当今国际形势严峻复杂,技术革新迭代日新月异,人才的重要性愈发凸显,中国的未来离不开对人才的大力培养和使用。在各行各业人才当中,博士后科研人才显得尤为突出,因为他们集学历职称高、科研能力强、创新思维多等诸多优点于一体,是国家宝贵的杰出人才。基于胜任力理论和“冰山模型”的传统人才评价方法已经无法适应当前我国的博士后科研人才评价工作,而目前我国博士后科研人才评价中又存在诸多问题。因此,本文选择我国博士后科研人才作为主要研究对象,本文的主要研究工作如下:首先,研究了博士后科研人才评价现状,发现博士后人才评价工作中存在的问题。其次,基于胜任力理论和信息觅食理论,采用大数据技术和BP神经网络等方法,开创性提出了全面胜任力要素概念,构建了新的模型框架—基于大数据技术的综合人才评价模型,该模型由三部分组成:第一部分是概念层,即全面胜任力要素概念;第二部分是技术层,是整个模型的主体部分,包括博士后科研人才画像构建和博士后科研人才评价体系构建两个组成单元;第三部分是方法层,即在新模型构建过程中使用到的博士后画像技术和博士后评价技术。然后,分别对博士后科研人才数据库、画像系统和评价体系的构建等进行了研究;将数据挖掘技术和博士后科研人才数据库和画像系统构建相结合,将BP神经网络技术和博士后科研人才评价体系构建相结合。最后,基于前文的研究结论提出博士后科研人才评价优化路径的对策建议,旨在为国家今后完善博士后评价工作、改革博士后评价政策提供参考,助力“精准引才”工作。本文的创新之处表现在以下三个方面:（1）提出了新的模型框架—基于大数据技术的综合人才评价模型。新的模型框架将数据挖掘技术和博士后科研人才数据库和画像系统构建相结合,解决了传统胜任力理论和“冰山模型”无法适应当前我国博士后科研人才评价的问题,是本研究的理论创新。（2）提出了一种博士后人才画像构建方法并设计了画像原型系统。设计了博士后个人和全国画像原型系统,对解决因博士后评价方法导致的博士后人才信息不全面的问题有所帮助。（3）提出了一种基于BP神经网络构建博士后人才评价指标体系和评价预测模型的方法。克服了传统熵值法只能计算出指标间的一些显性权重,而无法得到评价指标与评价结果的隐性权重这一短板,对解决博士后评价标准主观性过强,科学性不足的问题有所帮助。