摘要：绝大多数的企业都有人力资源管理系统,但绝大多数的人力资源管理系统都没有分析功能,大量的人力资源数据得不到利用。本文为了提高人力资源管理水平、决策水平,利用人力资源管理系统的数据,设计了多个计算公式,用于评价员工的考勤指数、业绩指数、行为指数、能力指数等。本文所设计的算法在某企业的分析软件中得到了应用,实际证明具有具有一定的实用价值,具有很强的操作性。

摘要：在大中型企业(特别是跨国企业)中会涉及到大量的客户,而不同的客户对产品的需求不一样,因此对客户进行分类对于大中型企业来说是非常有必要的,这关系到企业的产品营销战略、企业生存等问题。文章利用K-Means算法对客户进行分类,在实践应用中发现K-Means算法存在一些问题,这是K-Means算法固有的缺陷,文章提出了两个方面的改进,包括K值自适应确定和初始聚类中心的确定,这样省去了寻找最佳K值的麻烦,也减少了因随机确定聚类中心而导致的精度损失。改进后的算法应用到客户聚类实践中,验证了所设计算法的有效性,也证明了改进后的算法Chen-Means获得了100%的精确度,即改进后的算法具有明显的优势。