Kết quả phân cụm, phân nhóm nhân viên có thể sử dụng cho các cấp lãnh đạo, quản lý dự án và bộ phận nhân sự, tuyển dụng với mục đích đưa ra quyết định nhân sự hợp lý và xây dựng chiến lược nhân sự. Cụ thể như sau:
- Đối với cấp lãnh đạo: Kết quả phân nhóm nhân viên giúp nhà lãnh đạo có cái nhìn tổng quan về nhân sự trong công ty mình. Vì thực tế, người lãnh đạo sẽ
Nguyễn Thị Lựu - K19HTTTC 61
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO
không thể biết chi tiết, cặn kẽ các điểm mạnh, điểm yếu của công ty mình do không thường xuyên làm việc cùng. Nhà lãnh đạo sẽ dựa vào kết quả phân nhóm nhân viên để thấy được tình trạng nhân sự đang thừa điều gì, thiếu điều gì kết hợp với những mục tiêu trong tương lai của công ty để đưa ra chiến lược điều chỉnh nhân sự hợp lý. Hơn thế, kết quả phân nhóm nhân viên cũng giúp đưa ra quyết định bổ nhiệm, khen thưởng phù hợp với các nhân viên trong công ty thật sự công tâm, thậm chí là chính sách cải thiện nhân sự.
- Đối với quản lý dự án: Việc giao đúng người đúng việc trong dự án là một bước rất quan trọng, thậm chí nó ảnh hưởng đến sự thành công của dự án. Việc phân ra từng nhóm nhân viên với những đặc đặc điểm khác nhau ở từng nhóm nhân viên và sự tương đồng giữa các nhân viên trong cùng một nhóm, sẽ giúp quản lý dự án phân tích được điểm mạnh, điểm yếu của nhân viên từ đó sử dụng nhân sự một cách hiệu quả nhất có thể.
- Đối với bộ phận nhân sự: Từ kết quả phân nhóm, phân cụm nhân viên, bộ phận nhân sự biết được nhân sự đang phân bổ như thế nào, đưa ra cách quản lý nhân sự phù hợp với tình hình. Không những thế, bộ phận nhân sự sẽ có những ciếc lược tuyển dụng trong tương lai, điều chỉnh chế độ phù hợp với từng nhóm nhân viên.
Nếu bạn là một nhà quản lý, phân lọai nhân viên là việc bạn cần ưu tiên thực hiện hàng đầu bởi nó mang đến rất nhiều lợi ích như:
- Phác thảo những kế hoạch phát triển phù hợp. - Có được mong đợi công việc phù hợp.
- Giúp nhân viên quản lý nghề nghiệp.
- Xây dựng một chương trình phát triển phù hợp với những nhu cầu cụ thể của mỗi cá nhân nhân viên giúp nhân viên tối đa hóa cơ hội thành công tại nơi làm việc trong cả hiện tại và tương lai.
- Xây dựng cơ sở nền tảng tốt hơn cho sự thành công của công ty.
Phân cụm nhân viên ở đề tài này dựa vào những dữ liệu thu thập được ở một số bộ phận. Tuy nhiên trong thực tế, một doanh nghiệp có dữ liệu khủng lồ được lưu trữ với những mục đích khác nhau, hoàn toàn có thể sử dụng phương
Nguyễn Thị Lựu - K19HTTTC 62
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO
pháp phân nhóm cụm để phân ra những nhóm nhân viên để ứng dụng vào các quyết định mà doanh nghiệp đang mong muốn. Một số cách phân nhóm nhân viên được sử dụng rộng rãi:
- Phân loại theo năng lực làm việc
Phân loại nhân viên theo năng lực làm việc (ASK) sẽ giúp nhà quản lý chọn đúng người, đúng vị trí đồng thời nắm bắt được chất lượng công việc, đánh giá hiệu quả và đưa ra kế hoạch phát triển, đào tạo phù hợp.
- Phân loại theo thời gian làm việc
Việc phân loại theo thời gian làm việc sẽ giúp các nhà quản lý nắm bắt được nhên viên nào có thâm niên làm việc lâu năm, nhân viên nào làm việc ngắn hạn để từ đó có kế hoạch phát triển, chính sách, chế độ đãi ngộ phù hợp.
Nhân viên thâm viên lâu năm thường là người có kinh nghiệm dày dặn, lòng trung thành cao. Việc có kế hoạch phát triển riêng, chính sách, chế độ đãi ngộ riêng sẽ thể hiện sự ghi nhận sự cóng hiến của họ và giúp họ nỗ lực cống hiến nhiều hơn nữa cho doanh nghiệp của bạn.
- Phân loại theo mức độ quan trọng
Theo mức độ quan trọng, nhân viên sẽ được phân loại như sau:
• Bình thường.
• Tài năng trẻ.
• Quản lý/chuyên gia.
• Cán bộ nguồn.
• Chủ chốt để đãi ngộ.
Việc phân loại theo mức độ quan trọng sẽ giúp lãnh đạo doanh nghiệp giao nhiệm vụ, có sự bổ nhiệm, đãi ngộ đúng người đúng việc.
Ngoài ra, phân cụm dữ liệu còn giúp đánh giá nhân viên dễ dàng hơn. Có hai hình thức đánh giá nhân viên là đánh giá một cách tương đối và đánh giá tuyệt đối. Và phân cụm nhân viên là hình thức đánh giá tương đối. Trong hình thức đánh giá tương đối, công việc của các nhân viên có liên quan đến nhau. Phương pháp này liên quan đến hệ thống chức vụ và phân bố quyền hạn. Có thể phân loại một số nhân viên thành các nhóm khác nhau. Ví như nhóm làm việc xuất sắc, nhóm làm việc
Nguyễn Thị Lựu - K19HTTTC 63
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO khá, nhóm làm việc trung bình, nhóm làm việc yếu. Tuy nhiên, kiểu đánh giá này không cung cấp cho các nhân viên nhiều thông tin về công việc của họ. Họ biết được vị trí của mình so với các đồng nghiệp cấp dưới. Nhưng để thực sự điều chỉnh công việc của mình thì họ cần phải biết những cái đúng và những cái cần chỉnh sửa. 3.3. Kết luận chương 3
Chương 3 ứng dụng tất cả các lý thuyết đã trình bày ở chương 2 với bộ dữ liệu thực nghiệm được thu thập tại công ty GMO Z-com RUNSYSTEM. Cụ thể là áp dụng phân cụm dữ liệu với thuật toán K-means để phân cụm nhân viên bằng ngôn ngữ Python (thư viện scikit-learn). Từ kết quả phân cụm này, nêu lên những giải pháp cụ thể trong việc phân bổ và đánh giá nhân sự tại GMO nói riêng và các doanh nghiệp nói chung.
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO
KẾT LUẬN 1. Ket quả đạt được của đề tài
Phân cụm dữ liệu là nhiệm vụ quan trọng trong KPDL, thu hút sự quan tâm của nhiều nhà nghiên cứu. Các kỹ thuật phân cụm đã và đang được ứng dụng thành công trong nhiều lĩnh vực khoa học, đời sống xã hội. Hiện nay, do sự phát triển không ngừng của công nghệ thông tin và truyền thông, các hệ thống CSDL ngày càng đa dạng, và tăng trưởng nhanh cả về chất lẫn về lượng. Hơn nữa, nhu cầu về khai thác các tri thức từ các CSDL này ngày càng lớn. Vì vậy, việc nghiên cứu các mô hình dữ liệu mới, áp dụng các phương pháp khai phá dữ liệu, trong đó có kỹ thuật phân cụm dữ liệu là việc làm rất cần thiết có nhiều ý nghĩa.
Trong nội dung khóa luận này, trước tiên em đã trình bày những hiểu biết của mình về khai phá dữ liệu sau đó là phần nội dung chính của khóa luận: Về lý thuyết, đã nêu tổng quan về KPDL, cụ thể là bài toán phân cụm dữ liệu và thuật toán K-means. Bên cạnh đó, em cũng khái quát về ngôn ngữ lập trình Python nói chung và thư viện scikit learn - ngôn ngữ cũng như thư viện phổ biến được ứng dụng trong Data Sciences và Machine Learning. Về thực hành, dựa vào bộ dữ liệu thu thập được tại công ty GMO để phân cụm nhân viên (sử dụng thuật toán K-means và thư viện scikit learn trong python), từ kết quả phân cụm có thể ứng dụng vào công việc như thế nào trong công ty.
2. Những vấn đề còn tồn tại
Bên cạnh những kết quả đạt được, do phải thực hiện đề tài trong thời gian ngắn nên không tránh khỏi những thiếu sót. Cụ thể như sau:
- Chưa nêu lên các thuật toán phân cụm khác để so sánh với thuật toán k-means để thấy được các ưu nhược điểm của thuật toán mình đang sử dụng.
- Dữ liệu thu thập được không có nhãn nên không thực hiện được việc đánh giá độ chính xác của thuật toán.
3. Hướng phát triển của đề tài
Vị trí công việc Cấp độ quyđổi Vị trí công việc quy đổiCấp độ
Member of BOM 7 Accountant 3
Department Manager 6 HR Excutive 3
Sub Department Manager
6
PR Executive
3
Branch Director 6 Data Process Executive 3
Team Leader 5 Sale Support 3
Sub Team Leader 5 Sales Executive 3
Project Manager 4 Pre-Sales 3
Tester 3 Sales 3
Comtor 3 Network Administrator 3
BrSE 3 R&D Engineer 3
Developer 3 Infra Engineer 3
Designer 3 CS Excutive 3
QA Executive 3 Tech Support 3
Content Executive 3 Thử việc 2
Marketing Executive 3 Học việc 1
Receptionist 3 CTV 1
Administration Excutive 3 Internship 1
Security Guard 3 Nghỉ không lương 0
Tạp vụ 3 Nghỉ thai sản 0
^BA 3
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO Trong tương lai, nếu có điều kiện, em mong muốn sẽ tìm hiểu sâu hơn về đề tài này. Đặc biệt là phát triển kĩ năng lập trình Python để mở thực hiện những ứng dụng thực tế về Machine Learning.
Nguyễn Thị Lựu - K19HTTTC 67
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO
PHỤ LỤC Phụ lục 1: Các cấp độ vị trí công việc
STT Bộ phận
1 Testing Solution Department (TSD)
2 Comm Department
3 BrSE Department
4 Business Solution Department (BSD) 5 Quality Assurance (QA Team)
6 Internet Media Department
7 Admin Department
8 Ho Chi Minh Branch
9 Da Nang Branch
10 Tokyo Branch
ũ Assistant
12 Accounting Department
13 Human Resources Department
14 Public Relations Department
15 Business Process Outsourcing Department
16 CAD Team
17 BizConnex Division
18 Digital Transformation Department 19 R&D Department
20 Internet Infra Division
21 Enterprise Solutions Division
Nguyễn Thị Lựu - K19HTTTC 68
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO Phụ lục 2: Các bộ phận
STT Ngày tháng GVHD trao đổi công việccần thực hiện Kết quả thực hiện của sinhviên
1 25/02/2020 Liên hệ với GVHD để traođổi về đề tài nghiên cứu. Liên hệ với GVHD để trao đổivề đề tài nghiên cứu “2... 06/03/2020... Nộp đề cương lần 1. Nộp đề cương lần 1.
. 3... .
12703/2020.. .Nộp đề cương lần 2. Nộp đề cương lần 2.
4 15/03/2020 Phê duyệt đề cương, bắt đầuthực hiện nghiên cứu đề tài. Bắt đầu thực hiện nghiên cứuđề tài. 5 19/04/2020 Báo cáo tiến độ thực hiện đềtài lần 1. Báo cáo tiến độ thực hiện đềtài lần 1. 6 07/05/2020 Báo cáo tiến độ thực hiện đềtài lần 2. Báo cáo tiến độ thực hiện đềtài lần 2. 7 19/05/2020 Báo cáo tiến độ thực hiện đềtài lần 3. Báo cáo tiến độ thực hiện đềtài lần 3.
8 29/05/2020
Gặp GVHD trao đổi trực tiếp về những sai sót trong bài báo cáo.
Gặp GVHD trao đổi trực tiếp về những sai sót trong bài báo cáo
9 07/06/2020 Nộp bài báo cáo đã chỉnh sửacuối cùng. Nộp bài báo cáo đã chỉnh sửacuối cùng.
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO
TÀI LIỆU THAM KHẢO Tiếng Việt
[1] . Nguyễn Hoàng Tú Anh, Giáo trình “Khai thác dữ liệu và ứng dụng” 2009 (Đại học KHTN Tp Hồ Chí Minh) .
[2] . An Hồng Sơn, Luận văn thạc sĩ “Nghiên cứu một số phương pháp phân cụm và ứng dụng” 2008 (Đại học Thái Nguyên) .
[3] . Vũ Lan Phương, “Nghiên cứu và cài đặt một số giải thuật phân cụm phân lớp” 2006 (Đại học Bách khoa Hà Nội).
Tiếng Anh
[4] . J.Han and M.Kamber, Data Mining, “Concepts and Techniques”, Morgan Kaufmann, 3rd Edition, 2011 (Chapter 1 & Chapter 10).
[5] . Charu C.Aggarwal and Chandan K.Reddy, Data Clustering: Algorithms and Applications, 2014 (Chapter 4 - A Survey of Partitional and Hierarchical Clustering Algorithms).
Nguyễn Thị Lựu - K19HTTTC 70
Khóa luận tốt nghiệp Ứng dụng KPDL phân cụm nhân viên nâng cao hiệu quả bài toán phân bổ và đánh giá nhân sự tại công ty GMO
NHẬT KÝ THỰC TẬP Họ và tên: Nguyễn Thị Lựu
Lớp/Khóa: K19HTTTC
Mã SV: 19A4040093
Email: luunguyen98.ba@gmail.com
Điện thoại: 0353985500
Đề tài thực tập: Ứng dụng khai phá dữ liệu phân cụm nhân viên nâng caao hiệu quả bài toán phân bổ và đánh giá nhân sự.
Giảng viên hướng dẫn: ThS Nguyễn Thị Thùy Anh
Cơ quan thực tập: Công ty cổ phần GMO-Z.com RUNSYSTEM
Địa chỉ cơ quan: Tòa nhà Ocean Park Building, số 1 Đào Duy Anh, Đống Đa, Hà Nội