JP2013503400A - 公的セクタの雇用と私的セクタの雇用の間における労働力移行を管理するためのシステムおよび方法 - Google Patents
公的セクタの雇用と私的セクタの雇用の間における労働力移行を管理するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2013503400A JP2013503400A JP2012527072A JP2012527072A JP2013503400A JP 2013503400 A JP2013503400 A JP 2013503400A JP 2012527072 A JP2012527072 A JP 2012527072A JP 2012527072 A JP2012527072 A JP 2012527072A JP 2013503400 A JP2013503400 A JP 2013503400A
- Authority
- JP
- Japan
- Prior art keywords
- job
- sector
- workforce
- node
- human resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
方法が、労働者プールを構成することを含み、労働者プールは、第1の労働力セクタ中の複数の人的資源を含む。加えて、方法は、第1の労働力セクタとは異なる第2の労働力セクタ中で動作する複数のビジネスエンティティを構成することを含む。複数のビジネスエンティティを構成することは、複数の求人に関する求人情報を記憶することを含む。さらに、方法は、労働者プールを人的資本管理(HCM)分類に正規化することを含む。加えて、方法は、複数の求人をHCM分類に正規化することを含む。方法はまた、正規化された労働者プール中の少なくとも1つの人的資源を第1の労働力セクタから第2の労働力セクタに再配置するのを容易にすることを含む。容易にすることは、少なくとも1つの人的資源を、正規化された複数の求人中の少なくとも1つの求人に合致させることを含む。
Description
(関連出願の相互参照)
本出願は、2009年8月28日に出願された米国仮出願第61/237,924号からの優先権を主張し、この仮出願の開示全体を参照により組み込む。本出願は、2003年4月10日に出願された米国特許出願第10/412,096号、2008年12月23日に出願された米国特許出願第12/342,116号、2009年6月26日に出願された米国特許出願第12/492,438号、2010年1月25日に出願された米国特許出願第12/692,937号、2006年2月10日に出願された米国特許出願第11/351,835号、および2007年1月25日に出願された米国特許出願第11/698,603号の開示全体を援用する。
本出願は、2009年8月28日に出願された米国仮出願第61/237,924号からの優先権を主張し、この仮出願の開示全体を参照により組み込む。本出願は、2003年4月10日に出願された米国特許出願第10/412,096号、2008年12月23日に出願された米国特許出願第12/342,116号、2009年6月26日に出願された米国特許出願第12/492,438号、2010年1月25日に出願された米国特許出願第12/692,937号、2006年2月10日に出願された米国特許出願第11/351,835号、および2007年1月25日に出願された米国特許出願第11/698,603号の開示全体を援用する。
本発明は一般に、データの電子分類に関し、限定ではないがより詳細には、ある労働力セクタから別の労働力セクタへの人的資源の再配置を容易にするためのシステムおよび方法に関する。
様々な理由で、人的資源は、第1の労働力セクタから第2の労働力セクタへの労働力移行を頻繁に行う。一般的な例の1つは、軍務への参与の終了時に、または公的セクタに戻る前に私的セクタで経験を積むための一時的移行として、軍事要員が公的セクタから私的セクタに移動するものである。通常、公的セクタエンティティ中、例えば軍支部中などでは、ある形式の労働者分類を内部的に使用して、人的資源のスキルおよび経験が分類されるかまたは記述される場合がある。しかし、私的セクタ中では、他の多数の命名法および分類を利用して、人的資源のスキルおよび経験が分類されるかまたは記述される場合がある。したがって、第1の労働力セクタから第2の労働力セクタへの労働力移行は極めて難しく、特に、人的資源がキャリアプランの一部として第1の労働力セクタと第2の労働力セクタとの間で行ったり来たりしながら移動するときには難しい。
一実施形態では、方法が、労働者プールを構成することを含み、労働者プールは、第1の労働力セクタ中の複数の人的資源を含む。労働者プールを構成することは、人的資源情報を記憶することを含む。加えて、方法は、第1の労働力セクタとは異なる第2の労働力セクタ中で動作する複数のビジネスエンティティを構成することを含む。複数のビジネスエンティティを構成することは、複数の求人に関する求人情報を記憶することを含む。さらに、方法は、人的資源情報の少なくとも一部を介して、労働者プールを人的資本管理(HCM)分類に正規化することを含む。加えて、方法は、求人情報の少なくとも一部を介して、複数の求人をHCM分類に正規化することを含む。方法はまた、正規化された労働者プール中の少なくとも1つの人的資源を第1の労働力セクタから第2の労働力セクタに再配置するのを容易にすることを含む。容易にすることは、少なくとも1つの人的資源を、正規化された複数の求人中の少なくとも1つの求人に合致させることを含む。方法は、プロセッサとメモリとを有する1つまたは複数のコンピュータを介して実施される。
別の実施形態では、コンピュータプログラム製品が、コンピュータ可読プログラムコードが組み入れられたコンピュータ使用可能媒体を備え、コンピュータ可読プログラムコードは、方法を実施するために実行されるように適合される。方法は、労働者プールを構成することを含み、労働者プールは、第1の労働力セクタ中の複数の人的資源を含む。労働者プールを構成することは、人的資源情報を記憶することを含む。加えて、方法は、第1の労働力セクタとは異なる第2の労働力セクタ中で動作する複数のビジネスエンティティを構成することを含む。複数のビジネスエンティティを構成することは、複数の求人に関する求人情報を記憶することを含む。さらに、方法は、人的資源情報の少なくとも一部を介して、労働者プールを人的資本管理(HCM)分類に正規化することを含む。加えて、方法は、求人情報の少なくとも一部を介して、複数の求人をHCM分類に正規化することを含む。方法はまた、正規化された労働者プール中の少なくとも1つの人的資源を第1の労働力セクタから第2の労働力セクタに再配置するのを容易にすることを含む。容易にすることは、少なくとも1つの人的資源を、正規化された複数の求人中の少なくとも1つの求人に合致させることを含む。
以上の発明の概要は、本発明の各実施形態またはあらゆる態様を表すものとはしない。
本発明の方法および装置に関するより完全な理解は、添付の図面と共に後続の「発明を実施するための形態」を参照することによって得ることができる。
次に、本発明の様々な実施形態について、添付の図面を参照しながらより完全に述べる。しかし本発明は、多くの異なる形で具体化することができ、本明細書に示す実施形態に限定されるものと解釈されるべきではない。そうではなく、これらの実施形態は、本開示が詳細かつ完全となるように、また本発明の範囲を当業者に完全に伝えることになるように、提供するものである。
図1Aに、主題領域に関する情報を取り込み、分類し、活用するのに使用できるシステム100を示す。システム100は、例えば、主題領域サーバ10、データスチュワード102、ウェブサーバ104、ネットワークスイッチ106、サイト管理者108、ウェブブラウザ110、ウェブサービス消費者112、およびネットワーク114を含むことができる。様々な実施形態で、ウェブサーバ104は、例えばウェブブラウザ110またはウェブサービス消費者112のユーザに、ネットワーク114を介してウェブサービスを提供することができる。典型的な一実施形態では、提供されるウェブサービスは、主題領域サーバ10によって可能にされる。ウェブサーバ104および主題領域サーバは通常、例えばネットワークスイッチ106を介して、通信可能に結合される。データスチュワード102は、主題領域サーバ10上に存在する主題専門知識を維持および提供することができる。典型的な一実施形態では、サイト管理者は、例えば、主題領域サーバ10へのアクセスを制御するセキュリティポリシを定義および実施することができる。ウェブサーバ104および主題領域サーバ10の例示的な機能については、後続の図に関してより詳細に述べる。
図1Bに、主題領域サーバ10a上に存在しそこで実行されてよい様々なハードウェアまたはソフトウェアコンポーネントを示す。様々な実施形態で、主題領域サーバ10aは、図1Aの主題領域サーバ10と同様とすることができる。典型的な一実施形態では、主題領域サーバ10aは、解析およびマッピングエンジン14、類似性および関連性エンジン16、属性差分エンジン11、および言語ライブラリ18を備えることができる。解析およびマッピングエンジン14、類似性および関連性エンジン16、属性差分エンジン11、および言語ライブラリ18の例示的な実施形態については、図2および後続の図に関して論じる。
図2に、主題領域に関する情報を取り込み、分類し、活用するのに使用できるフロー200を示す。上記により詳細に述べるように、典型的な一実施形態では、言語ライブラリ28は、フロー200の多くの側面を可能にする。典型的な一実施形態では、言語ライブラリ28は、図1Bの言語ライブラリ18と同様である。言語ライブラリ28は、典型的な一実施形態では、主題領域における専門知識を介して選択および強化された辞書の集まりを含む。いくつかの実施形態では、例えば、主題領域は人的資本管理(HCM)とすることができる。典型的な一実施形態では、辞書の集まりのうちのサブジェクト辞書のセットが、主題領域についてのベクトル空間を一括して定義する。フロー200を容易にするために、他の辞書もまた辞書の集まりに含まれてよい。例えば、1つまたは複数のコンテキスト辞書が、サブジェクト辞書のセットにまたがるコンテキストを提供することができる。様々な実施形態で、言語ライブラリ28は、辞書の集まりを介して、例えば入力レコード22の語句が主題領域において何を意味することができるかに関して知識、スキル、およびノウハウをカプセル化してそれらへのアクセスを提供するように動作可能である。
フロー200は通常、取り込んで分類するための入力レコード22で開始する。様々な実施形態で、入力レコード22は、構造化レコードと非構造化レコードのいずれかとすることができる。本明細書において、構造化レコードは、事前定義済みのデータ要素と、主題領域についてのベクトル空間への既知のマッピングとを有するレコードである。反対に、本明細書において、非構造化レコードは、事前定義済みのデータ要素、および/またはベクトル空間への既知のマッピングがないレコードである。したがって、入力レコード22は、例えば、データベース、テキスト文書、スプレッドシート、または他の任意の情報搬送手段もしくは情報記録手段とすることができる。実質的に、入力レコード22は通常、全体的または部分的にマスタ分類218に分類することが望ましい情報を含む。一実施形態では、例えば、履歴書、職務記述、および他の人的資本情報を、人的資本管理(HCM)マスタ分類に分類することができる。
解析およびマッピングエンジン24は通常、入力レコード22を受け取り、言語ライブラリ28を介して入力レコード22を変換するように動作する。解析およびマッピングエンジン24は通常、図1Bの解析およびマッピングエンジン14と同様である。典型的な一実施形態では、解析およびマッピングエンジン24は、入力レコード22を言語単位に解析することができる。入力レコード22が構造化レコードであるか非構造化レコードであるかにとりわけ依存して、様々な方法を利用して言語単位を得ることができる。言語単位は例えば、入力レコード22の、単語、句、文、または他のいずれかの有意味なサブセットとすることができる。典型的な一実施形態では、解析およびマッピングエンジン24は、各言語単位をベクトル空間上に射影する。射影は通常、言語ライブラリ28によって通知され、言語ライブラリ28は、直接に、または辞書スチュワードシップツール210を介してアクセスされる。辞書スチュワードシップツール210および言語隔離所212は、図2では別個に示されているが、様々な実施形態で言語ライブラリ28の一部であってもよい。
辞書スチュワードシップツール210は一般に、雑音語を無視することができるよう、入力レコード22中の「雑音語」を識別してそれらにフラグを立てるように動作する。雑音語は、例えば雑音語辞書に含めることによって、比較的重要でないと事前決定された単語である、と考えることができる。例えば、いくつかの実施形態では、「a」や「the」などの冠詞は雑音語と考えることができる。典型的な一実施形態では、雑音語は、入力レコード22から除去されないが、その代わり、言語隔離所212中に配置され、フロー200の残りに対しては無視される。
辞書スチュワードシップツール210はまた、通常、言語ライブラリ28によって強化できない言語単位を言語隔離所212中に配置するように動作可能である。いくつかの実施形態では、これらの言語単位は、これらの言語単位に関する関連情報を言語ライブラリ28から得ることができないので、強化することができない。典型的な一実施形態では、辞書スチュワードシップツール210は、強化できない言語単位、およびこれらの言語単位の出現頻度を追跡することができる。頻度が統計的に有意になるのに伴い、辞書スチュワードシップツール210は、将来に言語ライブラリ28に含められる可能性を見越して、このような言語単位にフラグを立てることができる。
解析およびマッピングエンジン24は一般に、言語単位をベクトル空間上に射影して、多次元ベクトル206を生成する。多次元ベクトル206の各次元は一般に、言語ライブラリ28中のサブジェクト辞書のセットからのサブジェクト辞書に対応する。このようにして、多次元ベクトル206の各次元は、言語単位の可能な1つまたは複数の意味と、これらの可能な意味における信頼性レベルとを反映することができる。
類似性および関連性エンジン26は、典型的な一実施形態では、多次元ベクトル206を受け取り、言語単位の可能な意味の数を削減し、マスタ分類218における言語単位の分類を開始するように動作可能である。類似性および関連性エンジンは通常、図1Bの類似性および関連性エンジン16と同様である。マスタ分類218は複数のノード216を含み、これらのノードは、様々な実施形態で、数百、数千、または数百万という数に上る場合がある。マスタ分類218は通常、上から下へより一般的なレベルからより具体的なレベルまでの複数のレベルにわたる階層である。複数のレベルは、例えば、領域レベル220、カテゴリレベル222、サブカテゴリレベル224、クラスレベル226、ファミリレベル228、および種レベル238を含むことができる。複数のノード216中の各ノードは通常、マスタ分類218の複数のレベルのうちの1つに位置する。
加えて、複数のノード216中の各ノードは一般に、主題領域のベクトル空間中のベクトルとして測定することができる。様々な実施形態で、ベクトルは、マスタデータのセットに基づくベクトル空間における方向および大きさを有することができる。マスタデータのセットは、様々な実施形態で、主題領域における専門家によってマスタ分類218中の複数のノード216のうちのノードに確実にマッチングされたデータとすることができる。マスタデータのセットは大きく多様であり統計的に正規化されているのが最適であることを、当業者なら理解するであろう。さらに、ノード構造230によって示されるように、複数のノード216中の各ノードは、ラベル232と、マスタ分類218におけるそのノードの位置を表す階層配置234と、主題領域に関連する属性236とを有することができる。属性236は一般に、複数のノード216中の特定のノードに確実にマッチングされた、マスタデータのセット中のデータからの言語単位を含む。
類似性および関連性エンジン26は通常、一連のベクトルベースの計算を用いて、多次元ベクトル206に対するベストマッチノードである、複数のノード216中のノードを識別する。一連のベクトルベースの計算に基づくベストマッチであることに加えて、典型的な一実施形態では、ベストマッチノードはまた、いくつかの事前定義済みの基準を満たさなければならない。事前定義済みの基準は、例えば、ベストマッチノードにおける精度または信頼性に対する量的しきい値を指定することができる。
典型的な一実施形態では、類似性および関連性エンジン26はまず、ファミリレベル228でベストマッチノードを識別することを試みる。ファミリレベル228に位置する複数のノード216中のどのノードも所定の基準を満たさない場合は、類似性および関連性エンジン26は、クラスレベル226まで上に移動し、再びベストマッチノードの識別を試みることができる。類似性および関連性エンジン26は、ベストマッチノードが識別されるまで、マスタ分類218中で1レベル上に移動し続けることができる。後でより詳細に述べるように、マスタ分類が大きい多様なマスタデータのセットに基づくとき、類似性および関連性エンジン26がファミリレベル228でベストマッチノードを識別できることになることは、一般に適切な仮定である。このようにして、類似性および関連性エンジン26は通常、マスタ分類218の種レベル238における類似の種の集まりを構成する、複数のノード中のノードを、ベストマッチノードとして生成する。典型的な一実施形態では、次いで、類似の種の集まりを属性差分エンジン21によって処理することができる。
典型的な一実施形態では、種レベル238の各ノードは、ノードをスポットライト属性に対して定義するプロダクトキー248を有することができる。プロダクトキー248は、例えば、コア属性のセット250、修飾属性のセット252、およびキー性能インジケータ(KPI)のセット254を含むことができる。スポットライト属性は、典型的な一実施形態では、ある種を別の種から区別する目的で特に重要性を持つ、コア属性のセット250中の属性である。例えば、人的資本管理の主題領域に関する人的資本管理マスタ分類においては、スポットライト属性は、人的資源の賃金レートとすることができる。さらに別の例として、生命保険の主題領域に関する生命保険分類では、スポットライト属性は、人物の平均余命とすることができる。
コア属性250は一般に、種レベル238のノードを定義する。修飾属性252は一般に、ある種を別の種から差別化するコア属性のうちのコア属性である。KPI254は一般に、スポットライト属性に大きく影響し、したがってスポットライト属性を統計的に駆動すると考えることができる修飾属性のうちの修飾属性である。典型的な一実施形態では、属性差分エンジン21は、KPI254を活用して、未分類ベクトル242を類似の種の集まりの中のそれぞれの種と比較するように動作可能である。未分類ベクトル242は、典型的な一実施形態では、類似性および関連性エンジン26によって修正および最適化された多次元ベクトル206である。
典型的な一実施形態では、属性差分エンジン21は、未分類ベクトル242を新しい種244と考えることができるか既存の種246(すなわち類似の種の集まりからの種)と考えることができるかを判定するように動作可能である。未分類ベクトル242が既存の種244であると判定された場合は、未分類ベクトル242は、そのように分類することができ、既存の種244のスポットライト属性を有すると考えることができる。未分類ベクトル242が新しい種246であると判定された場合は、未分類ベクトル242の属性を使用して新しい種244を定義することができる。新しい種244のスポットライト属性は、例えば、類似度の関数として、すなわち類似の種の集まりのうちの最も類似する1つからの距離の関数として定義することができ、この距離はKPI245を介して計算される。
図3〜14に、人的資本管理(HCM)ベクトル空間を利用し、HCM主題領域における専門知識を活用する、例示的な実施形態を示す。当業者なら理解するであろうが、HCMは例えば、人的資本の雇用、人的資本の配置、ならびに人的資本の活用および報酬を含むことができる。HCMに関するこれらの例示的な実施形態は、本発明の様々な原理をどのように適用できるかについての例を提供するためにのみ提示するものであり、限定と解釈すべきでないことは、当業者なら理解するであろう。
図3に、HCM言語ライブラリ38を示す。様々な実施形態で、HCM言語ライブラリ38は、図2の言語ライブラリ28および図1Bの言語ライブラリ18と同様とすることができる。HCM言語ライブラリ38は通常、HCMマスタ辞書356、略語辞書362、推論辞書360、および複数のサブジェクト辞書358を含み、複数のサブジェクト辞書358は、典型的な一実施形態では、HCMベクトル空間を一括して定義する。複数のサブジェクト辞書358は、場所辞書358(1)、組織辞書358(2)、製品辞書358(3)、職務辞書358(4)、カレンダ辞書358(5)、および人物辞書358(6)を含むことができる。例えば、複数のサブジェクト辞書358は、それぞれ、場所の名前(例えば「カリフォルニア」)、人的資本を雇用できる組織またはビジネスの名前(例えば「ジョンソン社」)、製品名(例えば「マイクロソフトウィンドウズ」)、職務地位(例えば「データベース管理者」)、カレンダの日付に関係する用語(例えば「11月」)、および人名(例えば「ジェーン」や「スミス」)を含むことができる。典型的な一実施形態では、略語辞書362、推論辞書360、および例えば雑音語辞書は、HCMコンテキスト辞書と考えることができる。というのは、このような辞書はそれぞれ、複数のサブジェクト辞書にまたがる追加のコンテキストを提供するからである。
典型的な一実施形態では、HCMマスタ辞書356は、略語辞書362、推論辞書360、および複数のサブジェクト辞書358のスーパーセットである。このようにして、HCMマスタ辞書356は一般に、略語辞書362、推論辞書360、および複数のサブジェクト辞書358中に存在する各エントリを少なくとも含む。HCMマスタ辞書356は、典型的な一実施形態では、言語単位の品詞を示す複数のブール属性356aを含むことができる。複数のブール属性356aは、例えば、ある言語単位が名詞、動詞、形容詞、代名詞、前置詞、冠詞、接続詞、または略語であるかを示すことができる。図3に示すように、複数のサブジェクト辞書358のそれぞれもまた、関連するブール属性を含むことができる。
典型的な一実施形態では、HCMマスタ辞書356、略語辞書362、推論辞書360、および複数のサブジェクト辞書358は、例えばHCMマスタデータのセットを介して、作成しデータ投入することができる。HCMマスタデータのセットは、様々な実施形態で、例えばHCM主題領域における専門家によって、HCM言語ライブラリ38に入力されたデータとすることができる。いくつかの実施形態では、様々な外部辞書からの標準的な辞書単語および用語を、例えば複数のサブジェクト辞書358に統合することができる。
図4に、人的資本情報、例えば履歴書や職務記述などを分類するのに使用できる、HCMマスタ分類418を示す。様々な実施形態で、HCMマスタ分類418は、図2のマスタ分類218と同様とすることができる。HCMマスタ分類418は通常、職務領域レベル420、職務カテゴリレベル422、職務サブカテゴリレベル424、職務クラスレベル426、職務ファミリレベル428、および職務種レベル438を含む。
様々な実施形態で、HCMマスタ分類418およびHCM言語ライブラリ38は、図2の言語ライブラリ28およびマスタ分類218に関して述べたのと同様にして、HCMの主題の専門知識を介してHCMマスタデータのセットに構成され事前較正される。より詳細には、HCMマスタデータのセットは、一連のレコード、例えば、職務記述、役職名、履歴書セグメントなどを含むことができる。図2のマスタ分類218に関して述べたように、HCMマスタ分類418中の各ノードは、HCM主題領域のHCMベクトル空間におけるベクトルとして測定することができる。したがって、HCMマスタ分類418中の各ノードは、HCMマスタデータのセットに基づくHCMベクトル空間における方向および大きさを有することができる。HCMマスタデータのセットは、様々な実施形態で、HCM主題領域における専門家によってHCMマスタ分類418のノードに確実にマッチングされたデータとすることができる。HCMマスタデータのセットは大きく多様であり統計的に正規化されているのが最適であることを、当業者なら理解するであろう。
図5に、HCMマスタ分類518についての例示的なデータベーステーブルを示す。典型的な一実施形態では、職務階層502が、1つまたは複数の職務ノード508を含むことができる。1つまたは複数の職務ノード508はそれぞれ、通常、職務ノードタイプ514を有することができる。職務ノードタイプ514は、例えば、図4に関して述べた、職務領域レベル420、職務カテゴリレベル422、職務サブカテゴリレベル424、職務クラスレベル426、職務ファミリレベル428、および職務種レベル438のうちの1つとすることができる。1つまたは複数の職務ノード508はそれぞれ、1つまたは複数の職務ノード属性506を有することができる。典型的な一実施形態では、職務ノード506のうちの1つまたは複数は、1つまたは複数の職務ノード508のスポットライト属性のKPIとすることができる。典型的な一実施形態では、各職務ノード属性506は、職務ノード属性タイプ512を有することができる。典型的な一実施形態では、職務ノード代替510が、職務ノード508を識別する代替手段を提供することができる。
図6に、入力レコード、例えば図2の入力レコード22などからの生データをカプセル化することのできる生データ・データ構造62を示す。生データは、解析およびマッピングエンジン、例えば図2の解析およびマッピングエンジン24などによって使用可能なように、生データ・データ構造62に変換し準拠させることができる。典型的な一実施形態では、生データ・データ構造62は、例えば、役職名属性604、スキルリスト属性606、製品属性608、組織情報属性610、日付範囲属性612、職務場所属性614、および職務記述属性616を含むことができる。様々な既知の技術、例えば光学文字読取(OCR)やインテリジェント文字読取(ICR)などを利用して、生データを生データ・データ構造62に変換することができる。様々な既知の技術および第三者解決法を利用して生データを図7の生データ・データ構造702に変換できることは、当業者なら認識するであろう。
図7に、解析およびマッピングエンジン74についての例示的なプロセス700を示す。様々な実施形態で、解析およびマッピングエンジン74は、図2の解析およびマッピングエンジン24および図1Bの解析およびマッピングエンジン14と同様とすることができる。典型的な一実施形態では、プロセス700は、例えば図3のHCM言語ライブラリ38を介して、例えば図2の入力レコード22などの入力レコードを変換するように動作可能である。解析ステップ702で、解析およびマッピングエンジン74は、生データ、例えば図6の生データ・データ構造62のインスタンスなどを、言語単位に解析する。典型的な一実施形態では、ステップ704、706、708、および710は、ステップ702で解析された言語単位の各言語単位について個別に進行する。
スペルチェックステップ704で、解析およびマッピングエンジン74は、ステップ702で解析された言語単位からの言語単位のスペルチェックを実施することができる。略語ステップ706で、言語単位が略語である場合に、解析およびマッピングエンジン74は、略語について1つまたは複数の意味を識別することを試みる。推論ステップ708で、解析およびマッピングエンジン74は、ステップ704および706の言語単位または結果に基づいて行うことのできる推論があれば、それを識別する。ステップ710で、ステップ702、704、706、および708の累積結果として、言語単位は、例えば、複数のサブジェクト辞書、例えば図3の複数のサブジェクト辞書358などのうちの1つまたは複数にカテゴリ化される。加えて、言語単位の信頼性レベルまたは重みを測定することができる。このようにして、解析およびマッピングエンジン74は、例えば図3のHCM言語ライブラリ38を介して、生データを変換するように動作可能である。
図8Aに、解析ステップ、例えば図7の解析ステップ702などの間に実施することのできる解析フロー800を示す。ステップ802で、解析方法が決定される。図2に関して言及したように、入力レコード、例えば図2の入力レコード22などは、構造化レコードまたは非構造化レコードとすることができる。構造化レコードは、事前定義済みの要素と、既知のマッピング(この場合はHCMベクトル空間への)とを有するレコードである。したがって、入力レコード、例えば図2の入力レコード22などが構造化レコードである場合は、解析の目的で既知のマッピングに従うことができる。
しかし、入力レコード、例えば図2の入力レコード22などが非構造化レコードである場合は、他の解析方法、例えばテンプレート解析や言語解析などを利用することができる。テンプレート解析は、例えばテンプレートに準拠するフォームを介して、データを受け取ることを含むことができる。このようにして、テンプレート解析は、フォーム上の言語単位の配置に基づいて言語単位を識別することを含むことができる。様々な第三者インテリジェントデータキャプチャ(IDC)解決法を利用してテンプレート解析を可能にすることができることは、当業者なら理解するであろう。
例えばテンプレート解析が実現可能でないかまたは好ましくないときは、言語解析を使用して非構造化レコードを解析することができる。典型的な一実施形態では、言語解析は、HCM言語ライブラリ、例えば図3のHCM言語ライブラリ38などを参照することを含むことができる。図7の解析およびマッピングエンジン74は、HCM言語ライブラリ、例えば図3のHCM言語ライブラリ38などを使用して、非構造化レコードの中の各言語単位を識別し、各言語単位の品詞を決定することができる。言語単位は単一の単語(例えば「データベース」)であってもよく、あるいは論理的単位を形成する単語の組合せ(例えば「データベース管理者」)であってもよいことは、当業者なら認識するであろう。典型的な一実施形態では、言語解析は、非構造化レコードの言語ダイアグラムを作成することに等しい。
図8Aのステップ804で、解析およびマッピングエンジン74は、ステップ802で決定された解析方法に従って、入力レコード、例えば図2の入力レコード22などを解析することができる。典型的な一実施形態では、ステップ804の結果、複数の解析済み言語単位を得ることができる。ステップ806で、解析およびマッピングエンジン74は、例えば図3のHCM言語ライブラリ38を使用して、入力レコードの中の雑音語にフラグを立てることができる。様々な実施形態で、雑音語にフラグを立てることは、図2に関して述べたのと同様にして行うことができる。ステップ806の後、解析フロー800は完了する。
図8Bに、様々な実施形態で解析フロー800によって生成することのできる例示的な解析済みデータレコード82を示す。典型的な一実施形態では、解析済みデータレコード82は、解析フロー800によって生成された複数の解析済み言語単位を含む。複数の解析済み言語単位は、例えば単語とすることができる。図示のように、典型的な一実施形態では、解析済みデータレコード82は、図7の生データ・データ構造702に遡ることができる。
図9に、解析およびマッピングエンジン74によって例えば図7のスペルチェックステップ704の間に実施することのできる、スペルチェックフロー900を示す。通常、スペルチェックフロー900は、例えば図8Aの解析フロー800によって生成された複数の解析済み言語単位からの、解析済み言語単位で開始する。表1は、ステップ902の間に実施することのできるスペルチェックアルゴリズムの例示的なリストを含む。これらのアルゴリズムについて、以下により詳細に述べる。
ステップ902で、解析およびマッピングエンジン74は、解析済み言語単位に対して文字標準化アルゴリズムを実施することができる。例えば、「全角ダッシュ」、「半角ダッシュ」、改行できないハイフン、および他の記号は、それぞれ異なる記号であるにもかかわらず、現実世界の文書で頻繁に交換可能に使用されることは、当業者なら理解するであろう。様々な実施形態で、文字標準化アルゴリズムの実施は、解析済み言語単位を、そのような曖昧さを除去する標準的な文字セットに変換するように作用する。このようにして、スペルチェックフロー900の効率および効果を向上させることができる。
ステップ904で、解析およびマッピングエンジンは、探索のためのサブジェクト辞書を選択することができる。典型的な一実施形態では、探索のために選択されるサブジェクト辞書は、複数のサブジェクト辞書、例えば図3の複数のサブジェクト辞書358のうちの1つとすることができる。様々な実施形態で、解析およびマッピングエンジン74は、性能最適化として、図3の複数のサブジェクト辞書358を所定の順序でチェックすることができる。この性能最適化は通常、より高くランク付けされた辞書中での完全一致が、より低くランク付けされた辞書中での完全一致よりも重要であるという前提に基づく。したがって、より高くランク付けされた辞書中で完全一致がある場合、複数のサブジェクト辞書358中の他の辞書を探索するどんな必要もなくすことができる。
特定の目的に応じて、様々な順序を利用することができる。例えば、いくつかの実施形態では、解析およびマッピングエンジン74は、複数のサブジェクト辞書358を、職務辞書358(4)、製品辞書358(3)、組織辞書358(2)、場所辞書358(1)、カレンダ辞358(5)、人物辞書358(6)の順にチェックすることができる。これらの実施形態では、解析済み言語単位についての完全一致が職務辞書358(4)中で見つかった場合、この一致が使用され、さらに他の辞書は探索されない。このようにして、計算リソースを温存することができる。
ステップ906で、解析およびマッピングエンジン74は、ステップ904で探索のために選択されたサブジェクト辞書中で、解析済み言語単位についての完全一致を識別することを試みることができる。典型的な一実施形態では、図7の解析およびマッピングエンジン74は、探索のために選択されたサブジェクト辞書に対して、解析済み言語単位について完全一致アルゴリズムを実施することができる。典型的な一実施形態では、完全一致アルゴリズムは、探索のために選択されたサブジェクト辞書中で解析済み言語単位についての完全一致が見つかった場合は1を返し、そうでない場合は0を返す。
ステップ906で、探索のために選択されたサブジェクト辞書中で解析済み言語単位について完全一致が見つかった場合、典型的な一実施形態では、スペルチェックフロー900はステップ908に進む。ステップ908で、この完全一致は保持され、この辞書に関して他のスペルチェックアルゴリズムを実施する必要はない。加えて、この完全一致には、一致係数1を割り当てることができる。一致係数については後でより詳細に論じる。ステップ908から、スペルチェックフロー900は直接にステップ914に進む。
ステップ906で完全一致アルゴリズムが解析済み言語単位について0を返した場合は、スペルチェックフロー900はステップ910に進む。ステップ910で、解析およびマッピングエンジン74は、一致係数を介して、探索のために選択されたサブジェクト辞書中での上位一致を識別することができる。本明細書において、一致係数は、第1の言語単位が第2の言語単位に言語的に一致する程度の尺度としての働きをするメトリックと考えることができる。一致係数の計算の一部として、編集距離比率アルゴリズムおよびメタフォン比率アルゴリズムを実施することができる。
当業者なら理解するであろうが、第1の言語単位(すなわち「A」)と第2の言語単位(すなわち「B」)との間の編集距離比率を計算するための公式を、以下のように表すことができる。
Max_Length=Max(A.Length,B.Length)
Edit−Distance Ratio(A,B)=(Max_Length − Edit Distance(A,B))/Max_Length
2つの言語単位間の編集距離は、第1の言語単位(すなわち「A」)を第2の言語単位(すなわち「B」)に変換するのに必要な編集の最小数として定義することができる。第1の言語単位(すなわち「A」)の長さを、第1の言語単位に含まれる文字の数として定義することができる。同様に、第2の言語単位(すなわち「B」)の長さを、第2の言語単位に含まれる文字の数として定義することができる。編集距離を計算する目的で許容できる「編集」は、単一文字の挿入、削除、または置換のみであることは、当業者なら認識するであろう。さらに、上に表した編集距離比率の公式は本質的に例示であり、様々な実施形態で本発明の原理を逸脱することなく修正または最適化できることも、当業者なら認識するであろう。このようにして、解析済み言語単位と、探索のために選択されたサブジェクト辞書中の対象言語単位との間の編集距離比率を、同様に計算することができる。
Max_Length=Max(A.Length,B.Length)
Edit−Distance Ratio(A,B)=(Max_Length − Edit Distance(A,B))/Max_Length
2つの言語単位間の編集距離は、第1の言語単位(すなわち「A」)を第2の言語単位(すなわち「B」)に変換するのに必要な編集の最小数として定義することができる。第1の言語単位(すなわち「A」)の長さを、第1の言語単位に含まれる文字の数として定義することができる。同様に、第2の言語単位(すなわち「B」)の長さを、第2の言語単位に含まれる文字の数として定義することができる。編集距離を計算する目的で許容できる「編集」は、単一文字の挿入、削除、または置換のみであることは、当業者なら認識するであろう。さらに、上に表した編集距離比率の公式は本質的に例示であり、様々な実施形態で本発明の原理を逸脱することなく修正または最適化できることも、当業者なら認識するであろう。このようにして、解析済み言語単位と、探索のために選択されたサブジェクト辞書中の対象言語単位との間の編集距離比率を、同様に計算することができる。
当業者なら理解するであろうが、ダブルメタフォン比率を計算するための公式は、以下のように表すことができる。
Double−Metaphone Ratio(A,B)=Edit−Distance Ratio(A.Phonetic_Form,B.Phonetic_Form)
当業者なら理解するであろうが、ダブルメタフォン比率アルゴリズムは、第1の言語単位(すなわち「A」)と第2の言語単位(すなわち「B」)とについて音声形式を比較し、第1の言語単位と第2の言語単位が音声的に一致する程度を示す0と1の間の浮動小数点数を返す。様々な実施形態で、ダブルメタフォン比率アルゴリズムは、例えばA.Phonetic_FormおよびB.Phonetic_Formがどのように決定されるか、ならびにA.Phonetic_FormとB.Phonetic_Formとの間の編集距離比率がどのように計算されるかについて異なる場合がある。このようにして、解析済み言語単位と、探索のために選択されたサブジェクト辞書中の対象言語単位との間のダブルメタフォン比率を、同様に計算することができる。
Double−Metaphone Ratio(A,B)=Edit−Distance Ratio(A.Phonetic_Form,B.Phonetic_Form)
当業者なら理解するであろうが、ダブルメタフォン比率アルゴリズムは、第1の言語単位(すなわち「A」)と第2の言語単位(すなわち「B」)とについて音声形式を比較し、第1の言語単位と第2の言語単位が音声的に一致する程度を示す0と1の間の浮動小数点数を返す。様々な実施形態で、ダブルメタフォン比率アルゴリズムは、例えばA.Phonetic_FormおよびB.Phonetic_Formがどのように決定されるか、ならびにA.Phonetic_FormとB.Phonetic_Formとの間の編集距離比率がどのように計算されるかについて異なる場合がある。このようにして、解析済み言語単位と、探索のために選択されたサブジェクト辞書中の対象言語単位との間のダブルメタフォン比率を、同様に計算することができる。
例えば、当業者なら認識するであろうが、ダブルメタフォンアルゴリズムは、ある言語単位についての主要音声形式と、この言語単位についての代替音声形式とを決定することができる。したがって、いくつかの実施形態では、解析済み言語単位と、探索のために選択されたサブジェクト辞書中の対象言語単位との両方が、それぞれ主要音声形式と代替音声形式を生むことがあり得る。解析済み言語単位と、探索のために選択されたサブジェクト辞書中の対象言語単位との両方についての主要音声形式と代替音声形式が考えられる場合、4つの編集距離比率を計算できることは当業者なら認識するであろう。いくつかの実施形態では、ダブルメタフォン比率は、4つの編集距離比率のうちの最大値とすることができる。他の実施形態では、ダブルメタフォン比率は、4つの編集距離比率の平均値とすることができる。さらに他の実施形態では、ダブルメタフォン比率は、例えば主要音声形式間の比率に合わせてより大きい重みを与えるなどにより、4つの編集距離比率の重み付き平均とすることができる。
いくつかの実施形態では、解析済み言語単位の逆の形についてのダブルメタフォン比率をさらに考慮することによって、より高精度なダブルメタフォンアルゴリズムを達成することができる。解析済み言語単位の逆の形は、典型的な一実施形態では、文字が逆になった解析済み言語単位である。上に論じたように、解析済み言語単位の逆の形についてのダブルメタフォン比率は、例えば、元の形の解析済み言語単位についてのダブルメタフォン比率と共に平均値または重み付き平均値を介して考慮することができる。上に表したダブルメタフォン比率を計算するためのどんな公式および方法も本質的に例示であり、様々な実施形態で本発明の原理を逸脱することなく修正または最適化できることは、当業者なら認識するであろう。
図9のステップ910を引き続き参照するが、典型的な一実施形態では、例えば上に論じた1つまたは複数の方法を使用して、全体的な編集距比率および全体的なダブルメタフォン比率を計算することができる。ダブルメタフォン比率および編集距離比率を使用して、例えば以下のように一致係数を計算することができる。
Match Coefficient(A,B)=(Exact−Match(A,B)+Edit−Distance Ratio(A,B)+Double−Metaphone Ratio(A,B))/3
当業者なら認識するであろうが、ステップ910に到達することにより、探索のために選択された辞書中に生言語単位についての完全一致は通常存在しない。したがって、「Exact−Match(A,B)」は一般に0となる。
Match Coefficient(A,B)=(Exact−Match(A,B)+Edit−Distance Ratio(A,B)+Double−Metaphone Ratio(A,B))/3
当業者なら認識するであろうが、ステップ910に到達することにより、探索のために選択された辞書中に生言語単位についての完全一致は通常存在しない。したがって、「Exact−Match(A,B)」は一般に0となる。
様々な実施形態で、ステップ910の結果、解析およびマッピングエンジン74は、探索のために選択されたサブジェクト辞書中の上位一致を、一致係数によって識別する。典型的な一実施形態では、探索のために選択されたサブジェクト辞書の辞書係数未満の一致係数を有する一致があれば、それらを上位一致から除去することができる。辞書係数は、典型的な一実施形態では、辞書中の任意の隣接する2つの間の平均編集距離を表すメトリックである。例えば、辞書係数の公式は以下のように表すことができる。
Dictionary Coefficient=(1/2)+(Average_Edit_Distance(Dictionary)/2)
このようにして、編集距離の点から見て、探索のために選択されたサブジェクト辞書中の任意の2つの隣接する言語単位が平均して相互と一致するのと少なくとも同じように、上位一致が解析済み言語単位と一致することを確実にすることができる。
Dictionary Coefficient=(1/2)+(Average_Edit_Distance(Dictionary)/2)
このようにして、編集距離の点から見て、探索のために選択されたサブジェクト辞書中の任意の2つの隣接する言語単位が平均して相互と一致するのと少なくとも同じように、上位一致が解析済み言語単位と一致することを確実にすることができる。
典型的な一実施形態では、ステップ910の後、スペルチェックフロー900はステップ912に進む。ステップ912で、解析およびマッピングエンジン74は、例えば、上に論じた所定の順序に従って図3の複数のサブジェクト辞書358のうちの他のサブジェクト辞書を探索すべきかどうか判定することができる。探索すべきである場合は、スペルチェックフロー900は、所定の順序に従って別のサブジェクト辞書を選択するためにステップ904に戻る。そうでない場合は、スペルチェックフロー900はステップ914に進む。
ステップ914で、解析およびマッピングエンジン74は、例えば図3の複数のサブジェクト辞書358にまたがって識別された、全ての上位一致のセットに対して、統計計算を実施することができる。上の考察から明らかになるように、全ての上位一致のセットは、典型的な一実施形態では、完全一致と、一致係数が当該の辞書係数以上である一致とを含むことができる。表2に、典型的な一実施形態により計算することのできる複数の頻度メトリックを記載する。
典型的な一実施形態では、全ての上位一致のセットの各上位一致につき、ローカル頻度を計算することができる。図3に関して上述したように、典型的な一実施形態では、図3のHCM言語ライブラリ38を、HCMの主題の専門知識を介して、HCMマスタデータのセットに構成し事前較正することができる。したがって、様々な実施形態で、ローカル頻度は、図3の複数のサブジェクト辞書358からの対応するサブジェクト辞書中の全ての上位一致のセットからの特定の上位一致の発生総数を表すことができる。典型的な一実施形態では、ローカル頻度は、対応するサブジェクト辞書にすでに記憶されていてよい。したがって、全ての上位一致のセットからのどの上位一致が最大ローカル頻度を有するかを決定することによって、最大頻度を識別することができる。全ての上位一致のセットの各上位一致のローカル頻度を総計することによって、総頻度を計算することができる。
ステップ914から、スペルチェックフロー900はステップ916に進む。ステップ916で、解析およびマッピングエンジン74は、全ての上位一致のセット中の各上位一致につき、重み付きスコアを計算することができる。様々な実施形態で、重み付きスコアは以下のように計算することができる。
Weighted Score=Match Coefficient*Local_Frequency/Total Frequency
重み付きスコアは0と1の間の値を生むことに、当業者なら留意するであろう。このようにして、解析およびマッピングエンジンは、特定の上位一致の一致係数を、他の上位一致の頻度に対して相対的なこの上位一致の頻度に基づいて重み付けすることができる。
Weighted Score=Match Coefficient*Local_Frequency/Total Frequency
重み付きスコアは0と1の間の値を生むことに、当業者なら留意するであろう。このようにして、解析およびマッピングエンジンは、特定の上位一致の一致係数を、他の上位一致の頻度に対して相対的なこの上位一致の頻度に基づいて重み付けすることができる。
ステップ916から、スペルチェックフロー900はステップ918に進む。ステップ918で、解析およびマッピングエンジン74は、全ての上位一致のセット中の全体的な上位一致を識別することができる。典型的な一実施形態では、全ての上位一致のセット中の全体的な上位一致は、1つまたは複数の所定の統計基準を満たす一致である。例示的な所定の統計基準は以下のとおりである。
Local Frequency≧Max_Frequency−(3*Standard_Deviation(Local_Frequencies))
したがって、いくつかの実施形態では、全体的な上位一致は、ローカル頻度が例示的な所定の統計基準を満たす、全ての上位一致のセット中の各上位一致を含むことができる。ステップ918の後、スペルチェックフロー900は終了する。典型的な一実施形態では、プロセス900は、図8Aの解析フロー800によって生成された複数の解析済み言語単位のそれぞれについて実施することができる。
Local Frequency≧Max_Frequency−(3*Standard_Deviation(Local_Frequencies))
したがって、いくつかの実施形態では、全体的な上位一致は、ローカル頻度が例示的な所定の統計基準を満たす、全ての上位一致のセット中の各上位一致を含むことができる。ステップ918の後、スペルチェックフロー900は終了する。典型的な一実施形態では、プロセス900は、図8Aの解析フロー800によって生成された複数の解析済み言語単位のそれぞれについて実施することができる。
図10に、解析およびマッピングエンジン74によって例えば図7の略語ステップ706の間に実施することのできる略語フロー1000を示す。典型的な一実施形態では、スペルチェックフロー900からの全体的な総一致、および解析済み言語単位のどれも略語でないと判定できる場合は、プロセス1000を実施する必要はないことに留意されたい。これは例えば、図3のHCMマスタ辞書、および、例えば図8Bの解析フロー800の間に識別された品詞を参照することによって判定することができる。ステップ1002で、解析およびマッピングエンジン74は、略語辞書、例えば図3の略語辞書362などをチェックすることができる。典型的な一実施形態では、図8Aの解析フロー800によって生成された複数の解析済み言語単位中の各解析済み言語単位、およびスペルチェックフロー900からの全体的な上位一致のそれぞれに関して、略語辞書をチェックすることができる。
ステップ1004で、解析済み言語単位、および全体的な上位一致のそれぞれが、例えば図3の略語辞書362中にリストされたいずれかの可能な略語にマッピングされる。略語辞書362は、典型的な一実施形態では、例えば図3の複数のサブジェクト辞書358にまたがって、可能な略語をもたらすことができることは、当業者なら認識するであろう。典型的な一実施形態では、例えば、可能な略語ごとの重み付きスコアを略語辞書362から得ることができる。ステップ1004の後、略語フロー1000は終了する。
図11Aに、解析およびマッピングエンジン74によって例えば図7の推論ステップ708の間に実施することのできる推論フロー1100を示す。ステップ1102で、解析およびマッピングエンジン74は、推論辞書、例えば図3の推論辞書360などをチェックすることができる。様々な実施形態で、図8Aの解析フロー800からの複数の解析済み言語単位中の解析済み言語単位に関して、この解析済み言語単位と、図9のスペルチェックフロー900からの全体的な上位一致と、図10の略語フロー1000からの可能な略語とが全て、図3の推論辞書360中でチェックされる。推論フロー1100の考察を容易にするために、解析済み言語単位、図9のスペルチェックフロー900からの全体的な上位一致、および図10の略語フロー1000からの可能な略語を、まとめてソース言語単位として参照する。表3に、図3の推論辞書360に含まれてよい例示的な関係をリストする。他のタイプの関係も可能であり、当業者には明らかであろう。
表3に示すように、図3の推論辞書360は、例えば「IS−A」関係、同義語、および頻度ベースの関係をもたらすことができる。典型的な一実施形態では、「IS−A」関係は、より具体的な言語単位からより総称的な言語単位を推論する関係である。例えば、牛乳は乳製品なので、言語単位「牛乳」は「乳製品」との「IS−A」関係を有する。同様にして「IS−A」関係をHCM主題領域中で適用することができる。典型的な一実施形態では、同義語関係は、ある言語単位が少なくとも1つのコンテキストで別の言語単位と同義であることに基づく関係である。頻度ベースの関係は、典型的には他のどんな関係も明言できない状況で、2つの言語単位が「頻繁に」関係することに基づく関係である。頻度ベースの関係では、推論辞書360は通常、例えば図3のHCM言語辞書38のマスタデータのセットから、関係の頻度をリストする。典型的な一実施形態では、図3の推論辞書360は、各ソース言語単位につき、1つまたは複数の関係をリストすることができる。
ステップ1104で、各ソース言語単位が、推論辞書360からのいずれかの可能な推論に、または推論された言語単位にマッピングされる。典型的な一実施形態では、「IS−A」関係および同義語関係にはそれぞれ、ランク1が与えられる。加えて、典型的な一実施形態では、頻度ベースの関係は、例えば推論辞書360中で提供される頻度番号に基づいて、1〜nにランク付けされる。推論された言語単位は、典型的な一実施形態では、ソース言語単位(すなわち解析済み言語単位、図9のスペルチェックフロー900からの全体的な上位一致、および図10の略語フロー1000からの可能な略語)と共に保持および記憶される。ステップ1104の後、推論フロー1100は終了する。
図11Bに、様々な実施形態で利用することのできるグラフ1150を示す。グラフ1150がコーシー分布であることは、当業者なら認識するであろう。典型的な一実施形態では、グラフ1150を利用して、例えばx軸上のランクをy軸上の0と1の間の重み付きスコアに変換することができる。例えば、グラフ1150を利用して、図11Aのプロセス1100中で生成された推論された各言語単位に関連するランクを、重み付きスコアに変換して記憶することができる。様々な実施形態でコーシー分布の代わりに他の分布を使用してもよいことは、当業者なら理解するであろう。
図12に、様々な実施形態で解析フロー800、スペルチェックフロー900、略語フロー1000、および推論フロー1100の結果として生成することのできる例示的な多次元ベクトル1202を示す。様々な実施形態で、多次元ベクトル1202は、図2の多次元ベクトル206と同様とすることができる。図示のように、典型的な一実施形態では、多次元ベクトル1202は、図7の生データ・データ構造702および図8Bの解析済みデータレコード82に遡ることができる。
様々な実施形態で、多次元ベクトル1202は、図8Aの解析フロー800中で生成された複数の解析済み言語単位の、HCMベクトル空間上への射影を表す。多次元ベクトル1202は一般に、図8Aの解析フロー800中で生成された複数の解析済み言語単位を含む。多次元ベクトルはまた、一般に、複数の解析済み言語単位中の各解析済み言語単位につき、図9のスペルチェックフロー900からの全体的な上位一致のそれぞれと、図10の略語フロー1000からの可能な略語のそれぞれと、推論フロー1100からの推論された言語単位のそれぞれとを、多次元ベクトル1202の次元として含む。したがって、多次元ベクトル1202の各次元は、HCMベクトル空間に対する方向および大きさ(例えば重み)を有するベクトルである。より詳細には、多次元ベクトル1202の各次元は通常、例えば複数のサブジェクト辞書358からの、サブジェクト辞書に対応する。典型的な一実施形態では、それにより多次元ベクトル1202の各次元は、HCM主題領域における複数の解析済み言語単位の1つまたは複数の意味についての確率的な評価を提供する。このようにして、多次元ベクトル1202の各次元は、複数の解析済み言語単位の1つまたは複数の可能な意味と、これらの可能な意味における信頼性レベルまたは重みとを反映することができる。
図13に、類似性および関連性エンジン1326によって実施することのできる例示的なプロセス1300を示す。様々な実施形態で、類似性および関連性エンジン1326は、図2の類似性および関連性エンジン26、ならびに図1Bの類似性および関連性エンジン16と同様とすることができる。ステップ1302で、実施できる様々な性能最適化を条件として、複数のサブジェクト辞書のそれぞれについて、領域レベルとファミリレベルとの間のHCMマスタ分類の各ノードごとに、かつ、例えば図8Aの解析フロー800によって生成された複数の解析済み言語単位にわたって、ノードカテゴリスコアを計算することができる。様々な実施形態で、複数のサブジェクト辞書は、例えば図3の複数のサブジェクト辞書358とすることができ、HCMマスタ分類は、例えば図4のHCMマスタ分類418とすることができる。さらに、典型的な一実施形態では、ノードカテゴリスコアは、HCMマスタ分類418の職務領域レベル420から職務ファミリレベル428を通した各ノードについて計算することができる。
典型的な一実施形態では、図9のスペルチェックフロー900からの全体的な上位一致のそれぞれ、図10の略語フロー1000からの可能な略語のそれぞれ、および推論フロー1100からの推論された言語単位のそれぞれは、特定の解析済み言語単位の可能な意味を表すことができる。さらに、上述のように、このような可能な意味はそれぞれ、通常、可能な意味における信頼度を示す重み付きスコアを有する。典型的な一実施形態では、ステップ1302におけるノードカテゴリスコアの計算は、まず、解析済み言語単位のうちの特定の1つに対する多次元ベクトルの次元において、最も高く重み付けされた可能な意味を識別することを含むことができる。最も高く重み付けされた可能な意味は、一般に、最も高い重み付きスコアを有する可能な意味である。
通常、最も高く重み付けされた可能な意味は、図8Aの解析フロー800中で生成された複数の解析済み言語単位中の各解析済み言語単位につき、識別される。典型的な一実施形態では、ノードカテゴリスコアは、図8Aの解析フロー800中で生成された複数の解析済み言語単位のそれぞれについての最も高く重み付けされた可能な意味の重み付きスコアを合計することを伴う。このようにして、例えば図12の多次元ベクトル1202の特定の次元について、ノードカテゴリスコアを計算することができる。典型的な一実施形態では、ステップ1302は、図12の多次元ベクトル1202の各次元につき繰り返すことができる。様々な実施形態で、ステップ1302の後、HCMマスタ分類418の職務領域レベル420から職務ファミリレベル428を通した各ノードについて、ノードカテゴリスコアが得られる。
ステップ1302に関して、様々な性能最適化が可能である場合がある。例えば、マスタ分類、例えばHCMマスタ分類418などが、何千または何百万ものノードを含むことが考えられることは、当業者なら認識するであろう。したがって、様々な実施形態で、ノードカテゴリスコアを計算しなければならないノードの数を削減することが有益である。いくつかの実施形態では、ノードカテゴリスコアを計算しなければならないノードの数は、例えばノードカテゴリスコアが0のときに、停止条件を生み出すことによって削減することができる。これらの実施形態では、ノードカテゴリスコアが0であるノードの真下にある全てのノードを、これらのノードのノードカテゴリスコアもまた0であるとの仮定の下に無視することができる。
例えば、職務領域レベル420のノードについてノードカテゴリスコア0が得られた場合、HCMマスタ分類418中でこのノードの真下にある全てのノードは、典型的な一実施形態では、無視することができ、同様にノードカテゴリスコア0を有すると仮定することができる。様々な実施形態で、この最適化は例えば、マスタ分類、例えばマスタ分類418などの、領域レベル、カテゴリレベル、およびサブカテゴリレベルで特に有効である。加えて、様々な実施形態で、この最適化を利用する結果、類似性および関連性エンジン、例えば類似性および関連性エンジン1326などの動作が、より速くより効率的になる場合がある。他の停止条件も可能であり、本発明の範囲に含まれるものとして完全に企図されることは、当業者なら認識するであろう。
様々な実施形態で、ステップ1302の性能はまた、ビットフラグの利用を通して最適化することもできる。例えば、典型的な一実施形態では、HCMマスタ分類418中のノード(以下、フラグ付きノード)が、このフラグ付きノードのノード属性に関連するビットフラグを有することができる。典型的な一実施形態では、ビットフラグは、関連するノード属性がフラグ付きノードの兄弟のノード属性でもあるかもしれないかどうかに関するいくらかの情報を提供することができる。当業者なら理解するであろうが、同じ親に直接に従属する全てのノードは兄弟と考えることができる。例えば、図4のHCMマスタ分類418に関しては、職務ファミリレベル428の単一のノードに直接に従属する、職務ファミリレベル438の全てのノードは、兄弟と考えることができる。
典型的な一実施形態では、ビットフラグは、(1)特定の条件が満たされる場合にとられるアクション、および/または(2)特定の条件が満たされない場合にとられるアクションを指定することができる。例えば、様々な実施形態で、ビットフラグは、(1)関連するノード属性が、例えば図12の多次元ベクトル1202の次元と一致する場合にとられるアクション、および/または(2)関連するノード属性が、例えば図12の多次元ベクトル1202の次元と一致しない場合にとられるアクションを指定することができる。表4に、例示的なビットフラグと、それに基づいてとることのできる様々なアクションとのリストを提供する。他のタイプのビットフラグおよびアクションも可能であることは、当業者なら認識するであろう。
例えば、表4に示すように、典型的な一実施形態では、類似性および関連性エンジン1326は、「属性のみ存在する」ビットフラグ、「属性が存在しなければならない」ビットフラグ、「属性が存在できる」ビットフラグ、および「属性が存在してはならない」ビットフラグを利用することができる。いくつかの実施形態では、マスタ分類、例えばHCMマスタ分類418などの中のあらゆるノードが、各ノード属性に関連するビットフラグを有することができる。これらの実施形態では、ビットフラグは、表4で指定された4つのビットフラグのうちの1つとすることができる。
典型的な一実施形態では、「属性のみ存在する」ビットフラグは、フラグ付きノード、およびフラグ付きノードの兄弟のうちで、フラグ付きノードのみが、関連する属性を有することを示す。したがって、「属性のみ存在する」ビットフラグによれば、関連するノード属性が、例えば図12の多次元ベクトル1202の次元と一致する場合は、類似性および関連性エンジン1326は、図13のステップ1302の一部としてノードカテゴリスコアを計算する目的でフラグ付きノードの兄弟をスキップすることができる。むしろ、類似性および関連性エンジン1326は、表4で「ベクトルが属性と一致する場合のアクション」の下に指定されたアクションをとることができる。そうでない場合は、どんなアクションもとらない。このようにして、類似性および関連性エンジン1326は、より素早くより効率的に進むことができる。
典型的な一実施形態では、「属性が存在しなければならない」ビットフラグは、フラグ付きノード、またはフラグ付きノードのいずれかの兄弟が、多次元ベクトル、例えば図12の多次元ベクトル1202などの次元と一致すると見なされるためには、関連する属性が独立して多次元ベクトルの次元と一致しなければならないことを示す。関連する属性が独立して多次元ベクトルの次元と一致しない場合は、類似性および関連性エンジン1326は、図13のステップ1302の一部としてノードカテゴリスコアを計算する目的でフラグ付きノードの兄弟をスキップすることができる。むしろ、類似性および関連性エンジン1326は、表4で「ベクトルが属性と一致しない場合のアクション」の下に指定されたアクションをとることができる。そうでない場合は、類似性および関連性エンジン1326は、表4で「ベクトルが属性と一致する場合のアクション」の下に指定されたアクションをとることができる。このようにして、類似性および関連性エンジン1326は、より素早くより効率的に進むことができる。
典型的な一実施形態では、「属性が存在できる」ビットフラグは、関連するノード属性が存在してもよいが、フラグ付きノードの兄弟についてどんな決定的なガイダンスも提供しないことを示す。「属性が存在できる」ビットフラグによれば、関連するノード属性が、例えば図12の多次元ベクトル1202などの次元と一致する場合は、類似性および関連性エンジン1326は、表4で「ベクトルが属性と一致する場合のアクション」の下に指定されたアクションをとることができる。そうでない場合は、どんなアクションもとらない。
典型的な一実施形態では、「属性が存在してはならない」ビットフラグは、フラグ付きノードも、フラグ付きノードの兄弟も、関連するノード属性を有さないことを示す。したがって、「属性が存在してはならない」ビットフラグによれば、関連するノード属性が、例えば図12の多次元ベクトル1202の次元と一致する場合は、類似性および関連性エンジン1326は、図13のステップ1302の一部としてノードカテゴリスコアを計算する目的でフラグ付きノードの兄弟をスキップすることができる。むしろ、類似性および関連性エンジン1326は、表4で「ベクトルが属性と一致する場合のアクション」の下に指定されたアクションをとることができる。そうでない場合は、どんなアクションもとらない。このようにして、類似性および関連性エンジン1326は、より素早くより効率的に進むことができる。
ステップ1302の後、プロセス1300はステップ1304に進む。ステップ1304で、図4のHCMマスタ分類418の職務領域レベル420から職務ファミリレベル428を通した各ノードについて、全体的なノードスコアを計算することができる。典型的な一実施形態では、全体的なノードスコアは、例えば特定のノードについて以下の計算を実施することによって計算することができる。
Overall_Node_Score=Square−Root((C*S1)^2+(C*S2)^2+.....+(C*Sn)^2)
上の公式で、Cはカテゴリ重みを表し、S1およびS2はそれぞれノードカテゴリスコアを表し、「n」は特定のノードのノードカテゴリスコアの総数を表す。典型的な一実施形態では、カテゴリ重みは、図12の多次元ベクトル1202のいくつかの次元についてのノードカテゴリ重みに他よりも大きい重みを与えるのに使用できる、一定のファクタである。表5に、様々な実施形態で利用することのできる例示的なカテゴリ重みのリストを提供する。
Overall_Node_Score=Square−Root((C*S1)^2+(C*S2)^2+.....+(C*Sn)^2)
上の公式で、Cはカテゴリ重みを表し、S1およびS2はそれぞれノードカテゴリスコアを表し、「n」は特定のノードのノードカテゴリスコアの総数を表す。典型的な一実施形態では、カテゴリ重みは、図12の多次元ベクトル1202のいくつかの次元についてのノードカテゴリ重みに他よりも大きい重みを与えるのに使用できる、一定のファクタである。表5に、様々な実施形態で利用することのできる例示的なカテゴリ重みのリストを提供する。
ステップ1304から、プロレス1300はステップ1306に進む。ステップ1306で、類似性および関連性エンジン1326は、特定レベル、例えば図4のHCMマスタ分類418の特定レベルの各ノードにつき、ノード系統スコアを計算することができる。典型的な一実施形態では、ノード系統スコアは、最初に、図4のHCMマスタ分類418の職務ファミリレベルの各ノードにつき計算される。典型的な一実施形態では、最大ノード系統スコアを識別して、プロセス1300の後続のステップで利用することができる。例えば、ノード系統スコアは、以下のように表すことができる。
Node_Lineage_ScoreNode=Square−Root((Node_Level_WeightNode*Overall_Node_ScoreNode)^2+.....+(Node_Level_WeightDomain*Overall_Node_ScoreDomain)^2)
Node_Lineage_ScoreNode=Square−Root((Node_Level_WeightNode*Overall_Node_ScoreNode)^2+.....+(Node_Level_WeightDomain*Overall_Node_ScoreDomain)^2)
上の公式の一部として、特定のノードのノード系統スコア(すなわちNode_Lineage_ScoreNode)を計算することは、この特定のノードのノードレベル重みと、この特定のノードの全体的なノードスコア(すなわちOverall_Node_ScoreNode)との積を計算することを含むことができる。通常、上の公式に示されるように、領域レベル、例えば職務領域レベル420などまで、特定のノードの各親について積が同様に計算される。したがって、複数の積が結果として得られることになる。典型的な一実施形態では、上の公式に示されるように、複数の積のそれぞれを2乗し、その後で合計して、総計を得ることができる。最後に、上の公式では、総計の平方根をとって、このノードのノード系統スコア(すなわちNode_Lineage_ScoreNode)を得ることができる。
様々な実施形態で、上の例示的な公式に示されるように、ノード系統スコアは、ノードレベル重みを利用することができる。ノードレベル重みは、典型的な一実施形態では、例えばHCMマスタ分類418中で、より深いノードの全体的なノードスコアに対する選好を表すのに使用できる一定のファクタである。例えば、表6に、この選好を表すのに使用できる様々な例示的なノードレベル重みをリストする。本発明の原理を逸脱することなく他のノードレベル重みを利用してもよいことは、当業者なら認識するであろう。
ステップ1306から、プロセス1300はステップ1308に進む。ステップ1308で、類似性および関連性エンジン1326は、ステップ1306で識別された最大ノード系統スコアと、最大ノード系統スコアを有するノードの各兄弟との間の距離を計算することができる。記述を簡単にするために、最大ノード系統スコアを有するノードを候補ノードとして参照し、候補ノードの兄弟を兄弟ノードとして参照する。様々な実施形態で、ステップ1306の目的は、候補ノードと各兄弟ノードとの間の距離を使用して、候補ノードが他のどんな兄弟ノードとよりも例えば図12の多次元ベクトル1202とより近く一致することを保証する助けとすることである。言い換えれば、ステップ1306は、候補ノードにおけるいくらかのレベルの信頼性を保証する方法を提供することができる。
典型的な一実施形態では、特定の兄弟ノードについて、ステップ1308は一般に、候補ノードのみに関して、類似性およびマッチングエンジン1326への第1の仮説入力として、特定の兄弟ノードのノード属性を処理することを含む。言い換えれば、ステップ1302、ステップ1304、および1306は、候補ノードを除いた全てのノードを無視するようにして、第1の仮説入力を用いて実施することができる。第1の仮説入力は、典型的な一実施形態では、兄弟ノードと候補ノードのノード属性の間の一致の程度に基づく第1の仮説ノード系統スコアをもたらす。
同様に、典型的な一実施形態では、ステップ1308はさらに、候補ノードのみに関して、類似性およびマッチングエンジン1326への第2の仮説入力として、候補ノードのノード属性を処理することを含む。言い換えれば、ステップ1302、ステップ1304、および1306は、候補ノードを除いた全てのノードを無視するようにして、第2の仮説入力を用いて実施することができる。第2の仮説入力は、典型的な一実施形態では、候補ノードと候補ノードのノード属性の間の一致の程度に基づく第2の仮説ノード系統スコアをもたらす。
したがって、様々な実施形態で、候補ノードと特定の兄弟ノードとの間の距離は、第1の仮説ノード系統スコアを第2の仮説ノード系統スコアで割った値と考えることができる。同様に、様々な実施形態で、例えば図12の多次元ベクトル1202と候補ノードとの間の距離は、最大ノード系統スコアを第2の仮説ノード系統スコアで割った値と考えることができる。典型的な一実施形態では、特定の兄弟ノードに関して上述した計算を、候補ノードの各兄弟ノードについて実施することができる。
ステップ1308から、プロセス1300はステップ1310に進む。ステップ1310で、ベストマッチノード、例えば図12の多次元ベクトル1202に対するベストマッチノードを選択することができる。典型的な一実施形態では、候補ノードは、ベストマッチノードと見なされるためには少なくとも1つの事前定義済み基準を満たさなければならない。例えば、典型的な一実施形態では、候補ノードの各兄弟ノードについて、図12の多次元ベクトル1202と候補ノードとの間の距離は、候補ノードと兄弟ノードとの間の距離未満でなければならない。典型的な一実施形態では、少なくとも1つの事前定義済み基準が満たされない場合は、ステップ1306、ステップ1308、およびステップ1310を、例えば図4のHCMマスタ分類418中で、1つ高いレベルで繰り返すことができる。例えば、職務ファミリレベル428でベストマッチノードを識別することができない場合は、職務クラスレベル426についてステップ1306、ステップ1308、およびステップ1310が続行することができる。典型的な一実施形態では、HCMマスタ分類418は、ほぼ全ての場合に職務ファミリレベル428でベストマッチノードを識別できるように、最適化される。したがって、典型的な一実施形態では、ステップ1310は、職務種レベル438の類似の種の集まりをもたらし、この類似の種の集まりの中の種は、ベストマッチノードを親として有する。ステップ1310の後、プロセス1300は終了する。
図14に、属性差分エンジン1421によって実施することのできる例示的なプロセス1400を示す。様々な実施形態で、属性差分エンジン1421は、図2の属性差分エンジン21と同様とすることができる。ステップ1402で、属性差分エンジン1421は、図13のプロセス1300によって生成された類似の種の集まりのうちの種ごとに、ノード属性間の差を識別することができる。識別される差は、例えば図2の修飾属性252と同様とすることができる。ステップ1402から、プロセス1400はステップ1404に進む。ステップ1404で、スポットライト属性、例えば人的資源の賃金レートなどに対して、識別された差の影響を分析することができる。典型的な一実施形態では、属性差分エンジン1421は、例えばHCM言語ライブラリ38に基づいて、HCMベクトル空間における影響を統計的に測定することができる。ステップ1404から、プロセス1400はステップ1406に進む。
ステップ1406で、KPIのセットを決定することができる。典型的な一実施形態では、KPIのセットは、図2のKPIのセット254と同様とすることができる。典型的な一実施形態では、KPIのセットは、例えば人的資源の賃金レートを統計的に駆動する識別済みの差のうちの差を表すことができる。ステップ1406から、プロセス1400はステップ1408に進む。
ステップ1408で、属性差分エンジン1421は、例えば図2の多次元ベクトル1202を新しい種と考えることができるか既存の種(すなわち類似の種の集まりからの種)と考えることができるかを判定するように動作可能である。多次元ベクトル1202が類似の種の集まりの中の特定の種に対して既存の種であると、KPIのセットに基づいて判定された場合は、ステップ1410で、多次元ベクトル1202をそのように分類することができる。この場合、多次元ベクトル1202は、例えばこれらの特定の種と同じ賃金レートを有すると考えることができる。ステップ1410の後、プロセス1400は終了する。しかし、ステップ1408で、多次元ベクトル1202が新しい種であると判定された場合は、ステップ1412で新しい種を作成して構成することができる。典型的な一実施形態では、新しい種は、例えば類似の種の集まりの中の種からの距離の関数として計算される賃金レートを有するように構成することができる。ステップ1412の後、プロセス1400は終了する。
いくつかの実施形態では、例えば図1〜14に関して述べた様々な実施形態を利用して、第1の労働力セクタ中のエンティティにおける参加から、第2の労働力セクタ中、例えば私的セクタ中などの雇用に、人的資源を再配置することを容易にするのが有益である場合がある。様々な実施形態で、第1の労働力セクタは、例えば公的セクタとすることができる。他の可能な労働力セクタも当業者には明らかであろう。当業者なら理解するであろうが、私的セクタは通常、個人またはグループによって普通は営利目的の事業の手段として運営されるビジネスエンティティであって、政府によって制御されないビジネスエンティティを含む、労働力セクタである。公的セクタは、政府によって、例えば軍支部や国防省などによって運営される事業およびエンティティを一般に含む、労働力セクタである。
単なる例として、当業者なら理解するであろうが、米国および他の管轄区における軍事要員が、軍務への参与の終了時に、または公的セクタ中での全体的なキャリアプランの一部として、公的セクタから私的セクタへの労働力移行または再配置を行うことがある。通常、公的セクタエンティティ中、例えば軍支部中などでは、ある形式の労働者分類を内部的に使用して、人的資源のスキルおよび経験が分類されるかまたは記述される場合がある。しかし、私的セクタ中では、他の多数の命名法および分類法を利用して、人的資源のスキルおよび経験が記述される場合がある。様々な実施形態で、図15〜17および22〜24に関して述べるように、異なる労働力セクタ、例えば公的セクタおよび私的セクタなどからの情報を正規化して、人的資源の再配置を容易にすることができる。
加えて、上の例を続けるが、軍支部および他の公的セクタエンティティは、プロジェクト作業圏におけるバイヤーであることが多い。プロジェクト作業圏は、本明細書においては、1つまたは複数の外部エンティティ、例えば私的セクタ中のビジネスエンティティなどにプロジェクトをアウトソースする慣行を指す。例えば、軍支部または別の関連する公的セクタエンティティが、プロジェクト作業圏におけるバイヤーとして、航空宇宙または兵器に関係するプロジェクトをアウトソースする場合がある。このようなプロジェクトの結果としてしばしば、例えばこのプロジェクトのプロジェクト作業が与えられる私的セクタ中のビジネスエンティティにとって、かなりの経済利益がもたらされることは、当業者なら理解するであろう。
様々な実施形態で、プロジェクト作業圏におけるバイヤーとしてのエンティティのステータスを活用して、バイヤーの再配置予定の人的資源を例えば公的セクタから私的セクタに再配置するのを受諾するよう、別の労働力セクタ中のエンティティに対して奨励することが有利である場合がある。例えば、様々な実施形態で、軍務への参与または軍務プランまたは他の合意に従って定期的または半永久的に私的セクタ中の雇用に移行する人的資源を、軍支部が雇用する場合がある。典型的な一実施形態では、私的セクタ中の雇用への移行は、公的セクタに戻る計画を伴う一時的な移行であるか、または、人的資源が必要に応じて公的セクタに呼び戻されるかもしれないという通告を伴う半永久的な移行である場合がある。
加えて、典型的な一実施形態では、私的セクタ中の雇用への労働力移行は、人的資源のキャリアプランの一部である場合がある。キャリアプランは、典型的な一実施形態では、人的資源を労働力セクタ中の1つまたは複数の異なる役割または地位に徐々に移行させるために、様々なスキルおよび/または経験を漸進的に培うプランである。キャリアプランを利用して、公的セクタ中での役割または見込まれる役割に有用なスキルを人的資源が培うのを補助することができる。このようにして、様々な実施形態で、軍支部は、どのように人的資源が再配置されるかを追跡および制御する能力、ならびに人的資源が実際に私的セクタに再配置されるのを確実にする能力からの利益を得ることになる。したがって、様々な実施形態で、プロジェクト作業圏におけるバイヤーとしてのステータスを活用して、別の労働力セクタ中、例えば私的セクタ中などでの再配置の速度および有効性を高めることができる。
図15に、人的資源を例えば私的セクタに再配置するのを容易にすることのできるシステム1500を示す。システム1500は、前労働力セクタ1502、労働者プール1504、応募者追跡システム1506、人員配置システム(PDS)1508、複数のフルタイム被雇用者(FTE)雇用者1510(1)、プロジェクト作業圏1512、およびアウトソースシステム1518を含む。プロジェクト作業圏1512は、複数のFTE雇用者1510(2)、臨時または一時的労働者の複数のベンダ1514、およびプロジェクト作業1516を含む。
労働者プール1504は、前労働力セクタ1502中で雇用されているかまたは他の形で前労働力セクタ1502に参加している、複数の人的資源を含むことができる。前労働力セクタ1502は、例えば公的セクタとすることができる。典型的な一実施形態では、公的セクタへの参加は、公的セクタ中のエンティティによる雇用、例えば軍支部の軍務への参与に従った雇用などを伴う場合がある。典型的には、前労働力セクタ1502は、例えば政府、委員会、または他の類似の指導部などによって、中央制御される。
応募者追跡システム1506は、典型的な一実施形態では、労働者プール1504を構成および管理するように動作可能である。労働者プール1504を構成することの一部として、応募者追跡システム1506は通常、人的資源情報を記憶および維持するが、この人的資源情報は、例えば、労働者プール1504中の複数の人的資源それぞれのスキル、経験、およびキャリアプランを記述する。労働者プール1504を管理することの一部として、応募者追跡システム1504は通常、必要に応じて労働者プール1504に対して人的資源を追加または除去する。
労働者プール1504を構成することは動的かつ継続的なプロセスとすることができることは、当業者なら理解するであろう。前述のように、私的セクタへの移行または再配置は、様々な実施形態で、公的セクタへの復帰が計画されているかまたは少なくとも可能であるように、一時的または半永久的とすることができる。したがって、典型的な一実施形態では、労働者プール1504中の複数の人的資源が前セクタ1502と私的セクタのいずれかで追加のスキルおよび経験を培うのに伴って、これらのスキルおよび経験を、労働者プール1504についての人的資源情報に統合することができる。このようにして、典型的な一実施形態では、応募者追跡システム1506は、人的資源情報を介して労働者プール1504の最新のスナップショットを維持するように動作可能である。したがってこの結果、労働者プール1504中の複数の人的資源を、より効果的に私的セクタに再配置することができ、また、公的セクタへの復帰時に、より効果的に公的セクタ中で利用することができる。
PDS1508は、典型的な一実施形態では、労働者プール1504中の複数の人的資源のそれぞれに関する人的資源情報を、マスタ分類、例えば図4のHCMマスタ分類418および図2のマスタ分類218などに正規化するように動作可能である。例えば図4のHCMマスタ分類418への正規化は、通常、人的資源情報を例えば図1〜14に関して上述したようにHCMマスタ分類、例えばHCMマスタ分類418などに分類することを含む。典型的な一実施形態では、PDS1508は同様に、複数のFTE雇用者1510(1)による私的セクタ中の求人も正規化する。
複数のFTE雇用者1510(1)は一般に、別の労働力セクタ中、例えば私的セクタ中などのビジネスエンティティを含む。PDS1508は通常、複数のFTE雇用者1510(1)中のビジネスエンティティを構成および管理する。複数のFTE雇用者1510(1)中のビジネスエンティティを構成することは、典型的な一実施形態では、例えばHCMマスタ分類418に正規化された、ビジネスエンティティ関連情報を取得および記憶することを含む。ビジネスエンティティを管理することは通常、複数のFTE雇用者1510(1)中のビジネスエンティティを追加および削除し、複数のFTE雇用者1510(1)中のビジネスエンティティに関係する情報が最新であるようにすることを含む。
図15では、複数のFTE雇用者1510(1)と複数のFTE雇用者1510(2)とが別々に描かれているが、これは、典型的な一実施形態で、前労働力セクタ1502中のエンティティが、少なくとも2つの異なるレベルで私的セクタ中のビジネスエンティティと対話する場合があることを例示するためである。典型的な一実施形態では、あるレベルでは、労働者プール1504中の複数の人的資源を私的セクタに再配置しようとして、前労働力セクタ1502中のエンティティがPDS1508を介して複数のFTE雇用者1510(1)と対話する場合がある。典型的な一実施形態では、別のレベルでは、プロジェクト作業1516をアウトソースするために、前労働力セクタ1502がアウトソースシステム1518を介して複数のFTE雇用者1510(2)と対話する場合がある。プロジェクト作業1516は、例えば防衛契約、他の政府契約、またはリサーチ作業を含むことができる。以下では、複数のFTE雇用者1510(1)および複数のFTE雇用者1510(2)を、複数のFTE雇用者1510として一括して参照する場合がある。
複数のFTE雇用者1510は、典型的な一実施形態では、例えばプロジェクト作業1516に入札してこれを得るために、アウトソースシステム1518と対話することができる。複数のFTE雇用者1510は、典型的な一実施形態では、さらに、プロジェクト作業にスタッフを配属するために臨時または一時的労働者の複数のベンダ1514のサービスを利用することができる。様々な実施形態で、PDS1508とプロジェクト作業圏1512とアウトソースシステム1518との間の対話は、後でより詳細に述べるように、労働者プール1504中の複数の人的資源を私的セクタに再配置するのを最適化するように動作する。
様々な実施形態で、アウトソースシステム1518を活用して、複数のFTE雇用者1510のうちのFTE雇用者1510にプロジェクト作業1516を与えることができ、これらのFTE雇用者1510は、労働者プール1504中の複数の人的資源をフルタイム被雇用者と一時的労働者のいずれかとして雇用して、プロジェクト作業1516にスタッフを配属する。このようにして、典型的な一実施形態では、PDS1508とアウトソースシステム1518とプロジェクト作業圏1512との間の対話を介して、私的セクタ中での複数の人的資源1504の再配置を最適化することができる。最適化の例については、図17に関してより詳細に述べる。
図16に、人的資源を例えば私的セクタに再配置するのを容易にするためのシステム1600を示す。システム1600は、労働者プール1604、応募者追跡システム1606、PDS1608、およびプロジェクト作業圏1612を含む。プロジェクト作業圏1612は、複数のFTE雇用者1610、臨時または一時的労働者の複数のベンダ1614、およびプロジェクト作業1616を含む。典型的な一実施形態では、労働者プール1604、応募者追跡システム1606、PDS1608、およびプロジェクト作業圏1612は、それぞれ図15の労働者プール1504、応募者追跡システム1506、PDS1508、およびプロジェクト作業圏1512と同様である。さらに、典型的な一実施形態では、複数のFTE雇用者1610、臨時または一時的労働者の複数のベンダ1614、およびプロジェクト作業1616は、それぞれ図15の複数のFTE雇用者1510、臨時または一時的労働者の複数のベンダ1514、およびプロジェクト作業1516と同様である。
典型的な一実施形態では、応募者追跡システム1606は、労働者プール1604を構成するように動作可能である。典型的な一実施形態では、労働者プール1604を構成することは、労働者プール1604中の複数の人的資源のそれぞれにつき、人的資源情報を取得および記憶することを含むことができる。人的資源情報は、個人プロファイリング情報1606a、スキル/経験情報1606b、キャリア開発プラン1606c、および割当てロジスティックス1606dを含むことができる。図15の労働者プール1504および応募者追跡システム1506に関して上に論じたように、労働者プール1604を構成することは動的かつ継続的なプロセスとすることができ、したがって、取得および記憶した人的資源情報を定期的に更新および維持することを含むことができる。取得および記憶した人的資源情報を定期的に更新および維持することの様々な例については、後でPDS1608に関して述べる。
個人プロファイリング情報1606aは、例えば、強さ、能力、および雇用意向に関する、客観的情報を含むことができる。個人プロファイリング情報1606aは、いくつかの実施形態では、労働者プール1604中の複数の人的資源に対して実施された個人プロファイリングテストの結果から抽出することができる。スキル/経験情報1606bは、履歴書タイプの情報を含むことができ、これは例えば、前労働力セクタ1502の内外で例えば培われたスキル、ならびに前労働力セクタ1502の内外での職歴および経験を含む。キャリア開発プラン1606cは、例えば、労働者プール1604中の複数の人的資源についてのキャリア目標および希望に関係する情報を含むことができる。様々な実施形態で、キャリア目標および希望は、キャリア開発カウンセラーまたは他の類似の専門家と相談して構築することができる。割当てロジスティックス1606dは、例えば、1つまたは複数の所望の雇用場所および都合のつく日時を含むことができる。
典型的な一実施形態では、PDS1608は、複数のFTE雇用者1610を構成するように動作可能である。典型的な一実施形態では、複数のFTE雇用者1610を構成することは、ビジネスエンティティ一般ビジネスプロファイリング1608a、ビジネスエンティティスキル利用プロファイリング1608b、ビジネスエンティティ技術/装備プロファイリング1608c、およびビジネスエンティティ管理1608dを実施して、それらに関係する情報を記憶することを含む。複数のFTE雇用者1610を構成することは、典型的な一実施形態では、さらに、ビジネスエンティティ求人1608eを取得および記憶すること、ならびに配置ビジネスインテリジェンス(BI)1608gを生成することを含むことができる。ビジネスエンティティ求人1608eは一般に、複数のFTE雇用者1610の求人に関する求人情報を含む。求人情報は、例えば、必要とされるスキルおよび経験に関する情報、勤務場所、および他の職務要件または記述を含むことができる。PDS1608はまた、配置処理モジュール1608fを含むこともできる。
ビジネスエンティティ一般ビジネスプロファイリング1608aに関係する情報は、ビジネスエンティティに関係する任意のタイプのデータ、例えば、ビジネスエンティティのタイプ、地理的場所、産業区分、規模、費用キャパシティなどを含むことができる。ビジネスエンティティスキル利用プロファイリング1608bに関係する情報は、典型的な一実施形態では、ビジネスエンティティによって従来必要とされる特定のスキルおよびスキルセットに関係する情報を含むことができる。ビジネスエンティティ技術/装備プロファイリング1608cに関係する情報は、例えば、複数のFTE雇用者1610中のビジネスエンティティの被雇用者によって利用される装備、技術、および製品に関係する情報を含むことができる。典型的な一実施形態では、ビジネスエンティティ技術/装備プロファイリング1608cに関係する情報は、図3の製品辞書358(3)内に含まれる情報と同様とすることができる。
ビジネスエンティティスキル利用プロファイリング1608bに関係する情報、およびビジネスエンティティ技術/装備プロファイリング1608cに関係する情報は、典型的な一実施形態では、職務記述、例えばビジネスエンティティ求人1608eなどを取り込んで、この職務記述を図1〜14に関して述べたようにHCMマスタ分類、例えば図4のHCMマスタ分類418などに分類することによって、時の経過に伴って得ることができる。いくつかの実施形態では、ビジネスエンティティスキル利用プロファイリング1608bに関係する情報、およびビジネスエンティティ技術/装備プロファイリング1608cに関係する情報は、HCMマスタデータのセット、例えば図3のHCM言語ライブラリ38をそれに構成および事前較正できるHCMマスタデータのセットなどに基づくことができる。他の実施形態では、ビジネスエンティティスキル利用プロファイリング1608bに関係する情報は、ビジネスエンティティによって直接提供することができる。
ビジネスエンティティ管理1608dは、例えば、複数のFTE雇用者1610中のビジネスエンティティを追加または削除する機能を含むことができる。様々な実施形態で、ビジネスエンティティ管理1608dはさらに、複数のFTE雇用者1610中のビジネスエンティティに関係する情報の精度および最新性を維持する機能を含むことができる。例えば、典型的な一実施形態では、PDS1608は、複数のFTE雇用者1610中のビジネスエンティティに対して、このビジネスエンティティについてのビジネスエンティティ一般ビジネスプロファイリング1608aに関係する情報を確認または更新するよう定期的に促すことができる。典型的な一実施形態では、PDS1608はまた、FTE雇用者1610中のビジネスエンティティに対して、例えばビジネスエンティティ求人1608eを更新するよう定期的に促すことができる。
ビジネスエンティティ求人1608eは通常、例えば、労働者プール1604中の複数の人的資源が応募できる求人を表す。いくつかの実施形態では、ビジネスエンティティ求人1608eは、複数のFTE雇用者1610中のビジネスエンティティによって直接提供することができる。他の実施形態では、ビジネスエンティティ求人1608eは、定期刊行物(例えば新聞、雑誌など)、インターネットウェブサイト、および他のソースによって提供することができる。典型的な一実施形態では、ビジネスエンティティ求人1608eに関係する求人情報を取り込んで、図1〜14に関して述べたようにHCM分類、例えば図4のHCMマスタ分類418などに分類することができる。このようにして、ビジネスエンティティ求人1608eを例えばHCMマスタ分類418に正規化することができる。
配置処理モジュール1608fは、典型的な一実施形態では、労働者プール1604中の複数の人的資源のそれぞれに関する人的資源情報を、マスタ分類、例えば図4のHCMマスタ分類418および図2のマスタ分類218などに正規化するように動作可能である。正規化される人的資源情報は、例えば、個人プロファイリング情報1606a、スキル/経験情報1606b、およびキャリア開発プラン1606cを含むことができる。例えば図4のHCMマスタ分類418への正規化は、通常、人的資源情報を、図1〜14に関して述べたようにHCMマスタ分類、例えばHCMマスタ分類418などに分類することを含む。前述のように、PDS1608は同様に、ビジネスエンティティ求人1608eも正規化する。
典型的な一実施形態では、前述の正規化を介して、配置処理モジュール1608fは、例えば割当てロジスティックス1606dを考慮しながら、労働者プール1604中の人的資源をビジネスエンティティ求人1608eのうちの求人と合致させるように動作可能である。配置処理モジュール1608fはさらに、通常、ビジネスエンティティ求人1608e中の求人に基づいて、労働者プール1604中の複数の人的資源から、採用者または完了した再配置に関係する情報を追跡および記録するように動作可能である。典型的な一実施形態では、配置処理モジュール1608fは、採用者に関係する記録済み情報を、応募者追跡システム1606およびビジネスエンティティ管理1608dと共有する。このようにして、典型的な一実施形態では、応募者追跡システムは、労働者プール1504の人的資源情報を更新することができ、満たされた求人は、ビジネスエンティティ求人1608eから除去することができる。
典型的な一実施形態では、配置処理モジュール1608fにより、応募者追跡システム1606に関して上述した労働者プール1604を構成することは動的かつ継続的なプロセスとすることができる。例えば、私的セクタへの移行および再配置は、様々な実施形態で、例えば図15の前セクタ1502への復帰が計画されているかまたは少なくとも可能であるように、一時的または半永久的とすることができる。典型的な一実施形態では、配置処理モジュール1608fが採用者に関係する記録済み情報を応募者追跡システム1606と共有しているとき、応募者追跡システムは、PDS1608によって正規化されたビジネスエンティティ求人のうちの対応する求人を利用して、例えばスキル/経験情報1606bを更新することができる。このようにして、応募者追跡システムは、労働者プール1604中の複数の人的資源の最新のスナップショットを維持するように動作可能である。したがってこの結果、労働者プール1604中の複数の人的資源を、より効果的に私的セクタに再配置することができ、また、例えば公的セクタへの復帰時に公的セクタ中でより効果的に利用することができる。
配置ビジネスインテリジェンス(BI)1608gは、典型的な一実施形態では、PDS1608の様々なアクティビティに関係する分析論を含むことができる。典型的な一実施形態では、PDS1608は、例えばビジネスエンティティ一般ビジネスプロファイリング1608a、ビジネスエンティティスキル利用プロファイリング1608b、ビジネスエンティティ技術/装備プロファイリング1608c、およびビジネスエンティティ管理1608dに関係する情報と、ビジネスエンティティ求人1608eと、記録済み採用者とに基づいて、配置BI1608gを発展させるように動作可能である。他の情報を利用することもできる。このようにして、典型的な一実施形態では、配置BI1608gは、例えばFTE雇用者1610中のビジネスエンティティが労働者プール1604中で表されるスキルを利用する程度を識別するメトリックなどの、分析論を含むことができる。様々な実施形態で、配置BI1608gはさらに、例えば複数のFTE雇用者1610中のビジネスエンティティが労働者プール1604から雇用する程度を識別するメトリックなどの、分析論を含むことができる。
様々な実施形態で、配置BI1608gはさらに、より具体的な分析論に掘り下げることができ、例えば、労働者1604中で表される特定のスキル(例えば図4のHCMマスタ分類中のファミリまたは種)を利用する複数のFTE雇用者1610中のビジネスエンティティのうちから、これらのビジネスエンティティによって定められた労働者プール1604からのいくつかの採用者(例えばそのファミリまたは種における)に掘り下げることができる。いくつかの実施形態では、配置BI1608gの一部として、集約分析論をPDS1608によって発展させることもできる。例えば、集約分析論は、HCMマスタ分類418に対して、複数のFTE雇用者1610からの需要が高い職務種レベル438の種または職務ファミリレベル428のファミリを識別することを含むことができる。
図17に、人的資源を例えば私的セクタに再配置するのを容易にすることのできるシステム1700を示す。システム1700は、応募者追跡システム1706、PDS1708、アウトソースシステム1718、および複数のアウトソースプロジェクト1720を含む。システム1700はさらに、複数のFTE雇用者1710、臨時または一時的労働者の複数のベンダ1714、およびプロジェクト作業1716を含む。典型的な一実施形態では、応募者追跡システム1706およびPDS1708は、それぞれ図16の応募者追跡システム1606およびPDS1608と同様である。さらに、典型的な一実施形態では、複数のFTE雇用者1610、臨時または一時的労働者の複数のベンダ1714、およびプロジェクト作業1716は、それぞれ図16の複数のFTE雇用者1610、臨時または一時的労働者の複数のベンダ1614、およびプロジェクト作業1616と同様である。加えて、典型的な一実施形態では、アウトソースシステム1718は、図15のアウトソースシステム1518と同様である。
複数のアウトソースプロジェクト1720は、例えば、前労働力セクタ内、例えば図15の前労働力セクタ1502内などの複数の別々のエンティティからのプロジェクトとすることができる。例えば、いくつかの実施形態では、一列に並ぶ関心を有する政府または他のエンティティの複数のユニットが、アウトソースプロジェクト1720の一部として、プロジェクトを共にプールすることができる。このようにして、アウトソースシステム1718によって与えるために利用可能なプロジェクト作業1716の量をかなり増加させることができる。加えて、典型的な一実施形態では、アウトソースプロジェクト1720によってもたらされる影響力が増大することにより、例えば図16の労働者プール1604からの人的資源を私的セクタ中に置くことにおけるPDS1708の有効性を高めることができる。
アウトソースシステム1718は、典型的な一実施形態では、入札テンプレートおよび作業指示書(SOW)モジュール1722、PDS統合資源モジュール1724、費用管理モジュール1726、下請け管理モジュール1728、プロジェクト追跡モジュール1730、および支払いモジュール1732を備えることができる。入札テンプレートおよびSOWモジュール1722は、典型的な一実施形態では、例えばプロジェクト作業1716を複数のFTE雇用者1710のうちの1つまたは複数にアウトソースする目的で競争入札プロセスを制御する機能を備えることができる。さらに、いずれかのプロジェクトを実施するために、複数のFTE雇用者1710は、複数のベンダ/供給元1714によって提供される臨時労働者を利用することができる。典型的な一実施形態では、入札テンプレートおよびSOWモジュール1722は例えば、アウトソースシステム1718が、例えば図16の労働者プール1604中の複数の人的資源のうちの人的資源の利用を義務付けるのを可能にすることができる。入札テンプレートおよびSOWモジュール1722の例については、図18〜19Bに関してさらに詳細に論じる。
下請け管理モジュール1728は、典型的な一実施形態では、入札テンプレートおよびSOWモジュール1722の機能を下流の請負業者(すなわち下請け業者)に拡張するように動作可能である。例えば、複数のFTE雇用者1710のうちの1つにプロジェクト作業1716を与えることができ、このFTE雇用者1710はプロジェクト作業1716の一部を下請け業者に、例えば複数のFTE雇用者1710のうちの別の1つまたは複数のベンダ/供給元1714のうちの1つなどに、下請けに出すことができる。複数の階層の下請けが発生する場合があることを、当業者なら認識するであろう。典型的な一実施形態では、下請け管理モジュール1728は、例えば、アウトソースシステム1718が、例えば図16の労働者プール1604中の複数の人的資源のうちの人的資源の利用を下流の請負業者(すなわち下請け業者)に対して義務付けるのを可能にすることができる。下請け管理モジュール1728の例については、図21に関してさらに詳細に論じる。
プロジェクト追跡モジュール1730、費用管理モジュール1726、および支払いモジュール1732は、典型的な一実施形態では、与えられたプロジェクト、例えば複数のアウトソースプロジェクト1720のうちの1つなどのための機能を実施するように動作可能である。費用管理モジュール1726は一般に、与えられたプロジェクトによって定義されるプロジェクト作業の完了を通して、与えられたプロジェクトについての全ての財務面を管理および追跡する。支払いモジュール1732は例えば、例えば与えられたプロジェクトについての購入請求書の条項に従って、プロジェクト作業に対する支払いを管理することができる。プロジェクト追跡モジュール1730は、例えばプロジェクトアクティビティの完了ステータスを追跡し、プロジェクト性能メトリックを生成し、プロジェクトアクティビティスケジューリングを管理することができる。プロジェクト追跡モジュール1730は、典型的な一実施形態では、例えばプロジェクト作業1716にスタッフを配属する際の労働者プール1603の任意の必要利用率を確認および施行することができる。
PDS統合資源モジュール1724は、典型的な一実施形態では、PDS1708とアウトソースシステム1718の両方を最適化するようにして、PDS1708とアウトソースシステム1718の資源を統合するように動作可能である。例えば、典型的な一実施形態では、PDS統合資源モジュールは、入札テンプレートおよびSOWモジュール1722と下請け管理モジュール1728とに、図16の配置BI1608gについて通知するように動作可能である。このようにして、例えば労働者プール1604中の複数の人的資源のうちの所定のしきい値を雇用する、複数のFTE雇用者1710中のビジネスエンティティに、プロジェクト作業1716のより大きい部分を与えることができる。所定のしきい値は、様々な実施形態で、ビジネスエンティティの総雇用のパーセンテージとして、またはそのような採用者の総数として、または当業者に明らかであろう他のメトリックとして表すことができる。
図18に、例えば図17の入札テンプレートおよびSOWモジュール1722によって実施することのできる入札プロセスの高レベルの機能図を示す。特定の入札要求1800に関連する入札要求データ1840が、バイヤー1850からプロジェクト入札管理システム1830に提供される。バイヤー1850は、典型的な一実施形態では、アウトソースシステム1718のオペレータ、例えば政府のユニットなどとすることができる。プロジェクト入札管理システム1830によって受け取られる入札要求データ1840は、バイヤー1850によって事前指定された形式のデータである。例えば、この形式は、特定のプロジェクトタイプ用の構成可能な事前確立済み入札項目リストから選択された、1つまたは複数の入札項目を含むことができ、入札要求データ1840は、これらの選択された入札項目のうちの1つまたは複数に関係するものとすることができる。典型的な一実施形態では、これらの選択された入札項目は、例えば、プロジェクト作業1716にスタッフを配属する際の図17の労働者プール1704の必要利用率を定量化する入札項目を含むことができる。定量化は、例えば、プロジェクト作業1716に利用される一時的スタッフ配属のパーセンテージとして、またはプロジェクト作業1716のための一時的スタッフ配属に費やされる資金のパーセンテージとして、または総数として表すことができる。
入札要求データ1840は、プロジェクト入札管理システム1830によってフォーマットされ、1つまたは複数のベンダ1810a・・・1810nに、それぞれの入札応答1820を求めて入札要求1800として送信される。例えば、ベンダ1810は、図17の複数のFTE雇用者1710中のビジネスエンティティとすることができる。入札応答1820が精査のためにベンダ1810からプロジェクト入札管理システム1830にサブミットされた後で、適格とされた入札応答1820aがバイヤー1850に転送される。例えば、ベンダが特定のデータフォーマット中の必須入札応答項目を完成させるとプロジェクト入札管理システム1830がベンダ入札応答1820の何らかのフィルタリングを実施できるように、プロジェクト入札管理システム1830は事前構成されてよい。このようにして、システム1830は、入札評価に必要なデータを有する入札応答1820のみをバイヤー1850が受け取るのを確実にすることができる。
本発明の実施形態によれば、プロジェクト入札管理システム1830は、図19Aに示すようにコンピュータシステム1900内で実現することができる。ユーザ1905が、ウェブブラウザ1920を介しデータネットワーク1990を通してコンピュータシステム1900に入る。ユーザ1905は、ベンダ1810、バイヤー1850、管理者1980(例えば第三者管理者、もしくはバイヤーによって雇用された管理者)、またはプロジェクトに割り当てられた請負業者1915に関連する、任意の人物を含む。限定ではなく例として、データネットワーク1990はインターネットまたはイントラネットとすることができ、ウェブブラウザ1920は、データネットワーク1990へのアクセスを提供する任意の利用可能なウェブブラウザまたは任意のタイプのインターネットサービスプロバイダ(ISP)接続とすることができる。ベンダユーザ1905はベンダブラウザ1920bを通してコンピュータシステムにアクセスし、バイヤーユーザ1905はバイヤーブラウザ1920aを介してコンピュータシステムにアクセスし、請負業者ユーザ1905は請負業者ブラウザ1920cを介してコンピュータシステムにアクセスし、管理ユーザ1905は管理ブラウザ1920dを通してコンピュータシステムにアクセスする。ユーザ1905は、ベンダブラウザ1920a、バイヤーブラウザ1920b、請負業者ブラウザ1920c、および管理ブラウザ1920dにそれぞれウェブページをプッシュすることのできるウェブサーバ1920または1925を通して、コンピュータシステム1900にアクセスする。
入札ウェブサーバ1920は、ベンダ1810、バイヤー1850、請負業者1915、および管理者1980に関係するデータを維持するデータベースシステム1950に、ベンダ1810、バイヤー1850、請負業者1915、および管理者1980がインタフェースできるようにする。ベンダ1810、バイヤー1850、請負業者1915、および管理者1980のそれぞれに関係するデータは、セキュリティおよび利便性の目的で、データベースサーバ1950内で単一のデータベース1955に記憶するか、複数の共有データベース1955に記憶するか、または別々のデータベース1955に記憶することができ、後者が図示されている。例えば、データベースシステム1950は、バイヤー1850、ベンダ1810、管理者1980、および請負業者1915の場所および選好に応じて、1つまたは複数の場所にわたって分散されてもよい。
ベンダユーザ1905へのユーザインタフェースは、入札ウェブサーバ1920によってベンダモジュール1917を通して提供される。例えば、ベンダモジュール1917は、特定のベンダデータベース1955bに記憶されたデータを使用して、ベンダブラウザ1920bにプッシュされるウェブページにデータ投入することができる。バイヤーユーザ1905へのユーザインタフェースは、入札ウェブサーバ1920によってバイヤーモジュール1910を通して提供される。例えば、バイヤーモジュール1910は、特定のバイヤーデータベース1955aに記憶されたデータを使用して、バイヤーブラウザ1920aにプッシュされるウェブページにデータ投入することができる。請負業者ユーザ1905へのユーザインタフェースは、ウェブサーバ1920によって請負業者モジュール1930を通して提供される。例えば、請負業者モジュール1930は、請負業者データベース1955cに記憶されたデータを使用して、請負業者ブラウザ1920cにプッシュされるウェブページにデータ投入することができる。管理ユーザ1905へのユーザインタフェースは、入札ウェブサーバ1920によって管理モジュール1935を通して提供される。例えば、管理モジュール1935は、管理者データベース1955dに記憶されたデータを使用して、管理ブラウザ1920dにプッシュされるウェブページにデータ投入することができる。ベンダモジュール1917、バイヤーモジュール1910、請負業者モジュール1930、および管理モジュール1935はそれぞれ、ベンダモジュール1917、バイヤーモジュール1910、請負業者モジュール1930、および管理モジュール1935の機能を実施するのに必要とされる任意のハードウェア、ソフトウェア、および/またはファームウェアを備えてよく、入札ウェブサーバ1920の一部としてまたは追加のサーバ(図示せず)内で実現されてよいことに留意されたい。
コンピュータシステム1900はさらに、管理ウェブサーバ1925を通して、管理ユーザ1905への追加のユーザインタフェースを提供する。管理ウェブサーバ1925は、コンピュータシステム1900に登録されたベンダ1810、バイヤー1850、および請負業者1915に関係するデータを維持するトップレベルデータベース1960に、管理者1980がインタフェースできるようにする。例えば、トップレベルデータベース1960は、ベンダ資格データ1962、バイヤー定義のベンダ基準データ1964、および請負業者再配置データ1966を維持することができる。
ベンダ1810に関係する情報にアクセスするためには、管理ウェブサーバ1925は、ベンダモジュール1945を使用して、ベンダ1810に関係するウェブページを管理ブラウザ1920dにプッシュする。例えば、ベンダモジュール1945は、ベンダ資格情報1962にアクセスして、特定のバイヤー1850または特定の産業に対してベンダ1810を適格とすることができる。同様に、管理ウェブサーバ1925は、バイヤーモジュール1940を通して、バイヤー定義のベンダ基準情報1964に関係するウェブページを管理ブラウザ1920dにプッシュして、特定のバイヤー1850に対してベンダ1810を適格とすることができる。バイヤー定義のベンダ基準情報1964は、例えば、図16の労働者プール1604から雇用する際の所定のしきい値などの情報を含むことができる。様々な実施形態で、所定のしきい値は、労働者プール1604からのベンダ1810の全採用者のパーセンテージとして、または労働者プール1604からの採用者の総数として表すことができる。
請負業者モジュール1948は、請負業者1915によって入札サーバ1920を通して入力されて請負業者データベース1955からトップレベルデータベース1960中に取り出された請負業者再配置データ1966に、管理者1980がアクセスできるようにする。再配置データ1966は、例えば、請負業者の移動性の指標、所望の地理エリア、請負業者のスキル、所望の賃金、および、管理者1980がバイヤー1850に対してベンダ1810を適格とする助けとして使用できる他の請負業者情報を含むことができる。
別の実施形態では、図19Bに示すように、コンピュータシステム1900は、バイヤーネットワークのみにおいて実現することができる。図19Bでは、図19Aと同様、ベンダユーザ1905が、ベンダブラウザ1920bを通しデータネットワーク1990を介してコンピュータシステム1900に入る。しかし、図19Bのウェブサーバ1920は、単一のバイヤーによって制御および操作されるバイヤーウェブサーバである。データベースシステム1950は、この特定のバイヤーに関係するバイヤーデータのみと、この特定のバイヤーに関連のあるベンダ、請負業者、および管理者データのみとを記憶する。例えば、バイヤーによって適格とされるベンダのみについてのベンダ資格データが、データベースシステム1950に記憶される。
図20に、図17の入札テンプレートおよびSOWモジュール1722の一部とすることのできる、入札テンプレートを利用して入札要求を作成するための例示的な機能を示す。図20には、本発明の実施形態による、入札テンプレート2040と入札テンプレート2040からの入札要求1800とをそれぞれ作成するための、入札テンプレート作成ツール2080および入札要求作成ツール2085が示されている。入札テンプレート作成ツール2080および入札要求作成ツール2085は、これらのツールの機能を実施するのに必要とされる任意のハードウェア、ソフトウェア、および/またはファームウェアを備えることができ、ウェブサーバ1920または追加のサーバ(図示せず)内で実現されてよい。各バイヤーは、バイヤーによってアウトソースされるプロジェクト作業の性質に応じて、1つまたは複数の入札テンプレート2040を作成することができる。例えば、バイヤーが1つの部門のみでスタッフを補充する必要がある場合、バイヤーは、1つの入札テンプレート2040のみを作成してスタッフ補充入札要求1800を処理すればよい。
入札テンプレート2040を作成するために、入札テンプレート作成ツール2080は、バイヤーデータベース1955aにアクセスして入札項目リスト2094内の入札項目2030を取り出し、バイヤーがその中から選べるように、バイヤーモジュール1910、ウェブサーバ1920、データネットワーク1990、およびバイヤーブラウザ1920aを介して入札項目リスト2030をバイヤーに提供する。入札項目2030は、バイヤー、ベンダ、またはその両方に求められることになる特定のタイプの情報に関連する。バイヤーは、入札項目2030のリストから、入札テンプレート2040に含めるために1つまたは複数の選択される入札項目2035を選択して提供する。バイヤーの名前、実施される作業の場所、要求されるプロジェクト作業のタイプ、および労働者プール(例えば図17の労働者プール1704など)の必要利用率など、入札項目2030のうちの1つまたは複数は、バイヤー構成に応じて入札テンプレート2040に必須とすることができる。必須入札項目2030のうちの1つまたは複数については、必須入札項目2030を入札テンプレート2040に含めることに加えて、各必須入札項目2030に関連する特定の情報を、入札テンプレート2040内の必須入札項目2030に関連するフィールドに含めることもできる。例えば、バイヤー名、プロジェクト作業タイプ、および労働者プールの必要利用率を、そのプロジェクト作業タイプ用の入札テンプレート2040に記憶することができる。バイヤーによって作成された各入札テンプレート2040は、後で入札要求1800を作成する際に使用するために、バイヤーデータベース1955a中の入札テンプレートリスト2090内に記憶される。
入札要求1800を作成するために、入札要求作成ツール2085は、バイヤーデータベース1955aにアクセスして、入札テンプレートリスト2090内に記憶された入札テンプレート2040を取り出し、バイヤーがその中から選べるように、バイヤーモジュール1910、ウェブサーバ1920、データネットワーク1990、およびバイヤーブラウザ1920aを介して入札テンプレート2040のリストをバイヤーに提供する。バイヤーは、適切な入札テンプレート2040を選択すると、入札テンプレート2040のタイプの入札要求1800に含めるために、入札要求データ2010を入札要求作成ツール2085に提供する。例えば、バイヤーは、入札テンプレート2040内の、バイヤーからの情報を必要とする選択された各入札項目2035ごとに設けられたフィールドに、入札要求データ2010を入力することができる。限定ではなく例として、入札要求データ2010は、実施される作業の場所、プロジェクトのタイミング、および、プロジェクトに必要な特定のベンダ資格を含むことができる。
入札要求作成ツール2085はさらに、バイヤーデータベース1955aとインタフェースして、バイヤーに対するベンダリスト2058にアクセスし、入札要求を受け取るべき適切なベンダを決定する。適切なベンダは、入札テンプレート2040のタイプ、および、入札要求1800自体に含まれるいずれか他のベンダ資格に基づいて選択することができる。したがって、ベンダリスト2058を、入札テンプレート2040のタイプに対して事前に適格とされたベンダに分けて、入札要求1800をサブミットするときの処理時間をさらに短縮することができる。例えば、ベンダ資格は、図16の労働者プール1604から雇用する際の所定のしきい値を含むことができる。様々な実施形態で、所定のしきい値は、労働者プール1604からのベンダ1810の全採用者のパーセンテージとして、または労働者プール1604からの採用者の総数として表すことができる。入札要求作成ツール2085はさらに、選択されたベンダに関連するベンダコンタクト情報2050を使用して、ベンダモジュール1917、ウェブサーバ1920、データネットワーク1990、およびベンダブラウザ1920bを介して、入札要求1800を適切なベンダにブロードキャスト(送信)し(図18〜19Bに示すように)、サブミットされた入札要求1800をバイヤーについての入札要求リスト2096に記憶する。
請われたベンダから受け取られた(図18〜19Bに示すように)ベンダ入札応答1820はさらに、後で例えばベンダ入札応答1820を比較および格付けする際に使用するために、バイヤーデータベース1955a中の入札応答リスト2098に記憶することができる。ベンダ入札応答1820は、入札応答1800に含まれる入札項目から生成される。具体的には、ベンダは、ベンダおよび入札応答に関連するデータを、入札要求1800中の有効にされた入札項目内のデータフィールドに投入する。ベンダは、ベンダモジュール1917を介して入札要求1800にアクセスして入札要求を閲覧し、ベンダ応答を完成させ、ベンダモジュール1917を介して、完成した入札応答1820をサブミットし、入札応答1820がバイヤーモジュール1910を介してバイヤーデータベース1955aに記憶されるようにする(ステップは図示せず)。入札応答1820は、ベンダデータベース1955b(図示せず)から取り出されたデータを含むことができ、入札応答作成の間および後にベンダデータベース1955bに記憶することができる。
図21に、例示的な下請けエンティティ(SCE)利用可能化および管理を示す。図21には、図17の下請け管理モジュール1728によって実施することのできるフロー2100が示されている。フロー2100は、ステップ2102〜2150を含む。ステップ2102〜2106は、SCEの利用可能化に関係する。ステップ2108〜2142は、デイジーチェーン入札応答処理に関係する。ステップ2144〜2150は、バイヤー入札応答処理に関係する。
フロー2100はステップ2102で開始し、このステップでは、SCEに関してバイヤーによって規則が構成される。ステップ2104で、SCEは利用可能にされ、プログラムによって構成される供給元負荷要件が設定される。ステップ2106で、SCEは、1つまたは複数の承認された供給元の傘下に置かれる。ステップ2108で、承認された供給元が、見積要求/提案要求/入札要求(RFx)をバイヤーから受け取る。ステップ2110で、承認された供給元は、デイジーチェーン見積もりを発行することを決定する。デイジーチェーンという用語は、マスタレコードから1つまたは複数のレコードが解析される、エンティティ間のワークフロー要素の処理および伝送のコンテキストで使用される。解析されたレコードは、次いで、あるエンティティから別のエンティティに送信され、それにより受信エンティティは、解析され送信されたレコードへのアクセスを有する。さらに処理されると、解析され送信されたレコードは、ワークフローの一部としてさらに処理されるようにマスタレコードに戻して再統合することができる。デイジーチェーン見積もりおよびデイジーチェーン獲得は、どのようにデイジーチェーンの概念を本明細書に記載のワークフロープロセスのコンテキストで使用できるかに関する例である。デイジーチェーン見積もりを発行するとステップ2110で決定するのに応答して、ステップ2112で、承認された供給元は、デイジーチェーン見積もりに含めるための所望の入札応答項目を選択する。デイジーチェーン見積もりに含められる項目は、支払請求可能なサービス/物の項目の少なくとも1つの選択を含まなければならない。デイジーチェーン見積もりに含められる項目は、例えば、プロジェクト作業1716にスタッフを配属する際の図17の労働者プール1704の必要利用率を指定することができる。この定量化は、例えば、プロジェクト作業1716に利用される一時的スタッフ配属のパーセンテージとして、またはプロジェクト作業1716のための一時的スタッフ配属に費やされる資金のパーセンテージとして、または総数として表すことができる。
ステップ2112から、実行はステップ2114に進む。ステップ2114で、承認された供給元は、デイジーチェーン見積もりを送る所望の傘下SCEを選択する。ステップ2116で、承認された供給元はデイジーチェーン見積もりを送り、標準ソリューション通知が開始される。標準ソリューション通知は、例えば、いわゆるオンラインダッシュボード通知ならびに電子メール通知を含む。ステップ2116から、実行はステップ2118に進む。ステップ2118で、受信側SCEは、適用可能なバイヤー合意を実行して、デイジーチェーン見積もりへのアクセスを得る。適用可能なバイヤー合意がステップ2118で実行されると、実行プロセスはステップ2120に進む。ステップ2120で、SCEは、適用可能な見積項目を完成させる。ステップ2122で、SCEは、完成したデイジーチェーン見積もりを供給元に送り返す。
ステップ2124で、承認された供給元は、SCEデイジーチェーン見積もりにアクセスする。ステップ2124から、実行はステップ2126と2128のいずれかに進むことができる。承認された供給元がステップ2124でオプションの見積分析ツールを使用すべきであると決定した場合は、実行はステップ2126に進む。しかし、承認された供給元が見積分析ツールを使用したくない場合は、実行は直接にステップ2128に進む。ステップ2126で、承認された供給元は、オプションの見積分析ツールを使用可能にすることができる。見積分析ツールは、デイジーチェーン見積もりの格付けおよび得点付けが行われるのを可能にする。ステップ2128で、承認された供給元は、SCEデイジーチェーン見積もりを受諾または拒否することができる。承認された供給元がSCEデイジーチェーン見積もりを受諾する場合は、実行はステップ2130に進む。
ステップ2130で、承認された供給元は、デイジーチェーン見積応答項目を選択する。例えば、承認された供給元は、SCEから受信した全てのデイジーチェーン見積応答項目を選択することができ、あるいは、承認された供給元にとっていくつかの応答項目は受け入れることができ他の応答項目はそうでないときには、全てに満たないデイジーチェーン見積応答項目を選択することができる。選択された応答項目は、少なくとも1つの取引証票作成可能なサービス/物の項目を含まなければならない。所望のデイジーチェーン見積応答項目の選択に応答して、実行はステップ2132に進む。ステップ2132で、全ての必要な妥当性検査に合格したかどうかが判定される。例えば、承認された供給元が同じ入札項目に対して複数の入札応答項目を選択しようとした場合、妥当性検査は失敗する可能性がある。全ての必要な妥当性検査に合格したと判定されない場合は、実行はステップ2130に戻る。しかし、全ての必要な妥当性検査に合格したと判定された場合は、実行はステップ2132からステップ2134に進む。
ステップ2134で、供給元入札応答が、ステップ2132で妥当性検査されたデイジーチェーン見積値で更新される。ステップ2136で、SCEデイジーチェーン見積もりおよび供給元入札応答に対する適用可能なステータス変更が行われる。例えば、選択されたデイジーチェーン見積応答項目が供給元によって受諾されると、これらの項目のステータスを保留から受諾に変更することができる。ステップ2138で、標準通知がSCEに発行される。ステップ2140で、承認された供給元は、任意選択で、適用可能な供給元利幅を反映するようにSCEの価格付けを編集することができる。本発明の様々な実施形態で、承認された供給元によるSCE価格付けの編集は、SCE価格付けを低下させてはならず、バイヤーによって設定された構成済みの許容可能な利幅パーセンテージに従わなければならない。ステップ2140から、実行はステップ2142に進む。ステップ2142で、承認された供給元は、入札応答をバイヤーにサブミットする。
ステップ2144で、バイヤーは、入札応答にアクセスする。ステップ2146で、承認されたバイヤーは、任意選択で、ユーザインタフェースを介して、SCE関連の全ての入札応答詳細にアクセスすることができる。ステップ2148で、バイヤーは入札応答を処理する。ステップ2150で、バイヤーは入札を与える。
図15の応募者追跡システム1506、図16の応募者追跡システム1606、および図17の応募者追跡システム1706は、コンピュータネットワークを介してプロセッサとメモリとを有する1つまたは複数のサーバコンピュータ上で実現できることは、当業者なら理解するであろう。さらに、図16のPDS1508、図16のPDS1608、および図17のPDS1708は、コンピュータネットワークを介してプロセッサとメモリとを有する1つまたは複数のサーバコンピュータ上で実現できることは、当業者なら理解するであろう。同様に、図15のアウトソースシステム1518および図17のアウトソースシステム1718は、コンピュータネットワークを介してプロセッサとメモリとを有する1つまたは複数のサーバコンピュータ上で実現できることは、当業者なら理解するであろう。例えば、上述の1つまたは複数のサーバコンピュータは、図19Aの入札サーバ1920と同様とすることができる。
図22に、例示的な応募者追跡システムに特に焦点を合わせたシステム2200を示す。典型的な一実施形態では、システム2200は、複数の公的セクタエンティティ2234、複数の人的資源情報データストア2236、HCMデータウェアハウス2238、および応募者追跡システム2206を含む。典型的な一実施形態では、応募者追跡システム2206は、図15の応募者追跡システム1506、図16の応募者追跡システム1606、および図17の応募者追跡システム1706と同様である。
様々な実施形態で、複数の公的セクタエンティティ2234はそれぞれ、人的資源、例えば図17の労働者プール1704中の複数の人的資源などのスキルおよび経験の別々の表現を記憶することができる。別々の表現は通常、複数の人的資源情報データストア2236に記憶することができる。図17に関して述べたように、複数のエンティティ、例えば公的セクタ中の複数の公的セクタエンティティなどからのプロジェクト作業を活用することが、様々な実施形態で有益である。様々な実施形態でまた、複数の人的資源情報データストア2236からのデータを、一様な構造化フォーマットでHCMデータウェアハウス2238に集約的に記憶することも有益である場合がある。
典型的な一実施形態では、HCMデータウェアハウス2238は、例えば、複数のデータストア2236からデータを抽出し、例えば図1〜14に関して述べたようにHCMマスタ分類418を介してデータを正規化済みフォーマットに変換し、変換されたデータをHCMデータウェアハウス2238にロードすることによって、発展させることができる。典型的な一実施形態では、HCMデータウェアハウス2238はまた、複数の公的セクタエンティティ2234が直接に情報を応募者追跡システム2206に提供することで、個人を介して発展させることおよび/または更新することもできる。次いで応募者追跡システムは、提供された情報をHCMデータウェアハウス2238に記憶することができる。
図23に、2つの労働力セクタ間で繰り返される労働力移行(すなわち再配置)を容易にすることのできるシステム2300を示す。システム2300は通常、公的セクタからの公的セクタエンティティ2234、決定支援システム2338、および雇用/配置/準備ソリューション(EDRS)2344を含む。EDRS2344は通常、応募者追跡システム2306、HCMデータウェアハウス2338、第1の労働力セクタ2302、PDS2308、およびプロジェクト作業圏2312を含む。典型的な一実施形態では、HCMデータウェアハウス2338は、労働者プール2304の構造化表現を記憶する。プロジェクト作業圏2312は一般に、複数のFTE雇用者2310、臨時または一時的労働者の複数のベンダ2314、およびプロジェクト作業2316を含む。
典型的な一実施形態では、応募者追跡システム2306は、それぞれ図15、16、17、および22の応募者追跡システム1506、1606、および2206と同様とすることができる。典型的な一実施形態では、第1の労働力セクタ2302は、図15の前労働力セクタ1502と同様とすることができる。典型的な一実施形態では、労働者プール2304は、それぞれ図15および16の労働者プール1504および1604と同様とすることができる。典型的な一実施形態では、HCMデータウェアハウス2338は、図22のHCMデータウェアハウス2238と同様とすることができる。典型的な一実施形態では、PDS2308は、それぞれ図15、16、および17のPDS1508、1608、および1708と同様とすることができる。典型的な一実施形態では、プロジェクト作業圏2312は、それぞれ図15および16のプロジェクト作業圏1512および1612と同様とすることができる。
典型的な一実施形態では、応募者追跡システム2306は、図22の応募者追跡システム2206およびHCMデータウェアハウス2238に関して述べたように、HCMデータウェアハウス2338と対話することができる。典型的な一実施形態では、また図23に示すように、PDS2308は、PDS2308を介して労働者プール2304中の人的資源を第1の労働力セクタ2302(例えば公的セクタ)から私的セクタ(例えばプロジェクト作業圏2312中のエンティティ)に配置することと、私的セクタから第1の労働力セクタ2302に配置して戻すことの両方を容易にすることができる。図23に描かれているように、人的資源2304aは、労働者プール2304からの人的資源がPDS2308を介して第1の労働力セクタ2302から私的セクタに再配置されるのを表す。同様に、図23に描かれているように、人的資源2304bは、労働者プール2304からの人的資源が私的セクタから第1の労働力セクタ2302に再配置されて戻されるのを表す。特定の人的資源が、例えば第1の労働力セクタと私的セクタとの間で、多くの再配置を経る場合があることを、当業者なら理解するであろう。典型的な一実施形態では、HCMデータウェアハウス2338は、労働者プール2304中の人的資源によって第1の労働力セクタ2302と私的セクタとにまたがって辿られるキャリアパスを追跡する情報を含む。キャリアパス追跡については、図24に関してさらに詳細に述べる。
決定支援システム2338は、典型的な一実施形態では、例えばEDRSによって提供される情報に基づいてビジネスインテリジェンスおよび分析論を発展させるために、公的セクタエンティティ2334が利用することができる。例えば、決定支援システム2338は、例えばHCMデータウェアハウス2338またはPDS2308からの情報を利用して、特定のスキルセットについて人的資源の利用可能性を見積もること、予算を組むこと、または他の分析論を発展させることができる。決定支援システム2338を多くの方法で利用して公的セクタエンティティ2334の決定アクティビティおよび他のアクティビティを向上させることができることは、当業者なら認識するであろう。
図24に、労働力セクタを横断する人的資源キャリアパスを追跡およびモデル化するように動作可能とすることのできるシステム2400を示す。典型的な一実施形態では、システム2400は、人的資源2404、応募者追跡システム2406、複数のデータ活用技術2442、キャリア開発プラン2406c、一連の例示的なキャリアパスステップ2406c(1)〜(7)、およびプロジェクト作業圏2412を含む。応募者追跡システム2406は、典型的な一実施形態では、それぞれ図15、16、17、22、および23の応募者追跡システム1506、1606、1706、2206、および2306と同様とすることができる。
典型的な一実施形態では、応募者追跡システム2406は、図16のキャリア開発プラン1606cに関して述べたのと同様にして、キャリア開発プラン2406cを取得および記憶することができる。様々な実施形態で、応募者追跡システム2406はさらに、人的資源2404に関する人的資本情報2440を記憶および維持することができ、この人的資本情報2440は、例えば、学歴、取得免許、任意の人物証明、および、例えば学歴または取得免許または人物証明の証拠となる物品を含むことができる。様々な実施形態で、応募者追跡システムはさらに、複数のデータ活用技術2442を利用して、人的資本情報2440をより有用かつすぐに使用可能なものにすることができる。複数のデータ活用技術2442は、例えば、事業コンテンツ管理(ECM)技術、検索技術、マスタデータ管理技術(MDM)、BI発展技術、およびポータル技術を含むことができる。様々な実施形態で、応募者追跡システム2406は、プロジェクト作業圏2412内のビジネスエンティティが人的資源情報2440への安全なアクセスを有し複数のデータ活用技術2442を利用するのを可能にすることができる。
典型的な一実施形態では、キャリア開発プラン2406cは、1つまたは複数のキャリア目標に向かって進むために人的資源2404が辿る一連のステップまたはキャリアパスを指定することができる。様々な実施形態で、1つまたは複数のキャリア目標は、人的資源2404の個人的な目標とすることができる。いくつかの実施形態では、1つまたは複数のキャリア目標はまた、例えば公的セクタ中の公的セクタエンティティの必要性を考慮に入れることもできる。単なる例として、キャリア開発プラン2406cは、図24では、人的資源2404がキャリア開発プラン2406cの推進において占めることのできる例示的な一連の雇用地位を含むように描かれている。例示的な一連の雇用地位は、フォークリフト操作者職、トラック運転手職、物流専門家職、倉庫監督者職、調達専門家職、および調達管理者職を含む。
図24の一連の例示的なキャリアパスステップ2406c(1)〜(7)は、どのように典型的な一実施形態でPDS2408が人的資源2404の再配置においてキャリア開発プラン2406cを利用することができるかを、例示的な形で示す。ステップ2406c(1)で、人的資源2404は、公的セクタ中でフォークリフト操作者としての職務機会に配置することができる。公的セクタ中におけるフォークリフト操作者としての一定期間の労働の後、ステップ2406c(2)で、人的資源2404は、私的セクタ中でトラック運転手としての職務機会に再配置することができる。私的セクタ中におけるトラック運転手としての一定期間の労働の後、ステップ2406c(3)で、人的資源2404は、私的セクタ中で物流専門家としての別の職務機会に再配置することができる。私的セクタにおける物流専門家としての一定期間の労働の後、ステップ2406c(4)で、人的資源2404は、公的セクタ中で倉庫監督者としての職務機会に再配置することができる。
引き続き一連の例示的なキャリアパスステップ2406c(1)〜(7)について述べるが、公的セクタにおける倉庫監督者としての一定期間の労働の後、ステップ2406c(5)で、人的資源2404は、私的セクタ中で調達専門家としての職務機会に再配置することができる。私的セクタにおける調達専門家としての一定期間の労働の後、ステップ2406c(6)で、人的資源2404は、私的セクタ中で調達管理者としての別の職務機会に再配置することができる。ステップ2406c(7)で、人的資源は、公的セクタ中の予期しない必要性に基づいて、公的セクタに呼び戻すことができる。ステップ2406c(7)では、PDS2408が、人的資源2404のキャリアパスおよびキャリアパスプラン2406cを使用して、公的セクタ中の予期しない必要性のうちの1つをマッチングさせることができる。上記では具体的なステップおよび雇用地位について述べているが、これらのステップ、ステップの順序、および雇用地位が本質的に例示に過ぎないことは、当業者なら認識するであろう。
本発明の方法および装置の様々な実施形態について、添付の図面に示し、上記の「発明を実施するための形態」に述べたが、本発明が、開示した実施形態に限定されず、本明細書に示される本発明の趣旨を逸脱することなく多くの再構成、修正、および置換が可能であることは、理解されるであろう。
Claims (25)
- 人的資源情報を記憶するステップを含むとともに、第1の労働力セクタ中の複数の人的資源を含む労働者プールを構成するステップと、
複数の求人に関する求人情報を記憶するステップを含むとともに、前記第1の労働力セクタとは異なる第2の労働力セクタ中で動作する複数のビジネスエンティティを構成するステップと、
前記人的資源情報の少なくとも一部を介して前記労働者プールを人的資本管理(HCM)分類に正規化するステップと、
前記求人情報の少なくとも一部を介して前記複数の求人を前記HCM分類に正規化するステップと、
正規化された前記労働者プール中の少なくとも1つの人的資源を正規化された前記複数の求人中の少なくとも1つの求人に合致させるステップを含むとともに、前記少なくとも1つの人的資源を前記第1の労働力セクタから前記第2の労働力セクタに再配置するのを容易にするステップと、を含む方法であって、
プロセッサとメモリとを有する1つまたは複数のコンピュータを介して実施される方法。 - 前記人的資源情報が、個人プロファイリング情報と、1つまたは複数のスキルと、経験と、キャリア開発プランと、割当てロジスティックスとからなる群から選択される請求項1に記載の方法。
- 前記複数のビジネスエンティティを構成することが、
ビジネスエンティティ一般ビジネスプロファイリングと、
ビジネスエンティティスキル利用プロファイリングと、
ビジネスエンティティ技術プロファイリングと、を含む請求項1に記載の方法。 - 前記複数のビジネスエンティティ中のビジネスエンティティに、前記ビジネスエンティティ一般ビジネスプロファイリングに関係する情報を更新するよう促すステップを含む請求項3に記載の方法。
- 前記HCM分類がより一般的なレベルからより具体的なレベルまでにわたる複数のレベルを含み、前記複数のレベルの各レベルが複数のノードを含み、
前記複数のレベルが職務種レベルおよび職務ファミリレベルを含み、前記職務種レベルが前記複数のレベルの中で最も大きい具体性のレベルを含み、前記職務ファミリレベルが前記職務種レベルのすぐ上の具体性のレベルを含む請求項1に記載の方法。 - 前記労働者プールを正規化するステップが、
HCM言語ライブラリを介して前記人的資源情報を変換するステップと、
前記変換された人的資源情報を前記職務ファミリレベルの前記複数のノードから選択された職務ファミリノードに分類するステップと、
を含む請求項5に記載の方法。 - 前記複数の求人を正規化するステップが、
前記HCM言語ライブラリを介して前記求人情報を変換するステップと、
前記変換された求人情報を前記職務ファミリレベルの前記複数のノードから選択された職務ファミリノードに分類するステップと、
を含む請求項6に記載の方法。 - 前記少なくとも1つの人的資源を少なくとも1つの求人に合致させるステップが、前記少なくとも1つの人的資源と前記少なくとも1つの求人とが前記職務ファミリレベルの同じ職務ファミリノードにおいて分類されることになると決定するステップを含む請求項7に記載の方法。
- 前記少なくとも1つの求人に基づいて前記少なくとも1つの人的資源の雇用を記録するステップと、
前記記録された雇用に基づいて前記人的資源情報を更新するステップと、
を含む請求項8に記載の方法。 - 前記少なくとも1つの人的資源を少なくとも1つの求人に合致させるステップが、前記複数の人的資源のうちの2つ以上を前記複数の求人のうちの選択された求人に合致させるステップを含み、
前記雇用を記録するステップが、前記複数の求人のうちの選択された求人に基づいて複数の雇用を記録するステップを含む請求項9に記載の方法。 - 前記記録された複数の雇用を介してビジネスインテリジェンスを発展させるステップを含み、
前記発展させるステップが、前記複数のビジネスエンティティが前記労働者プールから雇用する程度を分析するステップを含む請求項10に記載の方法。 - 前記発展させるステップが、前記記録された複数の雇用を前記HCM分類における配置によって分析するステップを含む請求項11に記載の方法。
- 前記発展させるステップが、前記記録された複数の雇用を前記職務ファミリレベルの職務ファミリによって比較するステップを含む請求項12に記載の方法。
- 前記変換された人的資源情報を前記複数の職務種ノードからの選択された職務種ノードに分類するステップと、
前記職務ファミリノードの真下に前記人的資源情報についての新しい職務種ノードを構成するステップと、
のうちの少なくとも一方を含む請求項7に記載の方法。 - 前記変換された求人情報を前記複数の職務種ノードからの選択された職務種ノードに分類するステップと、
前記職務ファミリノードの真下に前記求人情報についての新しい職務種ノードを構成するステップと、
のうちの少なくとも一方を含む請求項14に記載の方法。 - 前記少なくとも1つの人的資源を少なくとも1つの求人に合致させるステップが、前記少なくとも1つの人的資源と前記少なくとも1つの求人とが前記職務種レベルの同じ職務種ノードに分類されることになると決定するステップを含む請求項15に記載の方法。
- 前記第1の労働力セクタがプロジェクト作業圏中のバイヤーを含み、前記プロジェクト作業圏が前記複数のビジネスエンティティを含み、
前記複数のビジネスエンティティのうちの選択されたビジネスエンティティにプロジェクト作業に対する入札要求を送信するステップを含む請求項1に記載の方法。 - 前記入札要求が複数の入札項目を含み、前記複数の入札項目のうちの少なくとも1つが、前記プロジェクト作業にスタッフを配属する際の前記労働者プールの必要利用率を定量化する請求項17に記載の方法。
- 前記入札要求が前記複数のビジネスエンティティのうちの適格とされるビジネスエンティティのみに送信され、前記複数のビジネスエンティティのうちの前記適格とされるビジネスエンティティが、前記労働者プールから雇用する際の所定のしきい値に少なくとも達したビジネスエンティティを含む請求項18に記載の方法。
- 利用可能にされた下請けエンティティにデイジーチェーン入札要求を送信するステップを含み、
前記デイジーチェーン入札要求が前記入札要求からの複数の解析済み入札項目を含み、前記複数の解析済み入札要求のうちの少なくとも1つが、前記プロジェクト作業にスタッフを配属する際の前記労働者プールの必要利用率を定量化する請求項17に記載の方法。 - 前記プロジェクト作業が、前記第1の労働力セクタ内の複数のエンティティからの複数のプロジェクトからのプロジェクト作業を含む請求項17に記載の方法。
- 前記労働者プールが、前記第1の労働力セクタ中の複数のエンティティからの人的資源を含む請求項1に記載の方法。
- 前記人的資源情報がキャリア開発プランを含み、
前記第1の労働力セクタから前記第2の労働力セクタに再配置するのを容易にすることが前記キャリア開発プランに基づく請求項1に記載の方法。 - 前記少なくとも1つの人的資源を前記第2の労働力セクタから前記第1の労働力セクタに再配置するのを容易にするステップを含み、
前記第1の労働力セクタから前記第2の労働力セクタに再配置するのを容易にするステップが前記キャリア開発プランに基づく請求項24に記載の方法。 - コンピュータ可読プログラムコードが組み入れられたコンピュータ使用可能媒体を備えたコンピュータプログラム製品であって、前記コンピュータ可読プログラムコードが、方法を実施するために実行されるように適合され、前記方法が、
人的資源情報を記憶するステップを含むとともに、第1の労働力セクタ中の複数の人的資源を含む労働者プールを構成するステップと、
複数の求人に関する求人情報を記憶するステップを含むとともに、前記第1の労働力セクタとは異なる第2の労働力セクタ中で動作する複数のビジネスエンティティを構成するステップと、
前記人的資源情報の少なくとも一部を介して前記労働者プールを人的資本管理(HCM)分類に正規化するステップと、
前記求人情報の少なくとも一部を介して前記複数の求人を前記HCM分類に正規化するステップと、
正規化された前記労働者プール中の少なくとも1つの人的資源を前記正規化された複数の求人中の少なくとも1つの求人に合致させるステップを含むとともに、前記少なくとも1つの人的資源を前記第1の労働力セクタから前記第2の労働力セクタに再配置するのを容易にするステップと、
を含むコンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US23792409P | 2009-08-28 | 2009-08-28 | |
US61/237,924 | 2009-08-28 | ||
PCT/US2010/047176 WO2011026042A1 (en) | 2009-08-28 | 2010-08-30 | System and method for managing workforce transitions between public and private sector employment |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013503400A true JP2013503400A (ja) | 2013-01-31 |
Family
ID=43626249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012527072A Withdrawn JP2013503400A (ja) | 2009-08-28 | 2010-08-30 | 公的セクタの雇用と私的セクタの雇用の間における労働力移行を管理するためのシステムおよび方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20110055041A1 (ja) |
JP (1) | JP2013503400A (ja) |
AU (1) | AU2010286432A1 (ja) |
CA (1) | CA2771182A1 (ja) |
SG (1) | SG178416A1 (ja) |
WO (1) | WO2011026042A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7698146B2 (en) * | 2002-04-24 | 2010-04-13 | Volt Information Sciences Inc. | System and method for collecting and providing resource rate information using resource profiling |
CA2770843A1 (en) | 2009-08-12 | 2011-02-17 | Volt Information Sciences, Inc. | System and method for productizing human capital labor employment positions/jobs |
US8626681B1 (en) * | 2011-01-04 | 2014-01-07 | Google Inc. | Training a probabilistic spelling checker from structured data |
US8983855B1 (en) * | 2011-05-16 | 2015-03-17 | Mckesson Financial Holdings | Systems and methods for evaluating adherence to a project control process |
US8688688B1 (en) | 2011-07-14 | 2014-04-01 | Google Inc. | Automatic derivation of synonym entity names |
WO2013039490A1 (en) * | 2011-09-14 | 2013-03-21 | Hewlett-Packard Development Company, L.P. | Determining risk associated with a determined labor type for candidate personnel |
US20150095370A1 (en) * | 2013-09-28 | 2015-04-02 | Talent Portfolio Solutions | Methods for and apparatus for content objective profiling |
US20150379112A1 (en) * | 2014-06-27 | 2015-12-31 | Linkedin Corporation | Creating an on-line job function ontology |
US10841260B2 (en) * | 2015-01-30 | 2020-11-17 | Loturas Incorporated | Communication system and server facilitating job opportunity message exchange and related methods |
US10332085B2 (en) * | 2015-01-30 | 2019-06-25 | Loturas Llc | Communication system and server facilitating message exchange and related methods |
WO2017019705A1 (en) | 2015-07-27 | 2017-02-02 | Texas State Technical College System | Systems and methods for domain-specific machine-interpretation of input data |
US10402787B2 (en) * | 2016-07-08 | 2019-09-03 | Xpolinate, Inc. | Resource sharing platform |
US20180276592A1 (en) * | 2017-03-23 | 2018-09-27 | Yonir Technologies Ltd. | Talent Employment Methods and Systems |
US11100143B2 (en) * | 2018-07-19 | 2021-08-24 | Steady Platform Llc | Structuring of unstructured web posting |
EP3690772A1 (en) * | 2019-01-29 | 2020-08-05 | Tata Consultancy Services Limited | Method and system for skill matching for determining skill similarity |
US11720698B2 (en) * | 2019-04-02 | 2023-08-08 | Jpmorgan Chase Bank, N.A. | Systems and methods for implementing an interactive contractor dashboard |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4646250A (en) * | 1984-10-18 | 1987-02-24 | International Business Machines Corp. | Data entry screen |
US5737494A (en) * | 1994-12-08 | 1998-04-07 | Tech-Metrics International, Inc. | Assessment methods and apparatus for an organizational process or system |
US6167385A (en) * | 1998-11-30 | 2000-12-26 | The Chase Manhattan Bank | Supply chain financing system and method |
CA2683191A1 (en) * | 1999-03-02 | 2000-09-08 | Amway Corp. | Electronic commerce transactions within a marketing system |
AU2440100A (en) * | 1999-03-19 | 2000-10-09 | Trados Gmbh | Workflow management system |
US6662194B1 (en) * | 1999-07-31 | 2003-12-09 | Raymond Anthony Joao | Apparatus and method for providing recruitment information |
IL133617A0 (en) * | 1999-12-20 | 2001-04-30 | Glide Ltd | Career management system |
WO2001095205A1 (en) * | 1999-12-30 | 2001-12-13 | Jeffrey Alnwick | Method and system for ordering items over the internet |
US20010047311A1 (en) * | 2000-04-13 | 2001-11-29 | Bhavesh Singh | Method for communicating, collaborating and transacting commerce via a communication network |
US7908200B2 (en) * | 2000-05-16 | 2011-03-15 | Versata Development Group, Inc. | Method and apparatus for efficiently generating electronic requests for quote |
US7653583B1 (en) * | 2000-05-16 | 2010-01-26 | Versata Development Group, Inc. | Method and apparatus for filtering and/or sorting responses to electronic requests for quote |
US20020055870A1 (en) * | 2000-06-08 | 2002-05-09 | Thomas Roland R. | System for human capital management |
US20020042752A1 (en) * | 2000-08-04 | 2002-04-11 | Chaves Jimmy Bernard | Internet motor vehicle sales |
US20020156668A1 (en) * | 2001-02-16 | 2002-10-24 | Morrow Martin E. | Remote project development method and system |
US7437309B2 (en) * | 2001-02-22 | 2008-10-14 | Corporate Fables, Inc. | Talent management system and methods for reviewing and qualifying a workforce utilizing categorized and free-form text data |
US7349868B2 (en) * | 2001-05-15 | 2008-03-25 | I2 Technologies Us, Inc. | Pre-qualifying sellers during the matching phase of an electronic commerce transaction |
US20030037032A1 (en) * | 2001-08-17 | 2003-02-20 | Michael Neece | Systems and methods for intelligent hiring practices |
US7302431B1 (en) * | 2001-12-21 | 2007-11-27 | The Procter & Gamble Company | Configurable architecture for managing corporate and industry knowledgebases |
US20050120039A1 (en) * | 2002-09-19 | 2005-06-02 | Upstream Software, Inc. | System, method and software for acquiring, storing and retrieving electronic transactions |
US20040186852A1 (en) * | 2002-11-01 | 2004-09-23 | Les Rosen | Internet based system of employment referencing and employment history verification for the creation of a human capital database |
US20040093583A1 (en) * | 2002-11-13 | 2004-05-13 | Mcananey Brian T. | Project bidding system |
US20050144129A1 (en) * | 2003-12-30 | 2005-06-30 | Coolman Jeron W. | Systems and methods for paying vendors using CCR data |
US7805382B2 (en) * | 2005-04-11 | 2010-09-28 | Mkt10, Inc. | Match-based employment system and method |
EP1818813A1 (en) * | 2006-02-02 | 2007-08-15 | Research In Motion Limited | System and method and apparatus for using UML tools for defining web service bound component applications |
US20080004890A1 (en) * | 2006-07-03 | 2008-01-03 | Dwayne Paul Hargroder | Interactive employment credential system and method |
-
2010
- 2010-08-30 JP JP2012527072A patent/JP2013503400A/ja not_active Withdrawn
- 2010-08-30 WO PCT/US2010/047176 patent/WO2011026042A1/en active Application Filing
- 2010-08-30 CA CA2771182A patent/CA2771182A1/en not_active Abandoned
- 2010-08-30 US US12/871,725 patent/US20110055041A1/en not_active Abandoned
- 2010-08-30 AU AU2010286432A patent/AU2010286432A1/en not_active Abandoned
- 2010-08-30 SG SG2012010344A patent/SG178416A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
CA2771182A1 (en) | 2011-03-03 |
US20110055041A1 (en) | 2011-03-03 |
WO2011026042A1 (en) | 2011-03-03 |
AU2010286432A1 (en) | 2012-03-08 |
SG178416A1 (en) | 2012-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2013503400A (ja) | 公的セクタの雇用と私的セクタの雇用の間における労働力移行を管理するためのシステムおよび方法 | |
Kobayashi et al. | Text mining in organizational research | |
US7707203B2 (en) | Job seeking system and method for managing job listings | |
US7680855B2 (en) | System and method for managing listings | |
US7702674B2 (en) | Job categorization system and method | |
US7702621B2 (en) | System and method for providing profile matching within an unstructured document | |
KR100996131B1 (ko) | 리스팅 관리 시스템 및 방법 | |
US11941714B2 (en) | Analysis of intellectual-property data in relation to products and services | |
US20100268684A1 (en) | System and Method for Optimizing Federated and ETLd Databases with Considerations of Specialized Data Structures Within an Environment Having Multidimensional Constraints | |
US11887201B2 (en) | Analysis of intellectual-property data in relation to products and services | |
US11803927B2 (en) | Analysis of intellectual-property data in relation to products and services | |
US11348195B2 (en) | Analysis of intellectual-property data in relation to products and services | |
US20210004918A1 (en) | Analysis Of Intellectual-Property Data In Relation To Products And Services | |
Mturi et al. | A context‐based process semantic annotation model for a process model repository | |
JP2008537811A (ja) | リスティングを管理するためのシステム及び方法 | |
CA3145812A1 (en) | Analysis of intellectual-property data in relation to products and services | |
JP2013502012A (ja) | 人的資本労働雇用の地位/職務を製品化するためのシステムおよび方法 | |
Fleckenstein et al. | Implementing a data strategy | |
Poor | Applying aspects of data governance from the private sector to public higher education | |
Sarnikar | Automating knowledge flows by extending conventional information retrieval and workflow technologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20131105 |