CN116934284B - 基于大数据的人力资源数据管理方法 - Google Patents

Abstract

本发明涉及数据分析技术领域，具体涉及基于大数据的人力资源数据管理方法，包括：采集员工的人力资源数据并进行预处理得到目标序列；根据目标序列获取目标序列中各项目标数据的对员工职位的影响程度，结合目标序列中的各项目标数据，获取员工职位发生变动的第一概率参数；根据各级职位所有员工的目标序列获取各级职位的基准值序列；根据基准值序列获取员工职位发生变动的第二概率参数；根据第一概率参数与第二概率参数，获取调取员工目标数据的概率参数，对人力资源数据进行管理。本发明通过分析调取员工人力资源数据的概率，调整员工目标数据的排序，达到提高人力资源数据的调取效率的目的。

Description

基于大数据的人力资源数据管理方法

技术领域

本发明涉及数据分析技术领域，具体涉及基于大数据的人力资源数据管理方法。

背景技术

随着当今社会的发展，科技水平的提高，大数据时代已然来临。目前随着大数据时代的来临，信息技术的发展发生了巨大的变化，而这些变化又对人民的生活和社会的生产产生巨大的影响，尤其是在商业领域、医疗领域、制造业领域、金融领域等行业中，同时大数据时代的来临也对人力资源数据的存储产生了巨大的影响。大数据管理人力资源数据可以更好地了解员工、发掘人才、满足员工需求，从而为企业构建一个更为高效的人力资源管理体系。

但也因为大数据时代的来临，企业所收集的数据也随之成倍的增加，所存储的人力资源数据也越来越多，而为了将特定样本的人力资源数据从大量的人力资源数据中调出所花费的算力成本也随之提升，使人力资源数据的调取效率降低。而本发明针对上述问题，提出了一种人力资源数据的存储方法，达到在整体上提高人力资源数据的调取效率的目的。

发明内容

本发明提供基于大数据的人力资源数据管理方法，以解决现有的问题：人力资源数据的调取效率低。

本发明的基于大数据的人力资源数据管理方法采用如下技术方案：

本发明一个实施例提供了基于大数据的人力资源数据管理方法，该方法包括以下步骤：

采集员工的人力资源数据，对员工的人力资源数据进行预处理，并将经过预处理后的员工的人力资源数据记为目标数据，将目标数据依照获取顺序进行排列得到目标序列；

根据各级职位所有员工的各项目标数据获取各项目标数据的对员工职位的影响程度；

根据员工的各项目标数据与员工所在职位所有员工的目标数据，获取员工的各项目标数据与自身职位的匹配程度参数；根据员工的各项目标数据与员工所在的下一级职位所有员工的目标数据，获取员工的各项目标数据与员工所在的下一级职位的匹配程度参数，并得到员工的各项目标数据与员工所在的上一级职位的匹配程度参数；根据各项目标数据的对员工职位的影响程度、员工的各项目标数据与自身职位的匹配程度参数以及员工的各项目标数据与员工所在的下一级与上一级职位的匹配程度参数，获取员工职位发生变动的第一概率参数；

根据各级职位所有员工的目标序列获取各级职位的基准值序列；根据各级职位的基准值序列获取特征集合；根据特征集合获取员工职位发生变动的第二概率参数；

根据员工职位发生变动的第一概率参数与第二概率参数，获取调取员工目标数据的概率参数，根据调取员工目标数据的概率参数对人力资源数据进行管理。

优选的，所述采集员工的人力资源数据，对员工的人力资源数据进行预处理，包括的具体步骤如下：

将人力资源中的各项文本信息转化成数字的形式，首先获取员工的人力资源数据内各项文本信息中的等级，将各项文本信息中的等级从低到高进行排序，得到各项文本信息中的等级序列；

将各项文本信息中的等级序列内第一个等级标记为1，将各项文本信息中的等级序列内第二个等级标记为2，将各项文本信息中的等级序列内第三个等级标记为3；以此类推，完成各项文本信息中的所有等级的标记；

将各项文本信息中的等级替换成所标记的数值，得到人力资源数据内各项文本信息的数字形式。

优选的，所述获取各项目标数据的对员工职位的影响程度，包括的具体计算公式如下：

式中，表示第/>项目标数据对员工在职位/>与职位/>之间发生变动的影响程度；/>表示所有职位/>员工的第/>项目标数据的均值；/>表示所有职位/>员工的第/>项目标数据的均值；/>表示所有职位/>员工的第/>项目标数据的标准差；/>表示所有职位/>员工的第/>项目标数据的标准差。

优选的，所述获取员工的各项目标数据与自身职位的匹配程度参数，包括的具体计算公式如下：

式中，表示员工/>的第/>项目标数据与自身职位的匹配程度参数；/>表示员工/>所在职位所有员工的第/>项目标数据的均值；/>表示员工/>所在职位所有员工的第/>项目标数据的标准差；/>表示员工/>的第/>项目标数据。

优选的，所述获取员工的各项目标数据与员工所在的下一级职位的匹配程度参数，包括的具体计算公式如下：

式中，表示员工/>的第/>项目标数据与员工/>的下一级职位的匹配程度参数；表示员工/>的下一级职位所有员工的第/>项目标数据的均值；/>表示员工/>的下一级职位所有员工的第/>项目标数据的标准差；/>表示员工/>的第/>项目标数据。

优选的，所述获取员工职位发生变动的第一概率参数，包括的具体计算公式如下：

式中，表示员工/>职位发生变动的第一概率参数；/>表示第/>项目标数据对员工/>所在的职位与员工/>的下一级职位之间发生变动的影响程度；/>表示第/>项目标数据对员工/>所在的职位与员工/>的上一级职位之间发生变动的影响程度；/>表示员工/>的第/>项目标数据与自身职位的匹配程度参数；/>表示员工/>的第/>项目标数据与员工/>的下一级职位的匹配程度参数；/>表示员工/>的第/>项目标数据与员工/>的上一级职位的匹配程度参数，/>表示员工/>所在职位，/>+1表示员工/>的下一级职位，/>表示员工/>的上一级职位；/>表示目标数据的数量。

优选的，所述获取各级职位的基准值序列，包括的具体步骤如下：

对于第个职位，以第/>个职位的所有员工各项目标数据的均值作为第/>个职位的各项目标数据的基准值；由第/>个职位的各项目标数据的基准值按照目标数据的获取顺序，组成第/>个职位的基准值序列。

优选的，所述获取特征集合，包括的具体步骤如下：

对于第个职位，计算第/>个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数，得到第/>个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数，并将第/>个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数记为第/>个职位的特征集合。

优选的，所述获取员工职位发生变动的第二概率参数，包括的具体计算公式如下：

式中，表示员工/>职位发生变动的第二概率参数；/>表示员工/>的目标序列与员工/>的下一级职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的目标序列与员工/>所在职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的下一级职位的特征集合中所有皮尔逊相关系数的方差；/>表示员工/>所在职位的特征集合中所有皮尔逊相关系数的方差；/>表示员工/>的目标序列与员工/>的上一级职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的上一级职位的特征集合中所有皮尔逊相关系数的方差。

优选的，所述根据员工职位发生变动的第一与第二概率参数，获取调取员工目标数据的概率参数，根据调取员工目标数据的概率参数对人力资源数据进行管理，包括的具体步骤如下：

将员工职位发生变动的第一概率参数与员工职位发生变动的第二概率参数的乘积作为调取员工目标数据的概率参数；

依照调取员工目标数据的概率参数，对所有员工进行降序排序，得到所有员工序列；按照所有员工序列对所有员工的目标数据进行存储管理。

本发明的技术方案的有益效果是：由于大数据时代的来临，企业所收集的数据也随之成倍的增加，所存储的人力资源数据也越来越多，而为了将特定样本的人力资源数据从大量的人力资源数据中调出所花费的算力成本也随之提升，使人力资源数据的调取效率降低，而本发明通过分析员工职位发生变动概率，得到调取员工人力资源数据的概率，根据调取员工人力资源数据的概率对员工的人力资源数据进行管理，达到在整体上提高人力资源数据的调取效率的目的。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于大数据的人力资源数据管理方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于大数据的人力资源数据管理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于大数据的人力资源数据管理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于大数据的人力资源数据管理方法的步骤流程图，该方法包括以下步骤：

步骤S001：采集员工的人力资源数据，并对员工的人力资源数据进行预处理。

需要说明的是，本实施例作为一种基于大数据的人力资源数据管理方法，其主要是通过分析各个员工的人力资源数据的变动概率，将人力资源数据变动概率高的员工置于前部，将人力资源数据变动概率低的员工置于后部，且员工的人力资源数据的变动概率越高，则所处的存储位置则越靠前，员工的人力资源数据的变动概率越低，则所处的存储位置则靠后；达到在整体上提高调用员工人力资源数据效率的目的。

因此，需要获取员工的人力资源数据，而人力资源数据包括：员工的基本信息、员工的过往经历、员工的绩效等各项数据。

需要进一步说明的是，由于人力资源数据中存在大量的文本信息，为了能够更好的对人力资源数据中的文本信息进行分析，所以需要对人力资源数据中的文本信息进行预处理。

具体的，将人力资源中的各项文本信息转化成数字的形式，首先获取员工的人力资源数据内各项文本信息中的等级，将各项文本信息中的等级从低到高进行排序，得到各项文本信息中的等级序列；

将各项文本信息中的等级序列内第一个等级标记为1，将各项文本信息中的等级序列内第二个等级标记为2，将各项文本信息中的等级序列内第三个等级标记为3；以此类推，完成各项文本信息中的所有等级的标记。

将各项文本信息中的等级替换成所标记的数值，得到人力资源数据内各项文本信息的数字形式。

至此，完成人力资源数据的预处理，并将预处理后的人力资源数据记为目标数据，将目标数据依照获取顺序进行排列得到目标序列。

步骤S002：根据各级职位所有员工的各项目标数据获取各项目标数据的对员工职位的影响程度。

需要说明的是，当员工职位发生变动，需要调取员工的目标数据，即员工职位发生变动的概率越大，则调取员工目标数据的概率就越大，而且可以通过员工之间的目标数据获得员工职位发生变动的第一概率参数，因此可以通过员工之间的目标数据，获取员工目标数据变动的概率参数。同时在企业中，员工的职位升降总是连续的，很少出现职位跳级升降的情况，所以在本实施例中仅计算员工在相邻的职位之间发生变动的第一概率参数。

需要进一步说明的是，各项目标数据对员工职位的影响程度是不同的，所以首先需要获取各项目标数据对员工职位的影响程度。

具体的，首先统计相邻各级职位所有员工的各项目标数据的均值与标准差，再根据各级职位所有员工的各项目标数据的均值与标准差获取各项目标数据对员工职位的影响程度，其具体的计算公式如下：

式中，表示第/>项目标数据对员工在职位/>与职位/>之间发生变动的影响程度；/>表示所有职位/>员工的第/>项目标数据的均值；/>表示所有职位/>员工的第/>项目标数据的均值；/>表示所有职位/>员工的第/>项目标数据的标准差；/>表示所有职位/>员工的第/>项目标数据的标准差。

需要注意的是，职位与职位/>是相邻的两个职位。

需要说明的是，表征的是，所有职位/>员工的第/>项目标数据的均值与所有职位/>员工的第/>项目标数据的均值的差，所以当/>的值越大，则表示职位/>员工与职位员工在第/>项目标数据之间的差异越大，说明第/>项目标数据对员工在职位/>与职位/>之间发生变动的影响程度就越大；

表征的是，所有职位/>员工的第/>项目标数据的标准差与所有职位/>员工的第/>项目标数据的均值的比值，所以当/>的值越大，则表示职位/>员工的第/>项目标数据分布越离散；反之当/>的值越小，则表示职位/>员工的第/>项目标数据分布越集中；同理当/>的值越大，则表示职位/>员工的第/>项目标数据分布越离散，当/>的值越小，则表示职位/>员工的第/>项目标数据分布越集中；所以当/>的值越大，则表明职位/>与职位/>的员工在第/>项目标数据分布的差异越大，说明第/>项目标数据对员工在职位/>与职位/>之间发生变动的影响程度就越大；

所以的值越大，则第/>项目标数据对员工在职位/>与职位/>之间发生变动的影响程度就越大。

至此，得到第项目标数据对员工在职位/>与职位/>之间发生变动的影响程度，同理得到各项目标数据对员工在各级职位之间变动的影响程度。

步骤S003：根据员工的各项目标数据以及各项目标数据对员工在各级职位之间变动的影响程度获取员工职位发生变动的第一概率参数。

需要说明的是，在企业内员工的职位变动并不是仅由一项目标数据造成的，而是由多项目标数据造成的，所以各项目标数据对员工在各级职位之间变动的影响程度，获取调取员工目标数据的概率参数。

需要进一步说明的是，在企业内员工的职位共有两种变动，一种是升职一种是降职，所以需要结合两种变动获取调取员工目标数据的概率参数。

首先，根据员工的各项目标数据与员工所在职位所有员工的目标数据，获取员工的各项目标数据与自身职位的匹配程度参数，其具体的计算公式如下：

式中，表示员工/>的第/>项目标数据与自身职位的匹配程度参数；/>表示员工/>所在职位所有员工的第/>项目标数据的均值；/>表示员工/>所在职位所有员工的第/>项目标数据的标准差；/>表示员工/>的第/>项目标数据。

需要进一步说明的是，表示员工/>所在职位的第/>项目标数据的均值与员工/>的第/>项目标数据的差异，/>的值越大，则说明员工/>的第/>项目标数据与自身职位越不匹配；/>表示员工/>所在职位的第/>项目标数据的标准差与均值的比值，/>的值越小，则表示员工/>所在职位的第/>项目标数据越集中，说明员工/>的第/>项目标数据与自身职位越不匹配；所以/>的值越大员工/>的第/>项目标数据与自身职位越不匹配。

然后，通过各级职位所有员工的各项目标数据的均值与标准差，获取员工的各项目标数据员工的下一级职位的匹配程度参数，其具体的计算公式如下：

式中，表示员工/>的第/>项目标数据与员工/>的下一级职位的匹配程度参数；表示员工/>的下一级职位所有员工的第/>项目标数据的均值；/>表示员工/>的下一级职所有员工位的第/>项目标数据的标准差；/>表示员工/>的第/>项目标数据。

需要说明的是，表示员工/>的下一级职位的第/>项目标数据的均值与员工/>的第/>项目标数据的差异，/>的值越大，则说明员工/>的第/>项目标数据与员工/>的下一级职位越不匹配；/>的值越小，则表示员工/>的下一级职位的第/>项目标数据越集中，说明员工/>的第/>项目标数据与自身职位越不匹配，所以/>的值越大员工/>的第/>项目标数据与员工/>的下一级职位越不匹配。

同理，可得员工的第/>项目标数据与员工/>的上一级职位的匹配程度参数记为。

最后，根据员工的第/>项目标数据与员工/>的下一级职位的匹配程度参数、员工/>的第/>项目标数据与员工/>的上一级职位的匹配程度参数、员工/>的第/>项目标数据与自身职位的匹配程度参数以及各项目标数据对员工在各级职位之间变动的影响程度，得到员工职位发生变动的第一概率参数，其具体的计算公式为：

式中，表示员工/>职位发生变动的第一概率参数；/>表示第/>项目标数据对员工/>所在的职位与员工/>的下一级职位之间发生变动的影响程度；/>表示第/>项目标数据对员工/>所在的职位与员工/>的上一级职位之间发生变动的影响程度；/>表示员工/>的第/>项目标数据与自身职位的匹配程度参数；/>表示员工/>的第/>项目标数据与员工/>的下一级职位的匹配程度参数；/>表示员工/>的第/>项目标数据与员工/>的上一级职位的匹配程度参数，/>表示员工/>所在职位，/>+1表示员工/>的下一级职位，/>表示员工/>的上一级职位；/>表示目标数据的数量。

需要说明的是，表征的是员工/>的第/>项目标数据与员工/>的下一级职位的匹配程度；/>表征的是员工/>的第/>项目标数据与员工/>的上一级职位的匹配程度；因此/>表征员工/>的第/>项目标数据与员工/>的上一级以及下一级职位的匹配程度，即表示员工/>职位发生变动的第一概率参数，而/>越大则说明员工/>职位发生变动的概率越大。

值得一提的是，当员工的职位为最高级职位或最低级职位时，仅需要考虑与员工所在的职位相邻的职位即可，其具体的计算公式为：

式中，表示员工/>职位发生变动的第一概率参数；/>表示第/>项目标数据对员工/>所在的职位与员工/>的下一级职位之间发生变动的影响程度；/>表示第/>项目标数据对员工/>所在的职位与员工/>的上一级职位之间发生变动的影响程度；/>表示员工/>的第/>项目标数据与自身职位的匹配程度参数；/>表示员工/>的第/>项目标数据与员工/>的下一级职位的匹配程度参数；/>表示员工/>的第/>项目标数据与员工/>的上一级职位的匹配程度参数；/>表示员工/>所在职位；/>+1表示员工/>的下一级职位；/>表示员工/>的上一级职位；/>表示企业内的最高职位。

至此，获取员工职位发生变动的第一概率参数，同理得到所有员工职位发生变动的第一概率参数。

步骤S004：根据各级职位所有员工的目标序列获取各级职位的基准值序列；根据各级职位的基准值序列获取特征集合；根据特征集合获取员工职位发生变动的第二概率参数。

需要说明的是，单独对某项或某些目标数据分析员工职位发生变动过于片面，需要在分析员工职位发生变动的概率时需要结合员工目标序列中的所有目标数据进行分析。

具体的，对于第个职位，以第/>个职位的所有员工各项目标数据的均值作为第/>个职位的各项目标数据的基准值；由第/>个职位的各项目标数据的基准值按照目标数据的获取顺序，组成第/>个职位的基准值序列；

然后计算第个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数，其中由于皮尔逊相关系数的计算属于公知的技术，故在本实施例中不再赘述，得到第/>个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数，并将第/>个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数记为第/>个职位的特征集合，同理的到其他所有职位的特征集合；

最后，通过员工的目标序列与员工所在职位的基准值序列之间的皮尔逊相关系数、员工的目标序列与员工相邻职位的基准值序列之间的皮尔逊相关系数、员工所在职位的特征集合以及员工相邻职位的特征集合，得到员工职位发生变动的第二概率参数，其具体的计算公式如下：

式中，表示员工/>职位发生变动的第二概率参数；/>表示员工/>的目标序列与员工/>的下一级职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的目标序列与员工/>所在职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的下一级职位的特征集合中所有皮尔逊相关系数的方差；/>表示员工/>所在职位的特征集合中所有皮尔逊相关系数的方差；/>表示员工/>的目标序列与员工/>的上一级职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的上一级职位的特征集合中所有皮尔逊相关系数的方差。

需要进一步说明的是，对于员工，员工/>的目标序列与员工/>所在职位的基准值序列之间的皮尔逊相关系数越大，则员工/>的目标序列与员工/>所处职位的基准值序列越相似，说明员工/>职位发生变动的概率就越小；员工/>所在职位的特征集合的方差越大，则员工所在职位对目标序列的包容度就越大，说明员工/>职位发生变动的概率就越小；员工/>的目标序列与员工/>的下一级或上一级职位的基准值序列之间的皮尔逊相关系数越大，则员工/>的目标序列与员工/>的下一级或上一级职位的基准值越相似越相似，说明员工/>职位发生变动的概率就越大；员工/>下一级或上一级职位的特征集合的方差越大，则员工/>下一级或上一级职位对目标序列的包容度就越大，说明员工/>职位发生变动的概率就越大；所以员工职位发生变动的第二概率参数越大，则员工职位发生变动的概率就越大。

至此，获取员工职位发生变动的第二概率参数，同理获取所有员工职位发生变动的第二概率参数。

步骤S005：根据员工职位发生变动的第一概率参数与第二概率参数，获取调取员工目标数据的概率参数，根据调取员工目标数据的概率参数对人力资源数据进行管理。

需要说明的是，员工职位发生变动的第一概率参数与第二概率参数越大调取员工目标数据的概率就越大，所以可以根据员工职位发生变动的第一概率参数与第二概率参数，获取调取员工目标数据的概率参数，其具体的计算公式为：

式中，表示调取员工/>目标数据的概率参数；/>表示员工/>职位发生变动的第一概率参数；/>表示员工/>职位发生变动的第二概率参数。

至此，得到调取员工目标数据的概率参数，同理得到调取员工目标数据的概率参数。

需要进一步说明的是，调取员工目标数据的概率参数越大，调取员工目标数据的概率也就越大，所以根据调取员工目标数据的概率参数，对人力资源数据进行管理。

具体的，依照调取员工目标数据的概率参数，对所有员工进行降序排序，得到所有员工序列；按照所有员工序列对所有员工的目标数据进行存储管理，即把调取员工目标数据的概率参数高的员工的目标数据置于数据库上层，把调取员工目标数据的概率参数低的员工的目标数据置于数据库下层，达到在整体上提高目标数据的调取效率。

需要说明的是，对于本实施例的公式中，可能会存在分母为0的情况，为避免这种情况的发生，本实施例在分式计算中对分子分母同时加1，在本实施例中不再赘述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.基于大数据的人力资源数据管理方法，其特征在于，该方法包括以下步骤：

采集员工的人力资源数据，对员工的人力资源数据进行预处理，并将经过预处理后的员工的人力资源数据记为目标数据，将目标数据依照获取顺序进行排列得到目标序列；

所述采集员工的人力资源数据，对员工的人力资源数据进行预处理，包括的具体步骤如下：

将人力资源中的各项文本信息转化成数字的形式，首先获取员工的人力资源数据内各项文本信息中的等级，将各项文本信息中的等级从低到高进行排序，得到各项文本信息中的等级序列；

将各项文本信息中的等级序列内第一个等级标记为1，将各项文本信息中的等级序列内第二个等级标记为2，将各项文本信息中的等级序列内第三个等级标记为3；以此类推，完成各项文本信息中的所有等级的标记；

将各项文本信息中的等级替换成所标记的数值，得到人力资源数据内各项文本信息的数字形式；

根据各级职位所有员工的各项目标数据获取各项目标数据的对员工职位的影响程度；

所述获取各项目标数据的对员工职位的影响程度，包括的具体计算公式如下：

式中，表示第/>项目标数据对员工在职位/>与职位/>之间发生变动的影响程度；/>表示所有职位/>员工的第/>项目标数据的均值；/>表示所有职位/>员工的第/>项目标数据的均值；/>表示所有职位/>员工的第/>项目标数据的标准差；/>表示所有职位/>员工的第/>项目标数据的标准差；

根据员工的各项目标数据与员工所在职位所有员工的目标数据，获取员工的各项目标数据与自身职位的匹配程度参数；

获取员工的各项目标数据与自身职位的匹配程度参数，包括的具体计算公式如下：

式中，表示员工/>的第/>项目标数据与自身职位的匹配程度参数；/>表示员工/>所在职位所有员工的第/>项目标数据的均值；/>表示员工/>所在职位所有员工的第/>项目标数据的标准差；/>表示员工/>的第/>项目标数据；

根据员工的各项目标数据与员工所在的下一级职位所有员工的目标数据，获取员工的各项目标数据与员工所在的下一级职位的匹配程度参数，并得到员工的各项目标数据与员工所在的上一级职位的匹配程度参数；根据各项目标数据的对员工职位的影响程度、员工的各项目标数据与自身职位的匹配程度参数以及员工的各项目标数据与员工所在的下一级与上一级职位的匹配程度参数，获取员工职位发生变动的第一概率参数；

根据各级职位所有员工的目标序列获取各级职位的基准值序列；根据各级职位的基准值序列获取特征集合；根据特征集合获取员工职位发生变动的第二概率参数；

根据员工职位发生变动的第一概率参数与第二概率参数，获取调取员工目标数据的概率参数，根据调取员工目标数据的概率参数对人力资源数据进行管理；

所述获取员工的各项目标数据与员工所在的下一级职位的匹配程度参数，包括的具体计算公式如下：

式中，表示员工/>的第/>项目标数据与员工/>的下一级职位的匹配程度参数；/>表示员工/>的下一级职位所有员工的第/>项目标数据的均值；/>表示员工/>的下一级职位所有员工的第/>项目标数据的标准差；/>表示员工/>的第/>项目标数据；

所述获取员工职位发生变动的第一概率参数，包括的具体计算公式如下：

式中，表示员工/>职位发生变动的第一概率参数；/>表示第/>项目标数据对员工/>所在的职位与员工/>的下一级职位之间发生变动的影响程度；/>表示第/>项目标数据对员工/>所在的职位与员工/>的上一级职位之间发生变动的影响程度；/>表示员工/>的第/>项目标数据与自身职位的匹配程度参数；/>表示员工/>的第/>项目标数据与员工/>的下一级职位的匹配程度参数；/>表示员工/>的第/>项目标数据与员工/>的上一级职位的匹配程度参数，/>表示员工/>所在职位，/>+1表示员工/>的下一级职位，/>表示员工/>的上一级职位；表示目标数据的数量；

所述获取各级职位的基准值序列，包括的具体步骤如下：

对于第个职位，以第/>个职位的所有员工各项目标数据的均值作为第/>个职位的各项目标数据的基准值；由第/>个职位的各项目标数据的基准值按照目标数据的获取顺序，组成第/>个职位的基准值序列；

所述获取特征集合，包括的具体步骤如下：

对于第个职位，计算第/>个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数，得到第/>个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数，并将第/>个职位的每个员工的目标序列与第/>个职位的基准值序列之间的皮尔逊相关系数记为第/>个职位的特征集合；

所述获取员工职位发生变动的第二概率参数，包括的具体计算公式如下：

式中，表示员工/>职位发生变动的第二概率参数；/>表示员工/>的目标序列与员工/>的下一级职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的目标序列与员工/>所在职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的下一级职位的特征集合中所有皮尔逊相关系数的方差；/>表示员工/>所在职位的特征集合中所有皮尔逊相关系数的方差；/>表示员工/>的目标序列与员工/>的上一级职位的基准值序列之间的皮尔逊相关系数；/>表示员工/>的上一级职位的特征集合中所有皮尔逊相关系数的方差；

所述根据员工职位发生变动的第一与第二概率参数，获取调取员工目标数据的概率参数，根据调取员工目标数据的概率参数对人力资源数据进行管理，包括的具体步骤如下：

将员工职位发生变动的第一概率参数与员工职位发生变动的第二概率参数的乘积作为调取员工目标数据的概率参数；

依照调取员工目标数据的概率参数，对所有员工进行降序排序，得到所有员工序列；按照所有员工序列对所有员工的目标数据进行存储管理。