CN108427758A - 一种离职倾向分析方法、装置、设备及存储介质 - Google Patents
一种离职倾向分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN108427758A CN108427758A CN201810225195.8A CN201810225195A CN108427758A CN 108427758 A CN108427758 A CN 108427758A CN 201810225195 A CN201810225195 A CN 201810225195A CN 108427758 A CN108427758 A CN 108427758A
- Authority
- CN
- China
- Prior art keywords
- leaving office
- employee
- trend analysis
- behavioral data
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种离职倾向分析方法、装置、设备及存储介质，该方法包括：获取员工终端中的上网行为数据；判断所述上网行为数据中是否存在与离职倾向相关的行为数据；如果是，则利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。本申请中，由于上述上网行为数据能够真实客观地反映出员工的实际情况，当上述上网行为数据中存在与离职倾向相关的行为数据时，上述与离职倾向相关的行为数据也是真实客观地反映了员工的实际情况，基于这些能够真实客观地反映出员工的实际情况的行为数据来分析员工的离职倾向，能够有效地提高离职倾向分析结果的可靠性。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种离职倾向分析方法、装置、设备及存储介质。
背景技术
21世纪是知识经济时代，知识经济时代的市场竞争主要是科技技术与人才的竞争，归根结底是“人才的竞争”。合理的选人、用人、留人历来是管理者和研究者关注的热点之一，人员的流失尤其是关键人才的流失将对企业造成很大影响，企业的关键技术、管理体系、客户资源等往往掌握在关键人员手中，因而他们的离职既会对企业业务和生产造成短时巨大损失，也会增加额外的成本。因而如何对有离职倾向的员工进行引导，避免人才流失，变得极其重要。
对于企业而言，人才的流失可能是管理者最头疼的事之一，如果能提前洞悉员工的想法和行为，从而采取相应的措施进行挽留，将会避免许多不必要的损失和成本的增加。目前对于企业的员工离职倾向研究大多由人力资源部门负责，其中，问卷调查表是企业最常用的用于分析员工离职倾向的工具，通过调查表，企业进行分析哪些员工可能有离职的倾向，以及造成员工离职倾向的主要因素，从而采取积极的应对措施，做好员工离职的预防工作。然而现实中，具备离职倾向的员工在填写调查问卷时因具备防备心理而没有真实的进行填写，因此会导致问卷的真实性不够，不能反应员工满意度的真实情况。
综上所述可以看出，如何提升离职倾向分析结果的可靠性是目前亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种离职倾向分析方法、装置、设备及存储介质，能够有效地提升离职倾向分析结果的可靠性。其具体方案如下：
第一方面，本发明公开了一种离职倾向分析方法，包括：
获取员工终端中的上网行为数据；
判断所述上网行为数据中是否存在与离职倾向相关的行为数据；
如果是，则利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。
可选的，所述获取员工终端中的上网行为数据的步骤，包括：
获取所述员工终端中的信息发送行为数据和/或信息浏览行为数据。
可选的，所述获取所述员工终端中的信息发送行为数据的步骤，包括：
获取所述员工终端中员工在使用预设社交软件和/或预设邮箱***和/或预设招聘网站发送信息时产生的信息发送行为数据。
可选的，所述获取所述员工终端中的信息浏览行为数据的步骤，包括：
获取所述员工终端中员工在使用预设搜索引擎和/或预设招聘网站浏览信息时产生的信息浏览行为数据。
可选的，所述判断所述上网行为数据中是否存在与离职倾向相关的行为数据的步骤，包括：
判断所述上网行为数据中是否存在简历投递行为数据和/或职位搜索行为数据和/或招聘网站访问行为数据。
可选的，所述利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤，包括：
根据所述上网行为数据中与离职倾向相关的行为数据的类型和/或数量，分析与所述员工终端对应的员工的离职倾向风险等级，得到相应的离职倾向分析结果。
可选的，所述利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤，包括：
判断所述上网行为数据中与离职倾向相关的行为数据是否包括简历投递行为数据；如果是，则判定相应员工的离职倾向风险等级为高危等级，如果否，则判断所述上网行为数据中与离职倾向相关的行为数据是否包括职位搜索行为数据；如果是，则判定相应员工的离职倾向风险等级为中危等级，如果否，则判定相应员工的离职倾向风险等级为低危等级。
可选的，所述分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤之后，还包括：
判断所述离职倾向分析结果是否满足预设的预警条件，如果是，则向预设的***管理终端发送相应的预警信息。
可选的，所述分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤之后，还包括：
判断与所述员工终端对应的员工是否为预设目标员工，如果是，则向预设的***管理终端发送相应的预警信息。
第二方面，本发明公开了一种离职倾向分析装置，包括：
数据获取模块，用于获取员工终端中的上网行为数据；
判断模块，用于判断所述上网行为数据中是否存在与离职倾向相关的行为数据；
分析模块，用于当所述判断模块判定所述上网行为数据中存在与离职倾向相关的行为数据，则利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。
可选的，所述判断模块，包括第一判断单元和/或第二判断单元和/或第三判断单元；其中，
所述第一判断单元，用于判断所述上网行为数据中是否存在简历投递行为数据；
所述第二判断单元，用于判断所述上网行为数据中是否存在职位搜索行为数据；
所述第三判断单元，用于判断所述上网行为数据中是否存在招聘网站访问行为数据。
可选的，所述分析模块，具体用于当所述判断模块判定所述上网行为数据中存在与离职倾向相关的行为数据，则根据所述上网行为数据中与离职倾向相关的行为数据的类型和/或数量，分析与所述员工终端对应的员工的离职倾向风险等级，得到相应的离职倾向分析结果。
可选的，所述分析模块，具体包括：
第一分析单元，用于判断所述上网行为数据中与离职倾向相关的行为数据是否包括简历投递行为数据；如果是，则判定相应员工的离职倾向风险等级为高危等级；
第二分析单元，用于当所述第一分析单元的判断结果为否，则判断所述上网行为数据中与离职倾向相关的行为数据是否包括职位搜索行为数据；如果是，则判定相应员工的离职倾向风险等级为中危等级；如果否，则判定相应员工的离职倾向风险等级为低危等级。
第三方面，本发明公开了一种离职倾向分析设备，包括存储器和处理器；其中，所述处理器执行所述存储器中保存的离职倾向分析程序时实现前述公开的离职倾向分析方法的步骤。
第四方面，本发明公开了一种计算机可读存储介质，用于存储离职倾向分析程序；其中，所述离职倾向分析程序被处理器执行时实现前述公开的离职倾向分析方法的步骤。
可见，本发明先获取了员工终端中的上网行为数据，然后基于上述上网行为数据分析员工的离职倾向，从而得到相应的离职倾向分析结果。由于上述上网行为数据能够真实客观地反映出员工的实际情况，当上述上网行为数据中存在与离职倾向相关的行为数据时，那么该与离职倾向相关的行为数据也是真实客观地反映了员工的实际情况，基于这些能够真实客观地反映出员工的实际情况的行为数据来分析员工的离职倾向，能够有效地提高离职倾向分析结果的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种离职倾向分析方法流程图；
图2为本发明实施例公开的一种具体的离职倾向分析方法流程图；
图3为本发明实施例公开的一种具体的离职倾向分析方法流程图；
图4为本发明实施例公开的一种具体的离职倾向分析方法流程图；
图5为本发明实施例公开的一种离职倾向分析装置结构示意图；
图6为本发明实施例公开的一种离职倾向分析设备应用示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种离职倾向分析方法，参见图1所示，该方法包括：
步骤S11：获取员工终端中的上网行为数据。
本实施例中，上述员工终端可以包括但不限于员工的台式办公终端、手持办公终端和穿戴式办公终端等。
需要说明的是，为了全面地了解企业内每一员工的离职倾向，本实施例中上述员工终端可以是企业内所有员工的员工终端。当然，为了对企业中的特定员工的离职倾向进行重点关注，本实施例中上述员工终端也可以是指预先选定的对企业发展能够起到关键作用的员工的员工终端。
本实施例中，上述获取员工终端中的上网行为数据的步骤，具体可以包括：获取员工终端中的信息发送行为数据和/或信息浏览行为数据。
其中，上述获取员工终端中的信息发送行为数据的步骤，具体可以包括：
获取员工终端中员工在使用预设社交软件和/或预设邮箱***和/或预设招聘网站发送信息时产生的信息发送行为数据。
需要说明的是，上述预设社交软件具体可以由***管理终端预先指定的能够在员工终端上使用的社交软件，包括但不限于QQ、微信、微博和其他专门针对求职需求开发的社交软件。上述预设邮箱***具体可以由***管理终端预先指定的能够在员工终端上使用的邮箱***，包括但不限于企业邮箱***、Foxmail邮箱***和Outlook邮箱***等。上述预设招聘网站具体可以是由***管理终端预先指定的能够在员工终端上使用的招聘网站，包括但不限于招聘门户网站和预设竞争对手的企业内部招聘网站。
另外，上述获取员工终端中的信息浏览行为数据的步骤，具体可以包括：获取员工终端中员工在使用预设搜索引擎和/或预设招聘网站浏览信息时产生的信息浏览行为数据。需要说明的是，上述预设搜索引擎具体可以由***管理终端预先指定的能够在员工终端上使用的搜索引擎，包括但不限于百度搜索引擎、360搜索引擎、搜狗搜索引擎和其他专门针对求职需求开发的搜索引擎。上述预设招聘网站具体可以是由***管理终端预先指定的能够在员工终端上使用的招聘网站，包括但不限于招聘门户网站和预设竞争对手的企业内部招聘网站。
可以理解的是，在实际应用过程中，***管理终端能够预先在员工终端上指定哪些社交软件、邮箱***、招聘网站和搜索引擎能够被使用，而其他那些没有被指定的社交软件、邮箱***、招聘网站和搜索引擎将会被禁止在员工终端上运行，也即只有那些被指定能够使用的社交软件、邮箱***、招聘网站和搜索引擎才能在员工终端上正常运行。
本实施例中，为了确保最终的离职倾向分析结果具有较高的可靠性，可以获取多种类型的上网行为数据，例如可以同时获取员工终端在使用预设社交软件、预设邮箱***和预设招聘网站发送信息时产生的信息发送行为数据以及在使用预设搜索引擎和预设招聘网站浏览信息时产生的信息浏览行为数据。并且，本实施例还可以在获取上述任一类型的上网行为数据时，均可以采集多条与该类型对应的具体的上网行为数据，从而使得每一类型的上网行为数据中均包括多条数据信息，从而增加了的每一类型上网行为数据的数量，由此可以使得上网行为数据更加的丰富全面，进而可以确保最终的离职倾向分析结果具有非常高的可靠性。
步骤S12：判断上网行为数据中是否存在与离职倾向相关的行为数据。
具体的，上述判断上网行为数据中是否存在与离职倾向相关的行为数据的步骤，可以包括：判断上网行为数据中是否存在简历投递行为数据和/或职位搜索行为数据和/或招聘网站访问行为数据。
可以理解的是，上述简历投递行为数据可以是员工在利用上述预设社交软件、预设邮箱***或预设招聘网站发送个人简历时产生的行为数据。同理，上述职位搜索行为数据具体是员工利用上述预设搜索引擎进行职位搜索时产生的行为数据，而上述招聘网站访问行为数据则是员工浏览访问上述预设招聘网站时产生的行为数据。
步骤S13：如果是，则利用上网行为数据中与离职倾向相关的行为数据，分析与员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。
本实施例中，上述利用上网行为数据中与离职倾向相关的行为数据，分析与员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤，具体可以包括：根据上网行为数据中与离职倾向相关的行为数据的类型和/或数量，分析与员工终端对应的员工的离职倾向风险等级，得到相应的离职倾向分析结果。
可以理解的是，不同类型的上网行为数据所反映出的离职倾向风险是有所不同的，有些类型的上网行为数据所反映出的离职倾向比较严重，例如，当上网行为数据中与离职倾向相关的行为数据包括职位搜索行为数据时，则意味着相应员工的离职倾向非常显著；而有些类型的上网行为数据所反映出的离职倾向则比较轻，例如，当上网行为数据中与离职倾向相关的行为数据仅包括招聘网站访问行为数据时，则意味着相应员工的离职倾向还不是非常显著。
另外需要指出的是，同一类型的上网行为数据中与离职倾向相关的行为数据的数量也能够反映出离职倾向的风险程度，例如，对于行为数据类型均为招聘网站访问行为数据的情况，如果该类型的行为数据的数量比较少，则相应员工的离职倾向会比较轻，然而，当该类型的行为数据的数量非常多的时候，则相应员工的离职倾向会变得非常严重，此时有必要加大对该员工的关注。
进一步的，本实施例在得到上述离职倾向分析结果之后，可以按照与该离职倾向分析结果对应的员工信息，对该离职倾向分析结果和/或相应的上网行为数据进行自动归档，以便后续***管理员查看相应员工的离职倾向分析结果和/或上网行为数据。
可见，本发明实施例先获取了员工终端中的上网行为数据，然后基于上述上网行为数据分析员工的离职倾向，从而得到相应的离职倾向分析结果。由于上述上网行为数据能够真实客观地反映出员工的实际情况，当上述上网行为数据中存在与离职倾向相关的行为数据时，那么该与离职倾向相关的行为数据也是真实客观地反映了员工的实际情况，基于这些能够真实客观地反映出员工的实际情况的行为数据来分析员工的离职倾向，能够有效地提高离职倾向分析结果的可靠性。
在前述实施例的基础上，本发明实施例公开了一种具体的离职倾向分析方法，参见图2所示，该方法包括：
步骤S21：获取员工终端中员工在使用预设社交软件、预设邮箱***和预设招聘网站发送信息时产生的信息发送行为数据，以及获取员工终端中员工在使用预设搜索引擎和预设招聘网站浏览信息时产生的信息浏览行为数据，从而得到相应的上网行为数据。
步骤S22：判断上述上网行为数据中是否存在简历投递行为数据、职位搜索行为数据和招聘网站访问行为数据，如果否则结束，如果是则进入步骤S23。
步骤S23：判断上网行为数据中与离职倾向相关的行为数据是否包括简历投递行为数据；如果是，则判定相应员工的离职倾向风险等级为高危等级，如果否，则进入步骤S24。
步骤S24：判断上网行为数据中与离职倾向相关的行为数据是否包括职位搜索行为数据；如果是，则判定相应员工的离职倾向风险等级为中危等级，如果否，则判定相应员工的离职倾向风险等级为低危等级。
需要说明的是，在本实施例中，如果上述步骤S24判断出上网行为数据中与离职倾向相关的行为数据不包含职位搜索行为数据，则意味着上述上网行为数据中仅包含招聘网站访问行为数据，这种情况下可以直接判定相应员工的离职倾向风险等级为低危等级。
在前述实施例的基础上，本发明实施例公开了一种具体的离职倾向分析方法，参见图3所示，该方法包括：
步骤S31：获取员工终端中的上网行为数据。
步骤S32：判断上网行为数据中是否存在与离职倾向相关的行为数据。
步骤S33：如果是，则利用上网行为数据中与离职倾向相关的行为数据，分析与员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。
关于上述步骤S31至S33的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S34：判断上述离职倾向分析结果是否满足预设的预警条件，如果是，则向预设的***管理终端发送相应的预警信息。
例如，当上述离职倾向分析结果显示相应员工当前的离职倾向风险等级达到预设的风险等级水平时，可以向预设的***管理终端发送相应的预警信息。
又或者，当上述离职倾向分析结果对应的员工的职位等级达到预设的职位等级水平时，可以向预设的***管理终端发送相应的预警信息。
本实施例中，具体可以通过短信、邮件等方式将相应的预警信息发送至预设的***管理终端。
在前述实施例的基础上，本发明实施例公开了一种具体的离职倾向分析方法，参见图4所示，该方法包括：
步骤S41：获取员工终端中的上网行为数据。
步骤S42：判断上网行为数据中是否存在与离职倾向相关的行为数据。
步骤S43：如果是，则利用上网行为数据中与离职倾向相关的行为数据，分析与员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。
关于上述步骤S41至S43的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
步骤S44：判断与上述员工终端对应的员工是否为预设目标员工，如果是，则向预设的***管理终端发送相应的预警信息。
可以理解的是，在上述步骤S44之前，还需先确定出上述预设目标员工，具体可以根据员工对企业发展前景的重要程度和/或员工职位等级和/或员工工作年限来确定上述目标员工。通过预先设定上述目标员工，可以使得企业能够重点关注这些目标员工的离职倾向，以便企业的相关部分在上述目标员工出现离职念头的情况下，及时地展开相应的挽留措施，以免人才流失。
进一步的，在确定出上述预设目标员工之后，本实施例可以定期地针对上述预设目标员工展开与上述步骤S41至S43相应的工作流程，以实现定期获知上述预设目标员工的离职倾向情况，并可以定期将上述预设目标员工的离职倾向分析结果和/或相应的上网行为数据发送至***管理终端，以便企业能够提前获知相关人员的离职倾向，从而及时地展开相应的挽留措施，由此可以有效避免高级人才的离职所带来的企业损失。
参见图5所示，本发明实施例还公开了一种离职倾向分析装置，包括：
数据获取模块01，用于获取员工终端中的上网行为数据；
判断模块02，用于判断所述上网行为数据中是否存在与离职倾向相关的行为数据；
分析模块03，用于当所述判断模块02判定所述上网行为数据中存在与离职倾向相关的行为数据，则利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。
其中，本实施例的判断模块02，具体可以包括第一判断单元和/或第二判断单元和/或第三判断单元；其中，
所述第一判断单元，用于判断所述上网行为数据中是否存在简历投递行为数据；
所述第二判断单元，用于判断所述上网行为数据中是否存在职位搜索行为数据；
所述第三判断单元，用于判断所述上网行为数据中是否存在招聘网站访问行为数据。
另外，本实施例的所述分析模块03，具体可以用于当所述判断模块02判定所述上网行为数据中存在与离职倾向相关的行为数据，则根据所述上网行为数据中与离职倾向相关的行为数据的类型和/或数量，分析与所述员工终端对应的员工的离职倾向风险等级，得到相应的离职倾向分析结果。
进一步的，所述分析模块03，具体可以包括：
第一分析单元，用于判断所述上网行为数据中与离职倾向相关的行为数据是否包括简历投递行为数据；如果是，则判定相应员工的离职倾向风险等级为高危等级；
第二分析单元，用于当所述第一分析单元的判断结果为否，则判断所述上网行为数据中与离职倾向相关的行为数据是否包括职位搜索行为数据；如果是，则判定相应员工的离职倾向风险等级为中危等级；如果否，则判定相应员工的离职倾向风险等级为低危等级。
关于上述各个模块和单元更加具体的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
相应的，本发明实施例还公开了一种离职倾向分析设备，包括存储器和处理器；其中，处理器执行存储器中保存的离职倾向分析程序时实现前述实施例公开的离职倾向分析方法的步骤。
关于上述离职倾向分析方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
下面基于图6对上述离职倾向分析设备的工作过程进行详细描述。图6中，电脑、笔记本等员工终端11内包含社交软件、邮箱***、招聘网站和搜索引擎等上网工具。***管理终端12可以按需选择启用或者禁用上网工具中的任意一个或多个，当某个上网工具被启用时，员工则可以通过该上网工具进行上网操作，当某个上网工具被禁用时，员工便无法通过该上网工具进行上网操作。需要指出的是，如果预设的数据库中不存在企业特殊关注的竞争对手的招聘网站，则***管理终端12可以通过自定义求职招聘网站来完善求职招聘网站的数据库。图6中，当员工在浏览求职招聘网站、通过求职招聘网站进行简历投递、通过QQ或邮箱投递个人简历或者在求职招聘网站搜索职位信息时，均会产生与离职倾向相关的行为数据，这些数据将会被上述离职倾向分析设备13收集，并进行分析，从而找出存在高、中危的离职倾向的员工，然后以邮件或短信的方式将相关信息推送至***管理终端12，以便***管理员进行查看。***管理员通过推送的消息，定位到对应的离职倾向员工，并在***中查看对应离职倾向员工的更多离职倾向行为，从而对员工采取一定的措施，避免企业损失人才。除此之外，***管理员也可以通过设置页面设置对应员工的角色，如校招人员、高级管理人员，高级技术人员等，并通过设置关注的角色，***则会定期推送对应角色的人员的离职倾向，帮助企业提前识别关注人员的离职倾向，从而减少高级人员的离职所带来的损失。
相应的，本发明实施例还公开了一种计算机可读存储介质，用于存储离职倾向分析程序；其中，上述离职倾向分析程序被处理器执行时实现前述实施例公开的离职倾向分析方法的步骤。
关于上述离职倾向分析方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种离职倾向分析方法、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种离职倾向分析方法，其特征在于，包括：
获取员工终端中的上网行为数据；
判断所述上网行为数据中是否存在与离职倾向相关的行为数据；
如果是，则利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。
2.根据权利要求1所述的离职倾向分析方法，其特征在于，所述获取员工终端中的上网行为数据的步骤，包括：
获取所述员工终端中的信息发送行为数据和/或信息浏览行为数据。
3.根据权利要求2所述的离职倾向分析方法，其特征在于，所述获取所述员工终端中的信息发送行为数据的步骤，包括：
获取所述员工终端中员工在使用预设社交软件和/或预设邮箱***和/或预设招聘网站发送信息时产生的信息发送行为数据。
4.根据权利要求2所述的离职倾向分析方法，其特征在于，所述获取所述员工终端中的信息浏览行为数据的步骤，包括：
获取所述员工终端中员工在使用预设搜索引擎和/或预设招聘网站浏览信息时产生的信息浏览行为数据。
5.根据权利要求1所述的离职倾向分析方法，其特征在于，所述判断所述上网行为数据中是否存在与离职倾向相关的行为数据的步骤，包括：
判断所述上网行为数据中是否存在简历投递行为数据和/或职位搜索行为数据和/或招聘网站访问行为数据。
6.根据权利要求1所述的离职倾向分析方法，其特征在于，所述利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤，包括：
根据所述上网行为数据中与离职倾向相关的行为数据的类型和/或数量，分析与所述员工终端对应的员工的离职倾向风险等级，得到相应的离职倾向分析结果。
7.根据权利要求6所述的离职倾向分析方法，其特征在于，所述利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤，包括：
判断所述上网行为数据中与离职倾向相关的行为数据是否包括简历投递行为数据；如果是，则判定相应员工的离职倾向风险等级为高危等级，如果否，则判断所述上网行为数据中与离职倾向相关的行为数据是否包括职位搜索行为数据；如果是，则判定相应员工的离职倾向风险等级为中危等级，如果否，则判定相应员工的离职倾向风险等级为低危等级。
8.根据权利要求1至7任一项所述的离职倾向分析方法，其特征在于，所述分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤之后，还包括：
判断所述离职倾向分析结果是否满足预设的预警条件，如果是，则向预设的***管理终端发送相应的预警信息。
9.根据权利要求1至7任一项所述的离职倾向分析方法，其特征在于，所述分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果的步骤之后，还包括：
判断与所述员工终端对应的员工是否为预设目标员工，如果是，则向预设的***管理终端发送相应的预警信息。
10.一种离职倾向分析装置，其特征在于，包括：
数据获取模块，用于获取员工终端中的上网行为数据；
判断模块，用于判断所述上网行为数据中是否存在与离职倾向相关的行为数据；
分析模块，用于当所述判断模块判定所述上网行为数据中存在与离职倾向相关的行为数据，则利用所述上网行为数据中与离职倾向相关的行为数据，分析与所述员工终端对应的员工的离职倾向，得到相应的离职倾向分析结果。
11.根据权利要求10所述的离职倾向分析装置，其特征在于，所述判断模块，包括第一判断单元和/或第二判断单元和/或第三判断单元；其中，
所述第一判断单元，用于判断所述上网行为数据中是否存在简历投递行为数据；
所述第二判断单元，用于判断所述上网行为数据中是否存在职位搜索行为数据；
所述第三判断单元，用于判断所述上网行为数据中是否存在招聘网站访问行为数据。
12.根据权利要求10所述的离职倾向分析装置，其特征在于，
所述分析模块，具体用于当所述判断模块判定所述上网行为数据中存在与离职倾向相关的行为数据，则根据所述上网行为数据中与离职倾向相关的行为数据的类型和/或数量，分析与所述员工终端对应的员工的离职倾向风险等级，得到相应的离职倾向分析结果。
13.根据权利要求12所述的离职倾向分析装置，其特征在于，所述分析模块，具体包括：
第一分析单元，用于判断所述上网行为数据中与离职倾向相关的行为数据是否包括简历投递行为数据；如果是，则判定相应员工的离职倾向风险等级为高危等级；
第二分析单元，用于当所述第一分析单元的判断结果为否，则判断所述上网行为数据中与离职倾向相关的行为数据是否包括职位搜索行为数据；如果是，则判定相应员工的离职倾向风险等级为中危等级；如果否，则判定相应员工的离职倾向风险等级为低危等级。
14.一种离职倾向分析设备，其特征在于，包括存储器和处理器；其中，所述处理器执行所述存储器中保存的离职倾向分析程序时实现如权利要求1至9任一项所述的离职倾向分析方法的步骤。
15.一种计算机可读存储介质，其特征在于，用于存储离职倾向分析程序；其中，所述离职倾向分析程序被处理器执行时实现如权利要求1至9任一项所述的离职倾向分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810225195.8A CN108427758A (zh) | 2018-03-19 | 2018-03-19 | 一种离职倾向分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810225195.8A CN108427758A (zh) | 2018-03-19 | 2018-03-19 | 一种离职倾向分析方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108427758A true CN108427758A (zh) | 2018-08-21 |
Family
ID=63158977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810225195.8A Withdrawn CN108427758A (zh) | 2018-03-19 | 2018-03-19 | 一种离职倾向分析方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108427758A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381444A (zh) * | 2020-11-26 | 2021-02-19 | 方是哲如管理咨询有限公司 | 一种基于组织成员行为数据的组织风险预测方法及*** |
| CN114969450A (zh) * | 2022-04-19 | 2022-08-30 | 北京优特捷信息技术有限公司 | 一种用户行为分析方法、装置、设备及存储介质 |
| CN117408660A (zh) * | 2023-12-15 | 2024-01-16 | 山东杰出人才发展集团有限公司 | 一种基于大数据的人力资源数据服务管理*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495942A (zh) * | 2011-10-26 | 2012-06-13 | 深信服网络科技（深圳）有限公司 | 一种组织内部网络风险评估方法及*** |
| CN105894253A (zh) * | 2016-05-09 | 2016-08-24 | 陈包容 | 一种实现求职需求自动推送的方法及装置 |
| CN106022708A (zh) * | 2016-05-09 | 2016-10-12 | 陈包容 | 一种预测员工离职的方法 |
| CN107590552A (zh) * | 2017-08-16 | 2018-01-16 | 国网浙江省电力公司经济技术研究院 | 一种供电企业离职人数预测方法 |
-
2018
- 2018-03-19 CN CN201810225195.8A patent/CN108427758A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102495942A (zh) * | 2011-10-26 | 2012-06-13 | 深信服网络科技（深圳）有限公司 | 一种组织内部网络风险评估方法及*** |
| CN105894253A (zh) * | 2016-05-09 | 2016-08-24 | 陈包容 | 一种实现求职需求自动推送的方法及装置 |
| CN106022708A (zh) * | 2016-05-09 | 2016-10-12 | 陈包容 | 一种预测员工离职的方法 |
| CN107590552A (zh) * | 2017-08-16 | 2018-01-16 | 国网浙江省电力公司经济技术研究院 | 一种供电企业离职人数预测方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112381444A (zh) * | 2020-11-26 | 2021-02-19 | 方是哲如管理咨询有限公司 | 一种基于组织成员行为数据的组织风险预测方法及*** |
| CN114969450A (zh) * | 2022-04-19 | 2022-08-30 | 北京优特捷信息技术有限公司 | 一种用户行为分析方法、装置、设备及存储介质 |
| CN117408660A (zh) * | 2023-12-15 | 2024-01-16 | 山东杰出人才发展集团有限公司 | 一种基于大数据的人力资源数据服务管理*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Georgakopoulos et al. | Workplace bullying: A complex problem in contemporary organizations | |
| Crowley | Monotowns and the political economy of industrial restructuring in Russia | |
| Abdul‐Rahman et al. | Conceptual delay mitigation model using a project learning approach in practice | |
| Adesina | Beyond the social protection paradigm: social policy in Africa's development | |
| Bedford et al. | Managed temporary labour migration of Pacific islanders to Australia and New Zealand in the early twenty-first century | |
| Knoot et al. | Best management practices and timber harvesting: the role of social networks in shaping landowner decisions | |
| Pérez et al. | Measuring the sustainability of Cuban tourism destinations considering stakeholders' perceptions | |
| Cormack et al. | Overview of the TREC 2010 legal track. | |
| Sorice et al. | Predicting private landowner intentions to enroll in an incentive program to protect endangered species | |
| CN108427758A (zh) | 一种离职倾向分析方法、装置、设备及存储介质 | |
| Koenig et al. | Using multidisciplinary teams to address ethical dilemmas with older adults who hoard | |
| Peterson et al. | The Democracy Aid Calculus: Regimes, political opponents, and the allocation of US democracy assistance, 1981–2009 | |
| John et al. | Is there a resource curse in Timor-Leste? A critical review of recent evidence | |
| Lindellee | Beyond retrenchment: Multi-pillarization of unemployment benefit provision in Sweden | |
| Game et al. | Subjective risk assessment for planning conservation projects | |
| Maekawa | Strategic deployment of UN political missions to replace UN Peacekeeping operations: The demand and supply sides of transition logic | |
| Bowen et al. | HIV/AIDS in the South African construction industry: an empirical study | |
| Hockings et al. | Assessing the management of protected areas: the work of the World Parks Congress before and after Durban | |
| Darby et al. | What can analysis of 47 million job advertisements tell us about how opportunities for homeworking are evolving in the United Kingdom? | |
| McMillan | Looking beyond the national level: Foreign direct investment attraction in US states | |
| Curtis et al. | Digital Southeast Asia | |
| Ahmad et al. | Resettlement delays in the Dasu Hydropower Project: assessing impacts on the affected people and communities | |
| Pham | Building a maturity framework for big data cybersecurity analytics | |
| Quinn et al. | Proto-Insurgency, repression-driven contagion, and civil War onset | |
| Krawczyk et al. | Engaging decentralization in an uncertain political context: Lessons from Liberia |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180821 |