CN110414806B - 员工风险预警方法及相关装置 - Google Patents
员工风险预警方法及相关装置 Download PDFInfo
- Publication number
- CN110414806B CN110414806B CN201910618947.1A CN201910618947A CN110414806B CN 110414806 B CN110414806 B CN 110414806B CN 201910618947 A CN201910618947 A CN 201910618947A CN 110414806 B CN110414806 B CN 110414806B
- Authority
- CN
- China
- Prior art keywords
- risk
- employee
- behavior
- data
- type
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006399 behavior Effects 0.000 claims description 489
- 238000012545 processing Methods 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 11
- 230000003542 behavioural effect Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 17
- 238000010276 construction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000011897 real-time detection Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种员工风险预警方法及相关装置，该方法适用于风险管控。该方法包括：从员工数据库中获取用于记录任一员工行为的行为数据；基于风险比对信息集合确定行为数据是否为风险行为数据；当基于风险比对信息集合中的任一风险比对信息确定行为数据为风险行为数据时，确定出任一风险比对信息对应的类型标签，将类型标签对应的员工类型确定为行为数据对应的员工的员工类型，并将行为数据对应的员工确定为风险员工；确定出风险员工的风险等级；生成预警信息，并将预警信息发送至风险预警平台以对风险员工进行风险预警。采用本发明实施例，可准确确定出风险员工和风险员工的风险行为数据，可对确定出的风险员工进行风险预警，适用性高。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种员工风险预警方法及相关装置。
背景技术
随着企业员工管理体系的不断完善，各种企业都会通过企业内部的员工管理***进行员工评估工作，以筛选出存在风险行为的风险员工并做出相应的预警防范。在传统方式中，一般采用人工和机器相结合的方法，通过对员工管理***中的员工数据进行初步筛选，再基于人工抽样、人工判别的方式或者基于预警人员的个人经验从员工管理***中确定出风险员工。
然而，在上述传统方式中，风险员工的确定具有较强的主观性和不稳定性，也无法完成对员工管理***中的所有员工进行风险判断，导致难以准确、全面地从员工管理***中确定出风险员工。
发明内容
本发明实施例提供一种员工风险预警方法及相关装置，可准确确定出风险员工和风险员工的风险行为数据，可及时对确定出的风险员工进行风险预警，适用性高。
第一方面，本发明实施例提供一种员工风险预警方法，该方法包括：
从员工数据库中获取用于记录任一员工行为的行为数据；
基于风险比对信息集合确定上述行为数据是否为风险行为数据；
当基于上述风险比对信息集合中的任一风险比对信息确定上述行为数据为风险行为数据时，确定出上述任一风险比对信息对应的类型标签，将上述类型标签对应的员工类型确定为上述行为数据对应的员工的员工类型，并将上述行为数据对应的员工确定为风险员工；
获取上述行为数据的风险信息，并基于上述风险信息确定出上述风险员工的风险等级；
基于上述员工类型、上述行为数据以及上述风险等级生成预警信息，并将上述预警信息发送至风险预警平台以对上述风险员工进行风险预警。
结合第一方面，在一种可能的实施方式中，上述从员工数据库中获取记录任一员工行为的行为数据之前，上述方法还包括：
从员工数据库中获取至少两种员工类型的风险员工的风险行为样本数据，其中，一种员工类型的风险员工对应至少两种风险行为样本数据，一种风险行为样本数据用于记录一种风险行为；
基于上述至少两种员工类型的风险员工的风险行为样本数据构建风险比对信息集合。
结合第一方面，在一种可能的实施方式中，上述从员工数据库中获取至少两种员工类型的风险员工的风险行为样本数据包括：
从员工数据库中确定出至少两种员工类型的风险员工；
将各种员工类型的风险员工的风险行为数据输入预设非线性模型，基于上述预设非线性模型得到各种风险行为数据的置信度；
将置信度在预设置信度区间内的风险行为数据确定为风险行为样本数据，以得到上述至少两种员工类型的风险员工的风险行为样本数据。
结合第一方面，在一种可能的实施方式中，上述基于上述至少两种员工类型的风险员工的风险行为样本数据构建风险比对信息集合包括：
基于每种员工类型对应的风险行为样本数据确定出上述每种员工类型对应的类型标签；
将上述至少两种员工类型的风险员工的风险行为样本数据进行数据格式处理，以得到具有预设数据格式的风险行为样本数据；
基于上述每种员工类型对应的类型标签和具有预设数据格式的风险行为样本数据构建一条风险比对信息以得到至少包括两条风险比对信息的风险比对信息集合；
其中，上述风险比对信息集合中的一条风险比对信息用于确定一种员工类型的一种行为数据是否为风险行为数据。
结合第一方面，在一种可能的实施方式中，上述风险信息包括行为特征值和/或风险行为特征词；上述获取上述行为数据的风险信息，并基于上述风险信息确定出上述风险员工的风险等级包括：
确定出上述行为数据的行为特征值，基于上述行为特征值和预设风险等级表确定上述风险员工的风险等级；和/或，
对上述风险行为数据进行数据解析以将上述行为数据转换为风险行为文本；
对上述风险行为文本进行语义识别以从上述风险行为文本中确定上述风险员工的风险行为特征词；
基于上述风险行为特征词和预设风险关键词库确定出上述风险员工的风险等级。
结合第一方面，在一种可能的实施方式中，上述基于上述员工类型、上述行为数据以及上述风险等级生成预警信息，并将上述预警信息发送至风险预警平台以对上述风险员工进行风险预警包括：
从上述员工数据库中获取上述风险员工的员工信息；
确定上述风险等级是否大于预设风险等级；
若上述风险等级大于预设风险等级，则基于上述行为数据所记录的员工行为确定出上述风险员工对应的预警措施，若上述风险等级不大于上述预设风险等级，则将预设预警措施确定为上述风险员工对应的预警措施；
基于上述员工信息、员工类型以及上述预警措施生成预警信息并将上述预警信息发送至风险预警平台，以使上述风险预警平台显示上述风险员工的员工信息和员工类型，并基于上述预警信息中的预警措施对上述风险员工进行风险预警。
第二方面，本发明实施例提供了一种员工风险预警装置，该员工风险预警装置包括：
获取单元，用于从员工数据库中获取用于记录任一员工行为的行为数据；
判断单元，用于基于风险比对信息集合确定上述行为数据是否为风险行为数据；
确定单元，用于当基于上述风险比对信息集合中的任一风险比对信息确定上述行为数据为风险行为数据时，确定出上述任一风险比对信息对应的类型标签，将上述类型标签对应的员工类型确定为上述行为数据对应的员工的员工类型，并将上述行为数据对应的员工确定为风险员工；
上述确定单元，用于获取上述行为数据的风险信息，并基于上述风险信息确定出上述风险员工的风险等级；
预警单元，用于基于上述员工类型、上述行为数据以及上述风险等级生成预警信息，并将上述预警信息发送至风险预警平台以对上述风险员工进行风险预警。
结合第二方面，在一种可能的实施方式中，上述获取单元还用于：
从员工数据库中获取至少两种员工类型的风险员工的风险行为样本数据，其中，一种员工类型的风险员工对应至少两种风险行为样本数据，一种风险行为样本数据用于记录一种风险行为；
上述员工风险预警装置还包括：
构建单元，还用于基于上述至少两种员工类型的风险员工的风险行为样本数据构建风险比对信息集合。
结合第二方面，在一种可能的实施方式中，上述确定单元用于：
从员工数据库中确定出至少两种员工类型的风险员工；
将各种员工类型的风险员工的风险行为数据输入预设非线性模型，基于上述预设非线性模型得到各种风险行为数据的置信度；
将置信度在预设置信度区间内的风险行为数据确定为风险行为样本数据，以得到上述至少两种员工类型的风险员工的风险行为样本数据。
结合第二方面，在一种可能的实施方式中，上述确定单元用于：
基于每种员工类型对应的风险行为样本数据确定出上述每种员工类型对应的类型标签；
上述员工风险预警装置包括：处理单元，用于将上述至少两种员工类型的风险员工的风险行为样本数据进行数据格式处理，以得到具有预设数据格式的风险行为样本数据；
上述构建单元，用于基于上述每种员工类型对应的类型标签和具有预设数据格式的风险行为样本数据构建一条风险比对信息以得到至少包括两条风险比对信息的风险比对信息集合；
其中，上述风险比对信息集合中的一条风险比对信息用于确定一种员工类型的一种行为数据是否为风险行为数据。
结合第二方面，在一种可能的实施方式中，上述风险信息包括行为特征值和/或风险行为特征词；上述确定单元用于：
确定出上述行为数据的行为特征值，基于上述行为特征值和预设风险等级表确定上述风险员工的风险等级；
上述处理单元，用于对上述风险行为数据进行数据解析以将上述行为数据转换为风险行为文本；
上述处理单元，用于对上述风险行为文本进行语义识别以从上述风险行为文本中确定上述风险员工的风险行为特征词；
上述确定单元，用于基于上述风险行为特征词和预设风险关键词库确定出上述风险员工的风险等级。
结合第二方面，在一种可能的实施方式中，上述获取单元用于：
从上述员工数据库中获取上述风险员工的员工信息；
上述判断单元，用于确定上述风险等级是否大于预设风险等级；
上述确定单元，用于当上述风险等级大于预设风险等级时，基于上述行为数据所记录的员工行为确定出上述风险员工对应的预警措施，当上述风险等级不大于上述预设风险等级时，将预设预警措施确定为上述风险员工对应的预警措施；
上述预警单元，用于基于上述员工信息、员工类型以及上述预警措施生成预警信息并将上述预警信息发送至风险预警平台，以使上述风险预警平台显示上述风险员工的员工信息和员工类型，并基于上述预警信息中的预警措施对上述风险员工进行风险预警。
第三方面，本发明实施例提供了一种终端，该终端包括处理器和存储器，该处理器和存储器相互连接。该存储器用于存储支持该终端执行上述第一方面和/或第一方面任一种可能的实现方式提供的方法的计算机程序，该计算机程序包括程序指令，该处理器被配置用于调用上述程序指令，执行上述第一方面和/或第一方面任一种可能的实施方式所提供的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行以实现上述第一方面和/或第一方面任一种可能的实施方式所提供的方法。
在本发明实施例中，基于风险比对信息集合可确定出员工数据库中任一员工的行为数据是否为风险行为数据，进而在确定上述任一员工的行为数据为风险行为数据的情况下，确定出风险员工以及风险员工的员工类型、员工信息、风险等级等信息。基于上述实现方式，可实现对员工数据库中的全部行为数据进行实时检测，及时确定出风险行为数据与风险员工。同时，基于风险员工的员工类型、员工信息以及风险等级等多种信息确定对应的预警措施并指示风险预警平台对风险员工进行风险预警，避免了由于人为操作或者主观因素造成的预警不准确情况，灵活性好，适用性高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的员工风险预警的方法流程图；
图2是本发明实施例提供的构建风险比对信息集合的方法流程图；
图3是本发明实施例提供的员工风险预警装置的结构示意图；
图4是本发明实施例提供的终端的结构示意图。
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。
本发明实施例提供的员工风险预警方法(为方便描述，可简称本发明实施例提供的方法)可适用于各个领域、各个行业中的各个企业员工管理***中，例如银行职员管理***、员工行为分析***等，在此不做限制。本发明实施例提供的方法可对企业员工管理***中的员工行为数据进行实时监测，可及时确定出风险行为数据以及风险行为数据对应的风险员工，进而对风险员工做出风险预警，灵活性高，适用范围广。为方便描述，下面可以某一个领域和/或某一个行业中的某一个目标企业的任一员工管理***为例，结合图1至图4分别对本发明实施例提供的方法及相关装置进行说明。
参见图1，图1是本发明实施例提供的员工风险预警方法的流程示意图。本发明实施例提供的方法可包括如下步骤S11-S16：
S11、从员工数据库中获取用于记录任一员工行为的行为数据。
在一些可行的实施方式中，可以对员工管理***中的所有员工的所有行为数据进行监测。对于每一条行为数据来说，可从员工管理***中的员工数据库中获取用于记录任一员工行为的行为数据。其中，上述员工数据库可以是员工管理***定义的员工数据集合，也可以是与员工管理***连接的用于存储企业员工产生的行为数据的存储空间(移动硬盘、云存储等)等，在此不做限制。上述员工数据库中的各个员工的行为数据的数据类型、数据大小以及数据格式等在此不做限制。需要特别说明的是，上述员工数据库中不仅存储有员工的行为数据，也存储有员工的非行为数据(如身份数据、考勤数据等)。因此，在从员工数据库中获取用于记录任一员工行为的行为数据时，需要通过大数据分析处理等方式从员工数据库中筛选并获取任一员工对应的行为数据，具体数据筛选方式在此不做限制。
S12、基于风险比对信息集合确定上述行为数据是否为风险行为数据。
获取到用于记录任一员工行为的行为数据之后，可基于风险比对信息集合来确定上述行为数据是否为风险行为数据。其中，上述风险比对信息集合可在获取行为数据之前进行构建。如图2所示，图2是本发明实施例提供的构建风险比对信息集合的方法流程图，本发明实施例提供的构建风险比对信息集合的方法包括如下步骤S21-S24：
S21、从员工数据库中获取至少两种员工类型的风险员工的风险行为样本数据。
在一些可行的实施方式中，可先从员工数据库中确定出至少两种员工类型的风险员工，再从至少两种员工类型的风险员工的多种风险数据中获取风险行为样本数据。其中，一种员工类型可对应多个风险员工，一个风险员工对应至少两种风险样本数据，一种风险行为数据用于记录一种风险行为。由于员工数据库中的风险员工的风险行为数据中可能记录风险行为较弱的风险行为数据，或者存数据不准确的风险行为数据，因此可对员工数据库中至少两种员工类型的风险员工的风险行为数据进行筛选。其中，可将各种员工类型的风险员工的风险行为数据输入预设的非线性模型中，以基于非线性模型计算每种风险行为数据的置信度。上述风险行为数据的置信度用于表示该风险行为数据的可信程度，即是否为记录风险员工的风险行为的数据。当某一风险行为数据的置信度不在预设置信度区间内时，表示该风险行为数据为无效风险行为数据，此时不获取该风险行为数据以作为风险行为样本数据。因此，可将置信度在预设置信度区间内的风险行为数据确定为风险行为样本数据，进而可获取到至少两种员工类型的风险员工的风险行为样本数据。需要特别说明的是，在从员工数据库中获取至少两种员工类型的风险员工的风险行为数据时，也可以基于大数据分析获取与上述员工数据库中员工类型一致的风险员工的风险行为数据。也就是说，获取到的至少两种员工类型的风险员工的风险行为样本数据可包括不同类型的风险员工对应的多种风险行为数据。即获取到的至少两种员工类型的风险员工的风险行为样本数据用于描述至少两种类型的风险员工对应的多种风险行为，一种风险行为样本数据用于描述一种风险行为样本数据。其中，上述员工类型可基于实际员工管理***的应用场景确定(如在金融机构的员工管理***中，上述员工类型可以是财务员工、投资员工、销售员工等，在科技企业的员工管理***中，上述员工类型可以是开发员工、设计员工、运维员工等)在此不做限制。可选的，上述非线性模型包括但不限制于GBDT模型、ID3以及C4.5等，在此不做限制。上述预设置信度区间可根据实际应用的非线性模型以及实际应用场景确定，在此也不做限制。
S22、基于每种员工类型对应的风险行为样本数据确定出上述每种员工类型对应的类型标签。
在一些可行的实施方式中，在获取到每种员工类型对应的风险行为样本数据之后，可确定出每种员工类型对应的类型标签以对每种风险行为样本行为所对应的员工的员工类型进行标记。其中，上述类型标签只用于标记风险员工的员工类型，具体形式包括但不限于文字、数字、字母以及字符串中的一种或多种组合，在此不做限制。可选的，由于每种员工类型对应多种风险行为样本数据，因此可从每种员工对应的多种风险行为样本数据中筛选出用于描述员工类型或者可指示员工类型的数据段(包括但不限于文字、数字、字母以及字符串的一种或多种组合)以确定出上述每种员工对应的员工类型，进而根据确定出的员工类型生成类型标签对上述每种员工类型进行标记。其中，一种员工类型只对应一个类型标签，属于同一员工类型的多种风险行为样本数据对应一个类型标签，且上述类别标签可分别标记再同一员工类型的每一种风险行为样本数据中，也可标记在由同一员工类型对应的多种风险行为样本数据所构成的数据集合，具体实现方式在此不做限制。
S23、将上述至少两种员工类型的风险员工的风险行为样本数据进行数据格式处理，以得到具有预设数据格式的风险行为样本数据。
在一些可行的实施方式中，由于员工数据库中各种员工类型的员工的风险行为数据的数据来源、获取方式不同，或者在基于大数据分析获取各种员工类型的员工的风险行为数据时可通过不同方式获取，因此上述至少两种员工类型的风险员工的风险行为样本数据存在不同的数据格式，如字符型数据、数值型数据等。为了基于同一数据标准构建风险比对信息集合，确保风险比对信息的准确性，可将上述至少两种员工类型的风险员工的风险行为样本数据进行数据格式处理，以得到具有预设数据格式的风险行为样本数据。其中，上述预设数据格式可基于实际应用场景确定，在此不做限制。例如，当上述全部风险行为样本数据中数值型数据较多，字符型数据较少时，可将全部风险行为样本数据中的字符型数据进行数据格式处理，以将字符型数据的字符串进行取值，进而得到每种字符型数据的字符串的值(可按照ANSI码值求和得到)，从而将字符型的风险行为样本数据转化为数值型(预设数据格式)的风险行为样本数据。
在一些可行的实施方式中，在将上述至少两种员工类型的风险员工的风险行为样本数据转换为数值型的风险行为样本数据之后，由于对于不同的风险行为样本数据的数据来源、数据原始格式的不同，可能导致不同的风险行为样本数据之间的数值相差较大(比如一种风险行为样本数据的数值为0.1，另一种风险行为样本数据的数值为100)。当数值差别较大时，数值较高的风险行为样本数据会相对削弱数值较低的风险行为样本数据的数据影响权重，造成风险比对信息出现误差。因此，可采用min-max标准化、z-score标准化以及数据归一化等方法，将全部数值型的风险行为样本数据进行数据标准化处理以使全部数值型的风险行为样本数据处于同一数量级，进而提升全部数值型的风险行为样本数据可对比性和可操作性，从而准确构建风险比对信息。
S24、基于上述每种员工类型对应的类型标签和具有预设数据格式的风险行为样本数据构建一条风险比对信息以得到至少包括两条风险比对信息的风险比对信息集合。
在一些可行的实施方式中，在获取到每种员工类型的风险员工对应的具有预设数据格式的风险行为样本数据之后，可将每种员工类型的风险员工对应的多种具有预设数据格式的风险行为样本数据与该员工类型对应的类型标签一起生成一条风险比对信息。其中，上述生成的风险比对信息用于表示每一员工类型的风险员工的风险行为。以此类推，可获取多种员工类型的多个风险员工的多种具有预设数据格式的风险行为样本数据以得到用于验证各种员工类型的员工的行为数据是否为风险行为数据的风险比对信息。具体的，上述每一种具有预设数据格式的风险行为样本数据为该风险行为样本数据对应的风险员工的员工数据中的部分数据。也就是说，上述每一种具有预设数据格式的风险行为样本数据可能为该风险行为样本数据对应的风险员工的员工数据中的某一段字符串、某一段文字以及某一段数字的一种或多种组合，在此不做限制。其中，这部分数据仅表示某一风险员工的某一风险行为，即这部分数据仅仅是某一风险员工的某一风险行为对应的风险行为样本数据。这部分数据可基于数据解析、数据筛选等方式获取，进而可从数据量较大的风险员工的员工数据中选取更多有效信息作为构建风险比对信息的数据基础，从而可降低构建风险比对信息的数据处理量，提高员工风险预警的预测准确率，适用性更强。
在一些可行的实施方式中，在基于一种员工类型的风险员工对应的类型标签和多种具有预设数据格式的风险行为样本数据构建一条风险比对信息时，可先提取每种风险行为样本数据的关键数据段，每种风险行为样本数据的关键数据段可表示出该种风险行为样本数据对应的风险行为的关键特征，从而可得到一种员工类型的风险员工对应的多种关键数据段。进而可将上述多种关键数据段与上述类型标签进行排列组合形成一条风险比对信息，也可将上述多种关键数据段进行数据压缩以减少上述多种关键数据段的数据大小，再同上述类型标签一起生产风险比对信息。可选的，为了避免多种风险行为样本数据的数据类型不统一的情况，上可将一种员工类型的风险员工的每种风险行为样本数据进行数据处理，以将每种风险行为样本数据转换风险行为文本信息，再基于语义识别技术从风险行为样本信息中提取用于描述每种风险行为的特征关键词，进而得到描述一个员工类型的风险员工的多种风险行为的多个特征关键词。从而可基于一个员工类型的风险员工的多种特征关键词与该员工类型对应的类型标签生成一条风险比对信息，由此不难得到包含多条风险比对信息的风险比对信息集合。其中，上述风险比对信息集合中的一条风险比对信息包含一种员工类型的风险员工对应的多个特征关键词或者多种风险行为关键数据。且一条风险比对信息用于确定一种员工类型的一种行为数据是否为风险行为数据，即一条风险比对信息用于确定一种员工类型的员工的员工行为是否是风险行为。需要特别说明的是，上述所示的实现方式可基于实际应用场景确定，在此不做限制。
在一些可行的实施方式中，当获取到用于记录任一员工行为的行为数据时，可基于上述构建的风险比对信息集合确定上述行为数据是否为风险行为数据。具体的，若上述风险比对信息集合是基于多种风险行为样本数据的关键数据段构建的，则可将上述行为数据与上述风险比对信息集合中的各条风险比对信息进行比对，当上述行为数据中包含上述风险比对信息集合中的任一风险比对信息中的关键数据段时，可确定上述行为数据是风险行为数据。若上述风险比对信息集合是基于多种风险行为样本数据的特征关键词构建的，则可先将上述行为数据进行数据处理，以将上述行为数据转换为行为文本信息，基于语义识别技术从上述行为文本信息中提取用于描述上述行为数据对应的员工行为的行为关键词。当上述风险比对信息集合中的任一条风险比对信息中包含上述行为数据对应的行为关键词，则确定上述行为数据为风险行为数据。需要特别说明的是，上述确定上述行为数据是否为风险行为数据的实现方式需根据上述风险比对信息集合的构建方式确定，在此不再赘述。
在本发明实施例中，通过获取各种员工类型的风险员工的多种风险行为数据，可得到尽可能多的风险比对信息，进而使得风险比对信息集合可准确确定出不同员工类型的员工的行为数据是否为风险行为数据，提升确定风险行为数据的准确性。此外，可采用不同的构建方式来构建风险比对信息集合，进一步提升构建风险比对信息集合的准确性和灵活性。
S13、当基于上述风险比对信息集合中的任一风险比对信息确定上述行为数据为风险行为数据时，确定出上述任一风险比对信息对应的类型标签，将上述类型标签对应的员工类型确定为上述行为数据对应的员工的员工类型，并将上述行为数据对应的员工确定为风险员工。
在一些可行的实施方式中，当基于上述风险比对信息集合中的任一风险比对信息确定上述行为数据为风险行为数据时，可将用于确定上述行为数据为风险行为数据的风险比对信息确定为目标风险比对信息。其中，上述用于确定上述行为数据为风险行为数据的风险比对信息为所含关键数据段与上述行为数据匹配的风险比对信息，或者为包含上述行为数据对应的行为关键词的风险比对信息。因此，在确定出目标风险比对信息之后，可确定出上述风险比对信息中包含的类型标签所对应的员工类型，进而可将上述风险比对信息对应的员工类型确定为上述行为数据对应的员工的员工类型。此时，由于上述行为数据为风险行为数据，表明上述行为数据所记录的员工行为为风险行为，因此可将上述行为数据对应的员工确定为风险员工，进而可对确定出的风险员工进行风险预警。
S14、获取上述行为数据的风险信息，并基于上述风险信息确定出上述风险员工的风险等级。
在一些可行的实施方式中，在确定上述行为数据为风险行为数据之后，可确定上述行为数据的行为特征值，再基于上述行为特征值确定出上述风险员工的风险等级。具体的，虽然上述行为数据只记录一种员工行为，但是上述行为数据中仍然有与员工行为不相关的数据，因此可对上述行为数据进行特征选取，得到与行为数据所记录的员工行为相关的特征数据。其中，上述特征选取方式可基于排序的Filter方法、基于评估的Wrapper方法以及序列选择算法等，在此不做限制。例如，在基于排序的Filter方法进行特征选择时，可基于与上述行为数据按照对应的度量标准(具体的度量标准可基于不同的行为数据及实际应用场景确定，在此不做限制)为上述行为数据中的每一个特征进行打分。然后按照这个分数排序进而选取排名靠前的特征，进而将排名靠前的特征确定为上述员工行为数据对应的特征数据。此时，可基于经特征选择得到的特征数据构建上述行为数据对应的特征向量，并进一步基于上述行为数据对应的特征向量计算得到上述行为数据的行为特征值。至此，可基于预设风险等级表中行为特征值与风险等级的对应关系，确定出上述风险员工的风险等级。例如，当预设风险等级表中规定，当行为特征值小于第一预设阈值时，对应低风险等级，当行为特征值在第一预设阈值与第二预设阈值之间时，对应中风险等级，当行为特征值大于第二预设阈值时，对应高风险等级。此时，若上述行为数据的行为特征值大于预设风险等级表中的第二预设阈值时，可确定上述风险员工的风险等级为高风险等级。其中，上述第一预设阈值和上述第二预设阈值的具体数值设定可基于实际的员工数据库中的数据类型以及实际应用场景确定，在此不做限制。需要特别说明的是，为了详细区分上述风险员工的风险等级，可在预设风险等级表中设定多个阈值区间以基于多个较小的阈值区间确定出多种不同程度的风险等级，具体设定方式在此不再赘述。
在一些可行的实施方式中，为了减小特征选择过程中的选择误差，在确定上述行为数据为风险行为数据之后，可对上述行为数据进行数据解析以将上述行为数据转换为风险行为文本，也就是说将上述行为数据中记录的员工行为以风险行为文本的形式表示出来，可将抽象的行为数据以文本的形式直观呈现。从而可对上述风险行为文本进行语义识别以从上述风险行为文本中确定描述上述行为数据所记录的员工行为的行为特征词(如越级、外发邮件等，在此不做限制)。其中，在将上述行为数据转换为风险行为文本的过程中，可将上述行为数据转换为二进制数据，再将二进制数据转换为风险行为文本以减少数据转换的难度。也可直接基于数据转换工具、算法等方式将上述行为数据直接转换为风险行为文本信息，具体实现方式可基于实际应用场景确定，在此不做限制。此外，在确定出上述行为数据对应的风险行为特征词之后，可将上述风险行为特征词与预设风险关键词库中的各个风险关键词匹配。当上述预设风险关键词库中存在与上述风险行为特征词一致或者语义相近的风险关键词(为方面描述，以下简称目标风险关键词)时，可将目标风险关键词对应的风险等级确定为上述风险员工的风险等级。其中，当基于上述行为数据得到多个风险行为特征词且确定出每个风险行为特征词对应的目标风险关键词之后，可将各个目标风险关键词对应的风险等级中最高的风险等级确定为上述风险员工的风险等级，也可基于各个目标风险关键词对应的各个风险等级所占的权重比例综合计算得出上述风险员工的风险等级，具体实现方式在此不做限制。
S15、基于上述员工类型、上述行为数据以及上述风险等级生成预警信息。
在一些可行的实施方式中，可在确定出风险员工之后生成预警信息以对上述风险员工进行风险预警。其中，可将上述风险员工的员工信息、员工类型以及预警措施等进行排列组合得到预警信息，或者通过数据解析、数据重组等方式将上述员工信息、员工类型以及预警措施等进行数据整合以得到预警信息，上述预警信息的具体生成方式在此不做限制。其中，上述员工信息包括但不限于姓名、性别、工龄、入职时间、考勤记录等信息，在此不做限制。需要特别说明的是，上述预警信息中还可以包括上述风险员工的风险行为、风险行为发生时间、预警信息发送方式等信息，具体可从员工数据库中的风险员工的员工数据获取相关数据并同上述员工信息、员工类型以及预警措施等生成预警信息，在此不做限制。
在一些可行的实施方式中，上述预警措施可基于上述风险员工的风险等级来确定。具体的，可判断上述风险员工的风险等级是否大于预设风险等级。如果上述风险员工的风险等级不大于预设风险等级，则可将预设预警措施确定为上述风险员工对应的预警措施。换句话说，当上述风险员工的风险等级比较小时，即风险员工的风险行为所造成的负面影响不大，例如基于员工错误操作、员工违规报销金额较小(如10元)等行为数据得到的低风险等级，此时可采用统一的预设预警措施(包括但不限于内部通报、简单警告等，在此不做限制)作为低风险等级对应的预警措施以简化预警流程。如果确定上述风险员工的风险等级大于预设风险等级，则可基于上述风险员工的行为数据所记录的员工行为(即风险员工的风险行为)确定出上述风险员工对应的预警措施。可选的，若上述风险员工的风险等级是基于预设风险等级表确定的，此时可基于在确定员工类型过程中得到的特征数据确定出上述风险员工的行为特征。若上述风险员工的风险等级是基于预设风险关键词库确定的，则可将在确定员工类型过程中得到的员工行为的行为特征词确定为上述风险员工的行为特征。在得到上述风险员工的行为特征之后，可基于上述行为特征来确定出上述风险员工对应的预警措施，也可基于上述行为特征以及与上述行为特征相关联的员工数据来确定出上述风险员工对应的预警措施。例如，当上述行为特征表明上述风险员工存在违规报销行为，则可从上述风险员工的员工数据中获取报销时间、报销金额、报销次数、累计报销金额等信息，以根据违规报销金额等主要因素并基于预设预警措施标准确定对应的预警措施(如移交监察团队等)。
S16、将上述预警信息发送至风险预警平台以对上述风险员工进行风险预警。
在一些可行的实施方式中，在将上述预警信息发送至风险预警信息平台之后，可指示上述风险预警平台显示上述预警信息中的员工类型、员工信息、风险等级以及员工行为等信息。可选的，还可以基于上述预警信息中的员工类型、员工信息以及风险等级等信息指示上述风险预警平台基于上述预警措施对上述风险员工进行风险预警。例如，可基于上述预警信息中的员工类型指示上述风险预警平台将上述预警措施发送至指定的预警信息接收人员(如上述风险员工为销售员工，则将上述预警措施发送至销售主管)。再例如，可基于上述预警信息中的风险等级指示上述风险预警平台按照预警措施对上述风险员工采取风险预警的时效性(如上述风险等级为最高风险等级时，上述风险预警平台需立即按照预警信息中的预警措施上述风险员工采取措施)。其中，指示上述风险预警平台对上述风险员工进行风险预警的具体方式可基于上述预警信息的具体内容和实际应用场景确定，在此不做限制。
在本发明实施例中，基于风险比对信息集合可确定出员工数据库中任一员工的行为数据是否为风险行为数据，进而在确定上述任一员工的行为数据为风险行为数据的情况下，确定出风险员工以及风险员工的员工类型、员工信息、风险等级等信息。基于上述实现方式，可实现对员工数据库中的全部行为数据进行实时检测，及时确定出风险行为数据与风险员工。同时，基于风险员工的员工类型、员工信息以及风险等级等多种信息确定对应的预警措施并指示风险预警平台对风险员工进行风险预警，避免了由于人为操作或者主观因素造成的预警不准确情况，此外可基于预警信息中的不同信息内容灵活采取预警方式，提升了员工风险预警的灵活性，适用性高。
参见图3，图3是本发明实施例提供的员工风险预警装置的结构示意图。本发明实施例提供的员工风险预警装置包括：
获取单元31，用于从员工数据库中获取用于记录任一员工行为的行为数据；
判断单元32，用于基于风险比对信息集合确定上述行为数据是否为风险行为数据；
确定单元33，用于当基于上述风险比对信息集合中的任一风险比对信息确定上述行为数据为风险行为数据时，确定出上述任一风险比对信息对应的类型标签，将上述类型标签对应的员工类型确定为上述行为数据对应的员工的员工类型，并将上述行为数据对应的员工确定为风险员工；上述确定单元33，用于获取上述行为数据的风险信息，并基于上述风险信息确定出上述风险员工的风险等级；
预警单元34，用于基于上述员工类型、上述行为数据以及上述风险等级生成预警信息，并将上述预警信息发送至风险预警平台以对上述风险员工进行风险预警。
在一些可行的实施方式中，上述获取单元31还用于：
从员工数据库中获取至少两种员工类型的风险员工的风险行为样本数据，其中，一种员工类型的风险员工对应至少两种风险行为样本数据，一种风险行为样本数据用于记录一种风险行为；
上述员工风险预警装置还包括：
构建单元35，还用于基于上述至少两种员工类型的风险员工的风险行为样本数据构建风险比对信息集合。
结合第二方面，在一种可能的实施方式中，上述确定单元33用于：
从员工数据库中确定出至少两种员工类型的风险员工；
将各种员工类型的风险员工的风险行为数据输入预设非线性模型，基于上述预设非线性模型得到各种风险行为数据的置信度；
将置信度在预设置信度区间内的风险行为数据确定为风险行为样本数据，以得到上述至少两种员工类型的风险员工的风险行为样本数据。
在一些可行的实施方式中，上述确定单元33用于：
基于每种员工类型对应的风险行为样本数据确定出上述每种员工类型对应的类型标签；
上述员工风险预警装置包括：
处理单元36，用于将上述至少两种员工类型的风险员工的风险行为样本数据进行数据格式处理，以得到具有预设数据格式的风险行为样本数据；
上述构建单元35，用于基于上述每种员工类型对应的类型标签和具有预设数据格式的风险行为样本数据构建一条风险比对信息以得到至少包括两条风险比对信息的风险比对信息集合；
其中，上述风险比对信息集合中的一条风险比对信息用于确定一种员工类型的一种行为数据是否为风险行为数据。
在一些可行的实施方式中，上述风险信息包括行为特征值和/或风险行为特征词；上述确定单元33用于：
确定出上述行为数据的行为特征值，基于上述行为特征值和预设风险等级表确定上述风险员工的风险等级；
上述处理单元36，用于对上述风险行为数据进行数据解析以将上述行为数据转换为风险行为文本；
上述处理单元36，用于对上述风险行为文本进行语义识别以从上述风险行为文本中确定上述风险员工的风险行为特征词；
上述确定单元33，用于基于上述风险行为特征词和预设风险关键词库确定出上述风险员工的风险等级。
在一些可行的实施方式中，上述获取单元31用于：
从上述员工数据库中获取上述风险员工的员工信息；
上述判断单元32，用于确定上述风险等级是否大于预设风险等级；
上述确定单元33，用于当上述风险等级大于预设风险等级时，基于上述行为数据所记录的员工行为确定出上述风险员工对应的预警措施，当上述风险等级不大于上述预设风险等级时，将预设预警措施确定为上述风险员工对应的预警措施；
上述预警单元34，用于基于上述员工信息、员工类型以及上述预警措施生成预警信息并将上述预警信息发送至风险预警平台，以使上述风险预警平台显示上述风险员工的员工信息和员工类型，并基于上述预警信息中的预警措施对上述风险员工进行风险预警。
具体实现中，上述员工风险预警装置可通过其内置的各个模块和/单元执行如上图1至图2中各个步骤所提供的实现方式。例如，上述获取单元31可用于从员工数据库中获取用于记录任一员工行为的行为数据等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述判断单元32可用于用于基于风险比对信息集合确定上述行为数据是否为风险行为数据等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述确定单元33可用于当上述风险比对信息集合中的任一风险比对信息确定上述行为数据为风险行为数据时，确定出上述任一风险比对信息对应的类型标签等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述预警单元34可用于基于上述员工类型、上述行为数据以及上述风险等级生成预警信息，并将上述预警信息发送至风险预警平台以对上述风险员工进行风险预警等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述构建单元35可用于基于上述至少两种员工类型的风险员工的风险行为样本数据构建风险比对信息集合等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。上述处理单元36可用于对上述风险行为数据进行数据解析以将上述行为数据转换为风险行为文本等实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
在本发明实施例中，基于风险比对信息集合可确定出员工数据库中任一员工的行为数据是否为风险行为数据，进而在确定上述任一员工的行为数据为风险行为数据的情况下，确定出风险员工以及风险员工的员工类型、员工信息、风险等级等信息。基于上述实现方式，可实现对员工数据库中的全部行为数据进行实时检测，及时确定出风险行为数据与风险员工。同时，基于风险员工的员工类型、员工信息以及风险等级等多种信息确定对应的预警措施并指示风险预警平台对风险员工进行风险预警，避免了由于人为操作或者主观因素造成的预警不准确情况，此外可基于预警信息中的不同信息内容灵活采取预警方式，提升了员工风险预警的灵活性，适用性高。
参见图4，图4是本发明实施例提供的终端的结构示意图。如图4所示，本实施例中的终端可以包括：一个或多个处理器41和存储器42。上述处理器41和存储器42通过总线43连接。存储器42用于存储计算机程序，该计算机程序包括程序指令，处理器41用于执行存储器42存储的程序指令，执行如下操作：
从员工数据库中获取用于记录任一员工行为的行为数据；
基于风险比对信息集合确定上述行为数据是否为风险行为数据；
当基于上述风险比对信息集合中的任一风险比对信息确定上述行为数据为风险行为数据时，确定出上述任一风险比对信息对应的类型标签，将上述类型标签对应的员工类型确定为上述行为数据对应的员工的员工类型，并将上述行为数据对应的员工确定为风险员工；
获取上述行为数据的风险信息，并基于上述风险信息确定出上述风险员工的风险等级；
基于上述员工类型、上述行为数据以及上述风险等级生成预警信息，并将上述预警信息发送至风险预警平台以对上述风险员工进行风险预警。
在一些可行的实施方式中，上述处理器41还用于：
从员工数据库中获取至少两种员工类型的风险员工的风险行为样本数据，其中，一种员工类型的风险员工对应至少两种风险行为样本数据，一种风险行为样本数据用于记录一种风险行为；
基于上述至少两种员工类型的风险员工的风险行为样本数据构建风险比对信息集合。
在一些可行的实施方式中，上述处理器41用于：
从员工数据库中确定出至少两种员工类型的风险员工；
将各种员工类型的风险员工的风险行为数据输入预设非线性模型，基于上述预设非线性模型得到各种风险行为数据的置信度；
将置信度在预设置信度区间内的风险行为数据确定为风险行为样本数据，以得到上述至少两种员工类型的风险员工的风险行为样本数据。
在一些可行的实施方式中，上述处理器41用于：
基于每种员工类型对应的风险行为样本数据＝确定出上述每种员工类型对应的类型标签；将上述至少两种员工类型的风险员工的风险行为样本数据进行数据格式处理，以得到具有预设数据格式的风险行为样本数据；
基于上述每种员工类型对应的类型标签和具有预设数据格式的风险行为样本数据构建一条风险比对信息以得到至少包括两条风险比对信息的风险比对信息集合；
其中，上述风险比对信息集合中的一条风险比对信息用于确定一种员工类型的一种行为数据是否为风险行为数据。
在一些可行的实施方式中，上述风险信息包括行为特征值和/或风险行为特征词；上述处理器41用于：
确定出上述行为数据的行为特征值，基于上述行为特征值和预设风险等级表确定上述风险员工的风险等级；
和/或，对上述风险行为数据进行数据解析以将上述风险行为数据转换为风险行为文本；
对上述风险行为文本进行语义识别以从上述风险行为文本中确定上述风险员工的风险行为特征词；
基于上述风险行为特征词和预设风险关键词库确定出上述风险员工的风险等级。
在一些可行的实施方式中，上述处理器41用于：
从上述员工数据库中获取上述风险员工的员工信息；
确定上述风险等级是否大于预设风险等级；
若上述风险等级大于预设风险等级，基于上述行为数据所记录的员工行为确定出上述风险员工对应的预警措施，若上述风险等级不大于上述预设风险等级，将预设预警措施确定为上述风险员工对应的预警措施；
基于上述员工信息、员工类型以及上述预警措施生成预警信息并将上述预警信息发送至风险预警平台，以使上述风险预警平台显示上述风险员工的员工信息和员工类型，并基于上述预警信息中的预警措施对上述风险员工进行风险预警。
应当理解，在一些可行的实施方式中，上述处理器41可以是中央处理单元(central processing unit，CPU)，该处理器41还可以是其他通用处理器、数字信号处理器(digital signal processor，DSP)、专用集成电路(application specific integratedcircuit，ASIC)、现成可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器42可以包括只读存储器和随机存取存储器，并向处理器41提供指令和数据。存储器42的一部分还可以包括非易失性随机存取存储器。例如，存储器42还可以存储设备类型的信息。
具体实现中，上述终端可通过其内置的各个功能模块执行如上述图1至图2中各个步骤所提供的实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
在本发明实施例中，基于风险比对信息集合可确定出员工数据库中任一员工的行为数据是否为风险行为数据，进而在确定上述任一员工的行为数据为风险行为数据的情况下，确定出风险员工以及风险员工的员工类型、员工信息、风险等级等信息。基于上述实现方式，可实现对员工数据库中的全部行为数据进行实时检测，及时确定出风险行为数据与风险员工。同时，基于风险员工的员工类型、员工信息以及风险等级等多种信息确定对应的预警措施并指示风险预警平台对风险员工进行风险预警，避免了由于人为操作或者主观因素造成的预警不准确情况，适用性高。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，被处理器执行以实现图1至图2中各个步骤所提供的方法，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
上述计算机可读存储介质可以是前述任一实施例提供的任务处理装置或者上述终端的内部存储单元，例如电子设备的硬盘或内存。该计算机可读存储介质也可以是该电子设备的外部存储设备，例如该电子设备上配备的插接式硬盘，智能存储卡(smart mediacard,SMC)，安全数字(secure digital,SD)卡，闪存卡(flash card)等。上述计算机可读存储介质还可以包括磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(randomaccess memory，RAM)等。进一步地，该计算机可读存储介质还可以既包括该电子设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该电子设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本发明的权利要求书和说明书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本领域普通技术人员可以意识到，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。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。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (5)
1.一种员工风险预警方法，其特征在于，所述方法包括：
从员工数据库中获取至少两种员工类型的风险员工的风险行为样本数据，其中，一种员工类型对应多个风险员工，一个风险员工对应至少两种风险行为样本数据，一种风险行为样本数据用于记录一种风险行为，所述员工类型基于实际员工管理***的应用场景确定，所述员工类型包括在金融机构的员工管理***中的财务员工、投资员工、销售员工，所述从员工数据库中获取至少两种员工类型的风险员工的风险行为样本数据包括：从员工数据库中确定出至少两种员工类型的风险员工；将各种员工类型的风险员工的风险行为数据输入预设非线性模型，基于所述预设非线性模型得到各种风险行为数据的置信度，所述风险行为数据的置信度用于表示所述风险行为数据的可信程度，所述非线性模型包括GBDT模型；将置信度在预设置信度区间内的风险行为数据确定为风险行为样本数据，以得到所述至少两种员工类型的风险员工的风险行为样本数据；
基于每种员工类型对应的风险行为样本数据确定出所述每种员工类型对应的类型标签，所述类型标签用于标记风险员工的员工类型，包括：从每种员工对应的多种风险行为样本数据中筛选出用于描述员工类型或者可指示员工类型的数据段以确定出所述每种员工对应的员工类型，根据确定出的员工类型生成类型标签对所述每种员工类型进行标记，其中，一种员工类型只对应一个类型标签，属于同一员工类型的多种风险行为样本数据对应一个类型标签；
将所述至少两种员工类型的风险员工的风险行为样本数据进行数据格式处理，以得到至少两种具有预设数据格式的风险行为样本数据，包括：将全部风险行为样本数据中的字符型数据进行数据格式处理，将字符型的风险行为样本数据转化为数值型的风险行为样本数据，采用包括min-max标准化、z-score标准化和数据归一化的方法，将全部数值型的风险行为样本数据进行数据标准化处理以使全部数值型的风险行为样本数据处于同一数量级；
基于所述每种员工类型对应的类型标签和至少两种具有预设数据格式的风险行为样本数据构建一条风险比对信息以得到至少包括两条风险比对信息的风险比对信息集合，所述一条风险比对信息包含一种员工类型的风险员工对应的多个特征关键词或者多种风险行为关键数据；其中，所述风险比对信息集合中的一条风险比对信息用于与一种员工类型的行为数据进行比对以确定一种员工类型的一种行为数据是否为风险行为数据，包括：提取每种风险行为样本数据的关键数据段，所述每种风险行为样本数据的关键数据段用于表示出所述每种风险行为样本数据对应的风险行为的关键特征，得到一种员工类型的风险员工对应的多种关键数据段，将所述多种关键数据段与所述类型标签进行排列组合形成一条风险比对信息，其中，所述风险比对信息集合中的一条风险比对信息包含一种员工类型的风险员工对应的多个特征关键词或者多种风险行为关键数据，且一条风险比对信息用于确定一种员工类型的一种行为数据是否为风险行为数据；
从员工数据库中获取用于记录任一员工行为的行为数据；
基于风险比对信息集合确定所述行为数据是否为风险行为数据；
当基于所述风险比对信息集合中的任一风险比对信息确定所述行为数据为风险行为数据时，确定出所述任一风险比对信息对应的类型标签，将所述类型标签对应的员工类型确定为所述行为数据对应的员工的员工类型，并将所述行为数据对应的员工确定为风险员工；
获取所述行为数据的风险信息，并基于所述风险信息确定出所述风险员工的风险等级，所述风险信息包括行为特征值和/或风险行为特征词；所述获取所述行为数据的风险信息，并基于所述风险信息确定出所述风险员工的风险等级包括：确定出所述行为数据的行为特征值，基于所述行为特征值和预设风险等级表确定所述风险员工的风险等级；和/或，对所述风险行为数据进行数据解析以将所述行为数据转换为风险行为文本；对所述风险行为文本进行语义识别以从所述风险行为文本中确定所述风险员工的风险行为特征词；基于所述风险行为特征词和预设风险关键词库确定出所述风险员工的风险等级；
基于所述员工类型、所述行为数据以及所述风险等级生成预警信息，并将所述预警信息发送至风险预警平台以对所述风险员工进行风险预警。
2.根据权利要求1所述的方法，其特征在于，所述基于所述员工类型、所述行为数据以及所述风险等级生成预警信息，并将所述预警信息发送至风险预警平台以对所述风险员工进行风险预警包括：
从所述员工数据库中获取所述风险员工的员工信息；
确定所述风险等级是否大于预设风险等级；
若所述风险等级大于预设风险等级，则基于所述行为数据所记录的员工行为确定出所述风险员工对应的预警措施，若所述风险等级不大于所述预设风险等级，则将预设预警措施确定为所述风险员工对应的预警措施；
基于所述员工信息、员工类型以及所述预警措施生成预警信息并将所述预警信息发送至风险预警平台，以使所述风险预警平台显示所述风险员工的员工信息和员工类型，并基于所述预警信息中的预警措施对所述风险员工进行风险预警。
3.一种员工风险预警装置，所述装置用于执行如权利要求1或2所述的方法，其特征在于，所述员工风险预警装置包括：
获取单元，用于从员工数据库中获取用于记录任一员工行为的行为数据；
判断单元，用于基于风险比对信息集合确定所述行为数据是否为风险行为数据；
确定单元，用于当基于所述风险比对信息集合中的任一风险比对信息确定所述行为数据为风险行为数据时，确定出所述任一风险比对信息对应的类型标签，将所述类型标签对应的员工类型确定为所述行为数据对应的员工的员工类型，并将所述行为数据对应的员工确定为风险员工；
所述确定单元，用于获取所述行为数据的风险信息，并基于所述风险信息确定出所述风险员工的风险等级；
预警单元，用于基于所述员工类型、所述行为数据以及所述风险等级生成预警信息，并将所述预警信息发送至风险预警平台以对所述风险员工进行风险预警。
4.一种终端，其特征在于，包括处理器和存储器，所述处理器和存储器相互连接；
所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1或2所述的方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1或2所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910618947.1A CN110414806B (zh) | 2019-07-10 | 2019-07-10 | 员工风险预警方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910618947.1A CN110414806B (zh) | 2019-07-10 | 2019-07-10 | 员工风险预警方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110414806A CN110414806A (zh) | 2019-11-05 |
| CN110414806B true CN110414806B (zh) | 2024-05-14 |
Family
ID=68360880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910618947.1A Active CN110414806B (zh) | 2019-07-10 | 2019-07-10 | 员工风险预警方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110414806B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111882411A (zh) * | 2020-07-15 | 2020-11-03 | 国网河北省电力有限公司信息通信分公司 | 一种智能型电力财务信息管理*** |
| CN111861281A (zh) * | 2020-08-05 | 2020-10-30 | 中国银行股份有限公司 | 基于知识图谱的风险员工发现方法及装置 |
| CN113032435A (zh) * | 2021-03-18 | 2021-06-25 | 上海数禾信息科技有限公司 | 用于风险评估的数据处理方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3109782A1 (en) * | 2015-06-08 | 2016-12-28 | Fujitsu Limited | A risk determining apparatus and risk determining method |
| CN109255518A (zh) * | 2018-08-01 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 数据使用风险评估方法、装置和*** |
| CN109508825A (zh) * | 2018-11-12 | 2019-03-22 | 平安科技（深圳）有限公司 | 员工行为风险预警方法及相关装置 |
| CN109766766A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 员工工作状况监控方法、装置、计算机设备和存储介质 |
| WO2019095572A1 (zh) * | 2017-11-17 | 2019-05-23 | 平安科技（深圳）有限公司 | 企业投资风险评估方法、装置及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7062443B2 (en) * | 2000-08-22 | 2006-06-13 | Silverman Stephen E | Methods and apparatus for evaluating near-term suicidal risk using vocal parameters |
-
2019
- 2019-07-10 CN CN201910618947.1A patent/CN110414806B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3109782A1 (en) * | 2015-06-08 | 2016-12-28 | Fujitsu Limited | A risk determining apparatus and risk determining method |
| WO2019095572A1 (zh) * | 2017-11-17 | 2019-05-23 | 平安科技（深圳）有限公司 | 企业投资风险评估方法、装置及存储介质 |
| CN109255518A (zh) * | 2018-08-01 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 数据使用风险评估方法、装置和*** |
| CN109508825A (zh) * | 2018-11-12 | 2019-03-22 | 平安科技（深圳）有限公司 | 员工行为风险预警方法及相关装置 |
| CN109766766A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 员工工作状况监控方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110414806A (zh) | 2019-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110414806B (zh) | 员工风险预警方法及相关装置 | |
| CN109543925B (zh) | 基于机器学习的风险预测方法、装置、计算机设备和存储介质 | |
| US9268674B1 (en) | System, method, and computer program for monitoring testing progress of a software testing project utilizing a data warehouse architecture | |
| US20120066214A1 (en) | Handling Data Sets | |
| CN110782123B (zh) | 决策方案的匹配方法、装置、计算机设备及存储介质 | |
| US20110191128A1 (en) | Method and Apparatus for Creating a Monitoring Template for a Business Process | |
| US20110191351A1 (en) | Method and Apparatus for Using Monitoring Intent to Match Business Processes or Monitoring Templates | |
| CN111553137B (zh) | 报告生成方法、装置、存储介质及计算机设备 | |
| CN111160783B (zh) | 数字资产价值的评价方法、***及电子设备 | |
| CN110310012B (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
| JPWO2019070010A1 (ja) | サービス提供システム、ビジネス分析支援システム、方法及びプログラム | |
| CN112990281A (zh) | 异常投标识别模型训练方法、异常投标识别方法及装置 | |
| CN113868498A (zh) | 数据存储方法、电子装置、装置及可读存储介质 | |
| CN112966100A (zh) | 一种数据分类分级模型的训练方法、装置及电子设备 | |
| CN112990583A (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
| CN117520503A (zh) | 基于llm模型的金融客服对话生成方法、装置、设备及介质 | |
| US20110191143A1 (en) | Method and Apparatus for Specifying Monitoring Intent of a Business Process or Monitoring Template | |
| CN116402334A (zh) | 一种多模态数据合规分析与智能评估方法及装置 | |
| US8489444B2 (en) | Chronicling for process discovery in model driven business transformation | |
| KR102621633B1 (ko) | 개발 제품의 인증 프로세스 정보 제공 시스템 및 그 방법 | |
| CN115482075A (zh) | 财务数据的异常分析方法、装置、电子设备及存储介质 | |
| EP3941035A1 (en) | Digital evidence management method and digital evidence management system | |
| CN113743695A (zh) | 基于大数据的国际工程项目投标报价风险管理方法 | |
| CN117056209B (zh) | 软件缺陷预测模型、解释方法以及量化评估方法 | |
| CN111898966A (zh) | 一种企业两化融合贯标诊断方法及其*** |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |