BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Zacny Bogna (Uniwersytet Ekonomiczny w Katowicach)
Tytuł
Zastosowanie metod odkrywania wiedzy (data mining) w zarządzaniu kapitałem ludzkim
Źródło
Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach. Technologie informatyczne w zarządzaniu kapitałem ludzkim w organizacji, 2016, s. 86-109, rys., tab., wykr.
Słowa kluczowe
Informatyka, Zarządzanie kapitałem ludzkim, Organizacja, Data Mining, Systemy informatyczne
Information science, Human Capital Management, Organisation, Data Mining, Computer system
Abstrakt
Metody data mining, pozwalające na odkrywanie nietrywialnych i nieznanych wzorców w ogromnych zbiorach danych, są adaptowane w wielu obszarach zarządzania przedsiębiorstwem, w tym także w procesach zarządzania kapitałem ludzkim. Szeroki wachlarz użytecznych metod umożliwia wykonanie wielopłaszczyznowej i głębokiej analizy, której wyniki pozwalają na identyfikację i zrozumienie relacji zachodzących pomiędzy pracownikami organizacji, przewidywanie ich zachowania oraz kształtowanie postaw i kompetencji. W rozdziale scharakteryzowano proces odkrywania wiedzy z danych, w szczególności najistotniejszy jego etap, jakim jest eksploracja danych. Wyjaśniono także różnice pomiędzy grupami metod oraz dokładnie opisano poszczególne metody stosowane w wyróżnionych obszarach zarządzania kapitałem ludzkim. W ostatniej części rozdziału zaprezentowano wyniki analizy przeprowadzonego badania dotyczącego wykorzystania analizy typu data mining w zarządzaniu kapitałem ludzkim w organizacji. (fragment tekstu)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Bibliografia
Pokaż
  1. Biecek P., Trajkowski K. (2011), Na przełaj przez Data Mining z pakietem R, http://www.biecek.pl/NaPrzelajPrzezDataMining (dostęp: październik 2016).
  2. Brachman R.J., Anand T. (1996), The process of knowledge Discovery in Databases [w:] Advances in Knowledge Discovery and Data Mining, eds. U.M. Fayyad et al., AAAI Press / The MIT Press.
  3. Chapman P., Clinton J., Kerber R., Khabaza T., Reinartz T., Shearer C., Wirth R. (2000), CRISP-DM. Step-by-step Data Mining Guide, https://www.the-modeling-agency. com/crisp-dm.pdf (dostęp: wrzesień 2016).
  4. Davenport T.H., Harris J., Shapiro J. (2010), Competing on Talent Analytics, "Harvard Business Review", October.
  5. Dorn J., Hochmeister M. (2009), Techscreen: Mining Competencies in Social Software, The 13th world multi-conference on systemics, cybernetics and informatics.
  6. Dzeroski S. (2006), Towards a General Framework for Data Mining [w:] Knowledge Discovery in Inductive Databases, eds. S. Dzeroski, J. Struyf, LNCS 47474, Springer-Verlag.
  7. Hand D., Mannila H., Smyth P. (2001), Principles of Data Mining, The MIT Press.
  8. Hand D., Mannila H., Smyth P. (2005), Eksploracja danych, Wydawnictwa Naukowo-Techniczne, Warszawa.
  9. Hastie T., Tibshirani R., Friedman J. (2009), The Elements of Statistical Learning, Springer, New York.
  10. Koronacki J., Ćwik J. (2015), Statystyczne systemy uczące się. Wydanie drugie, Akademicka Oficyna Wydawnicza EXIT Andrzej Lang.
  11. Larose D.T. (2006), Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, PWN, Warszawa.
  12. O'Reilly (2014), Reducing the Costs of Employee Chum with Predictive Analytics, O'Reilly White Paper.
  13. Piatetsky G. (2014), KDnuggets Methodology Poll, http://www.kdnuggets.com/2014/10/crisp-dm-top-methodology-analytics-data-mining-data-science-projects.html (dostęp: wrzesień 2016).
  14. Rodrigues S., Oliveira J., de Souza J.M. (2005), Competence Mining for Team Formation and Virtual Community Recommendation, Ninth international conference on computer supported cooperative work in design.
  15. Romero C., Ventura S. (2010), Educational Data Mining: A Review of the State of the art, IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, Vol. 40, s. 601-618, http://dx.doi.org/10.1109/TSMCC.2010.2053532.
  16. Strohmeier S., Piazza F. (2013), Domain Driven Data Mining in Human Resource Management: A Review of Current Research, "Expert Systems with Applications", Vol. 40.
  17. Surma J. (2009) Business Intelligence: systemy wspomagania decyzji biznesowych, Wydawnictwo Naukowe PWN, Warszawa.
  18. Zhu J., Goncalves A.L., Uren V.S., Motta E., Pacheco R. (2005), Mining Web Data for Competency Management, Web Intelligence, Proceedings, The 2005 1EEE/WTC/ ACM International Conference.
  19. Żołtaszek A. (2014), Modele mikrosymulacyjne. Teoria i zastosowania ekonomiczno-społeczne, Wydawnictwo Uniwersytetu Łódzkiego, Łódź.
Cytowane przez
Pokaż
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu