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

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。

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を示す図である。

主題領域サーバ上に存在しそこで実行されてよい様々なハードウェアおよびソフトウェアコンポーネントを示す図である。

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を示す図である。

例示的なＨＣＭ言語ライブラリを示す図である。

例示的なＨＣＭマスタ分類を示す図である。

ＨＣＭマスタ分類についての例示的なデータベーステーブルを示す図である。

入力レコード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・データ構造を示す図である。

解析およびマッピングエンジンについての例示的なプロセスを示す図である。

解析およびマッピングエンジンによって実施できる例示的な解析フローを示す図である。

例示的な解析済みデータレコードを示す図である。

解析およびマッピングエンジンによって実施できるスペルチェックフローを示す図である。

解析およびマッピングエンジンによって実施できる略語フローを示す図である。

解析およびマッピングエンジンによって実施できる推論フローを示す図である。

様々な実施形態で利用できるグラフを示す図である。

例示的な多次元ベクトルを示す図である。

類似性および関連性エンジンによって実施できる例示的なプロセスを示す図である。

属性差分エンジンによって実施できる例示的なプロセスを示す図である。

人的資源の再配置を容易にすることのできるシステムを示す図である。

人的資源の再配置を容易にすることのできるシステムを示す図である。

人的資源の再配置を容易にすることのできるシステムを示す図である。

入札プロセスの高レベルの機能図である。

プロジェクト入札管理システムを示す図である。

プロジェクト入札管理システムを示す図である。

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である。

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である。

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を示す図である。

２つの労働力セクタ間の労働力移行を容易にすることのできるシステムを示す図である。

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を示す図である。

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。

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。

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。

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。

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。

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。

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＊Ｓ_１）＾２＋（Ｃ＊Ｓ_２）＾２＋．．．．．＋（Ｃ＊Ｓ_ｎ）＾２）
上の公式で、Ｃはカテゴリ重みを表し、Ｓ_１およびＳ_２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＿Ｓｃｏｒｅ_Ｎｏｄｅ＝Ｓｑｕａｒｅ−Ｒｏｏｔ（（Ｎｏｄｅ＿Ｌｅｖｅｌ＿Ｗｅｉｇｈｔ_Ｎｏｄｅ＊Ｏｖｅｒａｌｌ＿Ｎｏｄｅ＿Ｓｃｏｒｅ_Ｎｏｄｅ）＾２＋．．．．．＋（Ｎｏｄｅ＿Ｌｅｖｅｌ＿Ｗｅｉｇｈｔ_{Ｄｏｍａｉｎ}＊Ｏｖｅｒａｌｌ＿Ｎｏｄｅ＿Ｓｃｏｒｅ_{Ｄｏｍａｉｎ}）＾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＿Ｓｃｏｒｅ_Ｎｏｄｅ）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＿Ｓｃｏｒｅ_Ｎｏｄｅ）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＿Ｓｃｏｒｅ_Ｎｏｄｅ）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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。
13. 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。
14. 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。
15. 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。
16. 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。
17. 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。
18. 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。
19. 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。
20. 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。
21. 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。
22. 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。
23. 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。
24. 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。
25. 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。
    

Images