马尔科夫模型在我们这里是干什么的？
今天来把这个比较复杂的问题通俗一下。
对标题比较好奇的朋友，既然点击进来了，无论如何都要看看，是不是觉得HR这个职业有点意思啊，不过看完了也不要有HR这个职业太难做的想法，其实你只要喜欢，就不难了。请往下看。
我首先来介绍一下马尔科夫，生于1856年，逝于1922年，其人是苏联时期的一位数学家，准确地说应当是沙俄时期的数学家，其主要生活时代是在沙皇时期，是彼得堡数学学派的代表人物，主要在数论和概率论方面取得了巨大的成就。马尔科夫模型具体是：（以下这段文字是从网上摘录的，不太好懂。可以略过，）“马尔可夫经多次观察试验发现，一个系统的状态转换过程中第n次转换获得的状态常决定于前一次（第n-1次）试验的结果。马尔可夫进行深入研究后指出：对于一个系统，由一个状态转至另一个状态的转换过程中，存在着转移概率，并且这种转移概率可以依据其紧接的前一种状态推算出来，与该系统的原始状态和此次转移前的马尔可夫过程无关。”这个模型主要用于语音识别，音字转换等。是的，我们今天的移动通讯上的即时交流，都是根据其原理进行进一步扩展的，比如微信上的语音转换成文字等。我们用具体的例子来说明其运用，对这个理论就比较好懂点。
在人力资源管理中，马尔科夫模型是用来预测等时间间隔点上（一般为一年）各类人员分布状况的一种动态预测技术，是从统计学中借鉴过来的一种定量预测方法。它的基本思路是：找出过去人力资源流动的比例，以此来预测未来人力资源供给的情况。
马尔科夫模型在人力资源管理中主要用于预测组织内部人力资源的供给。这是一个比较有效的统计预测技术。看下表，
某企业技术工人流动表
|
技术人员 |
时间（t1-t2） |
离职比率 |
总数 |
||||
|
A |
B |
C |
D |
||||
|
高技工 |
A |
70％ |
30％ |
100％ | |||
|
中技工 |
B |
20％ |
60％ |
20％ |
100％ | ||
|
普技工 |
C |
5％ |
25％ |
40％ |
30％ |
100％ | |
|
学徒 |
D |
15％ |
65％ |
0％ |
20％ |
100％ | |
要注意这里的时间，是从假设的t1到t2这段时间期间，有70％的高技工留在企业，30％的高技工离职了，中技工有20％晋升到高技工，60％的留在原岗位，20％的离职去其他企业了，普技工5％经过努力晋升到高技工，25％晋升到中技工，有40％仍在原岗位，有30％的离职去了其他企业，学徒有15％晋升到中技工，65％晋升到普技工，20％的离职去了其他企业。通过表中的这个规律，我们HR可以由此推断将来的人员变动情况，提早进行人员培养培训工作等人力资源管理方面的具体工作。当然我这个例子举的是比较理想状态，实际企业情况可能不会这样理想。
马尔科夫模型作为在人力资源管理中的运用，还是比较容易的，我们HR可以在你的工作好好运用啊。（本文仅是我的初浅理解，其举例借鉴了我曾学习的其他老师的知识，向其致谢）
