基于商业智能的人力资源统计分析系统研究与实现

论文摘要

商业智能技术（Business Intelligence, BI）是当前信息处理技术中的一项热点课题,具有集成化数据管理、灵活的数据访问、强大的数据分析和可视化的报告等能力。BI主要应用了数据仓库、数据挖掘及联机分析处理（On-Line Analytical Processing, OLAP）等技术。当前人力资源管理系统（Human Resource Management System, HRMS）主要是面向事务处理的信息系统,以关系数据库为基础,其统计功能限于基本统计指标计算,用户能得到的统计信息数量有限、质量不高,针对性、有效性不强，难以较好地支持决策,需要新的技术从复杂数据中挖掘有价值的信息和模式。本文讨论了将整合数据仓库、数据挖掘及OLAP三方面技术的商业智能技术应用于HRMS,旨在利用已有的人力资源管理系统数据,研究商业智能技术的实现,并以其为基础开发人力资源统计分析系统（Human Resource Statistic Analysis System, HRSAS）,根据系统中收录的信息发现存在的知识、关系和规则,为科学分析和预测、人力资源规划、人本管理等工作提供决策依据。本文系统介绍了数据仓库、数据挖掘、多维分析等商业智能关键技术,首先探讨了人力资源管理系统和商业智能技术结合的可行性,分析了人力资源统计分析系统的需求以及现有人力资源管理系统的数据库模式,设计了人力资源统计分析系统中多维数据模型,构建了人力资源统计分析数据集市。基于此,利用SQL Server 2005套件,实现了多种数据挖掘算法,对算法挖掘结果进行了比较分析,并利用OWC（Office Web Component）技术详细说明。其次,利用VB.NET和SQL Server 2005,开发了以数据仓库与数据挖掘技术为基础的统计分析系统,验证了系统部分挖掘功能。文章最后指出了本文研究的局限性,指出了进一步研究的方向。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 商业智能技术在人力资源管理的研究及应用现状
• 1.2 系统研究与开发的意义
• 1.3 本文所做的工作及技术难点
• 1.4 论文的组织结构
• 第二章 商业智能技术概述
• 2.1 数据仓库技术概述
• 2.1.1 数据仓库的概念与特性
• 2.1.2 数据仓库的体系结构与数据组织
• 2.1.3 数据仓库的设计与开发
• 2.2 OLAP技术概述
• 2.3 数据挖掘技术概述
• 2.3.1 数据挖掘的概念与特性
• 2.3.2 关联规则数据挖掘
• 2.3.3 决策树
• 第三章 人力资源数据仓库设计
• 3.1 用户需求分析
• 3.2 系统总体结构
• 3.3 事务数据库分析
• 3.4 数据仓库设计
• 3.4.1 确定主要的主题域
• 3.4.2 系统中数据模型设计
• 3.4.3 基本情况主题设计
• 3.5 数据集市的设计
• 3.5.1 实例化视图的设计
• 3.5.2 实例化视图的更新策略
• 第四章 数据预处理
• 4.1 数据统计量的概述
• 4.2 数据预处理过程
• 4.3 数据转换与清理
• 4.3.1 数据转换
• 4.3.2 数据清理
• 4.4 数据集成
• 4.5 数据变换
• 4.6 数据归约
• 第五章 数据仓库及分析应用的实现
• 5.1 数据仓库物理实现
• 5.1.1 数据仓库开发应用工具概述
• 5.1.2 数据仓库的物理实现过程及应用
• 5.2 数据仓库及多维数据集的创建
• 5.2.1 利用SSIS实现数据转换
• 5.2.2 数据链接的建立
• 5.2.3 数据源视图的创建
• 5.2.4 多维数据集的设计与创建
• 5.3 构建数据挖掘模型与应用
• 5.3.1 决策树算法
• 5.3.2 其他挖掘算法展示
• 5.3.3 算法比较
• 5.4 基于关联规则算法发现规则
• 5.4.1 实现技术
• 5.4.2 系统需求
• 5.4.3 系统设计
• 5.4.4 系统使用
• 5.4.5 模式评估
• 5.5 OLAP分析和结果展示
• 5.5.1 实现技术
• 5.5.2 程序的实现效果
• 第六章 结束语
• 参考文献
• 致谢