［摘 要］ 针对人力资源管理决策信息难以获取和正确性难以保证的问题，提出了人力资源数据仓库多维数据模型。人力资源数据仓库多维数据模型通过分析人力资源战略规划以及人力资源日常业务流程，确定了分析主题和维度，借助数据仓库技术，以决策分析主题为导向组织数据，为人力资源决策提供信息支持。人力资源数据仓库多维数据模型能准确地表达决策分析主题的数据组成关系，为解决人力资源管理决策支持信息难以获取和正确性难以保证的问题提供了依据。
［关键词］ 人力资源； 数据仓库； 多维数据模型； 决策支持
doi : 10 . 3969 / j . issn . 1673 - 0194 . 2012 . 07. 026
［中图分类号］ F272.92；TP311.13 ［文献标识码］ A ［文章编号］ 1673 - 0194（2012）07- 0052- 06
１ 引 言
人力资源是企业可以将其看作能够为创建和实现企业的使命、愿景、战略与目标做出潜在贡献的人所具备的可被利用的能力与才干［１］。在全球化竞争和知识经济时代，人力资源是企业的第一资源和根本竞争优势，人力资源管理已成为支撑企业核心能力与竞争优势的重要力量，具有高度重要的战略地位。但与此同时，由于人力资源所涉及的企业部门层级繁多、业务流程复杂、数据信息庞大，其管理工作极其复杂困难，人力资源的战略作用难以完全得以发挥。即使近年来通过人力资源管理信息系统优化了业务流程，提高了日常工作效率，在业务流程层面上实现了人力资源管理工作高效和稳定的运行，但是在战略决策支持层面上，人力资源管理仍存在一些问题亟待解决。这些问题表现在决策信息难以获取和正确性难以保证两方面。
造成决策信息难以获取和正确性难以保证的主要原因是：第一，人力资源决策信息包括人力资源现状盘点、人力资源需求预测、职位信息、人员胜任能力信息、招聘与配置信息、人员绩效信息、薪酬信息和培训信息等，种类繁多，数据庞杂；第二，人力资源内部管理信息系统的数据组织方式是面向具体业务流程的，并不是以决策分析主题为导向组织数据。获取某一项决策信息势必引起对所有相关数据的重新抽取和归纳，计算复杂，耗时巨大；第三，人力资源管理涉及企业各个部门和层级，很多决策信息来源于人力资源管理部门外部的其他部门数据库。各种外部数据库中的数据在定义、粒度和更新策略上高度不统一，无法直接进行统计、归纳和计算，必须经过漫长的数据预处理，进一步增加了获取决策信息的难度。
针对上述问题，本文提出了人力资源数据仓库多维数据模型，借助数据仓库技术，以决策分析主题重新组织数据，实现数据的正确统一，以解决决策信息难以获取和正确性难以保证的问题。
２ 数据仓库
１９９２年，Ｗｉｌｌｉａｍ Ｈ． Ｉｎｍｏｎ提出了数据仓库的定义和设计方式，与传统的数据库在数据组织和应用目标等方面有很大的不同，数据仓库改变了数据的组织形式，通过按主题组织数据，以维度抽取主题信息，来达到海量数据集成和分析的目的。数据仓库是面向主题的、集成的、具有时间特征的、稳定的数据集合，用以支持经营管理中的决策制定过程［２］。根据数据仓库概念的含义，数据仓库具有以下4个特点：
（１） 面向主题。主题是用户进行某项决策时所关注信息的抽象集合。数据仓库是按主题域进行数据组织的。数据仓库以主题为组织数据的中心，有利于实现决策信息支持这一目标。
（２） 集成的。数据仓库中的数据主要用于进行分析决策，需要对细节数据进行归纳、整理和综合。同时，数据仓库中的数据多来源于多个异构数据源，不能对数据进行简单的汇总和拷贝，必须对数据进行清理和转换，保持数据的一致性。
（３） 具有时间特征。为保证数据仓库数据提供的决策信息随时间不断做出适当调整，数据仓库需要随时间变化不断增加新的内容，同时也需要随着时间变化删去过去陈旧的数据。数据仓库中数据表的键码都包含时间项，以标明数据的历史时期。
（４） 稳定的。数据仓库是随时间而变化的，但又是相对稳定的。数据仓库的数据主要供企业决策分析之用，提供的服务主要是数据查询，一旦某个数据进入数据仓库以后将被长期保留，一般情况下并不进行修改。数据仓库的数据通常只需要定期加载、刷新［３］。
分析型数据仓库要对大量的数据进行汇总和分类，要求能按客户的要求快速、灵活地完成复杂的查询，并且查询的结果要便于用户理解。这要求数据仓库在存储数据时，必须消除数据冲突和表达不一致等问题；在面临用户的查询需求时，必须对所需要的信息提前准备，以便缩短响应时间。为达到这一目的，数据仓库的基本体系结构至少包括数据获取、数据存储与管理、信息访问３个基本组成部分。
（１） 数据获取。数据获取是指从多个异构数据源获取原始数据，经过提取、清洁、转换、聚集等操作得到以主题为中心的集成数据，并将数据装载到数据仓库的过程。
（２） 数据存储与管理。数据存储与管理负责数据仓库的内部维护与管理，提供的服务包括数据存储的组织、数据的维护、数据的开发、数据仓库的理性维护等。
（３） 信息访问。信息访问属于数据仓库的前端。数据仓库前端是面向最终用户的。最终用户通过信息访问部分获取支持决策的信息。信息访问部分一般由报表生成器、ＯＬＡＰ工具、数据挖掘工具和可视化工具等构成。
数据仓库的基本体系结构［４］如图１所示。
３ 人力资源数据仓库基本结构
人力资源数据仓库的最终用户是人力资源部门高层决策人员和日常工作人员。人力资源数据仓库可为人力资源战略规划、胜任能力分析、培训开发管理、薪酬管理、招聘与配置管理工作提供决策信息支持［５－７］。人力资源数据仓库的基本结构由数据仓库服务器、查询服务器和前端展示工具组成［８］。人力资源数据仓库基本结构如图２所示。
人力资源战略规划和人力资源日常管理工作所需信息决定了数据仓库的分析主题、维度、粒度、度量要求以及数据提取、转换和装载规则。根据数据提取、转换和装载规则，人力资源数据仓库从多个外部异构数据源抽取数据，然后将抽取的数据按主题进行组织，以便查询服务器提取数据。最终，前端展示工具从查询服务器中提取相应的数据，按最终用户的需求组织成决策支持信息展示出来。
４ 人力资源管理流程分析
根据现代企业的人力资源管理理论，人力资源管理系统可分为战略规划、职位管理、胜任能力管理、招聘与配置、绩效管理、薪酬管理和培训管理七大部分。人力资源管理系统各个职能模块相互联系、相互作用，在人力资源管理机制作用下，呈系统化运行，人力资源管理流程如图３所示。
人力资源战略规划贯穿整个人力资源管理工作，决定了人力资源管理工作的各个环节。首先，人力资源战略规划通过理解企业发展战略及策略目标，分析企业业务状况与组织框架，确认人力资源的战略、目标、原则和政策。然后，人力资源战略规划对人力资源现状进行盘点，分析人力资源现状与未来战略需求的差异，通过对人力资源的供给与需求的预测，发现人力资源缺口，明确人力资源规划所面临的具体问题。在明确具体问题之后，人力资源战略规划将设计人力资源战略问题的系统解决方案，调整人力资源管理系统的业务职能，为实现人力资源战略规划的落地进行政策和制度安排，并制订具体措施及行动计划。最后，人力资源战略规划将对其具体实施情况进行实时评估和控制，以保证人力资源战略规划顺利实施并及时调整，以适应企业与战略发展的需要。人力资源战略规划在明确战略方向、识别当前问题、制订具体计划和控制计划实施的过程中，必须得到职位管理、胜任能力管理、招聘与配置管理、绩效管理、薪酬管理、培训开发管理等具体职能部门强有力的信息支持。
职位管理基于对企业业务结构、组织结构与流程的深刻认识与理解，设计和构建职能、职类、职种体系，形成企业完整的职位体系。
胜任能力是指能将工作中绩效表现优秀者与表现平平者区分出来的个人潜在的、深层次的特征，它包括知识、认知或行为技能、态度或价值观、自我形象、特质、动机，即任何可以被可靠测量或描述的个体特征。胜任能力应该包括需要达到的实际绩效，以及取得这些绩效所需的个性特征。胜任能力管理通过对员工的学历、职称以及岗位绩效等进行分析，明确员工的潜在能力，为进一步潜力挖掘与能力培养提供依据。胜任能力管理为人员的招聘、甄选提供了用人方面的素质要求；为人力资源配置提供了人员配置的标准和依据；为薪酬体系设计提供最基础的标准、依据和框架。
招聘与配置的基础是职位管理和胜任能力管理，根据企业的职位与企业人员的内在特征选择有效的招募方法、渠道及甄选方法，实现对企业员工的合理配置。招聘与配置包括企业发现人力资源获取需求、制定人力资源获取策略、劳动力市场相对位置分析、人员招募、人员甄选与配置5个环节，其最终的落脚点是人员甄选。
绩效管理是指为保证企业经营目标的实现，定期对企业员工进行考核，对人员所在岗位的绩效考核标准和实际完成值进行分析，对员工做出正确评价。绩效管理包括目标与计划确定、绩效评估和绩效回顾。目标与计划确定是指依据企业战略目标要求，制定目标与计划，明确工作内容和评价标准。绩效评估是指根据事先设立的评价指标，对企业员工的工作进行客观评价。绩效回顾是指分析产生差距的原因，制订工作改进措施。
薪酬管理系统是整个企业激励机制的核心，是企业吸引和保留人才的关键。薪酬管理通过对人员、所在职位和业绩考核结果数据进行分析，对薪酬体系做出有效的调整，实现人工成本的有效控制和有效的薪酬激励。薪酬管理包括薪资策略保持与企业人力资源战略、企业经营目标的一致性，提升薪酬管理的战略管理能力；确定合适的薪酬水平，以保证薪酬的外部竞争力与内部的公平性，正确处理人工成本与人力资本投资之间的关系；设计多元的薪酬激励要素与薪酬结构，反映不同类别员工的特点，满足不确定性的、多层次的、复杂的员工需求；建立分层分类的薪酬管理体系，进行工资动态调整，使薪酬设计反映不同层次、不同类别的员工的需求与劳动特点；薪酬的机制与制度设计做到程序公平，薪酬的机制与制度和人力资源的其他机制与制度配套，尤其是和绩效考核体系及任职资格体系相互统一；薪酬制度与管理体系设计应做到合法合规，避免企业付出违规成本。
培训开发管理通过分析培训需求和历史数据所反映的培训效果，制订企业员工的培训计划，确保以有限的培训费用，最大限度地提高员工素质和员工技能，实现企业效益增长最大化。培训开发管理表现为对培训基地的管理、培训预算与费用核算等业务的管理。培训开发管理的具体工作内容包括了解和掌握公司的战略发展以及员工的能力与素质状态，为公司培训开发计划的制订提供依据；根据员工的潜能特点及企业需求，帮助员工制订职业发展与个人能力开发计划；控制培训实施过程；评估培训开发效果。
人力资源管理体系以职位和人员为基点，以战略规划为主线，以胜任能力管理、招募与配置、绩效管理、薪酬管理、培训开发管理为主要职能，保证企业人力资源管理正常运转，确保人力资源价值得到最大限度的发挥。通过对人力资源管理构架的分析可以得出，人力资源管理在实际运行中所需决策信息是围绕职位信息、人员基本信息、胜任能力、招募与配置、绩效、薪酬、培训与开发7个中心进行组织的。由此，人力资源数据仓库将以职位、人员基本信息、胜任能力、招募与配置、绩效、薪酬、培训与开发为主题，建立多维数据模型。
５ 人力资源数据仓库多维数据模型
多维数据模型是进行决策支持数据建模的最好方式，是数据仓库普遍采用的数据建模方法。多维数据模型以直观的方式组织数据，并支持高性能的数据访问。每一个多维数据模型由多个多维数据模式表示，每一个多维数据模式都是由一个事实表和一组维表构成。数据仓库多维数据建模包括确定主题、选择事实与维度、确定粒度、标识维度和事实表属性。
５．１ 确定主题领域
主题是一个在较高层次上将数据归类的标准，每一个主题基本对应一个宏观的分析领域。主题是一个抽象的概念，是在较高层次上把企业信息系统中的数据综合、转换、归类并进行分析利用的抽象。通过上述人力资源管理系统架构的分析，人力资源数据仓库的主题确定为职位主题、人员基本信息主题、胜任能力主题、人员调整配置主题、培训开发主题、绩效考核主题、薪酬主题。
（１） 职位主题。职位主题通过分析当前企业组织体系中岗位的职种、职能、职类，以及企业员工的定岗定编信息，决定是否增设新职位并对新职位进行设计和说明。
（２） 人员基本信息主题。人员基本信息主题通过分析全体企业员工的学历、技能、职称、工作经历等信息，形成对当前企业人力资源的全局认识，为人力资源盘点工作提供数据支持。
（３） 胜任能力主题。胜任能力主题通过分析企业员工学历、技能、职称和岗位适应性等基本信息，为人员的招聘与甄选、调整与配置、薪酬提供信息支持。
（４） 人员调整配置主题。人员调整配置主题通过对企业员工胜任能力和岗位职能的研究，决定员工的合理化调动和调整。
（５） 培训开发主题。培训开发主题通过对员工基本信息、培训基地信息、培训预算和费用管理信息的分析，制订培训计划，以最低的成本取得最大的人力资源价值增长。
（６） 绩效考核主题。绩效考核主题是指为保证经营目标的实现，根据企业员工所在岗位的绩效考核标准，对员工做出客观评价。
（７） 薪酬主题。薪酬主题通过分析员工胜任能力、职位和绩效，对薪酬体系做出有效的调整，实现成本的有效控制和激励效果最大化。
５．２ 确定粒度
所谓粒度是指数据仓库中数据单元的详细程度和级别。数据越详细，粒度就越小，级别就越低；数据综合度越高，粒度就越大，级别也就越高。选择的粒度必须满足业务需求，并且基于源数据库中的数据进行选择。一般粒度选择方式采用最低细节级别，即数据仓库的粒度可以看作是每个源数据库中的一行记录。
５．３ 选择维度
维是指人们观察事物的角度。根据在人力资源管理过程中信息的组织角度，选择各个主题的维度如下：
（１） 职位主题维度为时间维、定编人员维、单位维、职种职类维。
（２） 人员基本信息维度为时间维、学历维、技能维、职位维、职称维、单位维。
（３） 胜任能力主题维度为时间维、职位维、人员维、单位维。
（４） 人员调整配置主题维度为时间维、职位维、人员维、绩效维、单位维。
（５） 培训开发主题的维度为时间维、单位维、职位维、人员维、培训基地维、职称维、费用维。
（６） 绩效考核主题维度为时间维、单位维、职位维、职称维、人员维、考核指标维。
（７） 薪酬主题维度为时间维、职位维、人员维、单位维、薪酬种类维、考核维。
５．４ 建立多维数据模型
人力资源数据仓库采用星形模式构建多维数据模型，根据上述主题域和维度的选择，构建多维数据模型，如图４~图10所示。
（１） 职位主题。职位主题提供了以时间、单位、定编人员信息、职种职类为分析维度，有关职位名称、工作内容、工作特征、任职资格的综合信息。时间维包括年度、月份和日期3个维层次。定编人员维包括人员种类、人员级别和人员数量。单位维包括单位名称、单位类别和单位级别。职种职类维包括职位种类、所属部室和职位级别。
（２） 人员基本信息主题。人员基本信息主题提供了以时间、学历、技能、职位、职称、单位为分析维度，有关人员的姓名、性别、出生日期、籍贯和数量的综合统计信息。学历维包括学校名称、专业名称、学历、毕业时间、学位、授予时间。技能维包括技能名称、技能类别、技能级别。职称维包括所属类别、级别、评定时间。
（３） 胜任能力主题。胜任能力主题提供了以时间、人员、职位、单位为分析维度，有关人员胜任能力的综合统计信息。人员维包括技能维、学历维、姓名、性别、出生年月和籍贯。
（４） 人员调整配置主题。人员调整配置主题提供了以时间、人员、职位、单位、绩效为分析维度，有关人员调整配置的综合统计信息。绩效维包括考核结果。
（５） 培训开发主题。培训开发主题提供了以时间、人员、职位、单位、职称、培训基地、费用为分析维度，有关培训计划和培训效果的综合统计信息。培训基地维包括使用时间、培训基地名称、培训基地类别。费用维包括费用预算和费用结算。
（６） 绩效考核主题。绩效考核主题提供了以时间、人员、职位、单位、职称、考核指标为分析维度，有关绩效考核结果的综合统计信息。考核标准维包括考核标准。
（７） 薪酬主题。薪酬主题提供了以时间、人员、职位、单位、薪酬种类、绩效考核为分析维度，有关薪酬数量的综合统计信息。薪酬种类维包括基础工资、绩效提薪、奖金、津贴、股权、保障福利、健康与救济福利、退休福利、带薪休假福利。
６ 结 论
针对目前人力资源管理决策信息难以获取和正确性难以保证的问题，建立人力资源数据仓库是比较理想的解决方案。本文通过分析人力资源战略规划和日常业务流程，明确了人力资源工作信息赖以组织的7个主题：职位、人员基本信息、胜任能力、人员调整配置、培训开发、绩效考核、薪酬，并对每一个主题确定了维度，建立了人力资源数据仓库多维数据模型，为解决人力资源决策信息难以获取和正确性难以保证的问题奠定了基础。
主要参考文献
［１］ 彭剑峰． 人力资源管理概论［Ｍ］． 第２版． 上海： 复旦大学出版社， ２０１１．
［２］ Ｗ Ｈ Ｉｎｍｏｎ． Ｂｕｉｌｄｉｎｇ ｔｈｅ Ｄａｔａ Ｗａｒｅｈｏｕｓｅ［Ｍ］． Ｓｅｃｏｎｄ Ｅｄｉｔｉｏｎ． Ｈｏｂｏｋｅｎ，ＮＪ： Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ Ｉｎｃ， １９９６．
［３］ Ｈａｎ Ｊ Ｗ， Ｋａｍｂｅｒ Ｍ． Ｄａｔａ Ｍｉｎｉｎｇ： Ｃｏｎｃｅｐｔｓ ａｎｄ Ｔｅｃｈｎｉｑｕｅｓ［Ｍ］． Ｂｅｉｊｉｎｇ， Ｃｈｉｎａ： Ｃｈｉｎａ Ｍａｃｈｉｎｅ Ｐｒｅｓｓ， ２００６．
［４］ 武森，高学东，［德］Ｍ 巴斯蒂安． 数据仓库与数据挖掘［Ｍ］． 北京： 冶金工业出版社，２００３．
［５］ 刁柏青，乔迪． 人力资源管理数据仓库建设方案设计与实现［Ｊ］． 电力信息化， ２０１１， ９（２）： ８０－８３．
［６］ 郭庆． 数据仓库为中心的企业人力资源统计信息系统的设计与实现［Ｊ］． 人力资源管理：学术版， ２０１０（２）： ４２－４５．
［７］ 项金灵，陈德?，宋玲，王波． 基于ＢＳＣ与数据仓库的高校战略人力资源分析［Ｊ］． 计算机工程与设计， ２０１０，３１（１６）：３６８５－３６８８．
［８］ 胡光道，李振华，梅红波，等． 三峡库区地质灾害数据仓库的设计与实现［Ｊ］． 地球科学――中国地质大学学报， ２０１１，３６（２）： ２５５－２６１．