随着大数据和人工智能技术的发展和普及,人力资源管理步入智能化的数据时代,数据驱动的人力资源管理可以创新管理模式,带来新的突破。在人力资源管理领域,研究员工成长问题对选、用、育、留、辞都有着重要参考作用。传统员工成长的研究多基于访谈和问卷调查,存在一定局限性,难以适应当今需求。本文将数据驱动的理念引入人力资源管理,取代传统定性分析,应用大数据和人工智能的方法思路,深入挖掘优秀的员工如何长成。本文的主要研究成果如下:(1)构造成长状态标签和特征以规范化描述员工。研究基于企业人力资源数据库中数据展开。定义员工的成长是其职级的增长,选择成长幅度和成长速度作为基准,利用聚类方法将数据中的员工划分为成长状态优秀、良好、一般和较差四类。此外,构造了个人背景、工作能力、教育情况、组织环境和人际交往五大类基本特征,从多维度刻画干部,为探究成长规律奠定了基础。(2)基于定量化数据分析挖掘企业员工的成长规律。通过研究员工在个人背景、工作能力、教育情况、组织环境和人际交往上的特征与其成长状态的关系,针对“如何成长为一名优秀员工”挖掘规律。利用统计学方法发现影响成长的因素,利用复杂网络方法发现员工的成长路径。将得到的规律归为内因、外因两大类,归纳出员工成长具有出身优势、资历积累、技术优待、全面发展、多元培养、平台助力、近朱者赤等规律。(3)提出一种有效的员工成长潜力预测方法。本文结合特征、成长规律与机器学习构建预测模型,采用一种基于多指标投票的特征选择策略实现特征降维,比较多种不平衡数据处理策略以提升模型性能。实验发现,最终的分类器能够准确预测员工的成长潜力,在验证预测算法和成长规律的可靠性的同时,为人力资源的管理决策提供了一种高效、有预见性的支持方法。