线缆人员培训评价的智能辅助决策技术研究

李宏博，马志广，李 培，宁 琦，陈丽娜

（国家电网有限公司技术学院分公司，山东 济南 250002）

0 引言

基于云平台的输配电线缆专业技能实训考核管理信息系统，实现了专业培训过程可监控、结果可追溯及全流程信息化管理，考核过程数据能够实现留存与应用，考核工作公平、透明，提高了考核体系的价值。然而整个过程中员工考核数据采集、分析与应用工作量较大，特别是开展全班组大型考核时，采用人工方式进行数据分析会耗时、耗力。

当前公司积极响应人才培养相关政策，对线缆人员的考核要求逐渐提高，各种培训评价的约束条件和映射的数据关系愈加复杂，对培训评价智能辅助决策技术进行研究迫在眉睫。在能源互联网日益发展的背景下，规模庞大的电网数据中所蕴含的信息正在发生着一定规律的变化［1］。

本文深入研究线缆人员培训评价智能辅助决策技术，以提供高效率和高质量的辅助决策，并为基于数据的技能岗位人员培训评价的全面应用和推广提供实践依据。

1 大数据的概念

当前国内外学者和专家对大数据的相关概念还未达成一致意见。文献［2］提出，大数据是一组数据，其中可以捕获、存储、管理和分析的信息远多于传统数据库中数据集所包含的信息。文献［3］提出，决定大数据定义的关键因素是计算机处理能力，大数据的极端信息管理和问题处理能力超越了传统信息技术处理能力。

虽然以上学者对大数据的定义不一，然而在某些方面他们具有共识，例如大数据具有规模巨大、类型繁多、传播介质广泛、分析处理高效以及价值密度低等特点。在本文中，大数据被定义为基于云计算和应用模型的大规模、结构复杂和类型多样的数据集，它通过集成、共享和交叉重用对组织实施战略具有重大意义。

2 智能辅助决策技术应用的必要性

2.1 健全线缆员工培训评价体系

大数据的崛起已经在全球范围内引发了深刻的技术和商业变化，随着新兴数字技术的不断发展，大数据决策分析精准度不断提高，在各行各业得到广泛应用。通过大数据智能技术，能够精确地收集、统计和分析线缆员工培训评价的相关数据，以准确定位培训需求，并科学地评估培训效果，这有助于解决当前公司线缆员工培训面临的一系列问题，例如培训内容比较单一、培训效果较差、未能精准捕捉培训需求，以及培训评估和反馈机制不够完善等。大数据智能辅助决策技术将推动线缆员工培训体系愈加完善，同时有助于公司降低培训成本并优化人力资源配置。

2.2 推动人才队伍培养和发展

在大数据时代，通过科技手段从复杂的数据中提取有用的员工培训信息，建立并定期更新公司培训资源数据库，以深入挖掘培训需求［4］。通过科学的统计方法，将线缆员工的培训需求与其所在岗位的业务要求相结合，组织针对性培训。另外，大数据智能辅助决策技术还能够对线缆员工的培训效果进行智能化和可视化分析处理，从而优化下一轮的培训计划，有助于公司构建一套科学的培训循环体系，以提高培训质量和效率，进而促进公司的人才队伍培养和发展。

2.3 提升员工和岗位匹配度

在确定线缆员工培训需求时，不仅需要考虑岗位要求，还需要考虑线缆员工的薄弱点和兴趣点。不同线缆员工的培训需求不同，借助大数据智能辅助决策技术，可以进行精准的线缆员工培训需求分析。从线缆员工的个性需求出发，结合其所在岗位要求的技能和知识，制定有针对性的培训计划，有助于提高线缆员工的培训效果，更好地实现线缆员工和岗位的精准匹配。

3 智能辅助决策技术框架设计

基于公司基础数据和相关数据，针对当前数据挖掘不足和传统人工分析效率较低等问题，利用大数据智能挖掘技术的预测和分析功能，为线缆人员培训评价提供智能辅助决策。线缆人员智能辅助决策技术按照3A 原则（即数据采集、数据分析和数据应用）进行设计，智能辅助决策技术框架模型如图1所示。

图1 智能辅助决策技术框架模型

3.1 数据采集

大数据采集主要分为数据抽取、数据清洗、数据集成和数据转换等过程，将分散、不统一的数据进行整合，使数据以结构化和可分析的形态存储在数据库中，为后续的数据分析奠定坚实的基础［5］。

基于公司当前的员工能力模型、培训规范、评价标准，结合调研阶段了解到的员工基础数据、现行培训评价相关制度、培训评价组织等，从员工培训评价工作的管理、实施、应用等不同维度，梳理影响培训评价的相关数据。通过大数据采集技术，收集员工的基础数据和相关数据，例如基本信息数据、培训数据、测评数据、持证数据、上岗数据等，将数据以适当的形态加载到系统平台数据库中。

采集数据并分析其数据特征是进行数据挖掘的重要内容，而数据特征的提取通常与数据清洗同步进行，以避免估计错误与丢失数据［6］。另外，利用大数据采集技术将数据转化为适合数据挖掘算法处理的格式，例如将数据转化为多维数据、时序数据或半结构化数据等，保留对人才评价影响较大的数据，剔除无关数据。

3.2 数据分析

BP（back propagation，BP）神经网络模型具有输入层、隐含层和输出层3 层结构，通过设置权重值将各层级进行连接，其主要原理是借助隐含层神经元的变换，得出输入层和输出层之间存在的映射关系［7］。BP 神经网络需要经过多次训练，通过对输入信息进行多次反馈和系数修正操作，使神经网络结构最终达到最合适的状态［8-9］。

根据样本数据设计BP 神经网络的网络模型，识别培训评价指标。由于线缆培训评价指标与其他培训评价指标不同，这些不同的特征将会在培训评价过程数据中体现出来。记录线缆人员的培训评价指标数据状态，将其作为训练样本对BP 神经网络进行训练，最终利用训练好的最优BP 神经网络来检验所采集到的数据。

为了便于计算，利用因子分析法将字符型变量变换为数值型变量，使用Sigmoid 函数将变量进行处理，然后作为BP 神经网络的输入变量，引入模糊语言变量将属性指标进行量化，用同样的方法将其他评价指标模糊量化，缺失值则用该变量取值的中位数替代。根据现有的历史数据，每个样本数据均对应于一个评价等级［10］。样本集基本涵盖了以往线缆岗位人才评价的全部信息，因此，训练模型最大限度地拟合人才评价的非线性过程，从而得到最优的评价数据分析结果。

3.3 数据应用

数据应用可以辅助决策员工在当前和未来是否有必要进行员工培训和人才评价，为人才队伍建设提供指导性意见。利用大数据技术对以往培训评价结果进行多维分析，确定员工个人和整体的培训评价指标，可视化地生成培训报告模板，为员工培训和人才评价提供智能辅助决策。

在评价数据应用方面，收集线缆人员在培训评价过程中的评价数据，并根据人才统计分析模型与人力资源应用模型对数据进行分析，将分析结果用于公司人才队伍建设智能辅助决策。通过线缆人员基础信息的大数据统计分析结果，实现人才数量和队伍变化趋势的动态可视化展示。

另外，通过线缆人员的多维度技能实操评价过程及结果分析数据，评估员工在理论和实操方面的知识、技能掌握情况，以及企业培训评价的实施效果，智能生成培训评价模板。线缆人员的培训评价结果被存储于系统平台中，可为下一次培训评价需求分析及计划制定提供改进依据，达到线缆人才队伍建设不断优化的目的。

4 智能辅助决策技术框架下培训评价应用策略

结合数据完整性和数据应用方向，采用范式建模法、维度建模法、实体建模法等建立线缆岗位队伍的人力资源应用模型，将人才统计分析模型与人力资源应用模型进行有效衔接，利用聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析等方法对数据进行处理。

开发一键式智能大数据分析子系统，通过多个维度对培训认证考核数据进行统计分析，包括员工的性别、年龄、学历、职称、人才类别、线缆岗位类别、职业技能等级等，在时间维度上智能化、可视化展示线缆队伍人才数量及队伍变化趋势，对线缆岗位人才能力模型进行分析，智能推荐人才队伍培养数量及培养方向。

在配网不停电作业的简单项目、复杂项目、电缆项目、0.4 kV 配网不停电作业项目等多个专业项目中面向线缆队伍人才进行理论考试和技能实操考核，进行人才培训及培训效果评价，从个人、工种、单位等多个维度进行技能实操评价过程及结果大数据分析，统计技能考核平均用时、平均成绩、最高分、最低分、扣分点、扣分原因、待改善技能项、短板人数、岗位分布数量等信息，收集错题集，形成线缆人才评价报告模板，为公司线缆岗位人才后续培训及培养提供辅助数据决策。

5 结语

对线缆人员培训评价智能辅助决策技术进行研究，分析大数据技术概念以及大数据理论在培训评价中的应用现状，以数据处理原则为指导，构建线缆人员培训评价智能辅助决策技术框架，以指导线缆人员培训评价应用决策。智能辅助决策技术为智能培训评价提供了新的有效思路，为人才队伍发展提供决策依据，为数据分析应用开辟了广阔的发展前景，为人才数据资产管理与应用奠定良好基础。