梁燕平

摘要：隨著互聯(lián)網(wǎng)信息時代的到來，各行各業(yè)都在不斷進行改革，以適應(yīng)新時代的發(fā)展需求，教育教學(xué)領(lǐng)域也在不斷與網(wǎng)絡(luò)技術(shù)、信息進行融合。企業(yè)會的運轉(zhuǎn)中會涉及龐雜的數(shù)據(jù)信息，包含企業(yè)信息、職工信息等，這些數(shù)據(jù)信息具有很大應(yīng)用價值，也亟需得到有效的管理。如何對這些有效的數(shù)據(jù)信息進行管理，值得深入思考和研究。而數(shù)據(jù)挖掘技術(shù)的出現(xiàn)和應(yīng)用，就能很好的解決上述的問題。本文首先對數(shù)據(jù)挖掘技術(shù)進行了闡釋，進一步歸納出了數(shù)據(jù)挖掘技術(shù)在企業(yè)職工培訓(xùn)中的具體應(yīng)用。

關(guān)鍵詞：企業(yè);職工培訓(xùn);數(shù)據(jù)挖掘技術(shù)

引言：當(dāng)下在各行各業(yè)廣泛應(yīng)用的數(shù)據(jù)庫技術(shù)，具有一定的優(yōu)越性和價值性。數(shù)據(jù)庫技術(shù)在當(dāng)前的很多領(lǐng)域，如營銷、教育教學(xué)、企業(yè)管理等領(lǐng)域。企業(yè)需要管理大量的職工信息，不僅要對這些信息數(shù)據(jù)進行維護、存儲，還要對其進行管理和應(yīng)用。在這種需求下，數(shù)據(jù)挖掘技術(shù)就應(yīng)運而生，其能夠?qū)嬰s的企業(yè)信息進行分析處理，并從中提取出有效的信息，供企業(yè)管理者使用。

1.數(shù)據(jù)挖掘技術(shù)概述

1.1數(shù)據(jù)挖掘的涵義

數(shù)據(jù)挖掘其實就指的是借助數(shù)據(jù)庫來發(fā)掘知識，這里的知識必須是有效的知識。在知識的發(fā)現(xiàn)過程中，數(shù)據(jù)挖掘是一個必由之路，這個過程需要從大量的不完全的隨機數(shù)據(jù)中，獲得有價值的信息、知識，數(shù)據(jù)挖掘?qū)儆谏顚拥臄?shù)據(jù)分析方法[1]。具體來講，數(shù)據(jù)挖掘就是通過對海量的數(shù)據(jù)進行篩選和分析，進而挖掘出的有效知識。數(shù)據(jù)挖掘涉及數(shù)據(jù)的抽選、分析、模型處理等一系列程序，經(jīng)過這些程序后才能獲取能夠?qū)Q策有幫助作用的有效數(shù)據(jù)。數(shù)據(jù)挖掘技術(shù)的應(yīng)用，能夠為決策者提供有用信息，輔助其找尋規(guī)律，進而探索出一些未知的數(shù)據(jù)，對未來的發(fā)展趨勢進行預(yù)測，從而得出科學(xué)的決策。

1.2數(shù)據(jù)挖掘技術(shù)的具體內(nèi)容

數(shù)據(jù)挖掘技術(shù)是經(jīng)過大量的實踐經(jīng)驗得來的，人們通過對數(shù)據(jù)庫技術(shù)的深入研究、開發(fā)、應(yīng)用，最終得出的一種結(jié)果。數(shù)據(jù)挖掘的手段綜合了機器學(xué)習(xí)、人工智能等方法，并充分參照了傳統(tǒng)的統(tǒng)計分析法、科學(xué)計算可視化技術(shù)、模糊數(shù)學(xué)法等方法技術(shù)，將研究對象定為數(shù)據(jù)庫，采用數(shù)據(jù)挖掘技術(shù)進行研究。數(shù)據(jù)挖掘的具體方法有很多，如遺傳算法、粗集方法、決策樹方法、模糊集方法、神經(jīng)網(wǎng)絡(luò)法、統(tǒng)計分析法等。

2. 構(gòu)建數(shù)據(jù)庫

在企業(yè)職工培訓(xùn)中要應(yīng)用數(shù)據(jù)挖掘技術(shù)，首先就要建立起相應(yīng)的數(shù)據(jù)庫，數(shù)據(jù)庫能夠從大量的信息中，提取出有效信息。將其運用于職工培訓(xùn)中，能夠?qū)β毠ば畔⑦M行規(guī)整，從而能夠有效地展開培訓(xùn)工作。一方面，需要建立物理框架。職工培訓(xùn)數(shù)據(jù)庫，需要設(shè)置物理模型，符合相應(yīng)情況下的要求。這樣建立出來的物理模型，能夠留存數(shù)據(jù)，同時也是一種多層級的數(shù)據(jù)組織。

另一方面，需要建立相應(yīng)的概念模型。這個概念模型能夠?qū)ο惹霸O(shè)置的系統(tǒng)界限，進行明晰和分辨，從而對根本主題進行擬定。數(shù)據(jù)庫中的根本信息，就是員工本身的信息，此時段培訓(xùn)的反饋。這些經(jīng)過規(guī)整的信息，雖然會呈現(xiàn)一定的單一性，同時它也存在一些內(nèi)在的聯(lián)系。通過對數(shù)據(jù)倉庫的采納，對這些數(shù)值進行提煉、規(guī)整處理，從而能夠為決策提供一定的依據(jù)，保證決策的科學(xué)性和可行性。按照其對員工特性、建構(gòu)主題進行的細分，就能對總體的培訓(xùn)結(jié)果，進行多層級的劃分，并將其放于數(shù)據(jù)庫中。

3. 運用實例的選出

3.1采納關(guān)聯(lián)規(guī)則

按照的評判指標(biāo)，就是體系架構(gòu)中的支持度、置信度。其中，必要的概率信息涉及物品，及其特有的出現(xiàn)頻次。最小數(shù)值的支持度，表征選擇出的內(nèi)容，在這樣的統(tǒng)計中，就充分發(fā)揮了最低層級的作用和意義。而最小數(shù)值的置信度，則表征設(shè)定的規(guī)則，呈現(xiàn)了一種不可靠的趨勢。通過對關(guān)聯(lián)規(guī)則的應(yīng)用，能夠建構(gòu)出精準(zhǔn)的模型，從而方便工作人員對某一時期培訓(xùn)的培訓(xùn)情況進行分析[2]。

3.2采納模型

經(jīng)過抽選的數(shù)據(jù)，包含原先的職工信息，以及測試出的成績等內(nèi)容。采納預(yù)設(shè)的規(guī)則，就能對這些數(shù)據(jù)進行操作。這樣做的目的，旨在于對數(shù)據(jù)間的聯(lián)系，進行梳理和明晰。抽選的數(shù)據(jù)，一般會涉及單位稱呼、職工姓名、微機處理等級等內(nèi)容。

3.3挖掘的具體操作流程

在預(yù)處理過程中，為方便識別關(guān)聯(lián)規(guī)則，需要對初始數(shù)據(jù)，進行概念化處理。經(jīng)過一系列特有的處理之后，最后總能夠得出需要的結(jié)果，能夠有效地對職工的通過率進行分析和處理。在數(shù)據(jù)的挖掘中，充分采納了關(guān)聯(lián)原則，保證體系中的不同類型的行為，都接受了此規(guī)則的設(shè)定。這一系列流程就表明，數(shù)據(jù)與輸出數(shù)據(jù)間，存在很強的關(guān)聯(lián)。

結(jié)束語：綜上所述，數(shù)據(jù)挖掘技術(shù)在企業(yè)職工培訓(xùn)中應(yīng)用的重要性不言而喻。廣大企業(yè)人力資源管理者，需要重視對數(shù)據(jù)挖掘技術(shù)的使用，不斷探索數(shù)據(jù)挖據(jù)技術(shù)的具體應(yīng)用，充分挖掘其最大價值，將其有效地運用于企業(yè)的職工培訓(xùn)中，為企業(yè)的長足發(fā)展貢獻應(yīng)有的力量和價值，從而讓企業(yè)更穩(wěn)定地向前發(fā)展。

參考文獻：

[1]王靖夫. 數(shù)據(jù)挖掘技術(shù)在企業(yè)職工培訓(xùn)中的應(yīng)用分析[J]. 中國高新技術(shù)企業(yè)， 2015（10）：61-62.

[2]尉麗娜， 童英穎. 數(shù)據(jù)挖掘在人力資源管理中的應(yīng)用[J]. 商品與質(zhì)量， 2016（021）：49.