上海对外经贸大学人力资源大数据分析综合实践 平台建设公开招标公告 项目概况 上海对外经贸大学人力资源大数据分析综合实践平台建设 招标项目的潜在投标 人应在上海市闵行区七莘路 2099 号华友大厦 A504 获取招标文件，并于 2024 年 11 月 01 日 14 点 00 分（北京时间）前递交投标文件。 一、项目基本情况 项目编号：SHHPZB-20241011 项目名称：上海对外经贸大学人力资源大数据分析综合实践平台建设 预算金额：30.000000 万元（人民币） 最高限价（如有）：30.000000 万元（人民币） 采购需求： 1、合理的投标人资格条件 详见招标公告。 2、采购项目建设方案，需实现的功能或目标 人力资源大数据分析综合实践平台主要是运用大数据思维与技术,从人力资 源的选、用、育、留角度出发，在大数据技术的支持下，对人才供需规划预测、 简历智能诊断、发展规划诊断、人才数字画像、培训需求挖掘、培训效果诊断、 离职情感挖掘、离职风险预测等进行诊断和预测，为学生人力资源提供辅助支 持。 本次建设项目的教学目标与能力培养如下： 1.帮助学生了解人力资源大数据分析的基础知识。 2.帮助学生了解人力资源大数据分析的优势、人力资源大数据分析的必要 性等。 3.提升学生的大数据分析思维和数据分析能力。 4.帮助学生掌握数据分析的基本方法、技巧和知识。 5.为学生将来从事人力资源大数据相关领域的工作打下坚实的基础。 3、采购项目建设需满足的技术规格、质量、安全、物理特性等要求 软件整体要求： 1、B/S（Browser/Server）结构，无点数限制，客户端不需要安装终端 软件，支持基于校园网、互联网的应用。 ★2、平台内置不少于 4 种数据挖掘技术，决策树、聚类算法、回归分析、 文本挖掘、关联规则。 3、平台能够提供背景资料，并根据背景资料提供相应的内置数据，用于数 据分析。 4、平台包括管理员端、教师端和学生端，其中管理员端至少有教师账号管 理、数据备份功能；教师端至少具备学生账号、背景资料、教学课程管理功能。 ★5、平台提供单个教师账号多实验班级同时实训功能，便于统一管理； 6、平台拥有智能处理功能，内部构建实验报告体系，可以查看、下载实验 报告。 ★7、平台能够通过大数据技术对人才供需预测、简历智能诊断、发展规划 诊断、人才数字画像、培训需求挖掘、培训效果诊断、离职情感挖掘、离职风 险预测等进行大数据分析，并对存在的人力资源问题进行直观、客观的描述、 分析与诊断，并提出合理的人力资源管理措施建议。 8、平台能够将采集的数据统一保存到平台数据库中。 功能模块及具体要求 平台包括管理员端、教师端、学生端三部分。 （一）管理员端程序功能 1、教师管理：能够新增、编辑、删除教师账号，包括用户名、真实姓名、 密码、联系方式； 2、背景资料：能够提供不少于 3 份背景资料，每份背景资料均有内置数据；提供解析上传功能，要求每份背景资料都具备相应解析 3、数据备份：能够对系统的整体数据进行备份与还原，当因网络等故障导 致数据不全时，可通过备份功能还原至之前的操作 4、帮助中心：能够上传使用帮助和教学辅助文件，供教师上课使用。文件 形式包括文本和视频。 ★5、操作日志：能够记录管理员和教师的操作内容和操作时间。 （二）教师端程序功能 教师端由实践课授课教师使用，主要供教师新建竞赛任务、查询数据、查 看实验报告等使用，教师端功能包括竞赛任务、学生管理、背景资料、竞赛方 案、实验得分、实验报告以及帮助中心。 ★1、竞赛任务：能够新增竞赛任务，包括竞赛名称、竞赛人数、竞赛方案、模式（无限时模式、限时模式）；能够从文件导入和账号前缀 2 种模式中任选 一种方式导入学生账号；能够提供签到设置功能辅助教师查询出勤情况，教师 通过签到详情查看本次课程已签到人员和未签到人员；能够查看课程的学生操 作详情。 2、学生管理：能够查看正在进行中或已完成课程的学生详情，包括修改密 码以及实验报告。 3、背景资料：能够提供不少于 3 份背景资料，每份背景资料均含内置数据；提供解析上传功能，要求每份背景资料都具备相应解析。能够复制系统提供的 背景资料，并可对背景资料的内容和解析进行修改。 ★4、竞赛方案：能够新增、复制、编辑和删除竞赛方案，可以选择竞赛模 块，设置竞赛模块权重比重，操作时间等。 5、实验得分：教师可以对学生平时分进行打分，最后由系统得出综合成绩，成绩可以以 Excel 的形式保存下来。 6、实验报告：课程结束后，能够查看每个学生的实验报告，并能够批量下 载保存。 7、帮助中心：能够查看使用帮助和教学辅助文件，供教师上课使用。文件 形式包括文本和视频。 （三）学生端程序功能 根据人力资源大数据分析流程，从人力资源的选、用、育、留角度出发，对人才供需预测、简历智能诊断、人才发展诊断、人才数字画像、培训需求挖 掘、培训效果诊断、离职情感挖掘、离职风险预测等进行诊断性和预测性分析，从而发现问题，解决问题，为人力资源提供辅助支持。 1、人才供需预测 人才需求预测是指根据人力资源大数据分析流程，识别企业人力资源需求 与供给不平衡等问题。然后采用数据接入、数据导入等方式，采集员工构成情 况、部门工作量等数据。再利用采集到的数据，构建回归分析模型，最后，根 据回归分析模型预测人才供需情况，为企业提供人才调配的科学依据，为人力 资源决策者提供决策辅助。 （1）明确业务需求/目标 根据背景资料信息，分析背景中企业现实状况，明确企业的业务目标，并 梳理如何根据大数据分析思路及工具制定人才供需预测的思路及工作流程。 （2）收集人才供需数据 根据背景企业中人才供需预测的目标，确定需要收集的人才数据字段，根 据企业信息化发展历程，借助数据填报、数据导入、数据库连接、数据爬取等 大数据收集的方法，收集历年人才供需数据并保存至平台数据库中。数据导入 支持本地数据库包含本地文件（Excel、CSV、WORD 等文件格式）导入；数 据库连接支持 MYSQL、SQL SERVER 等主流数据库数据导入；数据爬取能够 通过 Python 脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 （3）人才供需数据处理 通过大数据处理的方法，将收集的背景企业的大量原始人才数据进行加工 整理，包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗，数据整合、数据分组、数据计算。 人才供需预测数据重复值清洗：当数据有重复时，系统将自动识别，系统 支持对重复值进行删除或保留操作。 人才供需预测数据缺失值清洗：当数据有缺失时，系统将自动识别，系统 支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。 人才供需预测数据异常值清洗：系统支持选择筛选、3σ 探测法、四分位数 展布法等方法来识别异常值，并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 人才供需预测数据噪声值清洗：系统支持选择等深分箱法、离群点分析法 等方法来识别噪声值，系统将根据识别结果处理噪声值。 人才供需预测数据整合：系统支持通过字段匹配对表单进行合并生成新表 单，支持字段拆分实现字段切分，支持字段合并连接多个字段合并为一个字段。 人才供需预测数据分组：系统支持根据人才供需预测的需要对相关字段数 据按照某种标准划分成不同的组别 人才供需预测数据计算：根据人才供需预测的需要，系统支持依据现在字 段之间的关系通过各种运算自定义用户所需的新字段。 ★（4）人才供需模型构建 分析历年人才供需相关数据，利用大数据分析方法，构建人才需求预测模 型，从而为人力资源决策提供辅助支持。系统支持大数据分析方法包括回归分 析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 （5）人才供需预测应用 根据人才供需预测模型指标数据分析，解决人才供需预测业务问题。 （6）人才供需报告编制 系统提供人才供需预测报告模板，可根据模板撰写分析报告，撰写报告时 支持常见的图片插入、表格插入、格式、字体调整 2、简历智能诊断 简历智能诊断根据人力资源大数据分析流程，识别企业招聘过程中人岗不 匹配、过程筛选繁琐等问题。然后采用数据爬取、数据填报等方式，采集简历 数据。最后利用采集到的数据，构建文本挖掘模型，通过文本挖掘模型帮助决 策者挖掘出符合部门要求的人员，为人力资源决策提供辅助支持。 （1）明确业务需求/目标 根据背景资料信息，分析背景中企业在简历筛选过程中到的问题，明确企 业的业务目标，并梳理如何根据大数据分析思路及工具制定简历智能诊断的思 路及工作流程。 （2）收集简历数据 根据背景企业中简历智能诊断的目标，确定需要收集的简历刷选、诊断相 关数据字段，借助数据填报、数据导入、数据库连接、数据爬取等大数据收集 的方法，收集简历数据并保存至平台数据库中。数据导入支持本地数据库包含 本地文件（Excel、CSV、WORD 等文件格式）导入；数据库连接支持 MYSQL、SQL SERVER 等主流数据库数据导入；数据爬取能够通过 Python 脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 （3）简历数据处理 通过大数据处理的方法，将收集的背景企业的大量原始简历数据进行加工 整理，包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗，数据整合、数据分组、数据计算。 简历智能诊断数据重复值清洗：当数据有重复时，系统将自动识别，系统 支持对重复值进行删除或保留操作。 简历智能诊断数据缺失值清洗：当数据有缺失时，系统将自动识别，系统 支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。 简历智能诊断数据异常值清洗：系统支持选择筛选、3σ 探测法、四分位数 展布法等方法来识别异常值，并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 简历智能诊断数据噪声值清洗：系统支持选择等深分箱法、离群点分析法 等方法来识别噪声值，系统将根据识别结果处理噪声值。 简历智能诊断数据整合：系统支持通过字段匹配对表单进行合并生成新表 单，支持字段拆分实现字段切分，支持字段合并连接多个字段合并为一个字段。 简历智能诊断数据分组：系统支持根据简历智能诊断的需要对相关字段数 据按照某种标准划分成不同的组别 简历智能诊断数据计算：根据简历智能诊断的需要，系统支持依据现在字 段之间的关系通过各种运算自定义用户所需的新字段。 ★（4）简历智能诊断模型构建 分析历史人才招聘简历相关数据，利用大数据分析方法，构建简历智能诊 断模型，从而为人力资源决策提供辅助支持。系统支持大数据分析方法包括回 归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法 等。 （5）简历智能诊断应用 根据简历智能诊断模型指标数据分析，解决人才招聘简历刷选诊断业务问 题。 （6）简历智能诊断报告编制 系统提供简历智能诊断预测报告模板，可根据模板撰写分析报告，撰写报 告时支持常见的图片插入、表格插入、格式、字体调整。 3、人才发展诊断 人才发展诊断根据人力资源大数据分析流程，识别公司在为员工制定职业 发展规划上的问题。通过大数据分析的方法构建人才发展诊断模型，诊断绩效 评估得分、参与项目数量、平均每月工作时长和是否存在工作过失等因素对员 工等级、是否留任、是否升职的影响，使得决策者制定留任、晋升决策提供依 据。 （1）明确业务需求/目标 根据背景资料信息，深入研究和分析公司的人员信息，分析性别、年龄、职位、绩效评定分数与晋升之间的关联关系，明确企业的业务目标，并梳理如 何根据大数据分析思路及工具制定人才发展诊断的思路及工作流程。 （2）收集人才发展数据 根据背景企业中人才发展的目标，确定需要收集的企业人才数据字段，借 助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法，收集人 才数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件（Excel、CSV、WORD 等文件格式）导入；数据库连接支持 MYSQL、SQL SERVER 等主流数据库数据导入；数据爬取能够通过 Python 脚本从网页上爬 取应聘者简历并把保存到本系统数据库中。 （3）处理收集的数据 通过大数据处理的方法，将收集的背景企业的大量原始人才数据进行加工 整理，包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗，数据整合、数据分组、数据计算。 人才发展诊断数据重复值清洗：当数据有重复时，系统将自动识别，系统 支持对重复值进行删除或保留操作。 人才发展诊断数据缺失值清洗：当数据有缺失时，系统将自动识别，系统 支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。 人才发展诊断数据异常值清洗：系统支持选择筛选、3σ 探测法、四分位数 展布法等方法来识别异常值，并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 人才发展诊断数据噪声值清洗：系统支持选择等深分箱法、离群点分析法 等方法来识别噪声值，系统将根据识别结果处理噪声值。 人才发展诊断数据整合：系统支持通过字段匹配对表单进行合并生成新表 单，支持字段拆分实现字段切分，支持字段合并连接多个字段合并为一个字段。 人才发展诊断数据分组：系统支持根据人才发展诊断的需要对相关字段数 据按照某种标准划分成不同的组别 人才发展诊断数据计算：根据人才发展诊断的需要，系统支持依据现在字 段之间的关系通过各种运算自定义用户所需的新字段。 ★（4）人才发展诊断模型构建 分析历史人才发展相关数据，利用大数据分析方法，构建人才发展诊断模 型，从而为人力资源决策提供辅助支持。系统支持大数据分析方法包括回归分 析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 （5）人才发展诊断应用 根据人才发展诊断模型指标数据分析，解决企业在人才发展过程中的各种 业务问题。 （6）人才发展诊断报告编制 系统提供人才发展诊断报告模板，可根据模板撰写分析报告，撰写报告时 支持常见的图片插入、表格插入、格式、字体调整。 4、人才数字画像 人才数字画像根据人力资源大数据分析流程，识别企业在发掘与培养人才 过程中的问题。然后采用数据导入、数据接入等方式，采集各个岗位的学历要 求、工作年限、项目经理等信息。再根据采集到的数据构建人才画像模型，从 而帮助决策者将人才放在正确的岗位或者进行培养。 （1）明确业务需求/目标 根据背景资料信息，分析企业在人才发掘与识别人才过程中的问题。明确 企业的业务目标，并梳理如何根据大数据分析思路及工具制定人才数字画像的 思路及工作流程。 （2）收集岗位人才数据 根据背景企业中人才画像的目标，确定需要收集的企业人才数据字段，借 助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法，收集人 才数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件（Excel、CSV、WORD 等文件格式）导入；数据库连接支持 MYSQL、SQL SERVER 等主流数据库数据导入；数据爬取能够通过 Python 脚本从网页上爬 取应聘者简历并把保存到本系统数据库中。 （3）处理收集的数据 通过大数据处理的方法，将收集的背景企业的大量原始人才数据进行加工 整理，包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗，数据整合、数据分组、数据计算。 人才数字画像数据重复值清洗：当数据有重复时，系统将自动识别，系统 支持对重复值进行删除或保留操作。 人才数字画像数据缺失值清洗：当数据有缺失时，系统将自动识别，系统 支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。 人才数字画像数据异常值清洗：系统支持选择筛选、3σ 探测法、四分位数 展布法等方法来识别异常值，并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 人才数字画像数据噪声值清洗：系统支持选择等深分箱法、离群点分析法 等方法来识别噪声值，系统将根据识别结果处理噪声值。 人才数字画像数据整合：系统支持通过字段匹配对表单进行合并生成新表 单，支持字段拆分实现字段切分，支持字段合并连接多个字段合并为一个字段。 人才数字画像数据分组：系统支持根据人才数字画像的需要对相关字段数 据按照某种标准划分成不同的组别 人才数字画像数据计算：根据人才数字画像的需要，系统支持依据现在字 段之间的关系通过各种运算自定义用户所需的新字段。 ★（4）人才数字画像模型构建 分析历史人才相关数据，利用大数据分析方法，构建人才数字画像模型， 从而为人力资源决策提供辅助支持。系统支持大数据分析方法包括回归分析、 频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 （5）人才数字画像应用 根据人才数字画像模型指标数据分析，解决企业在人才发展过程中的各种 业务问题。 （6）人才数字画像报告编制 系统提供人才数字画像报告模板，可根据模板撰写分析报告，撰写报告时 支持常见的图片插入、表格插入、格式、字体调整 5、培训需求挖掘 培训需求挖掘根据人力资源大数据分析流程，识别企业存在的培训需求不 明确、培训设置不合理等问题。然后采用数据导入、数据接入等方式，采集绩 效实际水平、人事变动情况、个人职业生涯规划等数据。再根据采集到的数据 运用 K-Means 聚类算法构建培训需求挖掘模型。最后根据聚类分析结果，帮 助决策者挖掘员工的隐性培训需求，从而能够针对不同的员工制定培训计划。 （1）明确业务需求/目标 根据背景资料信息，分析企业存在的培训需求不明确、培训效果不理想等 问题。明确企业的业务目标，并梳理如何根据大数据分析思路及工具制定培训 需求挖掘的思路及工作流程。 （2）培训数据收集 根据背景企业中培训需求分析的目标，确定需要收集的企业培训数据字段，借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法，收集 培训数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件（Excel、CSV、WORD 等文件格式）导入；数据库连接支持 MYSQL、SQL SERVER 等主流数据库数据导入；数据爬取能够通过 Python 脚本从网页上爬 取应聘者简历并把保存到本系统数据库中。 （3）培训数据处理 通过大数据处理的方法，将收集的背景企业的大量原始培训数据进行加工 整理，包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗，数据整合、数据分组、数据计算。 培训需求挖掘数据重复值清洗：当数据有重复时，系统将自动识别，系统 支持对重复值进行删除或保留操作。 培训需求挖掘数据缺失值清洗：当数据有缺失时，系统将自动识别，系统 支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。 培训需求挖掘数据异常值清洗：系统支持选择筛选、3σ 探测法、四分位数 展布法等方法来识别异常值，并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 培训需求挖掘数据噪声值清洗：系统支持选择等深分箱法、离群点分析法 等方法来识别噪声值，系统将根据识别结果处理噪声值。 培训需求挖掘数据整合：系统支持通过字段匹配对表单进行合并生成新表 单，支持字段拆分实现字段切分，支持字段合并连接多个字段合并为一个字段。 培训需求挖掘数据分组：系统支持根据培训需求分析的需要，对相关字段 数据按照某种标准划分成不同的组别 培训需求挖掘数据计算：根据培训需求分析的需要，系统支持依据现在字 段之间的关系通过各种运算自定义用户所需的新字段。 （4）培训需求挖掘模型构建 分析历史培训需求相关数据，利用大数据分析方法，构建培训需求挖掘模 型，从而为人力资源决策提供辅助支持。系统支持大数据分析方法包括回归分 析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 （5）培训需求挖掘模型应用 根据培训需求挖掘模型指标数据分析，解决企业在培训需求挖掘过程中的 各种业务问题。 （6）培训需求挖掘报告编制 系统提供培训需求挖掘报告模板，可根据模板撰写分析报告，撰写报告时 支持常见的图片插入、表格插入、格式、字体调整。 6、培训效果诊断 培训效果诊断根据人力资源大数据分析流程，识别企业员工培训效果问题。然后采用数据导入、数据接入等方式，采集工作时长、每月绩效、工作态度等 数据。最后通过构建培训效果诊断模型，找出影响培训效果的因素，从而为之 后的企业培训提供优化方向。 （1）明确业务需求/目标 根据背景资料信息，分析企业存在培训效果不理想问题。明确企业的业务 目标，并梳理如何根据大数据分析思路及工具制定培训效果诊断的思路及工作 流程。 （2）培训数据收集 根据背景企业中培训需求分析的目标，确定需要收集的企业培训数据字段，借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法，收集 培训数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件（Excel、CSV、WORD 等文件格式）导入；数据库连接支持 MYSQL、SQL SERVER 等主流数据库数据导入；数据爬取能够通过 Python 脚本从网页上爬 取应聘者简历并把保存到本系统数据库中。 （3）培训数据处理 通过大数据处理的方法，将收集的背景企业的大量原始培训数据进行加工 整理，包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗，数据整合、数据分组、数据计算。 培训效果诊断数据重复值清洗：当数据有重复时，系统将自动识别，系统 支持对重复值进行删除或保留操作。 培训效果诊断数据缺失值清洗：当数据有缺失时，系统将自动识别，系统 支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。 培训效果诊断数据异常值清洗：系统支持选择筛选、3σ 探测法、四分位数 展布法等方法来识别异常值，并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 培训效果诊断数据噪声值清洗：系统支持选择等深分箱法、离群点分析法 等方法来识别噪声值，系统将根据识别结果处理噪声值。 培训效果诊断数据整合：系统支持通过字段匹配对表单进行合并生成新表 单，支持字段拆分实现字段切分，支持字段合并连接多个字段合并为一个字段。 培训效果诊断数据分组：系统支持根据培训效果诊断的需要，对相关字段 数据按照某种标准划分成不同的组别 培训效果诊断数据计算：根据培训效果诊断的需要，系统支持依据现在字 段之间的关系通过各种运算自定义用户所需的新字段。 ★（4）培训效果诊断模型构建 分析历史培训效果相关数据，利用大数据分析方法，构建培训效果诊断模 型，从而为人力资源决策提供辅助支持。系统支持大数据分析方法包括回归分 析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 （5）培训效果诊断模型应用 根据培训效果诊断模型指标数据分析，解决企业在培训效果诊断过程中的 各种业务问题。 （6）培训效果诊断报告编制 系统提供培训效果诊断报告模板，可根据模板撰写分析报告，撰写报告时 支持常见的图片插入、表格插入、格式、字体调整 7、离职情感挖掘 离职情感挖掘根据人力资源大数据分析流程，识别企业离职相关问题。然 后采用数据导入、数据接入等方式，采集员工离职申请数据。再利用采集到的 数据构建离职情感挖掘模型，借助模型了解员工对公司的情感倾向，分析离职 原因。最后根据文本挖掘结果分析离职原因，从而帮助决策者进行有针对性的 整改，最终达到降低员工离职率这个目标。 （1）明确业务需求/目标 根据背景资料信息，分析企业离职情况。明确离职原因，并梳理如何根据 大数据分析思路及工具制定离职情感挖掘的思路及工作流程。 （2）离职数据收集 根据背景企业中离职情感挖掘的目标，确定需要收集的企业离职数据字段，借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法，收集 培训数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件（Excel、CSV、WORD 等文件格式）导入；数据库连接支持 MYSQL、SQL SERVER 等主流数据库数据导入；数据爬取能够通过 Python 脚本从网页上爬 取应聘者简历并把保存到本系统数据库中。 （3）离职数据处理 通过大数据处理的方法，将收集的背景企业的大量原始离职数据进行加工 整理，包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗，数据整合、数据分组、数据计算。 离职情感挖掘数据重复值清洗：当数据有重复时，系统将自动识别，系统 支持对重复值进行删除或保留操作。 离职情感挖掘数据缺失值清洗：当数据有缺失时，系统将自动识别，系统 支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。 离职情感挖掘数据异常值清洗：系统支持选择筛选、3σ 探测法、四分位数 展布法等方法来识别异常值，并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 离职情感挖掘数据噪声值清洗：系统支持选择等深分箱法、离群点分析法 等方法来识别噪声值，系统将根据识别结果处理噪声值。 离职情感挖掘数据整合：系统支持通过字段匹配对表单进行合并生成新表 单，支持字段拆分实现字段切分，支持字段合并连接多个字段合并为一个字段。 离职情感挖掘数据分组：系统支持根据离职情感挖掘的需要，对相关字段 数据按照某种标准划分成不同的组别 离职情感挖掘数据计算：根据离职情感挖掘的需要，系统支持依据现在字 段之间的关系通过各种运算自定义用户所需的新字段。 ★（4）离职情感挖掘模型构建 分析历史离职相关数据，利用大数据分析方法，构建离职情感挖掘模型， 从而为人力资源决策提供辅助支持。系统支持大数据分析方法包括回归分析、 频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 （5）离职情感挖掘模型应用 根据离职情感挖掘模型指标数据分析，解决企业在离职过程中的各种业务 问题。 （6）离职情感挖掘报告编制 系统提供离职情感挖掘报告模板，可根据模板撰写分析报告，撰写报告时 支持常见的图片插入、表格插入、格式、字体调整 8、离职风险预测 根据人力资源大数据分析流程，识别企业离职问题。然后采用数据接入、数据导入等方式，采集年龄、司龄、绩效、薪酬福利、工作内容、个人能力、个人成就、培训机会、个人职业发展等数据。最后利用采集到的数据构建离职 风险预测模型，从而帮助决策者预测离职人员，进而可以对有潜在离职风险的 人员进行适当调整。 （1）明确业务需求/目标 根据背景资料信息，分析企业离职情况。明确离职原因，并梳理如何根据 大数据分析思路及工具制定离职风险预测的思路及工作流程。 （2）离职数据收集 根据背景企业中离职风险预测的目标，确定需要收集的企业离职数据字段，借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法，收集 培训数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件（Excel、CSV、WORD 等文件格式）导入；数据库连接支持 MYSQL、SQL SERVER 等主流数据库数据导入；数据爬取能够通过 Python 脚本从网页上爬 取应聘者简历并把保存到本系统数据库中。 （3）离职数据处理 通过大数据处理的方法，将收集的背景企业的大量原始离职数据进行加工 整理，包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗，数据整合、数据分组、数据计算。 离职风险预测数据重复值清洗：当数据有重复时，系统将自动识别，系统 支持对重复值进行删除或保留操作。 离职风险预测数据缺失值清洗：当数据有缺失时，系统将自动识别，系统 支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。 离职风险预测数据异常值清洗：系统支持选择筛选、3σ 探测法、四分位数 展布法等方法来识别异常值，并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 离职风险预测数据噪声值清洗：系统支持选择等深分箱法、离群点分析法 等方法来识别噪声值，系统将根据识别结果处理噪声值。 离职风险预测数据整合：系统支持通过字段匹配对表单进行合并生成新表 单，支持字段拆分实现字段切分，支持字段合并连接多个字段合并为一个字段。 离职风险预测数据分组：系统支持根据离职情感挖掘的需要，对相关字段 数据按照某种标准划分成不同的组别 离职风险预测数据计算：根据离职情感挖掘的需要，系统支持依据现在字 段之间的关系通过各种运算自定义用户所需的新字段。 ★（4）离职风险预测模型构建 分析历史离职相关数据，利用大数据分析方法，构建离职风险预测模型， 从而为人力资源决策提供辅助支持。系统支持大数据分析方法包括回归分析、 频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 （5）离职风险预测模型应用 根据离职风险预测模型指标数据分析，解决企业在离职过程中的各种业务 问题。 （6）离职风险预测报告编制 系统提供离职风险预测报告模板，可根据模板撰写分析报告，撰写报告时 支持常见的图片插入、表格插入、格式、字体调整。 4、采购项目的明细数量、交付或实施时间、地点 1.采购数量：1 套 2.交付实施时间：合同签订后 15 个工作日内完成交付实施。 3.交付实施地点：上海对外经贸大学指定地点 5、采购项目需满足的服务标准、期限、效率等要求 1.履约期限：合同签订后，15 个工作日内供应商必须完成所有产品（含产 品配件附件等）的到货及安装（如有），交付地点为校方指定位置，运费、包 装费、保险费、安装费等由供应商承担。 2.付款方式及条件：产品交付后 5 个工作日内组织验收，验收合格后，7 个工作日内一次性付清所有款项。 6、合同款项的支付方式、时间、条件 项目验收合格后支付项目合同款项的 100%。 7、项目验收方法或标准 1.组织验收主体：本项目的履约验收工作由采购人依法组织实施。 2.验收方法：验收时将按照招标文件参数逐一进行演示核对并进行验收，若在演示验收过程中有无法满足的功能参数，则视为虚假应标，由此带来的一 切损失由供应商承担。 8、售后服务要求 供应商需提供至少 3 年以上的质保期，质保期内容免费升级，并提供终身 远程线上服务。质保期内若遇使用或技术问题，供应商应在学校使用老师发出 故障通知后的 4 小时内处理完毕，若遇到远程方式无法解决的故障，需在 24 小时内容到达学校，并于 48 小时内处理解决，相关修理费用由供应商支付。 9、其他要求 无 合同履行期限：合同签订后，15 个工作日内供应商必须完成所有产品（含产品 配件附件等）的到货及安装（如有），交付地点为校方指定位置，运费、包装 费、保险费、安装费等由供应商承担。 本项目( 不接受 )联合体投标。 二、申请人的资格要求： 1.满足《中华人民共和国政府采购法》第二十二条规定； 2.落实政府采购政策需满足的资格要求： 政府强制采购节能产品、鼓励环保产品、支持中小微企业、促进残疾人就业、支持监狱和戒毒企业、扶持不发达地区和少数民族地区以及限制采购进口产品 等相关政策。 3.本项目的特定资格要求：1、符合《中华人民共和国政府采购法》第二十二条 的规定； 2、未被“信用中国”（www.creditchina.gov.cn）、中国政府采购网（www.ccgp.gov.cn）列入失信被执行人、重大税收违法案件当事人名单、政府采购严重违法失信行为记录名单； 3、其他资格要求： 3.1 投标人须为中华人民共和国境内具有独立法人地位的企业单位或其他组织； 3.2 本项目不允许联合体投标； 3.3 本项目专门面向中小企业采购； 3.4 法人依法设立的分支机构以自己的名义参与投标时，应提供依法登记的相 关证明材料和由法人出具的授权其分支机构在其经营范围内参加政府采购活动 并承担全部民事责任的书面授权。法人与其分支机构不得同时参与同一项目的 采购活动； 3.5 单位负责人为同一人或者存在直接控股、管理关系的不同供应商，不得参 加同一合同项下的政府采购活动；为采购项目提供整体设计、规范编制或者项 目管理、监理、检测等服务的供应商，不得再参加该采购项目的其他采购活动。 三、获取招标文件 时间：2024 年 10 月 11 日 至 2024 年 10 月 17 日，每天上午 8:00 至 11:00，下午 13:00 至 17:00。（北京时间，法定节假日除外） 地点：上海市闵行区七莘路 2099 号华友大厦 A504 方式：获取时间：2024 年 10 月 11 日 17 时 00 分到 2024 年 10 月 17 日 17 时 00 分 获取方式： （1）购买时间：报名投标单位应于上述规定时间内（上 午 9:30～11：00，下午 13：00～16:00）携带: ① 营业执照（复印件加盖公 章） ②信用中国及中国政府采购网查询结果（加盖公章） ③授权委托书及身份 证等资料的原件及加盖公章的复印件 ④投标人资格要求中的其他资料 至上海市 闵行区七莘路 2099 号华友大厦 A504 进行现场验证。现场报名前请先打电话 确认。 本项目支持线上报名，投标人可于 2024 年 10 月 17 日 17:00 前，将 上述报名资料扫描件（原件彩色扫描）发送至 3865526855@qq.com，完成 线上报名的单位，以短信（备注单位全称及电子邮箱）或者电话形式通知招标 代理。 （2）招标文件售价：人民币 500 元/本（售后不退），招标文件采用现 金支付方式，售后不退。 售价：￥500.0 元，本公告包含的招标文件售价总和 四、提交投标文件截止时间、开标时间和地点 提交投标文件截止时间：2024 年 11 月 01 日 14 点 00 分（北京时间） 开标时间：2024 年 11 月 01 日 14 点 00 分（北京时间） 地点：上海市闵行区七莘路 2099 号华友大厦 A504 五、公告期限 自本公告发布之日起 5 个工作日。 六、其他补充事宜 七、对本次招标提出询问，请按以下方式联系。 1.采购人信息 名 称：上海对外经贸大学 地址：松江区文翔路 1900 号 联系方式：王老师 021-67702132 2.采购代理机构信息 名 称：上海普汇建设工程咨询有限公司 地址：上海市闵行区七莘路 2099 号华友大厦 A504 联系方式：周慧迎 18516155095 3.项目联系方式 项目联系人：周慧迎 电话：18516155095