امروزه، حجم داده­ها در سازمان­ها با نرخ بی­سابقه­ای رشد می­کند. افزایش روزافزون داده­ها، رویکرد­هایی را می­طلبد که هوشمندانه به تجزیه‌وتحلیل آن­ها پرداخته و دانش پنهان موجود در آن­ها را کشف نماید. داده­کاوی، ابزارهایی را برای تحلیل پایگاه­های داده بزرگ، کشف روندها، الگوها و دانش، از این منابع داده فراهم می­کند. شرکت صنایع فولاد مبارکه، ازجمله صنایع کلیدی کشور بوده که با برخورداری از بانک داده غنی، زمینه­ مناسبی برای کاربرد رویکردهای داده‌کاوی و کشف دانش نهفته در این داده­ها را فراهم نموده است. امروزه دسته­بندی و پیش­بینی در داده­کاوی در حوزه­های مختلفی کارایی داشته و پیش­بینی ارزیابی عملکرد نیز ازجمله حوزه­های موردتوجه داده­کاوان بوده است. ارزیابی عملکرد کارکنان به‌عنوان یکی از چالش­های مدیریت منابع انسانی، با کاهش هزینه­های مستقیم و غیرمستقیم نقش به سزایی در بهره­وری سازمان­ها و شرکت­ها ایفا می­کند. برای این امر در سازما­ن­های غیر صنعتی رویکرد­های دسته­بندی بسیاری در داده­کاوی ازجمله درخت تصمیم، بردار ماشین پشتیبان و رویکرد­های مبتنی بر تئوری بیز استفاده شده است که درخت تصمیم ازجمله محبوب­ترین این رویکرد­ها بوده چرا که نتایج و قوانین تفسیرپذیری را ارائه می­دهد. در این پژوهش با توجه به اطلاعات موجود علاوه بر به‌کارگیری درخت تصمیم، روش­های دسته­بندی گروهی ازجمله جنگل تصمیم­گیری ساده و وزن­دار که برخلاف درخت تصمیم به تغییرات مجموعه آموزش حساس نبوده، به پیش­بینی ارزیابی عملکرد کارکنان نگهداری و تعمیرات ناحیه نورد سرد پرداخته شده است. پیش‌ازاین ارزیابی عملکرد با استفاده از رویکرد­های ترکیبی و در صنعت حضور پررنگی نداشته است.