转载公众号 | 知识管理就在夏博
各种各样的调查研究报告都在显示：人力资源主管和首席执行官特别重视的一件事是培养并发现组织的关键技能。
对于NASA而言，同样需要重新考虑如何看待其自身的技能，并确定组织中存在的知识。这让NASA开始思考如何使用知识图谱来结合其在员工、职业、培训等方面的数据，从而真正确定在组织中拥有什么，缺乏什么，以及应该如何利用这些信息。
比如，NASA面临的最大挑战之一是弄清楚公司内部的数据科学能力在哪里。数据科学不仅是一门新学科，而且是一门快速发展的学科。由于技术和业务需求，每个角色的知识都在不断变化。
David Meza是美国国家航空航天局(NASA)人力分析副主管和高级数据科学家，他认为突破技术可以提供帮助。他的团队正在构建一个人才图谱数据库，以创建一个知识图谱来显示人员、技能和项目之间的关系，以帮助NASA工作人员找到人才和工作机会。
问题1：这个项目的总体目标是什么?
David Meza：这是关于我们如何在一个专业或工作角色中识别技能、知识和能力、任务和技术。我们如何将这一点传达给员工?我们如何把它和你的教育结合起来?我们如何将其与项目和计划结合起来?所有这些工作都是一个关系问题，可以通过某些元素将它们连接在一起——这就是使用图谱技术的原因。
问题2：实现人才图谱背后的技术过程是什么?
David Meza：首先是尝试思考我们的专业分类将是什么——“我们如何识别一份工作?职业的DNA是什么? ” 此外，我们从员工角度、从培训角度、从项目角度来看待这个问题。简单地说，对于每一种职业，我们都将其分为三个不同的类别：知识、技能和任务。
问题3：你们是如何使用这些分类来构建数据模型的?
David Meza：如果你能开始识别那些在自然语言处理方面有丰富知识的人，以及他们工作所需的技能，那么从专业的角度来看，你可以说某些员工需要特定的技能和能力。幸运的是，劳工部有个人才数据库，里面有数百种职业及其要素的详细信息。这些要素包括知识、技能、能力、职责、人员特征、许可和培训。这就是人才图谱构建的基础。我们在训练中也做了同样的事情。在培训期间，您将学习到一项知识；学习这些知识，你将获得一项技能；为了获得这种技能，你将通过练习或任务来掌握这些技能。
问题3:随着时间的推移，你们将如何训练这个模型?
David Meza：我们首先考察了NASA特定的能力和工作角色，以便为员工分配这些能力和工作角色。我们的下一阶段是让员工验证和验证相关案例——所有围绕知识、技能、能力、任务和技术的案例——我们基于模型得出的结论是对还是错。然后我们用反馈来训练模型，让它变得更好一点。我们希望在未来几个月内实现这一目标。比如打开一个员工视图，就会对知识图谱有了一个概念：你可以看到员工有不同的节点连接到它，比如年龄、种族、等级、部门、工作时限、任务、成果等。同时，还可以获得更多关于NASA特定工作的具体信息，比如需要什么样的团队或什么样的技能组合。所有这些信息都被添加到知识图谱中，它会不断增长以提供更丰富的信息。
问题4: NASA的人才识别方法是什么?
David Meza：我认为这会让员工有机会看到他们在职业生涯中可能感兴趣的东西。例如，如果他们想改变自己的职业，他们可以看到自己在这个过程中的位置。但我也认为，这将有助于我们更好地协调我们组织内的人员，我们将帮助跟踪并可能预测我们可能会失去技能的地方，我们可能会失去技能的地方，因为我们的项目搬迁，我们的变化需要改变任务等。因此，我认为这将使我们更加灵活，使我们的员工更容易适合变化的工作。
比如，在查看员工及其能力时，可以使用节点相似度算法将员工与职业进行比较。雇员和职业有多相似?如果我要找一个符合某些要求的人，可以用这个算法来找到与特定工作角色高度相似的员工。
问题5：对于实现人才图谱，您还有其他的最佳实践经验吗?
David Meza：我认为这段时间我学到的最重要的一课是如何识别尽可能多的数据源，这些数据源可以帮助你提供一些信息。从小事做起——你不需要马上知道所有的事情。当我看到知识图谱时，它的好处是，与需要提前了解模式的关系数据库系统相比，您可以相对轻松地添加和删除信息。在知识图谱中，您可以轻松地添加信息，而不会弄乱模式或数据模型。添加更多的信息只会改进你的模型。所以从小事开始，但要从大的方面考虑你想做什么。看看你可以如何发展关系，并基于你对这些数据源的信息，尝试在你的图谱中识别潜在的关系。
我们还有很多其他方法来利用知识图谱来寻找人才，在人力资本分析中也可以用知识图谱来助力。这是一个不断发展的领域，我们期待看到这些新技术的更多应用场景。
OpenKG
OpenKG（中文开放知识图谱）旨在推动以中文为核心的知识图谱数据的开放、互联及众包，并促进知识图谱算法、工具及平台的开源开放。
点击阅读原文，进入 OpenKG 网站。