產品詳情：

中智訊（武漢）科技有限公司
基于大數據的人力資源優化管理設計與實現

一、項目背景

某大型知名地產集團起步于1998年，2009年11月在香港聯交所主板上市，目前已全面完成基于未來移動互聯網、客戶大數據時代的業務戰略布局，成為中國領先的以金融為驅動、社區服務為平臺、開發為工具的金融控股集團，業務涉及社區金融服務、彩生活住宅社區服務、房地產開發、國際商務物業及度假物業運營、社區文化旅游、社區商業管理、社區養老、社區教育產業等八大增值服務領域，覆蓋中國內地109個城市，并在香港、臺北、新加坡、東京設立分公司，在新加坡、美國 、臺灣進行項目投資。體系內擁有XXX控股（01777.HK）和XXX（01778.HK）兩家上市公司平臺，躋身中國最大的社區服務運營商。
為了切實有效掌握員工行為，分析我司員工DNA，合理引導員工及組織提升工作效率，信息部結合中國集團IT信息化建設重點規劃及HR部門的需求，依托2016-2018年集團戰略發展方向，擬建設所有員工的行為大數據平臺項目（以下簡稱本項目），進一步提高集團員工行為數據的精細度與準確度，為后續組織結構、用人編制、企業文化等相關建設工作的決策提供堅實的數據基礎。

二、建設目標

本項目需達到的建設目標如下：
1. 分析員工工作行為數據供HR部門做人力決策參考（如部門人員編制、員工晉升、調崗等），為年度評優、員工管理等提供量化數據與指標，提供改善措施的數據支持和實際的降低人力成本；
2. 真實的反映員工的工作狀態數據，公平公正的評價員工；
3. 實現通過分析員工作行為數據優化公司的管理制度，如獎金制度，以工作飽和度、工作效率、工作質量、員工的忠誠度與歸屬感量化數據提供客觀考核；
4. 分析員工的生活圈、工作圈、興趣愛好等尋找我司員工DNA，針對性的進行企業文化的建設，形成“分析-提升-檢查-調整”的人力資源優化循環。

三、現狀和需求分析

(一)現狀分析
經過分析，某大型知名地產集團在員工行為管理方面面臨的現狀如下：
1)員工從進入公司到離開公司所有的工作和非工作行為無法采集，無法對每一個員工的素質能力、工作過程、工作飽和度、工作效率、工作成果無法細粒度的量化；
2)無法對每一個員工進行客觀的評價，無法進行評優評先，劃定等級類別；
3)無法衡量分析每一個員工崗位勝任力，無法客觀地決定員工工資升降；
4)員工在崗培訓和考核，無法科學地決策員工的職位晉升，辭退挽留，招聘引進；
5)無法科學用工，人盡其才，發揮所長；無法發揮員工創造創新能力；
6)無法科學優化崗位編制和崗位責任，人力投入巨大而效率低下；人資管理、優化、決策主觀性導致的人力成本的提高；
7)無法融合集團、部門、崗位的戰略目標和KPI，建立科學的績效考核制度，完成經營管理目標；
8)無法在科學和諧的用工制度下建立“以人為本、以利潤最大化”的企業文化。

(二)功能性需求

針對以上問題，我們確定本項目功能性需求包括如下內容：
1.員工行為數據全過程收集
員工行為數據是在員工終端PC機上常駐內存運行的Agent程序，該程序收集員工的上網行為（購物網站、色情網站、新聞網站、游戲網站、QQ聊天等網站）、文件操作數據（修改、拷貝、閱讀、刪除、打印、下載、上傳等）、郵件操作數據（收發郵件對象、時間、標題、附件大小、文件保密級別等）等，記錄行為數據的操作用戶、進程名稱、進程路徑、文件名、文件操作類型、標題、URL地址、開始時間、結束時間、活躍時長等信息，并提交給后臺大數據平臺。
員工行為特征提取
員工行為特征提取是按照員工行為管理的業務需求，從海量的員工行為數據中提取員工行為分析所需的特征數據。

員工行為特征提取包括兩部分內容：
1)員工行為標簽和指標元數據管理：為了進行員工行為特征提取，需建立員工行為標簽和指標數據，定義標簽+設置權重+建標簽體系，由業務人員對員工行為標簽和指標進行定義和調整，系統根據這些標簽、權重和指標，對員工行為進行分析建模；

2)員工行為特征數據提取： 使用大數據實時處理技術，根據以上業務用戶定義的員工行為標簽和指標元數據，實時增量地從員工行為數據中提取各種員工行為統計分析建模所需的特征數據。

2.員工行為分析建模

為了從員工行為數據中，提取有價值的員工工作狀態、能力素質、興趣愛好、工作績效等，需要建立相應的員工行為分析模型。
這些模型包括：
1)員工行為畫像模型：基于員工行為特征數據，對每個員工進行動態畫像，形成每個員工量化的標簽云和指標集合，通過員工行為畫像，實現員工特征的定性和定量分析。
2)員工能力素質矩陣：應用聚類分析等算法，根據員工履歷數據中抽取的年齡、學歷、專業、戶籍、住址、家庭、興趣愛好等人口地理信息，結合員工過往的工作績效評價數據，建立員工能力素質矩陣模型；
3)員工工作效率模型：根據員工行為數據中抽取的出勤效率、工作效率、工作飽和度等指標，簡歷員工工作效率模型，對員工工作效率進行分類；
4)員工績效評定模型：基于員工能力素質和平時工作效率，結合公司內部舉行的員工績效評定數據，建立員工績效評定模型，確定每個員工的能力素質和工作行為模式，利用推薦匹配算法，提出每個員工的工作崗位調動、薪資調整、升職辭退等的建議，供人資管理部門決策參考使用；
5)員工流失預警模型：根據員工流失歷史數據，結合流失員工的工作行為數據特征，利用機器學習的決策樹或隨機森林等監督式算法，建立員工流失預警模型，通過員工行為數據監控，對公司重要的骨干員工的可能流失風險進行預警，以便人資管理部門及時進行員工挽留等干預措施，降低員工流失對公司造成的損失。

3.員工行為數據展現和驅動
員工行為數據的統計和分析結果，需要通過豐富的數據圖表進行展示，供業務部門瀏覽和統計分析，同時系統需提供員工行為數據分析的接口，供其他信息系統查詢，以及驅動其他信息系統，啟動相關的業務流程。

(三)非功能性需求

1.系統安全和個人隱私保護
1)用戶角色權限控制：系統需提供各級用戶角色的權限控制，不同部門和不同崗位的用戶，只能擁有相應的操作權限和數據權限，嚴格控制用戶角色管理，防止非授權用戶操作相關功能或瀏覽非授權數據。

2)數據安全和個人隱私保護：公司的員工行為數據，屬于公司人力資源數據的一部分，系統需提供數據安全保護措施，在系統設計和開發過程中，防止數據丟失和外泄；同時，在系統運行維護期間，必須建立定期的數據安全稽核制度，對數據庫、數據集等關鍵數據存儲領域，進行定期和不定期的數據安全監測和檢查。
甲方提供的員工基本信息及員工行為數據，屬于甲方資產，乙方不得以任何理由或方式，具體數據安全和個人隱私保護請參考雙方簽訂的《數據保密協議》相關條款。

2.系統可用性和易用性
本項目系統可用性和易用性包括以下內容：
1)員工終端Agent：員工終端需保證安裝容易，操作簡單，不能對員工終端其他程序的使用造成影響，不能對甲方網絡造成太多的額外負擔，導致網絡響應速度變慢；
2)系統功能界面：系統功能界面需保持操作簡單，支持不同終端（PC機、智能手機和平系統可用性：系統需保證7x24的可用性，平均每年宕機時間比例不得超過0.3%（此指標雙方可進一步協商設定）。

(四)進一步的需求調研
本項目的需求還包括以下內容，需進一步開展需求調研和分析：
1)某大型知名地產集團現有部門組織架構，以及與本項目相關的用戶角色崗位設定；
2)某大型知名地產集團內部現有信息系統，以及能夠提供的員工基本信息、人資績效評定等數據接口；
3)某大型知名地產集團內部網絡設置，以及相關的網絡協議和數據傳輸限制等；
4)某大型知名地產集團內部對本項目的數據接口需求，包括各種報表模板樣式、報告周期、數據字段等；
5)某大型知名地產集團使用本項目后的數據增長預測，需根據用戶人數、每條記錄數據量、每天數據增長量等，確定數據容量增長情況。

四、系統技術路線
本項目建設的技術路線選型包括以下內容：

1.員工終端PC行為數據收集Agent

1.1采集方式
采用服務器/客戶端工作模式。在員工PC機上裝代理程序，實現員工日常行為數據的采集，代理程序實時將行為數據上報到服務器端，然后服務器端進一步分析處理行為數據，最終得到有效可用的行為數據。
方式的優點：
服務器/客戶端分離：簡化客戶端的功能，將分類的處理放在服務器來處理，集中分析數據；
實時數據上報：防止用戶誤刪除日志數據、防止用戶篡改日志數據、保障采集數據的傳輸；

1.2采集方法
客戶端：
基于windows內核編程技術的應用層Win32函數的detour方法，在2進制的層次上，對win32函數進行攔截，從進程、窗口、焦點、鼠標鍵盤消息、網絡連接、網絡報文等方面來獲得上網行為數據、文件操作數據（修改、拷貝、閱讀、刪除、打印、下載、上傳等）、郵件操作數據（收發郵件對象、時間、標題、附件大小、文件保密級別等）等，以操作用戶、進程名稱、進程路徑、文件名、文件操作類型、標題、URL地址、開始時間、結束時間、活躍時長來記錄行為數據并上報服務器。
服務端：
服務端再對各客戶端上報的行為數據進一步分析歸類，處理信息，對上網行為數據進一步分析出購物網站、色情網站、新聞網站、游戲網站、聊天網站，對所有行為數據最終定性工作類和非工作類；
1.3網絡結構圖

說明：
a.在員工PC上裝PC行為采集代理完成原始數據采集；
b.代理與服務通訊，將采集數據上報服務器；
c.服務器對代理上報的數據做一步處理，得到最終結果數據；

2.wifi訪問行為數據采集
監聽的客戶端，不安裝在普通客戶機上，而是為每個wifi選擇一臺服務器，安裝wifi監控客戶端，采用底層網絡捕包算法，內核監控模塊進行監聽。使用wifi的其他客戶感受不到干擾。監聽工作內容主要涵蓋IP、mac地址、機器類型、協議重組、協議內容解析等。
3.員工行為大數據平臺
使用Hadoop + Spark建立大數據集群，集群各部分構成和功能如下：
Kafka分布式消息組件：收集實時的員工行為數據；
HBase數據庫：提供員工基本信息和人資相關數據的存儲，以及海量的員工行為數據

的高速存儲和讀取；
Sqoop數據提取組件：定期增量方式，從現有人力資源管理系統數據庫中，提取員工

基本信息、崗位設定、績效評定等數據；
Spark計算引擎：通過Spark Streaming對Kafka消息流進行處理，提取相關特征，存入HBase數據庫，建立相關模型，定期運行模型進行分析等；
Hive數據倉庫：加載HBase數據，提供HiveQL和UDF用戶定義函數，對常用員工行為數據統計提供支撐；
4.員工行為數據展現
使用ArcPlan 8.x提供各種員工行為數據分析圖表的制作、發布、展現，以及輸出和打印功能。
5.員工行為數據管理平臺
員工行為數據管理平臺使用JavaEE的MVC框架進行搭建，提供以下幾方面的功能：
員工行為標簽管理：對員工行為數據的標簽和指標等元數據進行定義、設置和調整等管理；
用戶權限角色管理：管理本項目所有用戶、角色和權限，管理用戶-角色的授權；
數據接口管理：管理本項目對內和對外數據接口的定義和更新設置。

五、系統設計
(一)系統總體架構
本項目系統總體架構包括數據收集Agent、大數據處理集群、ArcPlan圖表展現服務和平臺管理應用四部分，總體架構示意圖如下：

(二)系統數據流程
1、員工行為數據收集
1)agent管理：提供agent遠程安裝、更新、監控功能
2)kafka消息組件數據寫入：agent服務器將員工行為數據寫入消息組件
3)XXX相關數據庫導入：sqoop用腳本定期將XXX相關數據庫數據寫入Hive。

2、大數據處理
1)Spark Streaming流處理：實時接收Kafka的消息數據，經過解析后，寫入HBase；
2)Spark數據預處理和提取特征Job：對數據進行必要的清洗、轉換等操作，處理缺失值；按照模型要求，提取特征數據，寫入Hive數據倉庫；
3)Spark建模Job：使用Spark SQL從Hive提取特征數據，使用Spark MLlib進行模型計算，然后將模型寫入HDFS文件；
4)Spark評價Job：響應數據展示Web Server的請求，從HDFS加載模型文件，再從Hive加載數據，并進行實時評價；也可以定期運行，將評價數據生成后，寫入Hive或Web Server的MySQL數據庫，這樣數據展現速度更快。
..........
------------------------------------------------------------

更多詳情請登錄中智訊（武漢）科技有限公司官網，歡迎致電垂詢！