1. Data Mining to Improve Personnel Selection and Enhance Human Capital: A Case Study in High-Technology Industry 作者： Chien, C.-F. and Chen, L.-F. 來源： Expert Systems with Applications, Vol. 34, 2008, pp. 280-290. 授課教師：黃三益教授 組員：徐慎宜 (M954020009) 唐筠 (D954020008) 林皇吉 (D954020004)

2. Background & Motivation 人力資源為高科技產業關鍵  直接影響：人才招募與挑選方式  過去研究：利用「靜態」的性質 高科技產業迅速變動  靜態的性質不適用  工作內容開始跨部門非單一化  挑選員工變得相當困難  必須要有新的挑選員工方式 高科技產業特徵（半導體業為例）  製程複雜、高不確定性、短產品生命週期、利潤低、人資 招募困難  以「工程師 (engineer) 」最為重要

3. Background & Motivation (cont.) 高科技產業人資問題  高離職率、招募正確人才困難、挑選困難  問題核心：如何挑選人才到合適職位、如何增加 員工在職年限 DM 雖高度發展，在人資領域的應用卻不足 本文目的  發展一個 DM framework 以進行人才挑選  以 association rule 的方式找出個人特徵與工作行 為 ( 包括工作表現、任職時間 ) 的關連

4. Empirical study- Background 公司背景  1987 成立  2005 二月底止，共有 18570 位員工 平均年齡 30.6 歲，平均服務 4.8 年 2.4% 博士， 26.5% 碩士， 17.6% 學士， 23.9% 專科， 29.6% 高 中 人資問題背景  高科技產業壓力大：人員流動率高  雖然經過嚴格挑選過程，仍有高離職率和工作表現不佳之 情況  人資部門只能以有限的資訊來預測應徵者的工作表現  應徵過程的表現也常誤導人資部門

5. Empirical study- Problem definition & Objective 目的  依據應徵者人文基本資料，預測工作行為  亦考量招募管道與工作職位  從中找出相關的 association rules

6. Empirical study- DM process & Results DM Process 資料來源：台積電  時間： 2001~2004  職位數 / 資料數 ： 19/5289  5/3825 DM 技術  以 CHAID 發展 decision tree 並建立 association rule

7. Empirical study- Data preparation 資料前處理及相關說明

8. Empirical study- Data preparation (cont.) 職位說明

9. Empirical study- DM & Model construction 以 CHAID 技術發展 decision tree  考量任何可能性 考量任何可能性 Decision tree 合適性  Confidence & Lift Confidence & Lift Tree pruning  方式確保每個葉節點樣本數 >20 結果  50 條 association rule 與工作表現有關 50 條 association rule 與工作表現有關  16 條 association rule 與任期有關  職位、學校、學歷與工作經驗與工作表現、任期最相關  離職原因：結果太過分歧且無法實行，不予以討論

10. Empirical study- Interpretation & Knowledge extraction 50 條 rule  30 條有意義之 rule  針對招募管道、學歷、工作經驗進行討論 招募管道  工作表現 內部招募之員工 > 自外部招募之員工好，可能性較高  招募高潛力員工（碩士以上、自 tier 1 學校畢業之學生） 內部管道 > 外部管道。  職位 C 外部管道招募且有過一年以上工作經驗之員工，三個月內離職 的可能性比內部管道招募之員工較高 在招募上改變作法，對於成功雇用之員工發與現金獎勵。  職位 B 內外部管道招募之員工三個月內離職的比率相當 正設法修改職位 B 之工作範圍

11. Empirical study- Interpretation & Knowledge extraction 學歷  工作表現 tier 1 大學且學歷較高者，工作表現較好。  招募管道 外部  tier 1 大學表現比起其他學校好 內部  tier 1 與 tier 2 大學表現比起其他學校好  職位 A tier 1 大學且工作表現好的員工，在一年內離職的比率比 其他學校高 正著手改變職位 A 的工作內容，並計畫讓工作表現好之 員工可以輪調到其他職位

12. Empirical study- Interpretation & Knowledge extraction 工作經驗  工作表現 一年以上經驗者 > 無經驗者 若同時具有高學歷的特質，工作表現更好 主修化學或材料工程的工作表現較好  離職率 一年以上經驗者三個月內離職比例 > 無經驗者 職位 C 尤其明顯  已著手針對職位 C 工作內容進行改變

13. Empirical study- Knowledge using 第一  與 tier1 大學成立合作專案 (URP) ，學生畢業直接任職 第二  針對透過 URP 成功聘用之員工，提供現金獎勵 第三  針對某些職位負責範圍進行調整 第四  著手發展職位輪調機制 第五  針對 URP 計畫已發展出特定輔導模式，加強員工聘用

14. Conclusion & Critique 貢獻  除解決台積電人才招募問題  DM 對高科技產業人力資源問題為可行技術 限制  只針對工程師（ engineer ）一職進行研究  單一個案外部有效性稍嫌不足 疑點  學校是何分出 3 個 tier ？又各自包含哪些學校？  年齡的部分是哪些種類？  只提到職位 A 、 B 、 C ，其他職位之差異？

15. Thank You

16. Decision tree example (BACK)BACK

17. Confidence and Lift (BACK)BACK

18. Example of association rules (BACK)BACK