數(shù)量關(guān)聯(lián)規(guī)則在企業(yè)員工去留管理中的應(yīng)用

1、數(shù)量關(guān)聯(lián)規(guī)劂在企業(yè)一、企業(yè)員工去留問題的研究方法當(dāng)前研究員工流失問題的主要分析方法有單變量分析和多變量分析。通過單變量分析可得到員工流動的主要原因，如工作不滿意類、生活條件類等。單變量分析不能找出每個變量對于雇員流動的影響程度，也不能通過幾個變量預(yù)測員工流失。而多變量分析可以做到這些，即通過同時分析多個變量對雇員流失的影響。研究人員常采用專家觀察法，即讓N個專家根據(jù)自己的經(jīng)驗，判斷每個變量與雇員流失的關(guān)系(正相關(guān)為N、負(fù)相關(guān)為P)，然后

2、研究人員一致的判斷作為規(guī)則。這種方法有其局限性：一是僅憑專家的經(jīng)驗，未免缺乏客觀性；二是只能定性的表示出一些規(guī)律，不能定量，缺乏精確性。而采用當(dāng)今的前沿技術(shù)——數(shù)量關(guān)聯(lián)規(guī)則，不僅能克服專家觀察法的局限性，還能找出一些不容易發(fā)現(xiàn)的隱藏因素與規(guī)則，這些規(guī)則對公司的管理如“員工離職預(yù)警”，有一定啟示作用。二，數(shù)量關(guān)聯(lián)規(guī)則挖掘的概念、步驟算法及優(yōu)化問曩l、數(shù)量關(guān)聯(lián)規(guī)則挖掘的概念數(shù)據(jù)挖掘就是從海量的數(shù)據(jù)中挖掘出可能有潛在價值的信息的技術(shù)。這些信息

3、支持決策，或為企業(yè)帶來利益，或者為科學(xué)研究尋找突破口。關(guān)聯(lián)規(guī)則是指大量數(shù)據(jù)中項集之間有趣的關(guān)聯(lián)或相關(guān)關(guān)聯(lián)。數(shù)量關(guān)聯(lián)規(guī)則是指同時包含分類屬性和數(shù)值屬性的關(guān)聯(lián)規(guī)則。數(shù)量關(guān)聯(lián)規(guī)則算法的主要技術(shù)路線是布爾關(guān)聯(lián)規(guī)則算法。2、數(shù)量關(guān)聯(lián)挖掘的一般步驟：(1)數(shù)值屬性離散化：屬性域劃分成區(qū)間①等寬度劃分的方法：即將數(shù)據(jù)集在整個屬性值的區(qū)間上平均分布，使用分布較均勻的數(shù)據(jù)。②基于距離的劃分方法：通過聚集團(tuán)經(jīng)濟(jì)研究20071中旬月刊(總第218期)工去留管

4、理中的應(yīng)用文／盧晶晶卞藝杰韓永勝類將屬性值分類，使每一個類對應(yīng)一個區(qū)間。這里采用了K一平均法，從A屬性值的區(qū)間任意選擇K個不同的值，每個值代表一個簇的平均值，根據(jù)簇中A的平均值，將每個屬性A值(重新)賦給最近的簇。然后重新計算每個簇的平均值。這個過程斷重復(fù)，直到準(zhǔn)則函數(shù)收斂。準(zhǔn)則如下：E=∑?！蔯iIx—XiI，x是屬性A值，xi是簇ci的平均值。即簇的分類不再變。③用戶自定義方法。(2)離散區(qū)間整數(shù)化：對分類屬性，將其值映射成連續(xù)的整

5、數(shù)標(biāo)識。沒必要分區(qū)的數(shù)值屬性，其值可按大小順序映射成連續(xù)的整數(shù)。對離散成區(qū)間的數(shù)值屬性，依據(jù)離散后區(qū)間的順序，把區(qū)間映射成連續(xù)的整數(shù)。(3)在離散化的數(shù)據(jù)集上生成頻繁項目集：1994年，Agrawal等人提出了著名的Apriori算法。Apriori采用逐層搜索的迭代法，先找出頻繁卜項集記為L。，用I。找頻繁2一項集L：，而I：用于找L3，如此下去，直到不能找到頻繁K一項集。從LK，找LK，經(jīng)過連接和剪枝兩步。①連接步：為找L。，通過L

6、卜。與自己連接產(chǎn)生候選K一項集C。。設(shè)11和1：是L中的項集，項集中的項按字典序排序。若l。、l：中前(K2)個項相同，則連接l。l：，其結(jié)果l。[1】11[2】l[kl】1lk11②剪枝步：掃描數(shù)據(jù)庫，確定C。中每個候選的計數(shù)，從而確定L。。而CK可能很大，為壓縮Cx，使用Apri—ori性質(zhì)，如果一個候選K一項集的(K一1)一子集不在L。一1中，則該候選不可能是頻繁的，可刪除。(4)產(chǎn)生關(guān)聯(lián)規(guī)則，步驟如下：①對于每一個頻繁項目集L，

7、生成所有的非空子集；②對于L的每一個非空子集x，如果CONFIDENCE(X=(L—x))≥MINCONFIDENCE，則X=(L—X)成立。～本文采用以下的方法來優(yōu)化規(guī)則生成：①設(shè)項目集X。是X的一個子集，若X=(LX)不是強(qiáng)規(guī)則，則X。=(L—X。)一定不是強(qiáng)規(guī)則②設(shè)項目集X。是X的一個子集，若Y=X是強(qiáng)規(guī)則，則Y=X。一定是強(qiáng)規(guī)則。(5)規(guī)則輸出三。有關(guān)員工去留的具體挖掘應(yīng)用案例：圖1是A公司員工信息表，可作為挖掘數(shù)據(jù)庫。圖中隱藏

8、了第4行一第24行的記錄。B—H列屬性分另用A、B、C、D、E、F、G苤!不。^BCDGH觥年齡性勤$＆酗#；奏眭效)]術(shù)平镕感性效力枰斟|性茄刀水平媚1舶(歲l別黼f月)(p21舟制)5卜70舒靜(14—28丹制)概249男51“M罄323女6D32l圭4345男2836023罄25M61女釘14“2l笛262555女I蚪5蚰勰g持續(xù)性效力水平(621分制)：以往行為使員工為公司效力程度的度量。情感性效力水平(5l一70分制)：情感紐

9、帶使員工為公司效力程度的度量。道義性效力水平(14—28分制)：責(zé)任或義務(wù)使員工為公司效力程度的度量。規(guī)定minsup_count≥5，min_conf90％挖掘過程如下：1、屬性離散并整數(shù)化①年齡分布較均勻，用等寬度方法劃分：20～34(A。)、35～49(A：)、50～65(19。②性別：男(B。)女(B：)。③效力本公司的期限(月)屬性數(shù)值分布不均勻、且類之間聚集也不緊，只好采用自定義劃分法：1—49(c，)、C≥50(C2)。④

10、持續(xù)性效率水平可分為好、中、差，可通過聚類(K平均法)的方找出分界點，使同一類放在同一個簇里。第一次迭代：先任意選值7、11、14作為三個簇的平均值，分別找出離簇平均值最近的值，由此產(chǎn)生三個簇8、6、6、9、9、9、9、10、9、9、12、10、13、13、14、15、18、13、13、13、13、13、曩_貝萬方數(shù)據(jù)醒.學(xué)求之窗tHi(111)1~q1):[1)ij.數(shù)量英聯(lián)規(guī)則在企業(yè)iI去留管理中國應(yīng)用、企業(yè)員工去回問題的研究方法當(dāng)

11、前研究員工流失問題的主要分析方法有單變量分析和多變量分析。通過單變量分析可得到員工流動的主要原因，如工作不滿意類、生活條件類等。單變量分析不能找出每個變量對于雇員流動的影響程度，也不能通過幾個變量預(yù)測員工流失。而多變量分析可以做到這些，~Il通過同時分析多個變量對雇員流失的影響。研究人員常采用專家觀察法，即讓N個專家根據(jù)自己的經(jīng)驗，判斷每個變量與雇員流失的關(guān)系(正相關(guān)為N、負(fù)相關(guān)為P)，然后研究人員一致的判斷作為規(guī)則。這種方法有其局限性

12、2一是僅憑專家的經(jīng)驗，未免缺乏客觀性g二是只能定性的表示出一些規(guī)律，不能定量，缺乏精確性。而采用當(dāng)今的前沿技術(shù)一一數(shù)量關(guān)聯(lián)規(guī)則，不僅能克服專家觀察法的局限性，還能找出一些不容易發(fā)現(xiàn)的隱藏因素與規(guī)則，這些規(guī)則對公司的管理如“員工離職預(yù)警有一定啟示作用。二、鼓量關(guān)聯(lián)規(guī)則挖掘的概念、步算法及優(yōu)化問噩l、數(shù)量關(guān)聯(lián)規(guī)則l挖掘的概念數(shù)據(jù)挖掘就是從海量的數(shù)據(jù)中挖掘出可能有潛在價值的信息的技術(shù)。這些信息支持決策，或為企業(yè)帶來利益，或者為科學(xué)研究尋找突破

13、口。關(guān)聯(lián)規(guī)則是指大量數(shù)據(jù)中項集之間有趣的關(guān)聯(lián)或相關(guān)關(guān)聯(lián)。數(shù)量關(guān)聯(lián)規(guī)則是指同時包含分類屬性和數(shù)值屬性的關(guān)聯(lián)規(guī)則。數(shù)量關(guān)聯(lián)規(guī)則算法的主要技術(shù)路線是布爾關(guān)聯(lián)規(guī)則算法。2、數(shù)量關(guān)聯(lián)挖掘的一般步驟:(1)數(shù)值屬性離散化:屬性域劃分成區(qū)間①等寬度劃分的方法:即將數(shù)據(jù)集在整個屬性值的區(qū)間上平均分布，使用分布較均勻的數(shù)據(jù)。②基于距離的劃分方法:通過聚集團(tuán)經(jīng)濟(jì)研究瓦時.1中旬用干1J(總第218期)文盧晶晶下藝杰韓永勝類將屬性值分類，使每一個類對應(yīng)一個區(qū)

14、間。這里采用了K平均法，從A屬性值的區(qū)間任意選擇K個不同的值，每個值代表一個簇的平均值，根據(jù)簇中A的平均值，將每個屬性A值(重新)賦給最近的簇。然后重新計算每個簇的平均值。這個過程斷重復(fù)，直到準(zhǔn)則函數(shù)收斂。準(zhǔn)則l如下:E=Ex(dxXilx是屬性A值，Xi是簇Ci的平均值。即簇的分類不再變。③用戶自定義方法。(2)離散區(qū)間整數(shù)化:對分類屬性，將其值映射成連續(xù)的整數(shù)標(biāo)識。沒必要分區(qū)的數(shù)值屬性，其值可按大小順序映射成連續(xù)的整數(shù)。對離散成區(qū)間

15、的數(shù)值屬性，依據(jù)離散后區(qū)間的順序，把區(qū)間映射成連續(xù)的整數(shù)。(3)在離散化的數(shù)據(jù)集上生成頻繁項目集:1994年，Agrawal等人提出了著名的Aprii算法。Aprii采用逐層搜索的迭代法，先找出頻繁1項集記為L1，用L1找頻繁2一項集L2，而L2用于找L]，如此下去，直到不能找到頻繁K項集。從LK1找LK，經(jīng)過連接和剪枝兩步。①連接步:為找LK?通過LK1與自己連接產(chǎn)生候選K項集CKD設(shè)11和12是LK1中的項集，項集中的項按字典序排序

16、。若11、12中前(K2)個項相同，則連接11∞12?其結(jié)果1m11[2].Ukllk一1)②剪枝步:掃描數(shù)據(jù)庫，確定CK中每個候選的計數(shù)，從而確定LK。而CK可能很大，為壓縮CK，使用Aprii性質(zhì)，如果一個候選K項集的(K1)子集不在Lcl中，則該候選不可能是頻繁的，可刪除。(4)產(chǎn)生關(guān)聯(lián)規(guī)則，步驟如下:①對于每一個頻繁項目集L，生成所有的非空子集，②對于L的每一個非空子集X，如果CONFIDENCE(X=(LX)).MINCONF

17、IDENCE，則X=(LX)成立。本文采用以下的方法來優(yōu)化規(guī)則生成:①設(shè)項目集凡是X的一個子集，若X=(LX)不是強(qiáng)規(guī)則，則X1=(LX1)一定不是強(qiáng)規(guī)則②設(shè)項目集X1是X的一個子集，若y=X是強(qiáng)規(guī)則，則y=x1一定是強(qiáng)規(guī)則。(5)規(guī)則輸出三、有關(guān)員工去固的具體挖掘應(yīng)用持續(xù)性效力水平(621分制):以往行為使員工為公司效力程度的度量。情感性效力水平(5170分制):情感紐帶使員工為公司效力程度的度量。道義性效力水平(1428分制):責(zé)任

18、或義務(wù)使員工為公司效力程度的度量。規(guī)定minsup_count.5ffiILconf注9肌.挖掘過程如下:l、屬性離散并整數(shù)化①年齡分布較均勻，用等寬度方法劃分:2034(A1)、3549(A2)5065(A~。②性別:男(81)女(82)。③效力本公司的期限(月)屬性數(shù)值分布不均勻、且類之間聚集也不緊，只好采用自定義劃分法:149(C1)、c.50(C2)。④持續(xù)性效率水平可分為好、中、差，可通過聚類(K平均法)的方找出分界點，使同…

19、類放在同一個簇里。第一次迭代:先任意選值7、11、14作為三個簇的平均值，分別找出離簇平均值最近的值，由此產(chǎn)生三個簇8、6、6、9、9、9、9、10、9、9、12、1O、I3、13、14、15、18、13、13、13、13、13、國旺皿盈巒皿殂■●■■I翟l圈譬—鬣—■—黧震墓羹蒸辮～21、14、15；再計算所得簇的平均值667、956、1446。第二次迭代：按新得到的平均值重新聚類，即將所有A值按離平均值667、956、1446最近的

20、原則重新分配。發(fā)現(xiàn)所得到的簇仍然沒變，而且準(zhǔn)則收斂，程序結(jié)束。持續(xù)性效率水平屬性：6～8(D。)、9～12(D2)、13～2l(D3)；以此類推，可得：情感性效力水平屬性：51～58(E。)、61～64(E2)、65～70(E3)‘道義性效力水平屬性：14～17(F1)、18～23(F2)、24～28(F1)。2、發(fā)現(xiàn)最大頻繁項目集①Ll生成：挑選minsup_count≥65得項目集組成卜頻繁項目集L。=AJ，A2，A3，Bl，B2，

21、Cl，C2，D2，D3，El，E2，E3，F(xiàn)2，F(xiàn)3，Gl；②L：生成：L。生成2一候選集并通過掃描他它們的支持?jǐn)?shù)，從中挑選minsup_count≥6得項目集組成2一頻繁項目集L!=A。B。，A。Cl，AlD2，AlF2，E3F3，EjGl，F(xiàn)2Gl，F(xiàn)3Gl；③L3生成：L：生成3一候選集并通過掃描他它們的支持?jǐn)?shù)，從中挑選minsup_count≥6得項目集組成3一頻繁項目集L3A。B1D2，AlClGl，A2ClE3，D3F2Gl

22、，E3F3G1；④L。生成：L3生成4一候選集并通過掃描他它們的支持?jǐn)?shù)，從中挑選minsup_count≥6得項目集組成4一頻繁項目集L4=A2BlCiGI，A2ClE3Gl_一C2D3F3Gl；⑤L，生成：L。生成5一候選集C，=中，L5=中，算法停止l⑥得到最大頻繁項集為A。F：，A2D3，BlF2，B2F2，一B2C2D3Gl，B2ClE3Gl，C2D3F3GI。3、生成并優(yōu)化關(guān)聯(lián)規(guī)則：案例中規(guī)則生成還基于下面三個考慮：①輸出用戶

23、感興趣的規(guī)則，這里用戶希望規(guī)則的右端含有C：或D，或E3或F，或G。；②某規(guī)則的左端若包含其它的規(guī)則的左端，此規(guī)則可省略；③只輸出有效地規(guī)則。鍪牟號刪i持羲i做序號搜劓i捧敷l鑷鷓刪i悻敷i髓1埡：矗510嘿5D女；矗510嗤9Ck瞄51柵2B外啦61慨6Efc盤510暇10慨娜510“3C口#‘510皤7蛐fc‘5l嗽iI雎c墨G510儺4D￡c矗5l“8“c舡510睢12吁#陸510014、挖掘規(guī)則應(yīng)用于人才去留管理：①解釋數(shù)據(jù)集中

24、幾個重要的屬性：C屬性值越大，表示為企業(yè)貢獻(xiàn)時間長，可理解為其忠誠度高。員工對工作的熱情度不高，那么他就不會關(guān)注他的工作，那么以往的行為對員工現(xiàn)在及以后的努力也不會產(chǎn)生什么影響；反之如果熱情度越高，那么D值越大。E屬性值較大，表示員工的努力因素中情感因素比較重要，表示其融入集體程度高，即其溝通能力較強(qiáng)。F屬性值越大，說明在員工的努力中責(zé)任感起到的作用大，即他的責(zé)任心就強(qiáng)。②規(guī)則發(fā)現(xiàn)，12個規(guī)則可說明“什么樣的人才比較容易留在企業(yè)中”。規(guī)

25、則發(fā)現(xiàn)一：對于已進(jìn)入航空公司員工，若具有以下特征繼續(xù)留在公司的機(jī)會比較大。剛進(jìn)入企業(yè)的員工，或者工作熱誠度很高，或者非常富有責(zé)任感。(規(guī)則3和9)剛進(jìn)入企業(yè)的年齡在35～49(歲)之間的員工，或者是男性，或者若融入集體的速度很快、即人際關(guān)系很好。(規(guī)則7和8)進(jìn)入公司有一定時期的員工，或者是女陛，或者很有責(zé)任感。(規(guī)則10和12)規(guī)則發(fā)現(xiàn)二：對于還未進(jìn)入航空公司的人，若招聘之處選擇具有以下特征的人今后繼續(xù)留在公司的幾率比較大。選擇“女性

26、”，或年齡在35～49(歲)之間，或溝通能力比較”或品質(zhì)上比較忠誠的。(規(guī)則1、11和10)選擇“熱愛將要從事的工作的人，要么是男性、要么溝通能力比較強(qiáng)、要么責(zé)任感比較強(qiáng)。(規(guī)則2、4和5)選擇“很有責(zé)任感的人，要么‘溝通能力比較強(qiáng)’、要么品質(zhì)上比較忠誠的人。(規(guī)則6和12)規(guī)則發(fā)現(xiàn)三：附加規(guī)則發(fā)現(xiàn)。剛進(jìn)入企業(yè)有責(zé)任心的員工幾乎都是年齡在35～49之間的中年人。工作一段時間的女性工作熱忱度比較強(qiáng)。與集體融合度比較強(qiáng)的女性幾乎是剛進(jìn)入公司

27、不久的。iv工作一段時間又有責(zé)任感的人工作熱忱度比較高。③企業(yè)可將“規(guī)則發(fā)現(xiàn)二”應(yīng)用于招募工作，那么將有利于降低企業(yè)人才流失率。企業(yè)可將“規(guī)則發(fā)現(xiàn)一”應(yīng)用于人才培養(yǎng)工作，這樣可以有針對性的培訓(xùn)人才，從而降低人才流失率?！耙?guī)則發(fā)現(xiàn)三”可以幫助企業(yè)及時掌握管理人員不容易發(fā)現(xiàn)的員工的工作狀態(tài)，從而發(fā)現(xiàn)一些隱藏的問題，然后采取相對應(yīng)的措施，將問題“扼殺于搖籃中”。如規(guī)則11說明在公司工作時間長的女性與集體的融合度越來越低，這將對工作不利，有必要

28、采取措施提高這部分人的情感效力水平。④如果本文收集到的數(shù)據(jù)集數(shù)量足夠多，便可挖掘到“什么樣的人容易離職”的規(guī)則?？杉僭O(shè)通過挖掘發(fā)現(xiàn)“剛進(jìn)入公司的年輕男性，如果工作熱誠度不高，那么他離職的可能性越大”，那么這樣類型的規(guī)則具有預(yù)警作用，如果這個人很優(yōu)秀公司想留住他，那么公司就得及時調(diào)查他工作熱誠度不高的原因，或是個人的或是企業(yè)的，總之管理者想辦法幫他提高工作熱誠度，那么他的離職的可能就會大大降低。四結(jié)論數(shù)量關(guān)聯(lián)規(guī)則算法能夠有效解決許多商業(yè)性

29、關(guān)系型數(shù)據(jù)庫的挖掘問題。本文在通過采用幾種連續(xù)數(shù)值屬性離散化方法，優(yōu)化的Apriori算法和幾種優(yōu)化規(guī)則的原則來提高挖掘效率，并挖掘到了有關(guān)員工去留問題中的有用的隱藏的信息與規(guī)則，從而有針對性的進(jìn)行管理，效率高(作者盧晶晶韓永勝系河海大學(xué)商學(xué)院管理科學(xué)與工程專業(yè)碩士生；卞藝杰系河海大學(xué)商學(xué)院教授博士生導(dǎo)師)集團(tuán)經(jīng)濟(jì)研究200“1中旬月TkJ(總第218期)萬方數(shù)據(jù)|18iI!lIIUHI]翩翩學(xué)術(shù)之窗氣精21、14、15再計算所得簇的平

30、均值6.67、9.56、14.46。第二次迭代:按新得到的平均值重新聚類，即將所有A值按離平均值6.67、弘揚(yáng)、14.46最近的原則重新分配。發(fā)現(xiàn)所得到的簇仍然沒變，而且準(zhǔn)則收斂，程序結(jié)束。持續(xù)性效率水平屬性:68(D，)、912(DJ、1321(D])以此類推，可得:情感性效力水平屬性:5158但，)6164(EJ、6570(E])I道義性效力水平屬性:1417(F，)、1823(FJ、2428(F，)。2、發(fā)現(xiàn)最大頻繁項目集①L，生

31、成:挑選minsup_count~65得項目集組成1頻繁項目集L，=A“A2A]B“B2C“C2D2D]E“E2E]F2F]GI②L2生成L，生成2候選集并通過掃描他它們的支持?jǐn)?shù)，從中挑選minsup_count~6得項目集組成2一頻繁項目集L二A，B“A，C“A，D2A，F(xiàn)2…E品，E，G“F2G“FρI③L]生成L2生成3一候選集并通過掃描他它們的支持?jǐn)?shù)，從中挑選minsup_count~6得項目集組成3頻繁項目集L3=A品隊，A，

32、C，G“A2CE3…D]F2G“E]F]GI④L4生成L]生成4候選集并通過掃描他它們的支持?jǐn)?shù)，從中挑選minsup_count~6得項目集組成4頻繁項目集L4=A2BCG“A2CE]G“…C2D3F3GI③Ls生成L4生成5一候選集Cs=φ，Ls=φ，算法停.11:⑥得到最大頻繁項集為A，磯，A2D]BF2B2F2…B2C2D]G“B2CE3G“C2D3F3G，。3、生成并優(yōu)化關(guān)聯(lián)規(guī)則:案例中規(guī)則生成還基于下面三個考慮:①輸出用戶感興

33、趣的規(guī)則，這里用戶希望規(guī)則的右端含有C2或D]或E3或F3或GIl②某規(guī)則的左端若包含其它的規(guī)則的左端，此規(guī)則可省略g③只輸出有效地規(guī)則。盟4、挖掘規(guī)則應(yīng)用于人才去留管理:①解釋數(shù)據(jù)集中幾個重要的屬性:C屬性值越大，表示為企業(yè)貢獻(xiàn)時間長，可理解為其忠誠度高。員工對工作的熱情度不高，那么他就不會關(guān)注他的工作，那么以往的行為對員工現(xiàn)在及以后的努力也不會產(chǎn)生什么影響g反之如果熱情度越高，~~么D值越大。E屬性值較大，表示員工的努力因素中情感因

34、素比較重要，表示其融入集體程度高，即其溝通能力較強(qiáng)。F屬性值越大，說明在員工的努力中責(zé)任感起到的作用大，即他的責(zé)任心就強(qiáng)。②規(guī)則發(fā)現(xiàn)，12個規(guī)則可說明“什么樣的人才比較容易留在企業(yè)中“。規(guī)則發(fā)現(xiàn)一:對于已進(jìn)入航空公司員工，若具有以下特征繼續(xù)留在公司的機(jī)會比較大。剛進(jìn)入企業(yè)的員工，或者工作熱誠度很高，或者非常富有責(zé)任感。(規(guī)則3和9)剛進(jìn)入企業(yè)的年嶺在3549(歲)之間的員工，或者是男性，或者若融入集體的速度很快、即人際關(guān)系很好。(規(guī)則7

35、和8)進(jìn)入公司有一定時期的員工，或者是女性，或者很有責(zé)任感。性見則10和12)規(guī)則發(fā)現(xiàn)二:對于還未進(jìn)入航空公司的人，若招聘之處選擇具有以下特征的人今后繼續(xù)留在公司的幾率比較大。選擇“女性或年齡在3549(歲)之間，或溝通能力比較“或品質(zhì)上比較忠誠的。性見則l、11和10)選擇“熱愛將要從事的工作的人，要么是男性、要么溝通能力比較強(qiáng)、要么責(zé)任感比較強(qiáng)。(規(guī)則2、4和5)選擇“很有責(zé)任感的人，要么‘溝通能力比較強(qiáng)、要么品質(zhì)上比較忠誠的人。(

36、規(guī)則6和12)JJE、規(guī)則發(fā)現(xiàn)三:附加規(guī)則發(fā)現(xiàn)。剛進(jìn)入企業(yè)有責(zé)任心的員工幾乎都是年齡在3549之間的中年人。工作一段時間的女性工作熱忱度比較強(qiáng)。與集體融合度比較強(qiáng)的女性幾乎是剛進(jìn)入公司不久的。iv工作一段時間又有責(zé)任感的人工作熱忱度比較高。③企業(yè)可將“規(guī)則發(fā)現(xiàn)二“應(yīng)用于招募工作，那么將有利于降低企業(yè)人才流失率。企業(yè)可將“規(guī)則發(fā)現(xiàn)一“應(yīng)用于人才培養(yǎng)工作，這樣可以有針對性的培訓(xùn)人才，從而降低人才流失率?！耙?guī)則發(fā)現(xiàn)三“可以幫助企業(yè)及時掌握管理

37、人員不容易發(fā)現(xiàn)的員工的工作狀態(tài)，從而發(fā)現(xiàn)一些隱藏的問題，然后采取相對應(yīng)的措施，將問題“扼殺于搖籃中“。如規(guī)則11說明在公司工作時間長的女性與集體的融合度越來越低，這將對工作不利，有必要采取措施提高這部分人的情感放力水平。@如果本文收集到的數(shù)據(jù)集數(shù)量足夠多，便可挖掘到“什么樣的人容易離職“的規(guī)則?？杉僭O(shè)通過挖掘發(fā)現(xiàn)“剛進(jìn)入公司的年輕男性，如果工作熱誠度不高，那么他離職的可能性越大那么這樣類型的規(guī)則具有預(yù)警作用，如果這個人很優(yōu)秀公司想留住他

38、，那么公司就得及時調(diào)查他工作熱誠度不高的原因，或是個人的或是企業(yè)的，總之管理者想辦法幫他提高工作熱誠度，那么他的離職的可能就會大大降低。四、結(jié)論數(shù)量關(guān)聯(lián)規(guī)則算法能夠有效解決許多商業(yè)性關(guān)系型數(shù)據(jù)庫的挖掘問題。本文在通過來用幾種連續(xù)數(shù)值屬性離散化方法，優(yōu)化的Aprii算法和幾種優(yōu)化規(guī)則的原則來提高挖掘效率，并挖掘到了有關(guān)員工去留問題中的有用的隱藏的信息與規(guī)則，從而有針對性的進(jìn)行管理，效率高作者盧畫畫、韓永勝寒河海大學(xué)商學(xué)院管理科學(xué)與工程專業(yè)