为所收集的个人信息比较复杂而且常常是不连续，所以需要对数据进行预处理以改善数据质量。然后再把被选数据转化成合适分析的形式。处理后的数据变量如下：①学历：将学历分为本科及以上学历，大专学历，中专及以下学历；②所在科室：分为住院区，后勤部门，临床部门，收费处及药房；③职位：分为院领导及一般员工；④职称：分为高级职称，中级职称，初级医师，初级护师；⑤论文发表情况：大于5篇，1到4篇，0篇；⑥年度考核：分为优秀，合格，和须要改进；⑦年龄：40岁以下为青年组，40到50岁为中年组，50到60岁为老年组。
4数据分析
本文将利用数据挖掘中的关联分析对数据进行分析。在关联分析中选用离散化的特征变量表达方式，取最小支持度为0.1，最小置信度为0.8。经过初步的分析后，得出了20条规则。以下为部分规则：由规则一发现，医院招收的护理人员主要是年轻人，这是因为护理病人是一项艰苦的工作，护理人员的职责是帮助病人进食、服药、清洗，而部分重病患者甚至需要每天24小时看护，这些工作都需要看护人员有着足够的体力与耐心。另外，护理人员文凭相对较低，主要来自于一些中专卫校。这是由于护理工作对理论要求相对较低，一般卫校毕业生已经掌握足够的相应技能，可以胜任护理工作。由规则二发现，在年度考核中，工作需要改进的员工主要集中在那些职称较低，文凭较低的年轻医生上。这些医生大多刚从学校毕业，从事工作仅一到两年，工作经验比较缺乏。另外一些年轻医生由于文凭较低，专业技能欠缺，甚至出现了误诊，引起了医疗纠纷。面对这种情况，首先在招聘医生时，医院须要加强对应聘者专业技能的考查，并且对重点大学医学院的毕业生应有所侧重。其次医院须要完善岗前培训，使新进医生能够更快适应日常工作。由规则三发现，医院里的学术专家主要是职称是正高或副高的医生。他们的年龄集中在45到60岁，具有丰富的诊断经验，在各自的领域有着很深的学术底蕴，这可以从他们在国家核心刊物上发表多篇学术论文上反映出来。这部分专家对提升医院的学术水平有着很大的作用，医院应该为其提供专门的研究经费。由规则四发现，担任医院领导工作的人员大多拥有高级职称。这是因为国家要求院长，副院长不仅要有领导能力，而且需要有较强的业务能力。由规则五发现，职称为“主治医师”的大多是具有10以上工作经验的医生。他们全部是大学本科毕业，有着丰富的工作经验。他们在临床工作中是中坚力量，承担了主要责任。因而医院只有加强对主治医师医疗质量的把关，才能使整体医疗水平得到提高。由规则六发现，在年度考核中，获得优秀评价的主要是拥有中高学历的年轻医师。他们虽然参加工作时间相对较短，但是由于毕业于本科院校，有着扎实的理论功底，因而学习能力很强并且较中年医生更有工作热情。医院应该增加对年轻医师的奖励，主任医师也应给予更多的指导与帮助，这样才能充分挖掘年经医师的潜力。以上关联规则挖掘产生的结果数据表明，数据挖掘得出的结果与现实情况基本符合。一些事先并没有预料的结果，也客观地反映了实际情况。这充分表明了数据挖掘是一个强有力的辅助决策工具。
随着国内医院信息化建设的发展，数据资源将在医院管理中占据越来越重要的地位。人力资源管理的数字化资源不仅客观真实地反映了医院员工的人事信息，而且通过数据挖掘的分析，还可得到工作人员的各类评价信息、了解医务工作者的现状及发展趋势，制定更为合理的人事政策等。本文在一个真实的医院人力资源数据集的基础上，通过关联规则技术分析了职称、文化程度和年度考核等几方面的关系。数据挖掘技术及其应用是目前国际上的一个研究热点并在许多行业中得到了很好的应用。在人力资源信息管理领域综合应用数据挖掘技术和人工智能技术将是实现人力资源开发与经营的必经之路。
5参考文献
1谭国臣.高校人力资源管理信息系统的开发[J].鲁东大学学报（自然科学版），2007，23，（3）
2宣军英.基于SQL Server 2005的高校人力资源数据挖掘的研究[J].计算机系统应用，2007，（4）