| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 引言 | 第8-14页 |
| 1.0 课题来源 | 第8页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 课题国内外研究综述 | 第9-13页 |
| 1.2.1 企业人力资源管理模式研究综述 | 第9-10页 |
| 1.2.2 企业人力资源数据仓库研究综述 | 第10-11页 |
| 1.2.3 企业人力资源数据预测分析及可视化研究综述 | 第11-13页 |
| 1.3 本论文主要研究内容 | 第13-14页 |
| 第二章 互联网企业人力数据分析研究 | 第14-26页 |
| 2.1 企业人力资源管理体系 | 第14-15页 |
| 2.2 互联网企业人力资源三支柱管理模式 | 第15-16页 |
| 2.3 企业员工画像数据分析模型 | 第16-19页 |
| 2.4 基于RASCH模型的复合数据预测数学模型 | 第19-25页 |
| 2.4.1 问题的提出 | 第19-20页 |
| 2.4.2 复合数据预测模型的建立 | 第20-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 互联网企业人力资源数据分析系统设计 | 第26-48页 |
| 3.1 需求分析 | 第26-27页 |
| 3.2 分析模型体系结构设计 | 第27-29页 |
| 3.3 数据分析模型的系统设计 | 第29-32页 |
| 3.4 非结构化数据分析设计（面试评估为例） | 第32-41页 |
| 3.4.1 设计背景 | 第32-34页 |
| 3.4.2 非结构数据预处理 | 第34页 |
| 3.4.3 数据审核 | 第34-35页 |
| 3.4.4 人工标注 | 第35-36页 |
| 3.4.5 相似度计算 | 第36-37页 |
| 3.4.6 情感分析 | 第37-39页 |
| 3.4.7 建立模型 | 第39-40页 |
| 3.4.8 相关性检验 | 第40-41页 |
| 3.5 数据可视化 | 第41-45页 |
| 3.5.1 可视化概念 | 第41-42页 |
| 3.5.2 数据可视化特点 | 第42-43页 |
| 3.5.3 数据可视化设计 | 第43-45页 |
| 3.6 系统测试设计 | 第45-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 数据分析预测系统的实现和应用结果 | 第48-59页 |
| 4.1 系统实现环境 | 第48页 |
| 4.2 软件技术 | 第48-50页 |
| 4.3 关键技术及程序 | 第50-53页 |
| 4.3.1 关键技术实现遵循原则 | 第50页 |
| 4.3.2 数据分析平台整体架构 | 第50-51页 |
| 4.3.3 Spark实时计算技术 | 第51-52页 |
| 4.3.4 分布式数据工作流引擎 | 第52-53页 |
| 4.4 人力资源数据仓库构建 | 第53-55页 |
| 4.4.1 元数据管理 | 第53-54页 |
| 4.4.2 数据采集、加工与计算 | 第54-55页 |
| 4.5 人力资源数据分析结果可视化展示 | 第55-58页 |
| 4.5.1 面试评估分析可视化结果 | 第55-57页 |
| 4.5.2 企业组织画像可视化分析结果 | 第57页 |
| 4.5.3 离职原因分析可视化结果 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 结论与展望 | 第59-61页 |
| 5.1 结论 | 第59页 |
| 5.2 研究的不足与愿景 | 第59-61页 |
| 5.2.1 影响预测因素 | 第59-60页 |
| 5.2.2 人力资源数据分析后续愿景 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录 | 第63-64页 |
| 发表论文和参加科研情况 | 第64-65页 |
| 致谢 | 第65-66页 |