CN112381444A - 一种基于组织成员行为数据的组织风险预测方法及*** - Google Patents
一种基于组织成员行为数据的组织风险预测方法及*** Download PDFInfo
- Publication number
- CN112381444A CN112381444A CN202011356220.XA CN202011356220A CN112381444A CN 112381444 A CN112381444 A CN 112381444A CN 202011356220 A CN202011356220 A CN 202011356220A CN 112381444 A CN112381444 A CN 112381444A
- Authority
- CN
- China
- Prior art keywords
- behavior
- organization
- data
- behavior data
- target
- 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.)
- Pending
Links
- 230000008520 organization Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000006399 behavior Effects 0.000 claims abstract description 133
- 238000007405 data analysis Methods 0.000 claims abstract description 15
- 238000004140 cleaning Methods 0.000 claims abstract description 11
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 7
- 238000011161 development Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- 238000012552 review Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于组织成员行为数据的组织风险预测方法及***,包括数据采集模块、行为数据分析清洗模块、行为结果匹配模块、人工智能校验库和用户预测结果反馈模块,所述数据采集模块通过前端软件对组织用户中的多个组织成员的行为数据进行收据采集记录工作,所述行为数据分析清洗模块可自动筛选相关数据,所述行为结果匹配模块将对对应行为的特征信息进行对应的行为类别进行自动分类处理。该基于组织成员行为数据的组织风险预测方法及***,本发明所公开的方法和***用于解决目前技术无法对目标行为在工作中产生的组织行为数据进行风险预测的问题,并能进行风险评估,引导其纠正行为,促进组织用户的稳定健康发展。
Description
技术领域
本发明涉及组织行为数据分析技术领域,具体为一种基于组织成员行为数据的组织风险预测方法及***。
背景技术
组织行为学研究与组织管理实践密切相关,而大数据时代的来临极大地影响了管理活动,组织行为学的研究对象是行为和态度,当然,并非所有的行为和态度,历史已经证明:生产、旷工、离职等行为是员工绩效的重要决定因素,从管理学视角考察新时代组织行为学的研究领域,包括:劳动力多样化的挑战,全球化的挑战,处理“临时性”的挑战,平衡员工工作、生活冲突的挑战,员工忠诚度下降的挑战,提高产品质量和生产率,如何赋权员工,激励组织创新与变革,改善道德行为。
因此如何利用组织行为数据结合大数据分析,通过分析预测结果,采取合适的管理技术和管理模式使组织健康发展,在市场竞争中处于长期有利地位显得尤为重要,现有的组织风险预测***无法对目标行为在工作中产生的组织行为数据进行风险预测的问题,同时无法进行风险评估,引导其纠正行为,进而存在一定的使用缺陷。
针对上述问题,急需在原有组织风险预测方法及***的基础上进行创新设计。
发明内容
本发明的目的在于提供一种基于组织成员行为数据的组织风险预测方法及***,以解决上述背景技术中提出的无法对目标行为在工作中产生的组织行为数据进行风险预测的问题,同时无法进行风险评估,引导其纠正行为的问题。
为实现上述目的,本发明提供如下技术方案:一种基于组织成员行为数据的组织风险预测***,包括数据采集模块、行为数据分析清洗模块、行为结果匹配模块、人工智能校验库和用户预测结果反馈模块。
所述数据采集模块通过前端软件对组织用户中的多个组织成员的行为数据进行收据采集记录工作;
所述行为数据分析清洗模块可自动筛选相关数据,并对其行为数据中的对象参数进行图像特征的提取;
所述行为结果匹配模块将对对应行为的特征信息进行对应的行为类别进行自动分类处理;
所述人工智能校验库将对分析出的行为类别数据对结果产生的影响进行评估,预测组织潜在风险;
所述用户预测结果反馈模块会将分析、预测报告发送给组织,进行人工分析审核或提示工作。
一种基于组织成员行为数据的组织风险预测方法,包括以下步骤:
S1、数据采集
利用前端交互功能,获取得到多个按发生时间顺序排列的组织行为数据。
S2、目标检测
利用目标检测方法对组织行为数据中的每个参数进行分析,检测出每个行为参数中可能产生目标行为影响的所有目标对象。
S3、特征提取
通过***中的行为数据清洗模块,选择对分析结果有相关关系的数据,对目标检测得到的每一个体行为数据中的每一个对象参数提取能描述其图像特性的特征值。
S4、目标跟踪
对每一个体特征值按照发生时间顺序进行跟踪,得出每个目标对象在空间上和时间上的运动轨迹,并计算得到每个目标对象在组织中不同个体的关联行为信息。
S5、行为分类
目标跟踪得到的每一个目标对象的在空间和时间上的运动轨迹以及该运动轨迹所对应的行为特征信息进行处理并分析,从而得出该行为特征信息所对应的行为类别。
S6、风险预测
输出检测结果,对比人工智能校验库,检测得出的每一个目标行为的发生时间段以及空间位置进行行为预测,并对结果产生的影响进行评估,预测组织潜在风险,促进组织用户稳定健康发展。
优选的,所述利用前端功能与交互,获取组织成员行为数据,进行目标检测,检测出每个组织成员行为中可能产生目标行为的所有目标对象,并将其行为记录与***。
优选的,所述提取特征值,对每一个目标对象提取能描述其行为特性的特征值,然后通过大数据分析,预测出行为对组织可能产生的影响,对风险进行评估。
优选的,所述通过行为数据分析,输出分析结果,形成组织行为数据分析报告,最终将分析、预测报告发送给组织,引导并帮助其纠正行为,避免风险
与现有技术相比,本发明的有益效果是:该基于组织成员行为数据的组织风险预测方法及***;
1.本发明所公开的方法和***用于解决目前技术无法对目标行为在工作中产生的组织行为数据进行风险预测的问题,并能进行风险评估,引导其纠正行为,促进组织用户的稳定健康发展;
2.利用前端的功能与交互,让组织成员将其行为记录于***,通过大数据分析,预测出行为对组织可能产生的影响,对风险进行评估,并实施将预测结果发送给组织,引导或帮助其纠正行为。
附图说明
图1为本发明组织风险预测流程结构示意图;
图2为本发明组织风险预测***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。
请参阅图1-2,本发明提供一种技术方案:一种基于组织成员行为数据的组织风险预测方法及***,包括数据采集模块、行为数据分析清洗模块、行为结果匹配模块、人工智能校验库和用户预测结果反馈模块。
所述数据采集模块通过前端软件对组织用户中的多个组织成员的行为数据进行收据采集记录工作;
所述行为数据分析清洗模块可自动筛选相关数据,并对其行为数据中的对象参数进行图像特征的提取;
所述行为结果匹配模块将对对应行为的特征信息进行对应的行为类别进行自动分类处理;
所述人工智能校验库将对分析出的行为类别数据对结果产生的影响进行评估,预测组织潜在风险;
所述用户预测结果反馈模块会将分析、预测报告发送给组织,进行人工分析审核或提示工作。
一种基于组织成员行为数据的组织风险预测方法,包括以下步骤:
S1、数据采集
利用前端交互功能,获取得到多个按发生时间顺序排列的组织行为数据。
S2、目标检测
利用目标检测方法对组织行为数据中的每个参数进行分析,检测出每个行为参数中可能产生目标行为影响的所有目标对象。
S3、特征提取
通过***中的行为数据清洗模块,选择对分析结果有相关关系的数据,对目标检测得到的每一个体行为数据中的每一个对象参数提取能描述其图像特性的特征值。
S4、目标跟踪
对每一个体特征值按照发生时间顺序进行跟踪,得出每个目标对象在空间上和时间上的运动轨迹,并计算得到每个目标对象在组织中不同个体的关联行为信息。
S5、行为分类
目标跟踪得到的每一个目标对象的在空间和时间上的运动轨迹以及该运动轨迹所对应的行为特征信息进行处理并分析,从而得出该行为特征信息所对应的行为类别。
S6、风险预测
输出检测结果,对比人工智能校验库,检测得出的每一个目标行为的发生时间段以及空间位置进行行为预测,并对结果产生的影响进行评估,预测组织潜在风险,促进组织用户稳定健康发展。
利用前端功能与交互,获取组织成员行为数据,进行目标检测,检测出每个组织成员行为中可能产生目标行为的所有目标对象,并将其行为记录与***。
提取特征值,对每一个目标对象提取能描述其行为特性的特征值,然后通过大数据分析,预测出行为对组织可能产生的影响,对风险进行评估。
通过行为数据分析,输出分析结果,形成组织行为数据分析报告,最终将分析、预测报告发送给组织,引导并帮助其纠正行为,避免风险
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种基于组织成员行为数据的组织风险预测***,其特征在于:包括数据采集模块、行为数据分析清洗模块、行为结果匹配模块、人工智能校验库和用户预测结果反馈模块。
所述数据采集模块通过前端软件对组织用户中的多个组织成员的行为数据进行收据采集记录工作;
所述行为数据分析清洗模块可自动筛选相关数据,并对其行为数据中的对象参数进行图像特征的提取;
所述行为结果匹配模块将对对应行为的特征信息进行对应的行为类别进行自动分类处理;
所述人工智能校验库将对分析出的行为类别数据对结果产生的影响进行评估,预测组织潜在风险;
所述用户预测结果反馈模块会将分析、预测报告发送给组织,进行人工分析审核或提示工作。
2.一种基于组织成员行为数据的组织风险预测方法,其特征在于:包括以下步骤:
S1、数据采集
利用前端交互功能,获取得到多个按发生时间顺序排列的组织行为数据。
S2、目标检测
利用目标检测方法对组织行为数据中的每个参数进行分析,检测出每个行为参数中可能产生目标行为影响的所有目标对象。
S3、特征提取
通过***中的行为数据清洗模块,选择对分析结果有相关关系的数据,对目标检测得到的每一个体行为数据中的每一个对象参数提取能描述其图像特性的特征值。
S4、目标跟踪
对每一个体特征值按照发生时间顺序进行跟踪,得出每个目标对象在空间上和时间上的运动轨迹,并计算得到每个目标对象在组织中不同个体的关联行为信息。
S5、行为分类
目标跟踪得到的每一个目标对象的在空间和时间上的运动轨迹以及该运动轨迹所对应的行为特征信息进行处理并分析,从而得出该行为特征信息所对应的行为类别。
S6、风险预测
输出检测结果,对比人工智能校验库,检测得出的每一个目标行为的发生时间段以及空间位置进行行为预测,并对结果产生的影响进行评估,预测组织潜在风险,促进组织用户稳定健康发展。
3.根据权利要求2所述的一种基于组织成员行为数据的组织风险预测方法及***,其特征在于:所述利用前端功能与交互,获取组织成员行为数据,进行目标检测,检测出每个组织成员行为中可能产生目标行为的所有目标对象,并将其行为记录与***。
4.根据权利要求2所述的一种基于组织成员行为数据的组织风险预测方法及***,其特征在于:所述提取特征值,对每一个目标对象提取能描述其行为特性的特征值,然后通过大数据分析,预测出行为对组织可能产生的影响,对风险进行评估。
5.根据权利要求2所述的一种基于组织成员行为数据的组织风险预测方法及***,其特征在于:所述通过行为数据分析,输出分析结果,形成组织行为数据分析报告,最终将分析、预测报告发送给组织,引导并帮助其纠正行为,避免风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011356220.XA CN112381444A (zh) | 2020-11-26 | 2020-11-26 | 一种基于组织成员行为数据的组织风险预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011356220.XA CN112381444A (zh) | 2020-11-26 | 2020-11-26 | 一种基于组织成员行为数据的组织风险预测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112381444A true CN112381444A (zh) | 2021-02-19 |
Family
ID=74589129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011356220.XA Pending CN112381444A (zh) | 2020-11-26 | 2020-11-26 | 一种基于组织成员行为数据的组织风险预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381444A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130159203A1 (en) * | 2011-06-24 | 2013-06-20 | Peoplefluent Holdings Corp. | Personnel Management |
CN106022708A (zh) * | 2016-05-09 | 2016-10-12 | 陈包容 | 一种预测员工离职的方法 |
CN108229407A (zh) * | 2018-01-11 | 2018-06-29 | 武汉米人科技有限公司 | 一种视频分析中的行为检测方法与*** |
CN108427758A (zh) * | 2018-03-19 | 2018-08-21 | 深信服科技股份有限公司 | 一种离职倾向分析方法、装置、设备及存储介质 |
CN111783086A (zh) * | 2020-07-06 | 2020-10-16 | 山东省计算中心(国家超级计算济南中心) | 基于反生产行为特征的内部威胁检测方法和*** |
-
2020
- 2020-11-26 CN CN202011356220.XA patent/CN112381444A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130159203A1 (en) * | 2011-06-24 | 2013-06-20 | Peoplefluent Holdings Corp. | Personnel Management |
CN106022708A (zh) * | 2016-05-09 | 2016-10-12 | 陈包容 | 一种预测员工离职的方法 |
CN108229407A (zh) * | 2018-01-11 | 2018-06-29 | 武汉米人科技有限公司 | 一种视频分析中的行为检测方法与*** |
CN108427758A (zh) * | 2018-03-19 | 2018-08-21 | 深信服科技股份有限公司 | 一种离职倾向分析方法、装置、设备及存储介质 |
CN111783086A (zh) * | 2020-07-06 | 2020-10-16 | 山东省计算中心(国家超级计算济南中心) | 基于反生产行为特征的内部威胁检测方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104462530A (zh) | 用户喜好的分析方法及装置、电子设备 | |
CN113656558B (zh) | 基于机器学习对关联规则进行评估的方法及装置 | |
JP7380567B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
KR102075743B1 (ko) | 신체 성장 예측 모델링 장치 및 방법 | |
CN110046889A (zh) | 一种异常行为主体的检测方法、装置及服务器 | |
CN117390499A (zh) | 一种应用于食品农药残留检测的多样品检测*** | |
CN114072808A (zh) | 用于控制制造过程的分类模型 | |
CN116739811A (zh) | 一种自适应风险控制的企业财务信息智能管理***及方法 | |
CN116703455B (zh) | 基于时间序列的混合模型的医药数据销售预测方法及*** | |
KR102406375B1 (ko) | 원천 기술의 평가 방법을 포함하는 전자 장치 | |
CN112381444A (zh) | 一种基于组织成员行为数据的组织风险预测方法及*** | |
CN116627845A (zh) | 一种基于Capture-Recapture的软件缺陷预测方法及*** | |
US20230153651A1 (en) | Enterprise management system and execution method thereof | |
Jadhav et al. | Placement Readiness Check: Predicting Placement Status Using Supervised ML Methods | |
CN110472680B (zh) | 目标分类方法、装置和计算机可读存储介质 | |
Pan et al. | Use of vision and sound to classify feller-buncher operational state | |
CN113377640A (zh) | 解释业务场景下模型的方法、介质、装置和计算设备 | |
Kumari et al. | CertiMart: Use Computer Vision to Digitize and Automate Supermarket with Fruit Quality Measuring and Maintaining | |
CN113538130B (zh) | 异常检测方法、装置及*** | |
CN111861404B (zh) | 基于智能机器的数据处理方法及装置、电子设备 | |
Basha et al. | Exploring Machine Learning Models to Predict the Diamond Price: A Data Mining Utility Using Weka | |
CN116186585B (zh) | 基于大数据分析的用户行为意图挖掘方法及装置 | |
Saad | The effect of forest information quality on the planning and decision process in forestry | |
Helwerda et al. | Conceptual Process Models and Quantitative Analysis of Classification Problems in Scrum Software Development Practices. | |
Lumpay et al. | Android-Based Application for Ripeness Classification and Shelf-Life Determination of Philippine Bananas |
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 |