CN113962664A - 用于人力资源评价的方法、装置、设备及介质 - Google Patents
用于人力资源评价的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113962664A CN113962664A CN202111279738.2A CN202111279738A CN113962664A CN 113962664 A CN113962664 A CN 113962664A CN 202111279738 A CN202111279738 A CN 202111279738A CN 113962664 A CN113962664 A CN 113962664A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- human resource
- data
- resource evaluation
- rule
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003066 decision tree Methods 0.000 claims abstract description 62
- 238000013210 evaluation model Methods 0.000 claims abstract description 53
- 238000012549 training Methods 0.000 claims abstract description 39
- 238000003860 storage Methods 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 230000006399 behavior Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 206010063385 Intellectualisation Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000013481 data capture Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification 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
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种用于人力资源评价的方法,可以应用于人工智能技术领域。该方法包括:设置至少一个评价规则,每个所述评价规则用于表示一个岗位的履职行为数据与一个人力资源评价指标之间的映射关系;基于每个所述评价规则,构建一个决策树;以历史数据中所述评价规则所涉及的岗位的所述履职行为数据作为样本数据,并以所述历史数据中所述评价规则所涉及的人力资源评价指标作为所述样本数据的标签,训练所述决策树,以得到人力资源评价模型;以及利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现。本公开还提供了一种用于人力资源评价的装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及人工智能领域,更具体地涉及一种用于人力资源评价的方法、装置、设备、介质和程序产品。
背景技术
当前,企业等组织的人力资源评价主要依赖于工作周期结束后的手工评价与静态的定量统计,这种方式导致人力资源评价效率不高、时效性不强。例如,随着当前工作形式多样化,有些高技术人员的工作往往不再固定办公地点,可能会在多个部门之间流转作业(例如,业务架构师),也可能是远程办公等,在这种情况下由于工作人员与人力资源评价的管理人员可能长期不在同一办公场所办公时,难免导致评价结果有失公允。再例如,在固定的工作周期结束后进行评价,对于短期借调、外包人员或者在工作周期中途离职的人员的业绩表现评估既不够及时,也不够准确。因此,如何客观及时地评价各种岗位的工作人员的业绩表现,对于人力资源的管理是非常重要的。
发明内容
鉴于上述问题,本公开实施例提供了一种提高人力资源评价的及时性、有效性和准确性的用于人力资源评价的方法、装置、设备、介质和程序产品。
本公开实施例的第一方面,提供了一种用于人力资源评所述评价规则用于表示一个岗位的履职行为数据与一个人力资源评价指标之间的映射关系;基于每个所述评价规则,构建一个决策树;以历史数据中所述评价规则所涉及的岗位的所述履职行为数据作为样本数据,并以所述历史数据中所述评价规则所涉及的人力资源评价指标作为所述样本数据的标签,训练所述决策树;以及利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现。
根据本公开的实施例,所述设置至少一个评价规则包括:当N个所述评价规则分别用于表示同一岗位的所述履职行为数据与N个人力资源评价指标的映射关系时,设置N个所述评价规则中所述履职行为数据相同但算法不同,其中,N为大于或等于2的整数。
根据本公开的实施例,所述基于每个所述评价规则,构建一个决策树包括:基于N个所述评价规则构建N个决策树,其中,N个所述决策树共享输入数据。
根据本公开的实施例,所述N个人力资源评价指标包括工作贡献度指标和薪酬成本指标。
根据本公开的实施例,所述利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现包括:基于与所述人力资源评价模型对应的所述评价规则中涉及的岗位的所述履职行为数据,获取第一工作人员的第一履职行为数据;以及利用所述人力资源评价模型处理所述第一履职行为数据,输出所述第一工作人员在相应的人力资源评价指标上的第一指标值。
根据本公开的实施例,所述利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现还包括:基于管理人员对所述第一指标值的调整或确认,输出所述第一工作人员在相应的人力资源评价指标的最终值。
根据本公开的实施例,所述训练所述决策树还包括:将所述第一履职行为数据合并到所述样本数据中,并以所述最终值作为所述第一履职行为数据的标签,参与对所述决策树的训练。
本公开实施例的第二方面,提供了一种用于人力资源评价的装置。所述装置包括评价规则录入和调整模块、以及数据分析与智能算法模块。其中,评价规则录入和调整模块用于设置至少一个评价规则,每个所述评价规则用于表示一个岗位的履职行为数据与一个人力资源评价指标之间的映射关系。数据分析与智能算法模块包括决策树构建子模块、训练子模块以及评价子模块。所述决策树构建子模块用于基于每个所述评价规则,构建一个决策树。所述训练子模块用于以历史数据中所述评价规则所涉及的岗位的所述履职行为数据作为样本数据,并以所述历史数据中所述评价规则所涉及的人力资源评价指标作为所述样本数据的标签,训练所述决策树。所述评价子模块用于利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现。
根据本公开的实施例,所述装置还包括数据采集与抓取模块。所述数据采集与抓取模块用于基于与所述人力资源评价模型对应的所述评价规则中涉及的岗位的所述履职行为数据,获取第一工作人员的第一履职行为数据。所述评价子模块用于利用所述人力资源评价模型处理所述第一履职行为数据,输出所述第一工作人员在相应的人力资源评价指标上的第一指标值。
根据本公开的实施例,所述装置还包括查询与管理模块。所述查询管理模块用于基于管理人员对所述第一指标值的调整或确认,输出所述人力资源评价指标的最终值。
根据本公开的实施例,所述训练子模块还用于将所述第一履职行为数据合并到所述样本数据中,并以所述最终值作为所述第一履职行为数据的标签,参与对所述决策树的训练。
本公开实施例的第三方面,还提供了一种电子设备。所述电子设备包括一个或多个处理器、以及一个或多个存储器。所述一个或多个存储器用于存储一个或多个程序。其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行上述方法。
本公开实施例的第四方面,还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
本公开实施例的第五方面,还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法。
上述一个或多个实施例具有如下优点或益效果:可以针对不同的岗位和不同的人力资源评价指标的组合设置不同的评价规则,相应创建不同的决策树,并且通过对决策树的训练得到人力资源评价模型,以使该人力资源评价模型可以以接近于历史真实评估水平的方式,评估工作人员的业绩表现,从而可以实现人力资源评价的多元化、精细化、自动化和智能化。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的用于人力资源评价的方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的用于人力资源评价的方法的流程图;
图3示意性示出了根据本公开实施例的针对同一岗位不同人力资源评价指标构建的不同决策树的示意图;
图4示意性示出了根据本公开实施例的利用人力资源评价模型评估对应岗位上的工作人员的人力资源评价指标的流程图;
图5示意性示出了根据本公开实施例的用于人力资源评价的装置的框图;
图6示意性示出了根据本公开另一实施例的用于人力资源评价的装置逻辑结构图;以及
图7示意性示出了适于实现根据本公开实施例的用于人力资源评价的方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
在本文中,需要理解的是,说明书及附图中的任何元素数量均用于示例而非限制,以及任何命名(例如,第一、第二)都仅用于区分,而不具有任何限制含义。
本公开的实施例提供了一种用于人力资源评价的方法、装置、设备、介质及程序产品。其中,该方法可以包括:首先设置至少一个评价规则,每个所述评价规则用于表示一个岗位的履职行为数据与一个人力资源评价指标之间的映射关系;然后基于每个所述评价规则,构建一个决策树;接下来以历史数据中所述评价规则所涉及的岗位的所述履职行为数据作为样本数据,并以所述历史数据中所述评价规则所涉及的人力资源评价指标作为所述样本数据的标签,训练所述决策树;其中,所述人力资源评价模型与所述评价规则所涉及的岗位和人力资源评价指标相对应;最后可以利用所述人力资源评价模型评估对应的岗位上的工作人员相应的人力资源评价指标上的表现。
根据本公开的实施例,可以针对不同的岗位和不同的人力资源评价指标的组合设置不同的评价规则,相应创建不同的决策树,并且通过对决策树的训练得到人力资源评价模型,以使该人力资源评价模型可以以接近于历史真实评估水平的方式,评估工作人员的业绩表现,从而可以实现人力资源评价的多元化、精细化、自动化和智能化。
根据本公开的实施例,可以针对岗位的业务特点(例如短期外派还是常驻,定点办公还是远程办公,固定业务内容还是跨部门流转配合等)以及业务内容,设置岗位的履职行为数据与相应的人力资源评价指标的评价规则,从而使得最终训练得到的人力资源评价模型能够更客观、更具有针对性地评估岗位中的工作人员的业绩表现。
根据本公开的实施例,可以动态、实时评估岗位中工作人员的业绩表现。例如,当一个项目结束后,可以使用人力资源评价模型评估项目中某个工作人员的业绩表现,或者当某个工作人员为短暂借调人员,则可以利用与该借调岗位对应的人力资源评价模型根据该工作人员在短暂借调期间内的履职行为数据,来评估该工作人员在借调期间的业绩表现;或者当有人员离职时,可以使用人力资源评价模型来评估该离职人员从上一个评估截止时刻到离职时刻这段时间内的业绩表现。以此方式,本公开过实施例可以实现依据工作人员的实际工作内容、实际工作时长或者实际评估需要,实时、动态地进行人力资源评价,有效提高人力资源评价的效率和准确性。
需要说明的是,本公开实施例提供的用于人力资源评价的方法、装置、设备、介质和程序产品可用于金融领域,也可用于除金融领域之外的任意领域,本公开对应用领域不做限定。
在本公开的技术方案中,所涉及的个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
图1示意性示出了根据本公开实施例的用于人力资源评价的方法、装置、设备、介质和程序产品的应用场景图。需要注意的是,图1所示仅为可以应用本公开实施例的***架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,根据该实施例的应用场景100可以包括至少一个终端设备(图中示出了三个,终端设备101、102、103)、网络104、以及服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
人力资源管理人员(以下简称,管理人员)可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。
服务器105可以是提供各种人力资源管理服务的服务器。服务器105中可以部署有决策树模型。
根据本公开的实施例,管理人员可以使用终端设备101、102、103编写评价规则,并上传到服务器105。服务器105可以根据管理人员利用终端设备101、102、103上传的评价规则创建决策树,并根据训练决策树以得到人力资源评价模型,以及利用人力资源评价模型对应岗位的工作人员在相应的人力资源评价指标上的业绩表现进行评估,并将评估结果反馈给终端设备101、102、103。
需要说明的是,本公开实施例所提供的用于人力资源评价的方法一般可以由服务器105执行。相应地,本公开实施例所提供的用于人力资源评价的装置、设备、介质及程序产品一般可以设置于服务器105中。本公开实施例所提供的用于人力资源评价的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的用于人力资源评价的装置、设备、介质及程序产品也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图4对公开实施例的用于人力资源评价的方法进行详细描述。
图2示意性示出了根据本公开实施例的用于人力资源评价的方法的流程图。
如图2所示,该实施例的用于人力资源评价的方法可以包括操作S210~操作S240。
首先在操作S210,设置至少一个评价规则,每个所述评价规则用于表示一个岗位的履职行为数据与一个人力资源评价指标之间的映射关系。
然后在操作S220,基于每个所述评价规则,构建一个决策树。
本公开实施例中的人力资源评价指标可以是用于衡量工作人员在工作中任意一个维度的业绩表现的指标,例如工作贡献度指标、薪酬成本指标、责任担当指标等。其中,工作贡献度指标用于衡量工作人员在一段时间内对所在岗位的工作的产出贡献。薪酬成本指标用于衡量在一段时间内对某个岗位的工作人员投入的成本。责任担当指标用于衡量工作人员在一段时间内对所在岗位的工作的尽职程度等。
根据本公开的实施例,管理人员可以通过终端设备101、102、103来设置一段时期内某个岗位对应某个人力资源评价指标的评价规则。
评价规则可以包含定量与定性两部分。评价规则中可以包括用于定量评价的履职行为数据的组成、每项工作数据的来源、每项工作的工作量在该人力资源评价指标计算过程中的计算规则(或者计算方式)。同时,评价规则中也可以包括用于定性评价的各类信息的评价人员、每项工作的定性评价在该人力资源评价指标计算过程中的计算规则(或者计算表达式)。
例如,X1、X2...Xk分别代表某岗位的履职行为数据,在评价规则中属于影响人力资源评价指标的自变量,β1、β2...βk代表自变量对因变量Y(即,人力资源评价指标)的影响程度,自变量对因变量的影响可以是线性的,也可以是非线性的。从而,在一些实施例中,评价规则可以通过线性表达式或非线性表达式来表示。
评价规则的表达式或参数可根据行业内通用模型与历史数据、企业人力资源历史数据,实现参数的灵活性、定制化配置。例如,在一个实施例中可以以公式(1)来表示一个评价规则。
当然,可以理解公式(1)仅为一种示例。实际中可以根据不同岗位的业务特点,对人力资源评价指标推荐不同算法。例如,下文表1a~表1c中示例性示例出了对业务架构师按照某个人力资源评价指标(例如,工作贡献度)进行评估时的评价规则,其中,该评价规则与公式(1)不同。此处需要说明的是,表1a~表1c为一个整体,本文中为了示意清晰起见拆分成三个表格来展示,其整体示意了对业务架构师按照工作贡献度这一人力资源评价指标进行评估的评价规则。
参考表1a~表1c,其中示例性业务架构师的履职行为数据X1、X2...Xk的来源,以及评价规则中的影响程度参数β1、β2...βk的设置。其中,在表1a~表1c中对于业务架构师进行工作贡献度指标评估时,可以根据对业务架构师的工作内容划分不同层级,进行分层级评价。并且在每一层级中评估业务架构师的工作贡献度时可以采用绝对值评价法、阶梯评价法等多种算法来设置评价规则。其中,表1a~表1c计算算法方法一列中A表示绝对值评价法,S表示阶梯评价法。
例如,在表1a中已录入的业务架构师各项工作计算规则,自动识别各层级下的所有工作项及原始数据,为其匹配计算方法,得到对应的自变量取值。例如,识别出学习及培训为第一层级工作项,其对应的第二层级工作项包括学习和考试两项。设置学习的计算规则为课时>50,为满分8分;否则为0分。从而,推荐采用绝对值评价法,得到学习工作项取值为X11,第二层级的指标计算式为a11*X11。以此类推,得到各个层级的指标计算式。
从而根据表1a~表1c,对业务架构师按照工作贡献度指标进行评价时的评价规则可以表示为公式(2):
接下来在操作S230,以历史数据中一个评价规则所涉及的岗位的履职行为数据作为样本数据,并以历史数据中该评价规则所涉及的人力资源评价指标作为样本数据的标签,训练决策树,以得到人力资源评价模型。
例如,可以根据表1a~表1c中各个层级的工作项来获取大量业务架构师在某段时间内的X11、X12、X311等的值,从而得到大量样本数据,并以每个业务架构师在该段时间内的对应的工作贡献度指标的值作为对应的样本数据的标签来训练决策树,从而可以得到对业务架构师的工作贡献度进行评价的人力资源评价模型。
表1a
表1b
表1c
根据本公开实施例,可以根据评价规则自动实现履职行为数据的获取。例如,定量数据方面,可以通过与各类信息***的API接口,实时获取履职行为数据中的各项原始数据;定性数据方面,可以自动提醒管理人员对工作人员的工作进行定性评价,进而抓取实时阶梯式评价数据。
在训练决策树时,可以通过对行业通用历史数据与企业人力资源历史数据(包括工作类型、工作子项、每项工作定量数据、每项工作定性评价数据,可根据评价规则对原始历史数据进行抓取与分类统计)进行特征抽取及数据清洗,然后对决策树(例如GBDT梯度增强决策树)进行重复训练与迭代修正,并使用准确率作为标准,来评价模型训练效果。其中,抓取的历史数据中,可以每次随机抽取80%数据作为训练集,剩余20%数据作为验证集。通过GBDT梯度增强决策树对决策树进行训练,以得到对对应岗位中的工作人员按照相应的人力资源评价指标进行评价的人力资源评价模型。
最后在操作S240,利用人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现。
根据本公开的实施例,针对不同的岗位同一人力资源评价指标,可以设置不同的评价规则(例如,履职行为数据的内容或来源不同,或者评价规则的算法不同),从而可以单独训练对应的人力资源评价模型。以此实现对不同岗位的人力资源评价的针对性和智能化。
或者,针对同一岗位不同人力资源评价指标,也可以设置不同评价规则,相应地也可以构建不同的决策树进行训练。在这种情况下,在一个实施例中,当N个评价规则分别用于表示同一岗位的履职行为数据与N个人力资源评价指标的映射关系时,可以设置N个评价规则中履职行为数据相同但算法不同,其中,N为大于或等于2的整数。这样,可以便于履职行为数据的共享,减少原始数据的重复收集,提高原始数据的使用效率。
图3示意性示出了根据本公开实施例的针对同一岗位不同人力资源评价指标构建的不同决策树的示意图。
如图3所示,针对同一岗位不同人力资源评价指标构建不同的决策树时,当该同一岗位对应于不同人力资源评价指标的评价规则中履职行为数据相同时,所构建的不同决策树可以共享输入数据。例如图3中可以利用决策树1和决策树2分别处理同一个工作人员的履职行为数据,来分别得到该工作人员的工作贡献度指标和薪酬成本指标。
通过共享输入数据,决策树1和决策述2在训练阶段、以及训练完成后(即,作为相应的人力资源评价模型)在预测阶段所使用的输入数据的利用率提高,提高人力资源评价的效率。
图4示意性示出了根据本公开实施例的操作S240中利用人力资源评价模型评估对应岗位上的工作人员的人力资源评价指标的流程图。
如图4所示,根据本公开实施例操作S240可以包括操作S401~操作S403。
在操作S401,基于与人力资源评价模型对应的评价规则所涉及的岗位的履职行为数据,获取第一工作人员的第一履职行为数据。例如,当第一工作人员为业务架构师时,可以按照表1a~1c来获取各个层级工作项的取值。
在操作S402,利用人力资源评价模型处理第一履职行为数据,输出第一工作人员在相应的人力资源评价指标上的第一指标值。
可以实时对新的履职行为数据进行分析,结合最新得到的的一个或多个人力资源评价模型,评估第一工作人员在相应的一个或多个人力资源评价指标中的指标值。此外,可以将人力资源评价模型的输出结果动态展现,并且为管理人员配备实时查询权限。
更进一步地可以在操作S403,基于管理人员对第一指标值的调整或确认,输出第一工作人员在相应人力资源评价指标上的最终值。管理人员可以实时对工作人员的人力资源评价指标值进行手工调整与确认,然后输出人员当期的人力资源评价指标的最终值,作为工作绩效。
根据本公开的实施例,还可以在操作S403之后将第一履职行为数据合并到样本数据中,并以上述人力资源评价指标的最终值作为第一履职行为数据的标签,参与对决策树的训练。从而将手工调整与确认后的数据将作为历史数据进一步重复训练与迭代修正人力资源评价模型,形成流程闭环。
基于上述各个实施例所描述的用于人力资源评价的方法,本公开还提供了一种用于人力资源评价的装置。以下将结合图5和图6对该装置进行详细描述。
图5示意性示出了根据本公开实施例的用于人力资源评价的装置500的框图。
如图5所示,根据本公开一些实施例,该用于人力资源评价的装置500可以包括评价规则录入和调整模块510、以及数据分析与智能算法模块520。其中,数据分析与智能算法模块520包括决策树构建子模块521、训练子模块522以及评价子模块523。根据本公开另一些实施例,该装置500还可以进一步包括数据采集与抓取模块530、和/或查询与管理模块540。
评价规则录入和调整模块510用于设置至少一个评价规则,每个评价规则用于表示一个岗位的履职行为数据与一个人力资源评价指标之间的映射关系。在一个实施例中,评价规则录入和调整模块510例如可以用于执行操作S210。
决策树构建子模块521用于基于每个评价规则,构建一个决策树。在一个实施例中,决策树构建子模块521可以用于执行操作S220。
训练子模块522用于以历史数据中评价规则所涉及的岗位的履职行为数据作为样本数据,并以历史数据中评价规则所涉及的人力资源评价指标作为样本数据的标签,训练决策树,以得到人力资源评价模型。在一个实施例中,训练子模块522可以用于执行操作S230。
评价子模块523用于利用人力资源评价模型评估对应的岗位上的工作人员相应的人力资源评价指标上的表现。在一个实施例中,评价子模块523可以用于执行操作S240.
数据采集与抓取模块530用于基于与人力资源评价模型对应的的评价规则中涉及的岗位的履职行为数据,获取第一工作人员的第一履职行为数据。相应地,评价子模块523还用于利用人力资源评价模型处理第一履职行为数据,输出第一工作人员在人力资源评价模型对应的人力资源评价指标上的第一指标值。在一个实施例中,数据采集与抓取模块530可以用于执行操作S401,相应地评价子模块523可以用于执行操作S402。
查询管理模块540用于基于管理人员对第一指标值的调整或确认,输出人力资源评价指标的最终值。在一个实施例中,查询管理模块540可以用于执行操作S403。
此外,训练子模块522还用于将第一履职行为数据合并到样本数据中,并以最终值作为第一履职行为数据的标签,参与对决策树的训练。
根据本公开的实施例,该装置500可以用于实现参考图2~图4所描述的方法,具体参考前文描述,此处不再赘述。
根据本公开的实施例,评价规则录入和调整模块510、数据分析与智能算法模块520、数据采集与抓取模块530或查询与管理模块540中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,评价规则录入和调整模块510、数据分析与智能算法模块520、数据采集与抓取模块530或查询与管理模块540中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,评价规则录入和调整模块510、数据分析与智能算法模块520、数据采集与抓取模块530或查询与管理模块540中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图6示意性示出了根据本公开另一实施例的用于人力资源评价的装置600逻辑结构图。
如图6所示,该用于人力资源评价的装置600的逻辑结构可以分为规则管理、数据处理、以及信息输出三大部分。其中,评价规则录入与调整模块610和查询与管理模块640用于规则管理。数据采集与抓取模块630和数据分析与智能算法模块620用于数据处理。工作绩效输出模块650用于信息输出。该装置600为装置500的一个具体实施例,其中,评价规则录入与调整模块610、数据分析与智能算法模块620、数据采集与抓取模块630和查询与管理模块640分别对应为为评价规则录入和调整模块510、数据分析与智能算法模块520、数据采集与抓取模块530和查询与管理模块540的具体实施例。
表2详细描述了装置600中各个模块的输入、输出、以及处理逻辑,其中,以人力资源评价指标为工作贡献度指标为例示例说明。
表2 各模块详情说明
装置600的工作流程包括:评价规则录入与调整模块640确定人力资源评价规则,数据采集与抓取模块630获取工作贡献原始数据,数据分析与智能算法模块620训练人力资源评价模型及计算人力资源评价指标,工作绩效输出模块650输出人员工作绩效。
以下从该装置600的实际工作示例进行功能与流程上的梳理,可更加清晰地看到该装置600的流程处理的过程。
管理人员确定本时期内对某一个岗位的工作贡献度指标评价规则,调用评价规则录入与调整模块610。
获取计算工作贡献度的原始数据(即,履职行为数据),调用数据采集与抓取模块630;
调用数据分析与智能算法模块620,根据历史数据通过GBDT梯度增强决策树对基于评价规则构建的决策树进行训练,并运用训练得到的人力资源评价模型计算企业外聘人员与内部人员的人力资源评价指标。
数据分析与智能算法模块620该模块也可实现对模型偏误ε(例如,参见公式(1))的修距;依托于存量绩效数据对模型整体进行纠偏与修正。
管理人员可实时查询计算结果,并根据实际情况手工调整与确认员工工作贡献与绩效结果,调用查询与管理模块640;
装置600输出人员的年度或季度工作绩效,调用工作绩效输出模块650。
下面结合表1a~表1c通过如何对企业内跨部门业务架构师的工作贡献度和薪酬成本开展评价这一典型示例,来进一步说明装置600中各模块在实际中的处理逻辑。
首先人力资源部门根据业务架构师的年度工作目标与重点工作任务分解业务架构师子目标(如资产构建、资产应用、原创价值输出、架构落地),每项子目标均设有定性评价标准与定量指标评价规则,并明确定性与定量工作贡献比例。人力资源管理人员在评价规则录入与调整模块610对该规则进行录入。若在本工作周期内,评价规则发生变化,也可在该评价规则录入与调整模块610对评价规则进行调整。
然后装置600根据分解的工作子任务,通过API接口与关联工作***发生交互,获取与各项子任务相关的工作贡献原始数据(即,履职行为数据)。如资产应用工作子任务中,数据采集与抓取模块630通过联动业务研发管理***,获取业务架构师在立项、需求方案评审、需求移交时对业务架构分析进行审批的数据信息;数据采集与抓取模块630自动提醒管理人员对业务架构师的资产应用工作进行定性评价,获取实时阶梯式评价数据。
然后,数据分析和智能算法模块620通过对行业通用历史数据与企业人力资源历史数据(包括工作类型、工作子项、每项工作定量数据、每项工作定性评价数据,可根据人力资源评价规则对原始历史数据进行抓取与分类统计)进行特征抽取以及及数据清洗,通过GBDT梯度增强决策树对基于评价规则建立的初始模型进行重复训练与迭代修正,并使用准确率作为标准,得到人力资源评价模。其中,当需要分别评估业务架构师的工作贡献度和薪酬成本时,可以通过数据分析和智能算法模块620训练两个决策树,这两个决策树可以共享输入的履职行为数据,并可以在一个界面中向人力资源管理人员同时展示业务架构师的工作贡献度和薪酬成本。
装置600还可以对新的原始数据进行分析,根据已录入的评价规则,结合最新的人力资源评价模型,实时计算、动态展现业务架构师的工作贡献度与薪酬成本评估。
装置600中,根据评价规则中设定的参数或依据工作类型推荐参数构建决策树,通过GBDT算法对各层级工作贡献进行计算,参数也支持管理人员实时调整、灵活匹配,实现对工作贡献的定制化计量。
人力资源评价模型的输出经管理人员进行调整与确认,例如装置600可以每季末或年末输出业务架构师的工作贡献度或薪酬成本。管理人员可依据绩效分配情况,对周期初始时设定的评价规则进行审视,以此调整下周期的评价规则。同时,各周期工作贡献与绩效结果将作为存量数据,结合管理人员调整的情况,对算法模型进行持续训练与修正。例如,某项工作的贡献度管理人员经过手工调整的次数、调整幅度、工作类型等均作为训练模型的输入要素,为新的算法模型提供准确性。
以此方式,装置600可以利用实时工作贡献定量数据和实时阶梯式评价数据(例如,定性评价数据),通过机器学习技术对历史数据进行算法模型的训练与修正迭代,进而实现人力资源贡献度和/或薪酬成本的实时计算,并可结合工作贡献度和薪酬成本核算机制实时计算外部人员与内部人员的绩效成本。从而可以实时、动态展现人员工作贡献与绩效成本,支持管理人员实时查询绩效计算结果。在工作周期结束时,还支持结合传统管理评价体系,输出人员的年度或季度工作绩效。
从而,装置600可以作为企业内外包技术人员和跨部门矩阵管理团队成员的绩效评价工具使用,不再完全依赖手工评价与静态的定量统计等传统人力资源评价模式,提升了大型企业的人资资源评价效率。
图7示意性示出了适于实现根据本公开实施例的用于人力资源评价的方法的电子设备的方框图。
如图7所示,根据本公开实施例的电子设备700包括处理器701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 703中,存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备700还可以包括输入/输出(I/O)接口705,输入/输出(I/O)接口705也连接至总线704。电子设备700还可以包括连接至I/O接口705的以下部件中的一项或多项:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/***中所包含的;也可以是单独存在,而未装配入该设备/装置/***中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机***中运行时,该程序代码用于使计算机***实现本公开实施例所提供的方法。
在该计算机程序被处理器701执行时执行本公开实施例的***/装置中限定的上述功能。根据本公开的实施例,上文描述的***、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分709被下载和安装,和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时,执行本公开实施例的***中限定的上述功能。根据本公开的实施例,上文描述的***、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种用于人力资源评价的方法,包括:
设置至少一个评价规则,每个所述评价规则用于表示一个岗位的履职行为数据与一个人力资源评价指标之间的映射关系;
基于每个所述评价规则,构建一个决策树;
以历史数据中所述评价规则所涉及的岗位的所述履职行为数据作为样本数据,并以所述历史数据中所述评价规则所涉及的人力资源评价指标作为所述样本数据的标签,训练所述决策树,以得到人力资源评价模型;以及
利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现。
2.根据权利要求1所述的方法,其中,所述设置至少一个评价规则包括:
当N个所述评价规则分别用于表示同一岗位的所述履职行为数据与N个人力资源评价指标的映射关系时,设置N个所述评价规则中所述履职行为数据相同但算法不同,其中,N为大于或等于2的整数。
3.根据权利要求2所述的方法,其中,所述基于每个所述评价规则,构建一个决策树包括:
基于N个所述评价规则构建N个决策树,其中,N个所述决策树共享输入数据。
4.根据权利要求2所述的方法,其中,所述N个人力资源评价指标包括工作贡献度指标和薪酬成本指标。
5.根据权利要求1~4中任一项所述的方法,其中,所述利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现包括:
基于与所述人力资源评价模型对应的所述评价规则所涉及的岗位的所述履职行为数据,获取第一工作人员的第一履职行为数据;以及
利用所述人力资源评价模型处理所述第一履职行为数据,输出所述第一工作人员在相应的人力资源评价指标上的第一指标值。
6.根据权利要求5所述的方法,其中,所述利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现还包括:
基于管理人员对所述第一指标值的调整或确认,输出所述第一工作人员在相应的人力资源评价指标的最终值。
7.根据权利要求6所述的方法,其中,所述方法还包括:
将所述第一履职行为数据合并到所述样本数据中,并以所述最终值作为所述第一履职行为数据的标签,参与对所述决策树的训练。
8.一种用于人力资源评价的装置,包括:
评价规则录入和调整模块,用于设置至少一个评价规则,每个所述评价规则用于表示一个岗位的履职行为数据与一个人力资源评价指标之间的映射关系;
数据分析与智能算法模块,包括:
决策树构建子模块,用于基于每个所述评价规则,构建一个决策树;
训练子模块,用于以历史数据中所述评价规则所涉及的岗位的所述履职行为数据作为样本数据,并以所述历史数据中所述评价规则所涉及的人力资源评价指标作为所述样本数据的标签,训练所述决策树,以得到人力资源评价模型;以及
评价子模块,用于利用所述人力资源评价模型评估对应的岗位上的工作人员在相应的人力资源评价指标上的表现。
9.一种电子设备,包括:
一个或多个处理器;
一个或多个存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111279738.2A CN113962664A (zh) | 2021-10-29 | 2021-10-29 | 用于人力资源评价的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111279738.2A CN113962664A (zh) | 2021-10-29 | 2021-10-29 | 用于人力资源评价的方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113962664A true CN113962664A (zh) | 2022-01-21 |
Family
ID=79468645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111279738.2A Pending CN113962664A (zh) | 2021-10-29 | 2021-10-29 | 用于人力资源评价的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962664A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307340A (zh) * | 2022-11-28 | 2023-06-23 | 广州合道信息科技有限公司 | 岗位匹配的管理平台、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825339A (zh) * | 2016-03-18 | 2016-08-03 | 广州铭诚计算机科技有限公司 | 一种基于大数据的人力资源管理方法 |
CN107146034A (zh) * | 2017-05-18 | 2017-09-08 | 国网上海市电力公司 | 一种岗位胜任素质测评方法 |
CN110826985A (zh) * | 2019-10-22 | 2020-02-21 | 国网辽宁省电力有限公司抚顺供电公司 | 人力资源辅助决策*** |
CN110929797A (zh) * | 2019-11-28 | 2020-03-27 | 四川大汇大数据服务有限公司 | 一种人员能力量化评估方法 |
CN112232724A (zh) * | 2020-12-17 | 2021-01-15 | 平安科技(深圳)有限公司 | 用于人员能力的量化评测方法、***、设备和存储介质 |
CN113205319A (zh) * | 2021-05-28 | 2021-08-03 | 中国工商银行股份有限公司 | 人力资源分配方法及装置 |
-
2021
- 2021-10-29 CN CN202111279738.2A patent/CN113962664A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105825339A (zh) * | 2016-03-18 | 2016-08-03 | 广州铭诚计算机科技有限公司 | 一种基于大数据的人力资源管理方法 |
CN107146034A (zh) * | 2017-05-18 | 2017-09-08 | 国网上海市电力公司 | 一种岗位胜任素质测评方法 |
CN110826985A (zh) * | 2019-10-22 | 2020-02-21 | 国网辽宁省电力有限公司抚顺供电公司 | 人力资源辅助决策*** |
CN110929797A (zh) * | 2019-11-28 | 2020-03-27 | 四川大汇大数据服务有限公司 | 一种人员能力量化评估方法 |
CN112232724A (zh) * | 2020-12-17 | 2021-01-15 | 平安科技(深圳)有限公司 | 用于人员能力的量化评测方法、***、设备和存储介质 |
CN113205319A (zh) * | 2021-05-28 | 2021-08-03 | 中国工商银行股份有限公司 | 人力资源分配方法及装置 |
Non-Patent Citations (1)
Title |
---|
武雅丽 等: "电网企业人力资源贡献度评价探索与实践", 《企业管理》, vol. 2, 15 December 2018 (2018-12-15), pages 18 - 19 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307340A (zh) * | 2022-11-28 | 2023-06-23 | 广州合道信息科技有限公司 | 岗位匹配的管理平台、电子设备及存储介质 |
CN116307340B (zh) * | 2022-11-28 | 2023-11-14 | 广州合道信息科技有限公司 | 岗位匹配的管理平台、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Komarova et al. | Organisational educational systems and intelligence business systems in entrepreneurship education | |
Pantea et al. | Economic determinants of Romanian firms’ financial performance | |
Asif | Determining improvement needs in higher education benchmarking | |
US20130132321A1 (en) | General market prediction using position specification language | |
Gabryelczyk | Does grade level matter for the assessment of business process management maturity? | |
Sharma et al. | A Comparison of software cost estimation methods: A Survey | |
Khan et al. | Factors affecting organizations adopting human resource information systems: a study in Bangladesh | |
Korde et al. | State-of-the-art review of construction performance models and factors | |
Pal et al. | An empirical study on the financial health of the main steel producing segment in India: application of factor analysis and multiple regression analysis | |
CN110599041A (zh) | 基于人工智能技术的企业目标管理方法、云端及*** | |
CN113962664A (zh) | 用于人力资源评价的方法、装置、设备及介质 | |
Lykholat et al. | Labour Market of Ukraine in the Conditions of Intensification of Migration Population Processes | |
Nowak et al. | Customized software to streamline routine analyses for wildlife management | |
Töhönen et al. | Evaluating the business value of information technology: Case study on game management system | |
Naala et al. | Exploring the effect of entrepreneurial social network on human capital and the performance of small and medium enterprises | |
Drakoulogkonas et al. | A comparative analysis methodology for process mining software tools | |
Dumitriu | Modelling and simulation software solutions as a premise for enhancing processes’ quality and business overall value | |
Ghilic-Micu et al. | The audit of business intelligence solutions | |
Kwon et al. | Key factors on software reuse of e-Government common framework | |
Lazareva | Estimating development time and complexity of programs | |
Bień-Barkowska | Extension and verification of the asymmetric autoregressive conditional duration models | |
Dumitrascu et al. | Project costs and risks estimation regarding quality management system implementation | |
Sungau et al. | The Influence of Business Process re-engineering on Service Quality: Evidence from Service Industry in Tanzania | |
Kyzym et al. | Research on Problems of Development of Science under Conditions of Adapting to the Digitalization of the Economy | |
Muhos et al. | Growth Management of Digital Health Care Service Start-Ups-California Case Studies |
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 |