МЕТОДОЛОГІЯ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ЛЮДСЬКИХ РЕСУРСІВ В ЦИФРОВІЙ ЕКОНОМІЦІ
Анотація
У статті використовується систематизована методологія аналізу та оцінки ефективності людських ресурсів на основі нечітких множин із використанням технологій великих даних. На основі нашого дослідження ми проаналізували метод побудови великих даних для обраного нами підходу, використовуючи Індустрію 4.0.
Для відібраних нечітких множин, набір послідовності процедур в послідовності методу для оцінки ефективності людських ресурсів були ідентифіковані. Розроблено функції вводу та виведення для приєднання даних. Ця стаття досліджує процес правил нечіткої логіки, що дозволяє нам визначити ступінь правдивості для кожної умови.
Актуальність дослідження полягає у розробці методології, яка включає вісім процедур, необхідних для всебічної оцінки економічної ефективності людських ресурсів. У цій статті запропоновано підхід до оцінки нормативних або середніх значень виконання службових обов’язків працівниками підприємства за багатьма спеціальностями, освітніми рівнями, рівнями управління, а також з урахуванням опису багатьох посад, описів відповідності представлена взаємозамінність посад, оцінка додаткових характеристик працівників та опис багатьох додаткових завдань та їх характеристик.
У статті представлена структурна модель аналізу даних для оцінки персоналу. Представлено результати моделювання оцінки людських ресурсів.
Посилання
2. Thoben, K., Wiesner, S., Wuest, T.: "Industrie 4.0" and Smart Manufacturing – A Review of Research Issues and Application Examples. International Journal of Automation Technology. 1, 4-19 (2017)
3. Wichmann, R., Eisenbart, B., Kilian Gericke K.: The Direction of Industry: A Literature Review on Industry 4.0. Proceedings of the Design Society. International Conference on Engineering Design ICED19. 1, 2129-2138 (2019). doi:10.1017/dsi.2019.219
4. Kuyoro, S., Ibikunle, F., Oludele, A.: Cloud Computing Security Issues and Challenges. International Journal of Computer Networks (IJCN). 3, 247-255 (2011) . [in Ukrainian].
5. Witten, I., Frank, E.: Data Mining: Practical Machine Learning Tools and Techniques. Elsvier, San Francisco (2005) . [in Ukrainian].
6. Ivanov, M., Maksyshko, N., Ivanov, S., Terentieva, N.: Intelligent Data Analysis in HR Process Management. CEUR Workshop Proceedings. 2608, 754-768 (2020)
7. Lysenko, Yu., Petrenko, V., Bogatov, O., Skobelev, V.: Reytingovoye upravleniye ekonomicheskimi sistemami. Yugo-Vostok, Donetsk (1999)
8. Helman, V.M., Makazan, Ye.V., Buriak, A.M.: Personnel development as pledge of the success of enterprise. Bulletin Zaporizhzhia national university Economic sciences. 43(3), 112-115 (2019). doi:10.26661/2414-0287-2019-3-43-18
9. Becker, Br., Huselid, M.: Strategic Human Resources Management: Where Do We Go from Here?. Journal of Management. 6(32), 898-925 (2006). doi: 10.1177/0149206306293668. . [in Ukrainian].
10. Huselid, M.: (1995). The Impact of Human Resource Management Practices on Turnover and Productivity. The Academy of Management Journal. 3(38), 635-672 (1995) . [in Ukrainian].
11. Pfeffer, J., Veiga, J.: Putting People First for Organizational Success. Academy of Management Perspectives. 13(2), 37-48 (1999) . [in Ukrainian].
12. Briscoe, D. R., Schuler, R. S., Claus, L.: International Human Resource Management: Policies and Practices for Multinational Enterprises. Routledge, New York (2009)
13. Schuler, R., Budhwar, P., Florkowski, G.: International human resources management. Handbook of international management research. 2 ed. Michigan University Press, Michigan (2003) . [in Ukrainian].
14. Ivanov, M., Ivanov, S., Terentieva, N., Maltiz, V., Kalyuzhnaya, J.: Fuzzy modeling in human resource management. E3S Web of Conferences. 166, 1-8 (2020). doi:10.1051/e3sconf/202016613010. [in Ukrainian].
15. O’Donovan, P., Gallagher, C., Leahy, K., O’Sullivan D.: A comparison of fog and cloud computing cyber-physical interfaces for Industry 4.0 real-time embedded machine learning engineering applications. Computers in Industry. 110, 12-35 (2019) . [in Ukrainian].
16. Caggiano, A.: Cloud-based manufacturing process monitoring for smart diagnosis services. International Journal of Computer Integrated Manufacturing. 31, 612-623 (2018) . [in Ukrainian].
