CN117408660A - 一种基于大数据的人力资源数据服务管理*** - Google Patents

一种基于大数据的人力资源数据服务管理*** Download PDF

Info

Publication number
CN117408660A
CN117408660A CN202311724268.5A CN202311724268A CN117408660A CN 117408660 A CN117408660 A CN 117408660A CN 202311724268 A CN202311724268 A CN 202311724268A CN 117408660 A CN117408660 A CN 117408660A
Authority
CN
China
Prior art keywords
job
punishment
rate
level
leaving
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
Application number
CN202311724268.5A
Other languages
English (en)
Inventor
肖增杰
岳永杰
刘国伟
丁桂玲
王聍若
王超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Suojia Information Technology Co ltd
Shandong Zhuoyue Cloud Outsourcing Service Co ltd
Shandong Outstanding Talent Development Group Co ltd
Original Assignee
Shandong Suojia Information Technology Co ltd
Shandong Zhuoyue Cloud Outsourcing Service Co ltd
Shandong Outstanding Talent Development Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Suojia Information Technology Co ltd, Shandong Zhuoyue Cloud Outsourcing Service Co ltd, Shandong Outstanding Talent Development Group Co ltd filed Critical Shandong Suojia Information Technology Co ltd
Priority to CN202311724268.5A priority Critical patent/CN117408660A/zh
Publication of CN117408660A publication Critical patent/CN117408660A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1091—Recording time for administrative or management purposes
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting
    • G06Q40/125—Finance or payroll
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G06Q50/2057—Career enhancement or continuing education service

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Educational Technology (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Technology Law (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及行政管理技术领域，本发明公开了一种基于大数据的人力资源数据服务管理***；基于人力资源综合数据，计算潜在离职率，判定是否生成处于消极状态提示，对处于消极状态的潜在离职率，生成一级离职级别或二级离职级别，根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令；相对于现有技术，本发明可以对存在离职概率的员工进行及时的预警提示，根据离职级别的高低，可以对不同离职概率的员工起到针对性的安抚应对措施，确保人力资源部门可以根据员工自己情况进行适应性的调整，降低企业员工的离职率，进而确保企业人力资源部门对人力资源数据的高效管理效果。

Description

一种基于大数据的人力资源数据服务管理***
技术领域
本发明涉及行政管理技术领域，更具体地说，本发明涉及一种基于大数据的人力资源数据服务管理***。
背景技术
人力资源数据服务管理***基于大数据分析和人工智能技术，旨在帮助企业更好地管理和优化人力资源，提高员工的工作满意度，当企业内员工数量较多时，离职的人数也会增加，当过多的人数出现离职时，会对企业的正常生产造成负面影响，为了避免出现过多员工离职的现象，需要对员工的人力资源数据进行管理，并分析已离职员工的离职原因以及未离职员工可能的离职概率。
申请公开号为CN113642977A的中国专利公开了一种企业人力资源综合管控***和方法，可以对企业员工以及离职员工进行实时更新，对比离职员工的原因，及时的了解离职原因节点所在，从而及时的做出相应调整，根据原因对潜在风险进行及时整改，从而增加员工留存率，同时，完善企业机制，使得企业能够得到更好的发展；
现有技术存在以下不足：
现有的人力资源数据管理***通常根据员工历史的自身数据，结合人力资源部门的统计工作数据对员工的离职概率进行主观判断，使得员工离职概率的判断准确性不高，并且在判断出员工可能出现离职情况时，无法根据不同员工的自身情况，制定适应性的安抚措施对员工进行安抚处理，从而无法有效的降低员工的离职概率，进而容易发生员工大量离职的现象，降低了人力资源数据的管理效率，增大了企业的经济损失。
鉴于此，本发明提出一种基于大数据的人力资源数据服务管理***以解决上述问题。
发明内容
为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种基于大数据的人力资源数据服务管理***，应用于人力资源服务器，***包括：
数据采集模块，用于采集企业员工的人力资源综合数据；
状态提示模块，用于基于人力资源综合数据，计算潜在离职率，根据潜在离职率，判定是否生成处于消极状态提示；
级别分析模块，用于对处于消极状态的潜在离职率，生成潜在离职级别；潜在离职级别包括一级离职级别和二级离职级别；
员工安抚模块，用于根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令。
进一步的，人力资源综合数据包括薪资周期增长率、质检优秀率、有效工作值和惩戒消极率；
薪资周期增长率的获取方法包括：
通过企业薪资数据库获取员工在过往个薪资发放周期的实发薪资；
将第个薪资发放周期的实发薪资与第/>个薪资发放周期的实发薪资差值比较，获得/>个薪资差值；
薪资差值的表达式为：
；
式中，为第/>个薪资差值，/>为第/>个薪资发放周期的实发薪资，为第/>个薪资发放周期的实发薪资；
将个薪资差值累加后求平均，获得差值均值；
差值均值的表达式为：
；
式中，为差值均值，/>为第/>个薪资差值；
将大于差值均值的个薪资差值累加后求平均，/>小于/>，获得子薪资；
子薪资的表达式为：
；
式中，为子薪资，/>为第/>个薪资差值；
将子薪资与差值均值进行比较，获得薪资周期增长率；
薪资周期增长率的表达式为：
；
式中，为薪资周期增长率。
进一步的，质检优秀率的获取方法包括：
通过企业产品数据库获得员工过往个生产周期的报废品数量、半成品数量和成品数量，并累加后获得/>个产品占用值；
产品占用值的表达式为：
；
式中，为第/>个生产周期的产品占用值，/>为第/>个生产周期的报废品数量，/>为第/>个生产周期的半成品数量，/>为第/>个生产周期的成品数量；
将个成品数量中通过质检的产品标记为优秀产品，并统计优秀产品的数量，获得/>个优秀产品值；
将个优秀产品值逐一与对应的/>个产品占用值比较，获得/>个子优秀率；
子优秀率的表达式为：
；
式中，为第/>个子优秀率，/>为第/>个优秀产品值；
将个子优秀率累加后求平均，获得质检优秀率；
质检优秀率的表达式为：
；
式中，为质检优秀率，/>为第/>个子优秀率。
进一步的，有效工作值的获取方法包括：
通过考勤统计数据库获取个工作月的应出勤天数，标注出勤天数的日期和缺勤天数的日期；
将出勤天数的日期和缺勤天数对应的日期升序排列，获得个出勤排列表；
在出勤排列表中标记连续出勤天数的数量，将大于等于预设天数阈值的连续出勤天数记为有效出勤天数；
遍历个出勤排列表，将/>个出勤排列表内所有的有效出勤天数累加后与应出勤天数比较，获得/>个子工作值；
子工作值的表达式为：
；
式中，为第/>个子工作值，/>为第/>个出勤排列表的有效出勤天数，为第/>个出勤排列表的应出勤天数；
去掉子工作值的最大值和最小值，将个子工作值累加后求平均，获得有效工作值；
有效工作值的表达式为：
；
式中，为有效工作值，/>为第/>个子工作值。
进一步的，惩戒消极率的获取方法包括：
通过企业奖惩数据库查询个受到惩戒措施的日期，并标记惩戒间隔值；
将个惩戒间隔值累加后求平均，获得惩戒间隔均值；
惩戒间隔均值的表达式为：
；
式中，为惩戒间隔均值，/>为第/>个惩戒间隔值；
将小于惩戒间隔均值的个惩戒间隔值记为目标间隔值，/>小于/>；
统计个目标间隔值对应的惩戒间隔天数，并与/>个目标间隔值对应的惩戒次数比较，获得惩戒消极率；
惩戒消极率的表达式为：
；
式中，为惩戒消极率，/>为/>个目标间隔值对应的惩戒次数，通过企业奖惩数据库获取，/>为/>个目标间隔值对应的第/>个惩戒间隔天数。
进一步的，潜在离职率的表达式为为：
；
式中，为潜在离职率，/>、/>、/>、/>为权重因子，/>为自然常数；
是否生成处于消极状态提示的判定方法包括：
将潜在离职率与预设的潜在离职阈值对比分析；
当小于/>时，判定不生成处于消极状态提示；
当大于等于/>时，判定生成处于消极状态提示。
进一步的，一级离职级别和二级离职级别的生成方法包括：
将处于消极状态的员工的潜在离职率与预设的离职级别阈值/>对比，大于/>；
当小于等于/>时，生成一级离职级别；
当大于/>时，生成二级离职级别。
进一步的，一级安抚指令包括依次增加薪资收入指令、降低惩戒次数指令和增加培训时长指令；
优先级为：增加薪资收入指令的优先级高于降低惩戒次数指令的优先级，降低惩戒次数指令的优先级高于增加培训时长指令的优先级；
依次增加薪资收入指令、降低惩戒次数指令和增加培训时长指令的生成方法包括：
预设增加薪资收入的最大值、降低惩戒次数的最小值和增加培训时长的最大值；
当潜在离职级别为一级离职级别时，首先生成增加薪资收入指令，直至员工对应的潜在离职率不生成处于消极状态提示；
当潜在离职级别为一级离职级别，且增加薪资收入达到最大值时，然后生成降低惩戒次数指令，直至员工对应的潜在离职率不生成处于消极状态提示；
当潜在离职级别为一级离职级别，且增加薪资收入达到最大值以及降低惩戒次数达到最小值时，最后生成增加培训时长指令，直至员工对应的潜在离职率不生成处于消极状态提示。
进一步的，二级安抚指令包括同时增加薪资收入指令、降低惩戒次数指令和增加培训时长指令；
同时增加薪资收入指令、降低惩戒次数指令和增加培训时长指令的生成方法包括：
当潜在离职级别为二级离职级别时，同时生成增加薪资收入指令、降低惩戒次数指令和增加培训时长指令，直至潜在离职级别为一级离职级别；
当潜在离职级别为一级离职级别时，生成一级安抚指令，直至员工对应的潜在离职率不生成处于消极状态提示。
一种基于大数据的人力资源数据服务管理方法，应用于人力资源服务器，基于所述的一种基于大数据的人力资源数据服务管理***实现，其特征在于，方法包括：
S1：采集企业员工的人力资源综合数据；
S2：基于人力资源综合数据，计算潜在离职率，根据潜在离职率，判定是否生成处于消极状态提示；若生成处于消极状态提示，执行S3-S4；若不生成处于消极状态提示，重复执行S2；
S3：对处于消极状态的潜在离职率，生成潜在离职级别；潜在离职级别包括一级离职级别和二级离职级别；
S4：根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令。
本发明一种基于大数据的人力资源数据服务管理***的技术效果和优点：
本发明通过采集企业员工的人力资源综合数据，可以计算出员工的潜在离职率，并根据潜在离职率，判定是否生成处于消极状态提示，对处于消极状态的潜在离职率，生成一级离职级别和二级离职级别，并根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令，对员工进行安抚，降低员工的离职概率；相对于现有技术，可以对存在离职概率的员工进行及时的预警提示，并根据员工的潜在离职率对离职级别进行划分，同时根据离职级别的高低，生成相适应的员工安抚措施，进而可以对不同离职概率的员工起到针对性的安抚应对措施，确保人力资源部门可以根据员工自己情况进行适应性的调整，降低企业员工的离职率，进而确保企业人力资源部门对人力资源数据的高效管理效果，避免了员工不明原因离职的现象，也降低了企业的不必要损失。
附图说明
图1为本发明实施例1提供的一种基于大数据的人力资源数据服务管理***的示意图；
图2为本发明实施例2提供的一种基于大数据的人力资源数据服务管理方法的流程示意图。
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。
实施例1：请参阅图1所示，本实施例所述一种基于大数据的人力资源数据服务管理***，应用于人力资源服务器，***包括：
数据采集模块，采集企业员工的人力资源综合数据；
人力资源综合数据是指可以影响员工的工作状态，并对员工是否发生离职现象起到决定性影响的综合参数，通过采集员工综合参数，可以对员工的工作状态和离职概率进行判断；
人力资源综合数据包括薪资周期增长率、质检优秀率、有效工作值和惩戒消极率；
薪资周期增长率是指员工在过往连续周期内薪资的增长变化速率，能够反映员工在过往周期内的实际收入情况，当薪资周期增长率越大时，表明员工在过往周期内的实际收入在逐渐增多，则员工的工作状态会越积极，离职的概率越小；
薪资周期增长率的获取方法包括：
通过企业薪资数据库获取员工在过往个薪资发放周期的实发薪资；薪资发放周期是指企业向员工一次发放薪资的时间间隔，通常情况下，一个薪资发放周期为一个月，需要说明的是，不同企业也可以根据实际情况，缩短一次发放薪资的时间间隔；
将第个薪资发放周期的实发薪资与第/>个薪资发放周期的实发薪资差值比较，获得/>个薪资差值；
薪资差值的表达式为：
；
式中，为第/>个薪资差值，/>为第/>个薪资发放周期的实发薪资，为第/>个薪资发放周期的实发薪资；
将个薪资差值累加后求平均，获得差值均值；
差值均值的表达式为：
；
式中，为差值均值，/>为第/>个薪资差值；
将大于差值均值的个薪资差值累加后求平均，/>小于/>，获得子薪资；
子薪资的表达式为：
；
式中，为子薪资，/>为第/>个薪资差值；
将子薪资与差值均值进行比较，获得薪资周期增长率；
薪资周期增长率的表达式为：
；
式中，为薪资周期增长率；
质检优秀率是指员工负责生成制造的产品通过产品质检的高质量产品数量与所耗费产品数量的比值，能够反映员工所负责生成制造的产品的实际优良等级，当质检优秀率越大时，表明员工在负责生成制造的产品质量较高，则员工的工作状态会越积极，离职的概率越小；
质检优秀率的获取方法包括：
通过企业产品数据库获得员工过往个生产周期的报废品数量、半成品数量和成品数量，并累加后获得/>个产品占用值；生产周期是指企业进行一次产品质量统计的时间间隔，通过记录一个生产周期内的相关数据，可以对员工负责生成制造的产品质量进行统计和评估，生产周期的具体数值根据企业实际情况而定，示例性的，一个生产周期可以为一天、三天或七天；
产品占用值的表达式为：
；
式中，为第/>个生产周期的产品占用值，/>为第/>个生产周期的报废品数量，/>为第/>个生产周期的半成品数量，/>为第/>个生产周期的成品数量；
将个成品数量中通过质检的产品标记为优秀产品，并统计优秀产品的数量，获得/>个优秀产品值；
将个优秀产品值逐一与对应的/>个产品占用值比较，获得/>个子优秀率；
子优秀率的表达式为：
；
式中，为第/>个子优秀率，/>为第/>个优秀产品值；
将个子优秀率累加后求平均，获得质检优秀率；
质检优秀率的表达式为：
；
式中，为质检优秀率，/>为第/>个子优秀率；
有效工作值是指员工在工作日当中实际到岗工作的时间数据，通过采集有效工作值，可以了解员工在工作日内的实际出勤情况，当有效工作值越大时，表明员工实际到岗工作的欲望越强，则员工的工作状态会越积极，离职的概率越小；
有效工作值的获取方法包括：
通过考勤统计数据库获取个工作月的应出勤天数，标注出勤天数的日期和缺勤天数的日期；
将出勤天数的日期和缺勤天数对应的日期升序排列，获得个出勤排列表；
在出勤排列表中标记连续出勤天数的数量，将大于等于预设天数阈值的连续出勤天数记为有效出勤天数；预设天数阈值是能够判断连续出勤天数是否达到企业生产要求的数值，当连续出勤天数大于等于预设天数阈值时，则员工能够在该连续出勤天数内较好的完成工作，也表明了员工积极的工作状态，预设天数阈值的具体数值通过采集历史大量的连续出勤天数对应的员工离职率后，并经过系数优化后得到的；
遍历个出勤排列表，将/>个出勤排列表内所有的有效出勤天数累加后与应出勤天数比较，获得/>个子工作值；
子工作值的表达式为：
；
式中，为第/>个子工作值，/>为第/>个出勤排列表的有效出勤天数，为第/>个出勤排列表的应出勤天数；
去掉子工作值的最大值和最小值，将个子工作值累加后求平均，获得有效工作值；
有效工作值的表达式为：
；
式中，为有效工作值，/>为第/>个子工作值；
惩戒消极率是指员工违反企业相关规章制度而受到企业惩罚措施的频率，当惩戒消极率越大，表明员工受到惩罚措施的次数越多，则员工的工作状态会越消极，离职的概率越大；
惩戒消极率的获取方法包括：
通过企业奖惩数据库查询个受到惩戒措施的日期，并标记惩戒间隔值；惩戒间隔值是指受到惩戒措施时距离上一次受到惩戒措施时的间隔天数，当惩戒间隔值越小，说明受到惩戒措施的频率越高，则员工的工作状态积极性越低，反之则相反；
将个惩戒间隔值累加后求平均，获得惩戒间隔均值；
惩戒间隔均值的表达式为：
；
式中，为惩戒间隔均值，/>为第/>个惩戒间隔值；
将小于惩戒间隔均值的个惩戒间隔值记为目标间隔值，/>小于/>；
统计个目标间隔值对应的惩戒间隔天数，并与/>个目标间隔值对应的惩戒次数比较，获得惩戒消极率；
惩戒消极率的表达式为：
；
式中，为惩戒消极率，/>为/>个目标间隔值对应的惩戒次数，通过企业奖惩数据库获取，/>为/>个目标间隔值对应的第/>个惩戒间隔天数；
状态提示模块，基于人力资源综合数据，计算潜在离职率，根据潜在离职率，判定是否生成处于消极状态提示；
潜在离职率是用于判断员工离职概率高低的数值体现，由于潜在离职率是基于人力资源综合数据生成的，所以人力资源综合数据中任意一项数据的变化都会直接影响潜在离职率的大小，当潜在离职率越大时，说明员工的工作状态越消极，则离职的概率越大；
潜在离职率的表达式为：
；
式中，为潜在离职率，/>、/>、/>、/>为权重因子，/>为自然常数；将设定的权重因子和采集的人力资源综合数据代入公式，任意四个公式构成四元一次方程组，将计算得到的权重因子进行筛选并取均值，得到/>、/>、/>、/>均的值；
另外，需要说明的是，权重因子的大小是为了将各个数据进行量化得到的一个具体的数值，便于后续比较，关于权重因子的大小，取决于人力资源综合数据的多少及本领域技术人员对每一组人力资源综合数据初步设定对应的权重因子；
是否生成处于消极状态提示的判定方法包括：
将潜在离职率与预设的潜在离职阈值对比分析；预设的潜在离职阈值是能够判断潜在离职率对应的员工的工作状态处于积极还是消极的数值，当员工的工作状态处于积极时，潜在离职率小于预设的潜在离职阈值，反之则相反，预设的潜在离职阈值通过采集历史大量的离职员工对应的潜在离职率后，经过系数优化后的到的；
当小于/>时，说明员工的潜在离职率小于预设的潜在离职阈值，员工的工作状态为积极，则判定不生成处于消极状态提示；
当大于等于/>时，说明员工的潜在离职率大于等于预设的潜在离职阈值，员工的工作状态为消极，则判定生成处于消极状态提示；
级别分析模块，对处于消极状态的潜在离职率，生成潜在离职级别；潜在离职级别包括一级离职级别和二级离职级别；
潜在离职级别是指员工处于消极状态时，根据员工的潜在离职率所对应的离职概率的可能性高低区分，当员工的潜在离职率越高时，则表明员工出现离职现象的可能性越大，为了对离职可能性的严重程度进行区分，需要对潜在离职级别进行区分；
一级离职级别对应的离职可能性小于二级离职级别对应的离职可能性，一级离职级别和二级离职级别的生成方法包括：
将处于消极状态的员工的潜在离职率与预设的离职级别阈值/>对比，大于/>；
当小于等于/>时，说明处于消极状态的员工的潜在离职率小于等于预设的离职级别阈值，此时员工的离职可能性中，则生成一级离职级别；
当大于/>时，说明处于消极状态的员工的潜在离职率大于预设的离职级别阈值，此时员工的离职可能性高，则生成二级离职级别；
员工安抚模块，根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令；
安抚指令是指对于不同的潜在离职级别，制定的不同的员工安抚措施，用于降低员工的潜在离职率，从而使得员工从处于消极状态转换至处于积极状态，减少企业员工的离职现象；
分析员工出现离职现象的原因时，导致员工潜在离职率高的原因为薪资周期增长率低、质检优秀率低、有效工作值低和惩戒消极率高，由于有效工作值为员工个人行为导致，受到家庭影响、个人健康和随机因素影响，使得针对有效工作值的安抚措施无法实际应用，因此，需要对薪资周期增长率低、质检优秀率低和惩戒消极率高的现象进行应对，应对措施分别为增加薪资收入、降低惩戒次数和增加培训时长，并根据潜在离职级别的不同，依次选择其中措施应用或同时选择其中几项措施应用；
一级安抚指令包括依次增加薪资收入指令、降低惩戒次数指令和增加培训时长指令；
增加薪资收入指令、降低惩戒次数指令和增加培训时长指令在生成时需要按照优先级进行生成，由于增加薪资收入指令能够快速且直观的反映员工实际收入的多少，对于安抚员工具有直接的影响，因此，增加薪资收入指令的优先级最高，增加培训时长指令需要通过一定的时间对员工的技能进行培训，从而提高员工产品质检优秀率，其无法直接且短时间的达到安抚员工效果，因此，增加培训时长指令的优先级最低；
综上所述，优先级为：增加薪资收入指令的优先级高于降低惩戒次数指令的优先级，降低惩戒次数指令的优先级高于增加培训时长指令的优先级；
依次增加薪资收入指令、降低惩戒次数指令和增加培训时长指令的生成方法包括：
预设增加薪资收入的最大值、降低惩戒次数的最小值和增加培训时长的最大值；增加薪资收入的最大值是指员工所处岗位级别的薪资增加最大幅度，降低惩戒次数的最小值是指惩戒次数能够降低到的最小幅度，原则上降低惩戒次数的最小值为零，增加培训时长的最大值是指针对员工进行的技能培训的时长的最大时长；
当潜在离职级别为一级离职级别时，首先生成增加薪资收入指令，直至员工对应的潜在离职率不生成处于消极状态提示；
当潜在离职级别为一级离职级别，且增加薪资收入达到最大值时，然后生成降低惩戒次数指令，直至员工对应的潜在离职率不生成处于消极状态提示；
当潜在离职级别为一级离职级别，且增加薪资收入达到最大值以及降低惩戒次数达到最小值时，最后生成增加培训时长指令，直至员工对应的潜在离职率不生成处于消极状态提示；
二级安抚指令包括同时增加薪资收入指令、降低惩戒次数指令和增加培训时长指令；
同时增加薪资收入指令、降低惩戒次数指令和增加培训时长指令的生成方法包括：
当潜在离职级别为二级离职级别时，同时生成增加薪资收入指令、降低惩戒次数指令和增加培训时长指令，直至潜在离职级别为一级离职级别；
当潜在离职级别为一级离职级别时，生成一级安抚指令，直至员工对应的潜在离职率不生成处于消极状态提示。
本实施例中，通过采集企业员工的人力资源综合数据，可以计算出员工的潜在离职率，并根据潜在离职率，判定是否生成处于消极状态提示，对处于消极状态的潜在离职率，生成一级离职级别和二级离职级别，并根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令，对员工进行安抚，降低员工的离职概率；相对于现有技术，可以对存在离职概率的员工进行及时的预警提示，并根据员工的潜在离职率对离职级别进行划分，同时根据离职级别的高低，生成相适应的员工安抚措施，进而可以对不同离职概率的员工起到针对性的安抚应对措施，确保人力资源部门可以根据员工自己情况进行适应性的调整，降低企业员工的离职率，进而确保企业人力资源部门对人力资源数据的高效管理效果，避免了员工不明原因离职的现象，也降低了企业的不必要损失。
实施例2：请参阅图2所示，本实施例未详细叙述部分见实施例1描述内容，提供一种基于大数据的人力资源数据服务管理方法，应用于人力资源服务器，基于一种基于大数据的人力资源数据服务管理***实现，方法包括：
S1：采集企业员工的人力资源综合数据；
S2：基于人力资源综合数据，计算潜在离职率，根据潜在离职率，判定是否生成处于消极状态提示；若生成处于消极状态提示，执行S3-S4；若不生成处于消极状态提示，重复执行S2；
S3：对处于消极状态的潜在离职率，生成潜在离职级别；潜在离职级别包括一级离职级别和二级离职级别；
S4：根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于大数据的人力资源数据服务管理***，应用于人力资源服务器，其特征在于，***包括：
数据采集模块，用于采集企业员工的人力资源综合数据；
状态提示模块，用于基于人力资源综合数据，计算潜在离职率，根据潜在离职率，判定是否生成处于消极状态提示；
级别分析模块，用于对处于消极状态的潜在离职率，生成潜在离职级别；潜在离职级别包括一级离职级别和二级离职级别；
员工安抚模块，用于根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令。
2.根据权利要求1所述的一种基于大数据的人力资源数据服务管理***，其特征在于，所述人力资源综合数据包括薪资周期增长率、质检优秀率、有效工作值和惩戒消极率；
薪资周期增长率的获取方法包括：
通过企业薪资数据库获取员工在过往个薪资发放周期的实发薪资；
将第个薪资发放周期的实发薪资与第/>个薪资发放周期的实发薪资差值比较，获得/>个薪资差值；
薪资差值的表达式为：
；
式中，为第/>个薪资差值，/>为第/>个薪资发放周期的实发薪资，/>为第个薪资发放周期的实发薪资；
将个薪资差值累加后求平均，获得差值均值；
差值均值的表达式为：
；
式中，为差值均值，/>为第/>个薪资差值；
将大于差值均值的个薪资差值累加后求平均，/>小于/>，获得子薪资；
子薪资的表达式为：
；
式中，为子薪资，/>为第/>个薪资差值；
将子薪资与差值均值进行比较，获得薪资周期增长率；
薪资周期增长率的表达式为：
；
式中，为薪资周期增长率。
3.根据权利要求2所述的一种基于大数据的人力资源数据服务管理***，其特征在于，所述质检优秀率的获取方法包括：
通过企业产品数据库获得员工过往个生产周期的报废品数量、半成品数量和成品数量，并累加后获得/>个产品占用值；
产品占用值的表达式为：
；
式中，为第/>个生产周期的产品占用值，/>为第/>个生产周期的报废品数量，为第/>个生产周期的半成品数量，/>为第/>个生产周期的成品数量；
将个成品数量中通过质检的产品标记为优秀产品，并统计优秀产品的数量，获得/>个优秀产品值；
将个优秀产品值逐一与对应的/>个产品占用值比较，获得/>个子优秀率；
子优秀率的表达式为：
；
式中，为第/>个子优秀率，/>为第/>个优秀产品值；
将个子优秀率累加后求平均，获得质检优秀率；
质检优秀率的表达式为：
；
式中，为质检优秀率，/>为第/>个子优秀率。
4.根据权利要求3所述的一种基于大数据的人力资源数据服务管理***，其特征在于，所述有效工作值的获取方法包括：
通过考勤统计数据库获取个工作月的应出勤天数，标注出勤天数的日期和缺勤天数的日期；
将出勤天数的日期和缺勤天数对应的日期升序排列，获得个出勤排列表；
在出勤排列表中标记连续出勤天数的数量，将大于等于预设天数阈值的连续出勤天数记为有效出勤天数；
遍历个出勤排列表，将/>个出勤排列表内所有的有效出勤天数累加后与应出勤天数比较，获得/>个子工作值；
子工作值的表达式为：
；
式中，为第/>个子工作值，/>为第/>个出勤排列表的有效出勤天数，/>为第/>个出勤排列表的应出勤天数；
去掉子工作值的最大值和最小值，将个子工作值累加后求平均，获得有效工作值；
有效工作值的表达式为：
；
式中，为有效工作值，/>为第/>个子工作值。
5.根据权利要求4所述的一种基于大数据的人力资源数据服务管理***，其特征在于，所述惩戒消极率的获取方法包括：
通过企业奖惩数据库查询个受到惩戒措施的日期，并标记惩戒间隔值；
将个惩戒间隔值累加后求平均，获得惩戒间隔均值；
惩戒间隔均值的表达式为：
；
式中，为惩戒间隔均值，/>为第/>个惩戒间隔值；
将小于惩戒间隔均值的个惩戒间隔值记为目标间隔值，/>小于/>；
统计个目标间隔值对应的惩戒间隔天数，并与/>个目标间隔值对应的惩戒次数比较，获得惩戒消极率；
惩戒消极率的表达式为：
；
式中，为惩戒消极率，/>为/>个目标间隔值对应的惩戒次数，通过企业奖惩数据库获取，/>为/>个目标间隔值对应的第/>个惩戒间隔天数。
6.根据权利要求5所述的一种基于大数据的人力资源数据服务管理***，其特征在于，所述潜在离职率的表达式为：
；
式中，为潜在离职率，/>、/>、/>、/>为权重因子，/>为自然常数；
是否生成处于消极状态提示的判定方法包括：
将潜在离职率与预设的潜在离职阈值对比分析；
当小于/>时，判定不生成处于消极状态提示；
当大于等于/>时，判定生成处于消极状态提示。
7.根据权利要求6所述的一种基于大数据的人力资源数据服务管理***，其特征在于，所述一级离职级别和二级离职级别的生成方法包括：
将处于消极状态的员工的潜在离职率与预设的离职级别阈值/>对比，/>大于/>；
当小于等于/>时，生成一级离职级别；
当大于/>时，生成二级离职级别。
8.根据权利要求7所述的一种基于大数据的人力资源数据服务管理***，其特征在于，所述一级安抚指令包括依次增加薪资收入指令、降低惩戒次数指令和增加培训时长指令；
优先级为：增加薪资收入指令的优先级高于降低惩戒次数指令的优先级，降低惩戒次数指令的优先级高于增加培训时长指令的优先级；
依次增加薪资收入指令、降低惩戒次数指令和增加培训时长指令的生成方法包括：
预设增加薪资收入的最大值、降低惩戒次数的最小值和增加培训时长的最大值；
当潜在离职级别为一级离职级别时，首先生成增加薪资收入指令，直至员工对应的潜在离职率不生成处于消极状态提示；
当潜在离职级别为一级离职级别，且增加薪资收入达到最大值时，然后生成降低惩戒次数指令，直至员工对应的潜在离职率不生成处于消极状态提示；
当潜在离职级别为一级离职级别，且增加薪资收入达到最大值以及降低惩戒次数达到最小值时，最后生成增加培训时长指令，直至员工对应的潜在离职率不生成处于消极状态提示。
9.根据权利要求8所述的一种基于大数据的人力资源数据服务管理***，其特征在于，所述二级安抚指令包括同时增加薪资收入指令、降低惩戒次数指令和增加培训时长指令；
同时增加薪资收入指令、降低惩戒次数指令和增加培训时长指令的生成方法包括：
当潜在离职级别为二级离职级别时，同时生成增加薪资收入指令、降低惩戒次数指令和增加培训时长指令，直至潜在离职级别为一级离职级别；
当潜在离职级别为一级离职级别时，生成一级安抚指令，直至员工对应的潜在离职率不生成处于消极状态提示。
10.一种基于大数据的人力资源数据服务管理方法，应用于人力资源服务器，基于权利要求1-9中任一项所述的一种基于大数据的人力资源数据服务管理***实现，其特征在于，方法包括：
S1：采集企业员工的人力资源综合数据；
S2：基于人力资源综合数据，计算潜在离职率，根据潜在离职率，判定是否生成处于消极状态提示；若生成处于消极状态提示，执行S3-S4；若不生成处于消极状态提示，重复执行S2；
S3：对处于消极状态的潜在离职率，生成潜在离职级别；潜在离职级别包括一级离职级别和二级离职级别；
S4：根据一级离职级别，基于优先级，生成一级安抚指令；根据二级离职级别，生成二级安抚指令。
CN202311724268.5A 2023-12-15 2023-12-15 一种基于大数据的人力资源数据服务管理*** Pending CN117408660A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311724268.5A CN117408660A (zh) 2023-12-15 2023-12-15 一种基于大数据的人力资源数据服务管理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311724268.5A CN117408660A (zh) 2023-12-15 2023-12-15 一种基于大数据的人力资源数据服务管理***

Publications (1)

Publication Number Publication Date
CN117408660A true CN117408660A (zh) 2024-01-16

Family

ID=89487506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311724268.5A Pending CN117408660A (zh) 2023-12-15 2023-12-15 一种基于大数据的人力资源数据服务管理***

Country Status (1)

Country Link
CN (1) CN117408660A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118154146A (zh) * 2024-05-11 2024-06-07 山东杰出人才发展集团有限公司 一种人力资源用共享服务***

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022708A (zh) * 2016-05-09 2016-10-12 陈包容 一种预测员工离职的方法
CN106960308A (zh) * 2017-03-03 2017-07-18 辽宁石油化工大学 一种用统计模块预测中小型企业员工个人离职概率的方法
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
CN108960527A (zh) * 2018-07-25 2018-12-07 平安科技（深圳）有限公司 员工离职的预警方法及相关装置
CN108960528A (zh) * 2018-07-25 2018-12-07 平安科技（深圳）有限公司 员工离职原因的预测方法及相关装置
CN110782072A (zh) * 2019-09-29 2020-02-11 广州荔支网络技术有限公司 员工离职风险预测方法、装置、设备及可读存储介质
CN110880075A (zh) * 2019-11-21 2020-03-13 上海观安信息技术股份有限公司 一种员工离职倾向检测方法
WO2021179715A1 (zh) * 2020-10-21 2021-09-16 平安科技（深圳）有限公司 基于隐马尔可夫模型的离职预测方法及相关装置
CN114529036A (zh) * 2021-12-28 2022-05-24 天翼电子商务有限公司 一种语音客服员工离职预警与管理方法
CN114782169A (zh) * 2022-04-24 2022-07-22 中国银行股份有限公司 一种客户流失率预警方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022708A (zh) * 2016-05-09 2016-10-12 陈包容 一种预测员工离职的方法
CN106960308A (zh) * 2017-03-03 2017-07-18 辽宁石油化工大学 一种用统计模块预测中小型企业员工个人离职概率的方法
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
CN108960527A (zh) * 2018-07-25 2018-12-07 平安科技（深圳）有限公司 员工离职的预警方法及相关装置
CN108960528A (zh) * 2018-07-25 2018-12-07 平安科技（深圳）有限公司 员工离职原因的预测方法及相关装置
CN110782072A (zh) * 2019-09-29 2020-02-11 广州荔支网络技术有限公司 员工离职风险预测方法、装置、设备及可读存储介质
CN110880075A (zh) * 2019-11-21 2020-03-13 上海观安信息技术股份有限公司 一种员工离职倾向检测方法
WO2021179715A1 (zh) * 2020-10-21 2021-09-16 平安科技（深圳）有限公司 基于隐马尔可夫模型的离职预测方法及相关装置
CN114529036A (zh) * 2021-12-28 2022-05-24 天翼电子商务有限公司 一种语音客服员工离职预警与管理方法
CN114782169A (zh) * 2022-04-24 2022-07-22 中国银行股份有限公司 一种客户流失率预警方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118154146A (zh) * 2024-05-11 2024-06-07 山东杰出人才发展集团有限公司 一种人力资源用共享服务***

Similar Documents

Publication Publication Date Title
CN117408660A (zh) 一种基于大数据的人力资源数据服务管理***
CN105117602B (zh) 一种计量装置运行状态预警方法
CN106779129A (zh) 一种考虑气象因素的短期电力负荷预测方法
CN108510180B (zh) 一种生产设备所处性能区间的计算方法
CN110766200A (zh) 一种基于K-means均值聚类的风电机组发电功率预测方法
CN107730031A (zh) 一种超短期高峰负荷预测方法及其***
US20110085649A1 (en) Fluctuation Monitoring Method that Based on the Mid-Layer Data
CN104834977A (zh) 基于距离度量学习的交通警情等级预测方法
CN111915083B (zh) 一种基于时间分层组合的风电功率预测方法及预测***
CN114202103A (zh) 一种基于机器学习的节假日景区客流预测方法
CN114240071A (zh) 一种基于人员动态承载力的应急排班装置及方法
CN111599219A (zh) 一种基于排序学习的多数据源航班起飞时间预测方法
CN115953186A (zh) 一种网约车需求模式识别与短时需求预测方法
CN113935557A (zh) 一种基于深度学习的相同模式能耗大数据预测方法
CN108154276A (zh) 基于图像识别和机器学习的考勤分析方法
CN113569462A (zh) 一种计及天气因素的配电网故障等级预测方法及***
CN113239971A (zh) 一种面向风场的临近预报与短期预报的融合***
CN104408525B (zh) 作业车间调度风险的量化评估与控制方法
CN114037138A (zh) 基于双层分解和深度学习的地铁短时进站客流预测***及实施方法
Tsui The family formation process among US marriage cohorts
CN110619422A (zh) 一种智能车站客流状况预测方法和***
CN110288325A (zh) 一种建筑施工问题整改方法
CN113344443B (zh) 一种基于大数据的项目进程分析评估***及方法
Rebbapragada et al. Data mining and revenue management methodologies in college admissions
Gilbert Long-term and short-term changes in earnings profiles

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