زمینه و هدف: در سال‌های اخیر، سازمان‌ها به طور فزاینده‌ای بر بهینه‌سازی مدیریت منابع انسانی تمرکز کرده‌اند و متوجه شده‌اند که موفقیت آن‌ها به جذب، نگهداری و به‌کارگیری مؤثر استعدادها بستگی دارد. داده‌کاوی، که الگوهای ارزشمندی را از مجموعه داده‌های بزرگ استخراج می‌کند، نقش مهمی در این فرآیند دارد. این مطالعه به منظور پیش‌بینی نیازهای نیروی انسانی با استفاده از رویکرد جدیدی که شبکه‌های عصبی را با الگوریتم بهینه‌سازی نهنگ (WOA) و شبیه‌سازی تبریدی (SA) ترکیب می‌کند، انجام شده است.
روش‌شناسی: این تحقیق، که بر اساس مجموعه‌ داده‌ای شامل 30,000 رکورد انجام شده، از نوع کاربردی و کمی است. روش پیشنهادی، قابلیت‌های شناسایی الگوهای شبکه‌های عصبی را با نقاط قوت بهینه‌سازی WOA و SA ترکیب می‌کند. این مدل ترکیبی به منظور بهبود دقت و کارایی در پیش‌بینی نیازهای نیروی انسانی طراحی شده است.
یافته‌ها: مدل ترکیبی به طور قابل توجهی دقت پیش‌بینی، کارایی و استحکام را نسبت به روش‌های سنتی بهبود داد. یافته‌ها نشان می‌دهند که این رویکرد ابزاری قدرتمند برای برنامه‌ریزی منابع انسانی است و به سازمان‌ها راهی قابل اعتمادتر برای پیش‌بینی نیازهای نیروی کار و تصمیم‌گیری‌های استراتژیک ارائه می‌دهد.
نتیجه‌گیری: این مطالعه بر اهمیت تکنیک‌های پیشرفته داده‌کاوی در بهبود فرآیندهای تصمیم‌گیری مرتبط با منابع انسانی تأکید دارد. روش پیشنهادی نه تنها تخصیص نیروی کار را بهینه می‌کند بلکه با اطمینان از اینکه افراد مناسب در نقش‌های مناسب قرار دارند، به موفقیت سازمان نیز کمک می‌کند. تحقیقات آینده می‌توانند کاربرد این روش را در صنایع مختلف بررسی کنند تا اثربخشی آن بیشتر تأیید شود.