一、软件整体要求
1、B/S（Browser/Server）结构，无用户数限制，客户端不需要安装终端软件，可支****网****网的应用；
2、平台提供单个教师账号多实验班级同时实训功能，便于统一管理；
3、平台拥有智能处理功能，内部构建实验报告体系，可以查看、下载实验报告。
二、功能模块及具体要求
平台包括管理员端、教师端、学生端三部分。
（一）管理员端程序功能
1、教师管理：管理人力资源大数据分析综合实践平台的所有教师账号。系统管理员可对系统的教师进行管理：修改教师的用户名、真实姓名、密码。
2、教学管理：管理系统背景资料和评分方案。
3、数据备份：用于备份整体系统数据。系统管理员可对系统的整体数据进行备份。
4、帮助中心：管理员使用帮助文件和教学辅导文件，供教师上课使用。
5、操作日志：记录管理员和教师的操作记录。
（二）教师端程序功能
教师端由实践课授课教师使用，主要供教师新建教学任务、查询数据、查看实验报告等使用，
教师端功能包括教学管理、背景资料、学生管理、实验分数、实验报告以及帮助中心。
1、教学课程：主要包括可新建教学任务、课程详情、导入学生、签到设置。教师可以按需建立教学任务，提供暂停、继续、删除、完成、查询功能。同时教师可以导入学生账号，统一管理学生账号密码信息。教师可以进行签到设置，发起签到。
2、背景资料：系统默认的三份背景资料，背景资料不同，所分析的内容不同。同时，每份背景资料内置数据库。
3、学生管理：管理学生用户名和密码、查看操作详情。
4、实验分数：提供教师自定义实验分数比重方案，有实验得分、签到、学生平时成绩和教师自定义等多样化评分项目，满足教师上课的个性需求。课程结束后，教师根据评分方案对学生进行打分。
★5、报告管理：系统需根据学生的完成情况生成每个学生的实验报告，教师按需进行单个或批量下载。
6、帮助中心：查看帮助文件和教学辅导文件，供教师或学生上课使用。
（三）学生端程序功能
根据人力资源大数据分析流程，从人力资源的选、用、育、留角度出发，对人才供需规划预测、简历智能诊断、发展规划诊断、人才数字画像、培训需求挖掘、培训效果诊断、离职情感挖掘、离职风险预测等进行诊断性和预测性分析，从而发现问题，解决问题，为人力资源提供辅助支持。
1、人力资源大数据分析流程
人力资源大数据分析流程可以分为六步：①业务理解→②数据采集→③数据清洗→④数据加工→⑤数据分析与挖掘→⑥数据撰写
（1）业务理解
根据背景资料信息，确定分析目标###路。
（2）数据采集
数据采集包括数据填报、数据接入、数据导入、数据抓取等采集方式。
①数据填报：含内置数据和外置数据，选择内置数据，学生查看系统提供的默认数据，点击保存即可；选择外置数据，则根据平台提供的表单填写数据或者新建表单上传数据。
②数据接入：平台支持MySQL、SQL Server、Oracle、DB2等主流数据库接入，且包含内置数据和外置数据。选择内置数据，查看连接地址、用户名、密码、数据库名称，点击确定即可；选择外置数据，则选择相应数据库后，需输入连接地址、用户名、密码、数据库名称获取数据。
③数据导入：平台支持Excel、CSV、WORD文件导入数据，且包含内置数据和外置数据。选择内置数据，查看默认文件，选择保存即可；选择外置数据，导入相应文件后，平台自动获取数据。
④数据抓取：输入背景资料中****网址，****网址抓取相应数据。
（3）数据清洗
数据****局****局****局清洗是****局清洗规则清洗****局部清洗包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗。
①重复值清洗：选择需要进行重复值清洗的字段，当数据有重复时，系统将自动识别，学生根据识别结果对其进行删除或保留操作。
②缺失值清洗：选择需要进行缺失值清洗的字段，当数据有缺失时，系统将自动识别，学生根据识别结果采用固定值、平均值、众数、中位数等方法填补缺失值。
③异常值清洗：选择需要进行异常值清洗的字段，并选择筛选、3σ探测法、四分位数展布法等方法来识别异常值，学生根据识别结果采用固定值、平均值、众数、中位数等方法处理异常值。
④噪声值清洗：选择需要进行噪声值清洗的字段，并选择等深分箱法、离群点分析法等方法来识别噪声值，系统将根据识别结果处理噪声值。
（4）数据加工
数据加工包括数据整合、数据计算、数据分组。
①数据整合：本平台通过数据整合将有关联的数据整合加载到一个新的数据源中。
②数据计算：本平台可依据现在字段之间的关系通过各种运算建立用户所需的新字段。
③数据分组：本平台可将数据按照某种标准划分成不同的组别。
（5）数据分析与挖掘
①数据分析方法：频数分析、方差分析、描述分析等常用的方法；
②数据挖掘技术：决策树、回归分析、关联规则、聚类算法、文本挖掘等常用的大数据挖掘技术。
（6）数据分析报告
根据数据分析与挖掘结果，编撰数据分析报告，内容包括 标题、目录、前言、数据分析、原因分析、对策与建议、总结等。
2、简历智能诊断
首先，根据人力资源大数据分析流程，识别企业招聘过程中人岗不匹配、过程筛选繁琐等问题。然后采用数据爬取、数据填报等方式，采集简历数据。最后利用采集到的数据，构建文本挖掘模型，通过文本挖掘模型帮助决策者挖掘出符合部门要求的人员，为人力资源决策提供辅助支持。
★3、人才供需规划预测
首先，根据人力资源大数据分析流程，识别企业人力资源需求与供给不平衡等问题。然后采用数据接入、数据导入等方式，采集员工构成情况、部门工作量等数据。再利用采集到的数据，构建回归分析模型，最后，根据回归分析模型预测人才供需情况，为企业提供人才调配的科学依据，为人力资源决策者提供决策辅助。
4、发展规划诊断
首先，根据人力资源大数据分析****公司在为员工制定职业发展规划上的问题。然后采用数据导入、数据填报等方式，采集员工参与项目数量、平均每月工作时长、工作过失等数据。最后构建关联规则模型，诊断绩效评估得分、参与项目数量、平均每月工作时长和是否存在工作过失等因素对员工等级、是否留任、是否升职的影响，使得决策者可以通过关联规则模型用于判断员工是否需要留任、晋升。
★5、人才数字画像
首先，根据人力资源大数据分析流程，识别企业在发掘与培养人才过程中的问题。然后采用数据导入、数据接入等方式，采集各个岗位的学历要求、工作年限、项目经理等信息。再根据采集到的数据运用K-Means聚类算法构建人才画像模型。最后，根据聚类算法结果，确定最优秀人才的特征，从而帮助决策者将人才放在正确的岗位或者进行培养。
6、培训需求挖掘
首先，根据人力资源大数据分析流程，识别企业存在的培训需求不明确、培训设置不合理等问题。然后采用数据导入、数据接入等方式，采集绩效实际水平、人事变动情况、个人职业生涯规划等数据。再根据采集到的数据运用K-Means聚类算法构建培训偏好分析模型。最后根据聚类分析结果，帮助决策者挖掘员工的隐性培训需求，从而能够针对不同的员工制定培训计划。
7、培训效果诊断
首先，根据人力资源大数据分析流程，识别企业员工培训效果问题。然后采用数据导入、数据接入等方式，采集工作时长、每月绩效、工作态度等数据。最后通过构建决策树模型，找出影响培训效果的因素，从而为之后的企业培训提供优化方向。
8、离职情感挖掘
首先，根据人力资源大数据分析流程，识别企业离职相关问题。然后采用数据导入、数据接入等方式，采集员工离职申请数据。再利用采集到的数据构建文本挖掘模型，借助模型****公司的情感倾向，分析离职原因。最后根据文本挖掘结果分析离职原因，从而帮助决策者进行有针对性的整改，最终达到降低员工离职率这个目标。
★9、离职风险预测
首先，根据人力资源大数据分析流程，识别企业离职问题。然后采用数据接入、数据导入等方式，采集年龄、司龄、绩效、薪酬福利、工作内容、个人能力、个人成就、培训机会、个人职业发展等数据。最后利用采集到的数据构建离职风险预测决策树模型，从而帮助决策者根据决策树模型结果，预测离职人员，进而可以对有潜在离职风险的人员进行适当调整。

本招标项目仅供正式会员查阅，您的权限不能浏览详细信息,请点击注册/登录，联系工作人员办理入网升级。
联系人：刘欣
电话：010-68809590
手机：13522553206（欢迎拨打手机/微信同号）
邮箱：kefu@bidnews.cn