数据模型与决策基本内容是什么
《数据、模型与决策》属于数量性质的课程，侧重于讲解数据资料的搜集、描述、分析
和解释，
以及管理决策方法和技术方面的知识。
管理决策分为两类，
一类是理性决策一类是
行为决策。
数据分析与决策模型中，
不论是以不确定性为特征的统计决策，
还是以确定性为
特征的管理科学优化决策，
和以策略互动为特征的博弈决策，
都可以把它们归结为理性决策
范畴。
既然是理性决策，
必然会要求建立某种决策准则，
然后在既定的准则下通过度量来选
择决策方案。
这一过程一方面要对研究的问题进行结构化处理，
另一方面也需要有相应的数
据资料。前者是为了能够建立决策模型，
后者则是帮助实现计算。
有鉴于此，数据与模型在
决策分析中的重要意义不言而喻。
数据与模型除了共同服务于决策分析以外，
两者之间也存
在密切的关系。
从应用的角度，
统计方法比较强调实证性做法，统计分析与决策中，没有大
量的、
客观准确的数据资料，
统计决策分析只能停留在纯理论的状态，
无法形成具体的分析
结论。
管理运筹优化和博弈决策分析中，
虽然不像统计分析那样，
需要拥有充足的数据，但
是必要的不可控因素比如模型中的有关参数，
其数值资料就必须事先给以确定。
尽管现在的
企业一般都积累了大量的可供开发利用的数据资料，
不过由于这样那样的原因，
数据资料本
身总会存在不系统、不充分、不完备的情况。因此，对于背景数据必须经过科学的编辑、处
理、汇总和提炼，然后才能用于决策分析。对此，模型起着重要的转化作用，通过模型化处
理，
不仅能对数据的价值结构进行改造，
而且还能对决策赋以深层次的分析。
如同生产过程
一样，数据资料好比“原料”
，模型就如“机器”
，把数据原料投入模型机器，经过模型机器
的加工处理，最后就能得到输出结果“产品”
，即管理分析和决策方案。
运用数据资料通过模型从定量角度开展决策分析，目前已得到了十分广泛的发展和应
用，在社会经济管理领域的各个方面都发挥着重要的作用。以企业管理为例，生产运营、库
存管理、质量控制、资源利用、厂址选定、产品开发与设计、设备维护与更新、人员安排、
项目规划、组织设置、信息处理、投资组合、融资方案、市场营销、商情预测、竞争性定价
等方面，
都会使用到数据资料和模型工具，
在社会管理和公共服务领域，
数据处理和模型分
析同样具有重要价值，比如：学校、商店、消防、医院、银行等服务网点的布局、交通道路
规划、
服务窗口优化设置等。正因为如此，在我国的高等教育体系中，
倡导把定量化方法纳
入到经济管理类专业的教育体系中。
管理是人类社会永恒的主题，
无论什么时候，
也无论在
什么样的发展阶段，
管理总是必要的、必不可少的。随着社会经济的不断发展，人们遇到的
管理问题可能更加复杂，
只有懂得科学的管理方法，
才有可能制定出合理的规划和行动方案。
把定量化分析方法引进经济管理类专业的教学体系，体现了社会对人才培养的高标准要求。
企业和社会的未来管理人员，
应该努力地学习管理科学方法，
并在未来的实际工作中自觉地
运用科学方法解决管理问题。
通过课堂的理论学习，以及老师理论结合实际的案例，给别人讲解。
《数据、模型与决策支持》课程是什么？
《数据、模型与决策》属于数量性质的课程，侧重于讲解数据资料的搜集、描述、分析x0dx0a和解释，x0dx0a以及管理决策方法和技术方面的知识。x0dx0a管理决策分为两类，x0dx0a一类是理性决策一类是x0dx0a行为决策。x0dx0a数据分析与决策模型中，x0dx0a不论是以不确定性为特征的统计决策，x0dx0a还是以确定性为x0dx0a特征的管理科学优化决策，x0dx0a和以策略互动为特征的博弈决策，x0dx0a都可以把它们归结为理性决策x0dx0a范畴。x0dx0a既然是理性决策，x0dx0a必然会要求建立某种决策准则，x0dx0a然后在既定的准则下通过度量来选x0dx0a择决策方案。x0dx0a这一过程一方面要对研究的问题进行结构化处理，x0dx0a另一方面也需要有相应的数x0dx0a据资料。前者是为了能够建立决策模型，x0dx0a后者则是帮助实现计算。x0dx0a有鉴于此，数据与模型在x0dx0a决策分析中的重要意义不言而喻。x0dx0a数据与模型除了共同服务于决策分析以外，x0dx0a两者之间也存x0dx0a在密切的关系。x0dx0a从应用的角度，x0dx0a统计方法比较强调实证性做法，统计分析与决策中，没有大x0dx0a量的、x0dx0a客观准确的数据资料，x0dx0a统计决策分析只能停留在纯理论的状态，x0dx0a无法形成具体的分析x0dx0a结论。x0dx0a管理运筹优化和博弈决策分析中，x0dx0a虽然不像统计分析那样，x0dx0a需要拥有充足的数据，但x0dx0a是必要的不可控因素比如模型中的有关参数，x0dx0a其数值资料就必须事先给以确定。x0dx0a尽管现在的x0dx0a企业一般都积累了大量的可供开发利用的数据资料，x0dx0a不过由于这样那样的原因，x0dx0a数据资料本x0dx0a身总会存在不系统、不充分、不完备的情况。因此，对于背景数据必须经过科学的编辑、处x0dx0a理、汇总和提炼，然后才能用于决策分析。对此，模型起着重要的转化作用，通过模型化处x0dx0a理，x0dx0a不仅能对数据的价值结构进行改造，x0dx0a而且还能对决策赋以深层次的分析。x0dx0a如同生产过程x0dx0a一样，数据资料好比“原料”x0dx0a，模型就如“机器”x0dx0a，把数据原料投入模型机器，经过模型机器x0dx0a的加工处理，最后就能得到输出结果“产品”x0dx0a，即管理分析和决策方案。x0dx0a x0dx0a运用数据资料通过模型从定量角度开展决策分析，目前已得到了十分广泛的发展和应x0dx0a用，在社会经济管理领域的各个方面都发挥着重要的作用。以企业管理为例，生产运营、库x0dx0a存管理、质量控制、资源利用、厂址选定、产品开发与设计、设备维护与更新、人员安排、x0dx0a项目规划、组织设置、信息处理、投资组合、融资方案、市场营销、商情预测、竞争性定价x0dx0a等方面，x0dx0a都会使用到数据资料和模型工具，x0dx0a在社会管理和公共服务领域，x0dx0a数据处理和模型分x0dx0a析同样具有重要价值，比如：学校、商店、消防、医院、银行等服务网点的布局、交通道路x0dx0a规划、x0dx0a服务窗口优化设置等。正因为如此，在我国的高等教育体系中，x0dx0a倡导把定量化方法纳x0dx0a入到经济管理类专业的教育体系中。x0dx0a管理是人类社会永恒的主题，x0dx0a无论什么时候，x0dx0a也无论在x0dx0a什么样的发展阶段，x0dx0a管理总是必要的、必不可少的。随着社会经济的不断发展，人们遇到的x0dx0a管理问题可能更加复杂，x0dx0a只有懂得科学的管理方法，x0dx0a才有可能制定出合理的规划和行动方案。x0dx0a把定量化分析方法引进经济管理类专业的教学体系，体现了社会对人才培养的高标准要求。x0dx0a企业和社会的未来管理人员，x0dx0a应该努力地学习管理科学方法，x0dx0a并在未来的实际工作中自觉地x0dx0a运用科学方法解决管理问题。x0dx0ax0dx0a通过课堂的理论学习，以及老师理论结合实际的案例，给别人讲解。
人与数据,模型与决策的关系是什么
3 数据、模型与决策的关系: 1、数据、模型共同服务于决策分析。 2、从应用的角度讲,统计方法比较强调实证性做法。 统计的语言是数 据,没有大量的、客观准确的数据资料,统计决策分析只能停留在纯理论的阶段,
数据模型与决策
这周开始了数据模型与决策这门课程的学习，也称为DMD(DATA,MODEL,DECISION)， 由哈工大MBA中心的主任钱国明教授授课。
没接触这门课之前，一直有个疑团在心中，这门课到底有什么用？与管理有什么关联性？ 通过钱教授的授课，谜团一步步解开。
之前学的统计学，是找到规律。 这次的DMD课程，是找到规律后，基于数据分析基础上建立模型，做出***决策，实现科学管理和效率***化。有效避免了由三拍（拍脑袋 拍胸脯 拍大脑）做出的错误决定。
DMD 解决问题的思路： 提出问题-建立模型-求解-修正-实施。 提出问题也是作为一名管理者的基本素质。
模型的表达形式一般有： 实物模型，图像模型 ，数学模型。线性规划（Linear programing,简称LP）是运用最广的模型。它有三个要素构成： 1， 目标函数 2， 决策变量 3， 约束条件
建模的过程也是一个烧脑和创造的过程，但也非常的有意思。 线性规划模型广泛应用在如何做生产计划效率***，如何做投资组合利润***，如果购买原材料节本最少，酒店餐馆如何排班成本最少，如何下料成本最少等领域，运用得当可以为企业节省大量成本，是非常实用的一门学科。
接下来还会有其它模型介绍，待续。
《数据、模型与决策管理科学基础》txt下载在线阅读全文,求百度网盘云资源
《数据、模型与决策》（[美] 迪米特里斯·伯特西）电子书网盘下载免费在线阅读
链接:
提取码: ws31
书名：数据、模型与决策
作者：[美] 迪米特里斯·伯特西
豆瓣评分：8.1
出版年份：2004-1
页数：537
内容简介：
数据、模型与决策：管理科学基础，ISBN：9787508602004，作者：（美）迪米特里斯·伯特西马斯（Dimitris Bertsimas），（美）罗伯特·M·弗罗因德（Robert M.Freund）著；李新中译；李新中译
数据模型与决策在人力资源管理有什么应用
针对人力资源管理决策信息难以获取和正确性难以保证的问题，提出了人力资源数据仓库多维数据模型。人力资源数据仓库多维数据模型通过分析人力资源战略规划以及人力资源日常业务流程，确定了分析主题和维度，借助数据仓库技术，以决策分析主题为导向组织数据，为人力资源决策提供信息支持。人力资源数据仓库多维数据模型能准确地表达决策分析主题的数据组成关系，为解决人力资源管理决策支持信息难以获取和正确性难以保证的问题提供了依据。
中国论文网
［关键词］ 人力资源； 数据仓库； 多维数据模型； 决策支持
doi : 10 . 3969 / j . issn . 1673 - 0194 . 2012 . 07. 026
［中图分类号］ F272.92；TP311.13 ［文献标识码］ A ［文章编号］ 1673 - 0194（2012）07- 0052- 06
1 引 言
人力资源是企业可以将其看作能够为创建和实现企业的使命、愿景、战略与目标做出潜在贡献的人所具备的可被利用的能力与才干［1］。在全球化竞争和知识经济时代，人力资源是企业的***资源和根本竞争优势，人力资源管理已成为支撑企业核心能力与竞争优势的重要力量，具有高度重要的战略地位。但与此同时，由于人力资源所涉及的企业部门层级繁多、业务流程复杂、数据信息庞大，其管理工作极其复杂困难，人力资源的战略作用难以完全得以发挥。即使近年来通过人力资源管理信息系统优化了业务流程，提高了日常工作效率，在业务流程层面上实现了人力资源管理工作高效和稳定的运行，但是在战略决策支持层面上，人力资源管理仍存在一些问题亟待解决。这些问题表现在决策信息难以获取和正确性难以保证两方面。
造成决策信息难以获取和正确性难以保证的主要原因是：***，人力资源决策信息包括人力资源现状盘点、人力资源需求预测、职位信息、人员胜任能力信息、招聘与配置信息、人员绩效信息、薪酬信息和培训信息等，种类繁多，数据庞杂；第二，人力资源内部管理信息系统的数据组织方式是面向具体业务流程的，并不是以决策分析主题为导向组织数据。获取某一项决策信息势必引起对所有相关数据的重新抽取和归纳，计算复杂，耗时巨大；第三，人力资源管理涉及企业各个部门和层级，很多决策信息来源于人力资源管理部门外部的其他部门数据库。各种外部数据库中的数据在定义、粒度和更新策略上高度不统一，无法直接进行统计、归纳和计算，必须经过漫长的数据预处理，进一步增加了获取决策信息的难度。
针对上述问题，本文提出了人力资源数据仓库多维数据模型，借助数据仓库技术，以决策分析主题重新组织数据，实现数据的正确统一，以解决决策信息难以获取和正确性难以保证的问题。
2 数据仓库
1992年，William H． Inmon提出了数据仓库的定义和设计方式，与传统的数据库在数据组织和应用目标等方面有很大的不同，数据仓库改变了数据的组织形式，通过按主题组织数据，以维度抽取主题信息，来达到海量数据集成和分析的目的。数据仓库是面向主题的、集成的、具有时间特征的、稳定的数据集合，用以支持经营管理中的决策制定过程［2］。根据数据仓库概念的含义，数据仓库具有以下4个特点：
（1） 面向主题。主题是用户进行某项决策时所关注信息的抽象集合。数据仓库是按主题域进行数据组织的。数据仓库以主题为组织数据的中心，有利于实现决策信息支持这一目标。
（2） 集成的。数据仓库中的数据主要用于进行分析决策，需要对细节数据进行归纳、整理和综合。同时，数据仓库中的数据多来源于多个异构数据源，不能对数据进行简单的汇总和拷贝，必须对数据进行清理和转换，保持数据的一致性。
（3） 具有时间特征。为保证数据仓库数据提供的决策信息随时间不断做出适当调整，数据仓库需要随时间变化不断增加新的内容，同时也需要随着时间变化删去过去陈旧的数据。数据仓库中数据表的键码都包含时间项，以标明数据的历史时期。
（4） 稳定的。数据仓库是随时间而变化的，但又是相对稳定的。数据仓库的数据主要供企业决策分析之用，提供的服务主要是数据查询，一旦某个数据进入数据仓库以后将被长期保留，一般情况下并不进行修改。数据仓库的数据通常只需要定期加载、刷新［3］。
分析型数据仓库要对大量的数据进行汇总和分类，要求能按客户的要求快速、灵活地完成复杂的查询，并且查询的结果要便于用户理解。这要求数据仓库在存储数据时，必须消除数据冲突和表达不一致等问题；在面临用户的查询需求时，必须对所需要的信息提前准备，以便缩短响应时间。为达到这一目的，数据仓库的基本体系结构至少包括数据获取、数据存储与管理、信息访问3个基本组成部分。
（1） 数据获取。数据获取是指从多个异构数据源获取原始数据，经过提取、清洁、转换、聚集等操作得到以主题为中心的集成数据，并将数据装载到数据仓库的过程。
（2） 数据存储与管理。数据存储与管理负责数据仓库的内部维护与管理，提供的服务包括数据存储的组织、数据的维护、数据的开发、数据仓库的理性维护等。
（3） 信息访问。信息访问属于数据仓库的前端。数据仓库前端是面向最终用户的。最终用户通过信息访问部分获取支持决策的信息。信息访问部分一般由报表生成器、OLAP工具、数据挖掘工具和可视化工具等构成。
数据仓库的基本体系结构［4］如图1所示。
3 人力资源数据仓库基本结构
人力资源数据仓库的最终用户是人力资源部门高层决策人员和日常工作人员。人力资源数据仓库可为人力资源战略规划、胜任能力分析、培训开发管理、薪酬管理、招聘与配置管理工作提供决策信息支持［5－7］。人力资源数据仓库的基本结构由数据仓库服务器、查询服务器和前端展示工具组成［8］。人力资源数据仓库基本结构如图2所示。
人力资源战略规划和人力资源日常管理工作所需信息决定了数据仓库的分析主题、维度、粒度、度量要求以及数据提取、转换和装载规则。根据数据提取、转换和装载规则，人力资源数据仓库从多个外部异构数据源抽取数据，然后将抽取的数据按主题进行组织，以便查询服务器提取数据。最终，前端展示工具从查询服务器中提取相应的数据，按最终用户的需求组织成决策支持信息展示出来。
4 人力资源管理流程分析
根据现代企业的人力资源管理理论，人力资源管理系统可分为战略规划、职位管理、胜任能力管理、招聘与配置、绩效管理、薪酬管理和培训管理七大部分。人力资源管理系统各个职能模块相互联系、相互作用，在人力资源管理机制作用下，呈系统化运行，人力资源管理流程如图3所示。
人力资源战略规划贯穿整个人力资源管理工作，决定了人力资源管理工作的各个环节。首先，人力资源战略规划通过理解企业发展战略及策略目标，分析企业业务状况与组织框架，确认人力资源的战略、目标、原则和政策。然后，人力资源战略规划对人力资源现状进行盘点，分析人力资源现状与未来战略需求的差异，通过对人力资源的供给与需求的预测，发现人力资源缺口，明确人力资源规划所面临的具体问题。在明确具体问题之后，人力资源战略规划将设计人力资源战略问题的系统解决方案，调整人力资源管理系统的业务职能，为实现人力资源战略规划的落地进行政策和制度安排，并制订具体措施及行动计划。最后，人力资源战略规划将对其具体实施情况进行实时评估和控制，以保证人力资源战略规划顺利实施并及时调整，以适应企业与战略发展的需要。人力资源战略规划在明确战略方向、识别当前问题、制订具体计划和控制计划实施的过程中，必须得到职位管理、胜任能力管理、招聘与配置管理、绩效管理、薪酬管理、培训开发管理等具体职能部门强有力的信息支持。
职位管理基于对企业业务结构、组织结构与流程的深刻认识与理解，设计和构建职能、职类、职种体系，形成企业完整的职位体系。
胜任能力是指能将工作中绩效表现优秀者与表现平平者区分出来的个人潜在的、深层次的特征，它包括知识、认知或行为技能、态度或价值观、自我形象、特质、动机，即任何可以被可靠测量或描述的个体特征。胜任能力应该包括需要达到的实际绩效，以及取得这些绩效所需的个性特征。胜任能力管理通过对员工的学历、职称以及岗位绩效等进行分析，明确员工的潜在能力，为进一步潜力挖掘与能力培养提供依据。胜任能力管理为人员的招聘、甄选提供了用人方面的素质要求；为人力资源配置提供了人员配置的标准和依据；为薪酬体系设计提供最基础的标准、依据和框架。
招聘与配置的基础是职位管理和胜任能力管理，根据企业的职位与企业人员的内在特征选择有效的招募方法、渠道及甄选方法，实现对企业员工的合理配置。招聘与配置包括企业发现人力资源获取需求、制定人力资源获取策略、劳动力市场相对位置分析、人员招募、人员甄选与配置5个环节，其最终的落脚点是人员甄选。
绩效管理是指为保证企业经营目标的实现，定期对企业员工进行考核，对人员所在岗位的绩效考核标准和实际完成值进行分析，对员工做出正确评价。绩效管理包括目标与计划确定、绩效评估和绩效回顾。目标与计划确定是指依据企业战略目标要求，制定目标与计划，明确工作内容和评价标准。绩效评估是指根据事先设立的评价指标，对企业员工的工作进行客观评价。绩效回顾是指分析产生差距的原因，制订工作改进措施。
薪酬管理系统是整个企业激励机制的核心，是企业吸引和保留人才的关键。薪酬管理通过对人员、所在职位和业绩考核结果数据进行分析，对薪酬体系做出有效的调整，实现人工成本的有效控制和有效的薪酬激励。薪酬管理包括薪资策略保持与企业人力资源战略、企业经营目标的一致性，提升薪酬管理的战略管理能力；确定合适的薪酬水平，以保证薪酬的外部竞争力与内部的公平性，正确处理人工成本与人力资本投资之间的关系；设计多元的薪酬激励要素与薪酬结构，反映不同类别员工的特点，满足不确定性的、多层次的、复杂的员工需求；建立分层分类的薪酬管理体系，进行工资动态调整，使薪酬设计反映不同层次、不同类别的员工的需求与劳动特点；薪酬的机制与制度设计做到程序公平，薪酬的机制与制度和人力资源的其他机制与制度配套，尤其是和绩效考核体系及任职资格体系相互统一；薪酬制度与管理体系设计应做到合法合规，避免企业付出违规成本。
培训开发管理通过分析培训需求和历史数据所反映的培训效果，制订企业员工的培训计划，确保以有限的培训费用，***限度地提高员工素质和员工技能，实现企业效益增长***化。培训开发管理表现为对培训基地的管理、培训预算与费用核算等业务的管理。培训开发管理的具体工作内容包括了解和掌握公司的战略发展以及员工的能力与素质状态，为公司培训开发计划的制订提供依据；根据员工的潜能特点及企业需求，帮助员工制订职业发展与个人能力开发计划；控制培训实施过程；评估培训开发效果。
人力资源管理体系以职位和人员为基点，以战略规划为主线，以胜任能力管理、招募与配置、绩效管理、薪酬管理、培训开发管理为主要职能，保证企业人力资源管理正常运转，确保人力资源价值得到***限度的发挥。通过对人力资源管理构架的分析可以得出，人力资源管理在实际运行中所需决策信息是围绕职位信息、人员基本信息、胜任能力、招募与配置、绩效、薪酬、培训与开发7个中心进行组织的。由此，人力资源数据仓库将以职位、人员基本信息、胜任能力、招募与配置、绩效、薪酬、培训与开发为主题，建立多维数据模型。
5 人力资源数据仓库多维数据模型
多维数据模型是进行决策支持数据建模的***方式，是数据仓库普遍采用的数据建模方法。多维数据模型以直观的方式组织数据，并支持高性能的数据访问。每一个多维数据模型由多个多维数据模式表示，每一个多维数据模式都是由一个事实表和一组维表构成。数据仓库多维数据建模包括确定主题、选择事实与维度、确定粒度、标识维度和事实表属性。
5．1 确定主题领域
主题是一个在较高层次上将数据归类的标准，每一个主题基本对应一个宏观的分析领域。主题是一个抽象的概念，是在较高层次上把企业信息系统中的数据综合、转换、归类并进行分析利用的抽象。通过上述人力资源管理系统架构的分析，人力资源数据仓库的主题确定为职位主题、人员基本信息主题、胜任能力主题、人员调整配置主题、培训开发主题、绩效考核主题、薪酬主题。
（1） 职位主题。职位主题通过分析当前企业组织体系中岗位的职种、职能、职类，以及企业员工的定岗定编信息，决定是否增设新职位并对新职位进行设计和说明。
（2） 人员基本信息主题。人员基本信息主题通过分析全体企业员工的学历、技能、职称、工作经历等信息，形成对当前企业人力资源的全局认识，为人力资源盘点工作提供数据支持。
（3） 胜任能力主题。胜任能力主题通过分析企业员工学历、技能、职称和岗位适应性等基本信息，为人员的招聘与甄选、调整与配置、薪酬提供信息支持。
（4） 人员调整配置主题。人员调整配置主题通过对企业员工胜任能力和岗位职能的研究，决定员工的合理化调动和调整。
（5） 培训开发主题。培训开发主题通过对员工基本信息、培训基地信息、培训预算和费用管理信息的分析，制订培训计划，以***的成本取得***的人力资源价值增长。
（6） 绩效考核主题。绩效考核主题是指为保证经营目标的实现，根据企业员工所在岗位的绩效考核标准，对员工做出客观评价。
（7） 薪酬主题。薪酬主题通过分析员工胜任能力、职位和绩效，对薪酬体系做出有效的调整，实现成本的有效控制和激励效果***化。
5．2 确定粒度
所谓粒度是指数据仓库中数据单元的详细程度和级别。数据越详细，粒度就越小，级别就越低；数据综合度越高，粒度就越大，级别也就越高。选择的粒度必须满足业务需求，并且基于源数据库中的数据进行选择。一般粒度选择方式采用***细节级别，即数据仓库的粒度可以看作是每个源数据库中的一行记录。
5．3 选择维度
维是指人们观察事物的角度。根据在人力资源管理过程中信息的组织角度，选择各个主题的维度如下：
（1） 职位主题维度为时间维、定编人员维、单位维、职种职类维。
（2） 人员基本信息维度为时间维、学历维、技能维、职位维、职称维、单位维。
（3） 胜任能力主题维度为时间维、职位维、人员维、单位维。
（4） 人员调整配置主题维度为时间维、职位维、人员维、绩效维、单位维。
（5） 培训开发主题的维度为时间维、单位维、职位维、人员维、培训基地维、职称维、费用维。
（6） 绩效考核主题维度为时间维、单位维、职位维、职称维、人员维、考核指标维。
（7） 薪酬主题维度为时间维、职位维、人员维、单位维、薪酬种类维、考核维。
5．4 建立多维数据模型
人力资源数据仓库采用星形模式构建多维数据模型，根据上述主题域和维度的选择，构建多维数据模型，如图4~图10所示。
（1） 职位主题。职位主题提供了以时间、单位、定编人员信息、职种职类为分析维度，有关职位名称、工作内容、工作特征、任职资格的综合信息。时间维包括年度、月份和日期3个维层次。定编人员维包括人员种类、人员级别和人员数量。单位维包括单位名称、单位类别和单位级别。职种职类维包括职位种类、所属部室和职位级别。
（2） 人员基本信息主题。人员基本信息主题提供了以时间、学历、技能、职位、职称、单位为分析维度，有关人员的姓名、性别、出生日期、籍贯和数量的综合统计信息。学历维包括学校名称、专业名称、学历、毕业时间、学位、授予时间。技能维包括技能名称、技能类别、技能级别。职称维包括所属类别、级别、评定时间。
（3） 胜任能力主题。胜任能力主题提供了以时间、人员、职位、单位为分析维度，有关人员胜任能力的综合统计信息。人员维包括技能维、学历维、姓名、性别、出生年月和籍贯。
（4） 人员调整配置主题。人员调整配置主题提供了以时间、人员、职位、单位、绩效为分析维度，有关人员调整配置的综合统计信息。绩效维包括考核结果。
（5） 培训开发主题。培训开发主题提供了以时间、人员、职位、单位、职称、培训基地、费用为分析维度，有关培训计划和培训效果的综合统计信息。培训基地维包括使用时间、培训基地名称、培训基地类别。费用维包括费用预算和费用结算。
（6） 绩效考核主题。绩效考核主题提供了以时间、人员、职位、单位、职称、考核指标为分析维度，有关绩效考核结果的综合统计信息。考核标准维包括考核标准。
（7） 薪酬主题。薪酬主题提供了以时间、人员、职位、单位、薪酬种类、绩效考核为分析维度，有关薪酬数量的综合统计信息。薪酬种类维包括基础工资、绩效提薪、奖金、津贴、股权、保障福利、健康与救济福利、退休福利、带薪休假福利。
6 结 论
针对目前人力资源管理决策信息难以获取和正确性难以保证的问题，建立人力资源数据仓库是比较理想的解决方案。本文通过分析人力资源战略规划和日常业务流程，明确了人力资源工作信息赖以组织的7个主题：职位、人员基本信息、胜任能力、人员调整配置、培训开发、绩效考核、薪酬，并对每一个主题确定了维度，建立了人力资源数据仓库多维数据模型，为解决人力资源决策信息难以获取和正确性难以保证的问题奠定了基础。
关于数据模型与决策和八大数据分析模型的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。