前言
概论篇
第一章 大数据理论与应用
1 大数据概述
1.1 大数据的由来
1.2 什么是大数据
1.3 大数据的特征
1.4 基于大数据的知识发现
2 大数据的发展历程
2.1 国际发展历程
2.2 国内发展历程
2.3 大数据的发展趋势
3 大数据技术
3.1 大数据技术特点
3.2 大数据技术体系
4 大数据应用
4.1 金融行业大数据应用
4.2 零售行业大数据应用
4.3 教育行业大数据应用
第二章 大数据人力资源管理概述
1 新时代下人力资源管理发展趋势
1.1 人工智能和大数据人力资源管理的出现
1.2 大数据思维下人力资源管理的发展趋势
2 大数据人力资源管理的特点
2.1 大数据与人力资源管理的关系
2.2 大数据在人力资源管理应用中的特点
3 大数据人力资源管理的优势
3.1 大数据在决策中的优势
3.2 大数据对管理者工作的影响
3.3 大数据对人力资源管理的推动作用
第三章 大数据人力资源管理应用
1 基于大数据的招聘管理
1.1 大数据下招聘的数据来源
1.2 大数据在招聘中的使用情况
1.3 大数据下网络招聘方式的变革
1.4 大数据下的招聘流程：以K公司网络招聘为例
2 基于大数据的培训管理
2.1 大数据在员工培训中的作用
2.2 大数据下的培训方式变革
2.3 利用大数据建立新的员工培训模式
3 基于大数据的薪酬管理
3.1 大数据在薪酬管理中的作用
3.2 薪酬数据的主要来源
3.3 薪酬数据的处理
4 基于大数据的绩效管理
4.1 大数据在绩效管理中的作用
4.2 大数据在绩效管理中的应用
4.3 大数据驱动企业绩效管理创新：以某网约车公司为例
5 基于大数据的考勤管理
5.1 大数据与考勤管理
5.2 大数据下的考勤类型
5.3 考勤管理未来发展趋势
5.4 基于大数据的移动考勤管理系统设计及应用
第四章 大数据在人力资源成功应用的关键
1 基于大数据的人力资源思维模式
1.1 大数据思维模式
1.2 大数据思维模式给管理实践带来的创新
1.3 大数据人力资源及其典型应用
2 基于大数据的人力资源分析模型
2.1 人力资源分析
2.2 人力资源大数据分析概述
2.3 人力资源大数据分析的问题与障碍
2.4 人力资源大数据分析周期模型
3 基于大数据的人力资源平台建设
3.1 大数据背景下人力资源管理信息化发展
3.2 人力资源大数据业务模型和平台建设分析
原理篇
第五章 数据仓库
1 数据仓库概述
1.1 数据仓库的特征及功能
1.2 数据仓库的结构及模型
1.3 多维数据模型
1.4 数据仓库的核心技术
2 数据存储与处理
2.1 数据仓库的数据结构
2.2 数据仓库的数据组织
2.3 数据的ETL过程
2.4 导出数据层的储存方式
3 数据仓库的设计与开发
3.1 开发数据仓库的步骤
3.2 设计数据仓库的过程
3.3 设计数据仓库的方法
第六章 数据挖掘方法
1 数据挖掘概述
1.1 数据挖掘工具
1.2 数据挖掘算法概述
2 监督学习
2.1 分类与预测
2.2 回归分析
3 无监督学习
3.1 聚类分析
3.2 关联规则
4 文本与Web挖掘
4.1 文本挖掘
4.2 Web挖掘
4.3 利用协作推荐的方法实现实时个性化推荐
5 基于深度学习的大数据挖掘
5.1 神经网络基础知识
5.2 全连接神经网络
5.3 卷积神经网络
5.4 循环神经网络
6 数据挖掘在人力资源管理中的应用实例
6.1 数据驱动方法在招聘系统中的应用
6.2 数据驱动方法在培训系统中的应用
6.3 数据驱动方法在薪酬系统中的应用
6.4 数据驱动方法在企业人力资源管理中的其他应用
第七章 数据可视化技术
1 数据可视化概述
1.1 数据可视化的概念
1.2 数据可视化的美学
1.3 数据可视化的作用和意义
1.4 数据可视化基本原则
1.5 常见数据图表的设计标准
2 数据可视化方法
2.1 数据可视化方法概述
2.2 数量可视化
2.3 分布可视化
2.4 比例可视化
2.5 相关关系可视化
2.6 图表设计注意事项
3 数据可视化软件与工具
3.1 商业软件
3.2 开源软件
3.3 可视化工具软件的选择
4 数据可视化在人力资源管理中的应用实例
4.1 年度薪酬分析报告
4.2 年度培训数据分析报告
4.3 人力成本分析报告
4.4 招聘数据分析月度报表
4.5 人员流动数据分析
实践篇
第八章 基于金蝶s-HR系统的实践
1 金蝶s-HR系统介绍
1.1 集团企业HR发展趋势
1.2 金蝶s-HR系统介绍
2 招聘管理实践
2.1 学习目标
2.2 实践任务
2.3 案例实操
3 薪酬管理实
展开
