利用有趣子群集合发现高潜力员工

# 利用有趣子群集合发现高潜力员工 ## 1 引言 在分类问题中，传统的方法是学习单个分类器，而集成分类方法则是构建多个基分类器并组合它们的预测结果来确定最终的类别标签。本文提出了一种基于数据挖掘中子群发现问题的新型分类器集成方法。同时，将该方法应用于人力资源管理领域，用于识别高潜力（HIPO）员工。 ## 2 相关工作 ### 2.1 分类器集成方法 - **Bagging**：通过对原始训练数据集进行有放回抽样创建 m 个有标签的数据集（称为自助样本），将 m 个基分类器模型拟合到这些数据集上，然后对这些模型的预测结果进行多数投票，以确定给定查询点的类别标签。当基分类器“不稳定”时，Bagging 有助于提高准确性。 - **Boosting**：是一个迭代过程，在每一轮中自适应地改变训练样本的分布，使基分类器关注“难分类”的示例。最初每个示例具有相同的权重，根据抽样分布抽取样本，从选定样本的数据集中诱导出一个分类器。对于正确分类的示例，权重降低；对于错误分类的示例，权重增加。最后使用基分类器创建一个基于投票的集成。 - **Random Forest（RF）**：使用决策树作为基分类器，通过多数投票组合多个决策树的预测结果。构建每个决策树的方法有多种，例如在构建基决策树时仅使用随机选择的特征子集，忽略其余特征。 ### 2.2 子群发现方法 - **早期方法**：基于启发式搜索框架。 - **近期方法**： - **CN2 - SD**：将 CN2 分类规则归纳算法应用于子群发现任务，诱导出形式为 Cond → Class 的规则，并使用加权相对准确性（WRA）度量来修剪可能规则的搜索空间。 - **Apriori 关联规则挖掘算法**：被改编用于子群发现。 - **SD - Map 算法**：采用 FP - 树方法进行关联规则挖掘，用于基于最小支持度的子群发现。 - **抽样方法**：也被应用于子群发现。 ### 2.3 人力资源管理中的 HIPO 识别 目前，人力资源领域对于不同组织中用于识别和管理 HIPO 的人力资源流程的比较和有效性研究不足。常用的识别高潜力员工的主观变量包括沟通能力、结果导向、灵活性/适应性、战略思维、决策能力、学习敏捷性、团队合作、愿景等。绩效评估和过去的结果是用于 HIPO 识别的两个较为定量的数据来源，但这些数据元素大多是手动和主观评估的。 ## 3 案例研究：识别高潜力员工 研究了一家大型跨国 IT 组织特定业务部门的 HIPO 识别过程。该部门员工主要从事软件开发、维护和支持等相关任务，部分员工参与咨询、业务开发等工作。每位员工在项目中承担特定任务，并被分配与任务密切相关的角色。 ### 3.1 数据集 有两个数据集 D1 和 D2，分别是 2011 年 4 月 1 日和 2012 年 4 月 1 日员工的摘要信息。为了统一，选择了属于三个线性排序等级 G3、G4 和 G5 的员工子集。表 1 展示了这两个数据集的基本人口统计摘要。 | 数据集 | 等级 | #员工 | 总经验（AVG） | 总经验（STDEV） | 组织经验（AVG） | 组织经验（STDEV） | 年龄（AVG） | 年龄（STDEV） | %男性 | %研究生 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | D1 | G3 | 1076 | 9.09 | 2.28 | 4.93 | 2.80 | 33.28 | 3.61 | 86.99 | 17.29 | | D1 | G4 | 543 | 11.77 | 3.13 | 7.03 | 4.01 | 36.11 | 4.27 | 90.61 | 23.02 | | D1 | G5 | 209 | 14.94 | 3.68 | 9.58 | 5.49 | 39.38 | 4.75 | 89.95 | 31.58 | | D2 | G3 | 1564 | 9.31 | 2.10 | 4.67 | 2.94 | 33.50 | 4.30 | 88.11 | 34.02 | | D2 | G4 | 673 | 12.44 | 2.90 | 7.04 | 4.18 | 36.71 | 4.26 | 90.49 | 32.54 | | D2 | G5 | 261 | 14.90 | 3.94 | 9.36 | 5.61 | 39.62 | 4.69 | 87.36 | 40.61 | ### 3.2 HIPO 员工列表 有两个 HIPO 员工列表 L1 和 L2，分别于 2011 年 4 月 1 日和 2012 年 4 月 1 日创建，采用组织内的手动 HIPO 识别流程。表 2 展示了这两个 HIPO 列表的摘要。 | 列表 | 等级 | #员工 | %HIPO | 总经验（AVG） | 总经验（STDEV） | 组织经验（AVG） | 组织经验（STDEV） | 年龄（AVG） | 年龄（STDEV） | %男性 | %研究生 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | L1 | G3 | 120 | 11.15 | 8.90 | 1.15 | 6.18 | 1.75 | 31.90 | 1.84 | 90.00 | 15.00 | | L1 | G4 | 130 | 23.94 | 11.46 | 1.56 | 8.48 | 2.66 | 34.10 | 2.14 | 90.00 | 22.31 | | L1 | G5 | 59 | 28.23 | 14.50 | 2.14 | 11.25 | 3.81 | 37.44 | 2.63 | 93.22 | 27.12 | | L2 | G3 | 214 | 13.68 | 8.90 | 1.24 | 6.53 | 1.52 | 32.09 | 2.40 | 89.25 | 32.71 | | L2 | G4 | 171 | 25.41 | 11.99 | 2.01 | 8.94 | 2.58 | 34.87 | 2.56 | 91.23 | 35.67 | | L2 | G5 | 92 | 35.25 | 14.59 | 2.41 | 11.22 | 3.77 | 37.99 | 2.95 | 93.48 | 41.30 | 可以看出，HIPO 列表中员工的百分比随着等级的升高而增加。这是因为组织的等级规模大致呈金字塔形，高级别等级的人数较少，而且晋升到高级别等级是基于绩效和受控的晋升过程，只有有良好业绩记录和高绩效的员工才能晋升。 ## 4 解决方案方法 ### 4.1 异常检测 使用异常检测技术以无监督的方式检测 HIPO 员工。实验结果（表 3）表明，异常检测技术在识别 HIPO 员工方面效果不佳。 | 算法 | 等级 | #预测 | #实际 HIPO | 精度 P | 召回率 R | F 值 | | --- | --- | --- | --- | --- | --- | --- | | Mahalanobis (K = 469) | G3 | 469 | 78 | 0.166 | 0.364 | 0.228 | | Knorr (R = 5.2, M = 12) | G3 | 470 | 87 | 0.185 | 0.405 | 0.254 | | RRS (k0 = 18, K = 469) | G3 | 469 | 112 | 0.239 | 0.523 | 0.328 | | Mahalanobis (K = 336) | G4 | 336 | 79 | 0.235 | 0.462 | 0.312 | | Knorr (R = 5.2, M = 12) | G4 | 337 | 91 | 0.270 | 0.532 | 0.358 | | RRS (k0 = 1, K = 336) | G4 | 336 | 128 | 0.381 | 0.748 | 0.505 | | Mahalanobis (K = 130) | G5 | 130 | 40 | 0.308 | 0.435