線纜人員培訓評價的智能輔助決策技術研究

李宏博，馬志廣，李 培，寧 琦，陳麗娜

（國家電網有限公司技術學院分公司，山東 濟南 250002）

0 引言

基于云平臺的輸配電線纜專業技能實訓考核管理信息系統，實現了專業培訓過程可監控、結果可追溯及全流程信息化管理，考核過程數據能夠實現留存與應用，考核工作公平、透明，提高了考核體系的價值。然而整個過程中員工考核數據采集、分析與應用工作量較大，特別是開展全班組大型考核時，采用人工方式進行數據分析會耗時、耗力。

當前公司積極響應人才培養相關政策，對線纜人員的考核要求逐漸提高，各種培訓評價的約束條件和映射的數據關系愈加復雜，對培訓評價智能輔助決策技術進行研究迫在眉睫。在能源互聯網日益發展的背景下，規模龐大的電網數據中所蘊含的信息正在發生著一定規律的變化［1］。

本文深入研究線纜人員培訓評價智能輔助決策技術，以提供高效率和高質量的輔助決策，并為基于數據的技能崗位人員培訓評價的全面應用和推廣提供實踐依據。

1 大數據的概念

當前國內外學者和專家對大數據的相關概念還未達成一致意見。文獻［2］提出，大數據是一組數據，其中可以捕獲、存儲、管理和分析的信息遠多于傳統數據庫中數據集所包含的信息。文獻［3］提出，決定大數據定義的關鍵因素是計算機處理能力，大數據的極端信息管理和問題處理能力超越了傳統信息技術處理能力。

雖然以上學者對大數據的定義不一，然而在某些方面他們具有共識，例如大數據具有規模巨大、類型繁多、傳播介質廣泛、分析處理高效以及價值密度低等特點。在本文中，大數據被定義為基于云計算和應用模型的大規模、結構復雜和類型多樣的數據集，它通過集成、共享和交叉重用對組織實施戰略具有重大意義。

2 智能輔助決策技術應用的必要性

2.1 健全線纜員工培訓評價體系

大數據的崛起已經在全球范圍內引發了深刻的技術和商業變化，隨著新興數字技術的不斷發展，大數據決策分析精準度不斷提高，在各行各業得到廣泛應用。通過大數據智能技術，能夠精確地收集、統計和分析線纜員工培訓評價的相關數據，以準確定位培訓需求，并科學地評估培訓效果，這有助于解決當前公司線纜員工培訓面臨的一系列問題，例如培訓內容比較單一、培訓效果較差、未能精準捕捉培訓需求，以及培訓評估和反饋機制不夠完善等。大數據智能輔助決策技術將推動線纜員工培訓體系愈加完善，同時有助于公司降低培訓成本并優化人力資源配置。

2.2 推動人才隊伍培養和發展

在大數據時代，通過科技手段從復雜的數據中提取有用的員工培訓信息，建立并定期更新公司培訓資源數據庫，以深入挖掘培訓需求［4］。通過科學的統計方法，將線纜員工的培訓需求與其所在崗位的業務要求相結合，組織針對性培訓。另外，大數據智能輔助決策技術還能夠對線纜員工的培訓效果進行智能化和可視化分析處理，從而優化下一輪的培訓計劃，有助于公司構建一套科學的培訓循環體系，以提高培訓質量和效率，進而促進公司的人才隊伍培養和發展。

2.3 提升員工和崗位匹配度

在確定線纜員工培訓需求時，不僅需要考慮崗位要求，還需要考慮線纜員工的薄弱點和興趣點。不同線纜員工的培訓需求不同，借助大數據智能輔助決策技術，可以進行精準的線纜員工培訓需求分析。從線纜員工的個性需求出發，結合其所在崗位要求的技能和知識，制定有針對性的培訓計劃，有助于提高線纜員工的培訓效果，更好地實現線纜員工和崗位的精準匹配。

3 智能輔助決策技術框架設計

基于公司基礎數據和相關數據，針對當前數據挖掘不足和傳統人工分析效率較低等問題，利用大數據智能挖掘技術的預測和分析功能，為線纜人員培訓評價提供智能輔助決策。線纜人員智能輔助決策技術按照3A 原則（即數據采集、數據分析和數據應用）進行設計，智能輔助決策技術框架模型如圖1所示。

圖1 智能輔助決策技術框架模型

3.1 數據采集

大數據采集主要分為數據抽取、數據清洗、數據集成和數據轉換等過程，將分散、不統一的數據進行整合，使數據以結構化和可分析的形態存儲在數據庫中，為后續的數據分析奠定堅實的基礎［5］。

基于公司當前的員工能力模型、培訓規范、評價標準，結合調研階段了解到的員工基礎數據、現行培訓評價相關制度、培訓評價組織等，從員工培訓評價工作的管理、實施、應用等不同維度，梳理影響培訓評價的相關數據。通過大數據采集技術，收集員工的基礎數據和相關數據，例如基本信息數據、培訓數據、測評數據、持證數據、上崗數據等，將數據以適當的形態加載到系統平臺數據庫中。

采集數據并分析其數據特征是進行數據挖掘的重要內容，而數據特征的提取通常與數據清洗同步進行，以避免估計錯誤與丟失數據［6］。另外，利用大數據采集技術將數據轉化為適合數據挖掘算法處理的格式，例如將數據轉化為多維數據、時序數據或半結構化數據等，保留對人才評價影響較大的數據，剔除無關數據。

3.2 數據分析

BP（back propagation，BP）神經網絡模型具有輸入層、隱含層和輸出層3 層結構，通過設置權重值將各層級進行連接，其主要原理是借助隱含層神經元的變換，得出輸入層和輸出層之間存在的映射關系［7］。BP 神經網絡需要經過多次訓練，通過對輸入信息進行多次反饋和系數修正操作，使神經網絡結構最終達到最合適的狀態［8-9］。

根據樣本數據設計BP 神經網絡的網絡模型，識別培訓評價指標。由于線纜培訓評價指標與其他培訓評價指標不同，這些不同的特征將會在培訓評價過程數據中體現出來。記錄線纜人員的培訓評價指標數據狀態，將其作為訓練樣本對BP 神經網絡進行訓練，最終利用訓練好的最優BP 神經網絡來檢驗所采集到的數據。

為了便于計算，利用因子分析法將字符型變量變換為數值型變量，使用Sigmoid 函數將變量進行處理，然后作為BP 神經網絡的輸入變量，引入模糊語言變量將屬性指標進行量化，用同樣的方法將其他評價指標模糊量化，缺失值則用該變量取值的中位數替代。根據現有的歷史數據，每個樣本數據均對應于一個評價等級［10］。樣本集基本涵蓋了以往線纜崗位人才評價的全部信息，因此，訓練模型最大限度地擬合人才評價的非線性過程，從而得到最優的評價數據分析結果。

3.3 數據應用

數據應用可以輔助決策員工在當前和未來是否有必要進行員工培訓和人才評價，為人才隊伍建設提供指導性意見。利用大數據技術對以往培訓評價結果進行多維分析，確定員工個人和整體的培訓評價指標，可視化地生成培訓報告模板，為員工培訓和人才評價提供智能輔助決策。

在評價數據應用方面，收集線纜人員在培訓評價過程中的評價數據，并根據人才統計分析模型與人力資源應用模型對數據進行分析，將分析結果用于公司人才隊伍建設智能輔助決策。通過線纜人員基礎信息的大數據統計分析結果，實現人才數量和隊伍變化趨勢的動態可視化展示。

另外，通過線纜人員的多維度技能實操評價過程及結果分析數據，評估員工在理論和實操方面的知識、技能掌握情況，以及企業培訓評價的實施效果，智能生成培訓評價模板。線纜人員的培訓評價結果被存儲于系統平臺中，可為下一次培訓評價需求分析及計劃制定提供改進依據，達到線纜人才隊伍建設不斷優化的目的。

4 智能輔助決策技術框架下培訓評價應用策略

結合數據完整性和數據應用方向，采用范式建模法、維度建模法、實體建模法等建立線纜崗位隊伍的人力資源應用模型，將人才統計分析模型與人力資源應用模型進行有效銜接，利用聚類分析、因子分析、相關分析、對應分析、回歸分析、方差分析等方法對數據進行處理。

開發一鍵式智能大數據分析子系統，通過多個維度對培訓認證考核數據進行統計分析，包括員工的性別、年齡、學歷、職稱、人才類別、線纜崗位類別、職業技能等級等，在時間維度上智能化、可視化展示線纜隊伍人才數量及隊伍變化趨勢，對線纜崗位人才能力模型進行分析，智能推薦人才隊伍培養數量及培養方向。

在配網不停電作業的簡單項目、復雜項目、電纜項目、0.4 kV 配網不停電作業項目等多個專業項目中面向線纜隊伍人才進行理論考試和技能實操考核，進行人才培訓及培訓效果評價，從個人、工種、單位等多個維度進行技能實操評價過程及結果大數據分析，統計技能考核平均用時、平均成績、最高分、最低分、扣分點、扣分原因、待改善技能項、短板人數、崗位分布數量等信息，收集錯題集，形成線纜人才評價報告模板，為公司線纜崗位人才后續培訓及培養提供輔助數據決策。

5 結語

對線纜人員培訓評價智能輔助決策技術進行研究，分析大數據技術概念以及大數據理論在培訓評價中的應用現狀，以數據處理原則為指導，構建線纜人員培訓評價智能輔助決策技術框架，以指導線纜人員培訓評價應用決策。智能輔助決策技術為智能培訓評價提供了新的有效思路，為人才隊伍發展提供決策依據，為數據分析應用開辟了廣闊的發展前景，為人才數據資產管理與應用奠定良好基礎。