数据仓库和数据挖掘技术在劳动力资源管理中的应用

摘要

随着电子商务和电子政务应用的日益兴起，大量的商业应用和管理数据被产生、处理，并存储在数据库或数据仓库（DW）中。如何更好地发挥这些数据的作用，更好地为商业和政务管理服务是数据应用的一个重要方向。数据仓库、联机分析处理（OLAP）和数据挖掘（DM）技术正是在此类应用的推动下得到迅猛发展的。数据仓库通过抽取操作数据库中的数据，并经过数据清理、数据转换等操作，将海量的数据有效地管理起来。OLAP技术则可以在数据库或数据仓库数据的基础上建立多维数据集，通过旋转、切片、切块和钻取等技术从不同的角度进行提取和分析，从而为数据的使用者提供更具有价值的数据信息。数据挖掘技术则通过聚类、决策树和关联规则等挖掘算法从数据的海洋中探索和发现有用的信息和知识。 本文以广东省劳动力市场管理服务信息系统为应用背景，Microsoft SQL Server2000为开发平台，通过运用这些新的技术，解决了新会区劳动力市场数据利用中的数据分析问题，并从实例中找出有价值的劳动力资源结构和分布规律，从而为业务部门和决策者提供更好的决策依据。论文主要完成了以下几个方面的工作： ①对数据仓库、联机分析处理和数据挖掘等相关技术进行了讨论。并具体分析比较了微软决策树和微软聚集两种数据挖掘算法。 ②运用数据仓库技术，建立了适合劳动力市场数据的数据仓库和多维数据集。通过对照实验，比较了典型数据挖掘算法在该数据源上的有效性和性能特点。 ③设计并实现了一套劳动保障信息决策支持系统。该系统运用数据仓库、OLAP和数据挖掘技术，对海量的劳动保障数据进行有效的管理和分析，并生成了有价值的决策信息。实际应用表明，这些技术在本系统中得到了有效的利用。