CN116976836B - 一种基于可视化界面的智能管理分析方法和系统 - Google Patents
一种基于可视化界面的智能管理分析方法和系统 Download PDFInfo
- Publication number
- CN116976836B CN116976836B CN202311233066.0A CN202311233066A CN116976836B CN 116976836 B CN116976836 B CN 116976836B CN 202311233066 A CN202311233066 A CN 202311233066A CN 116976836 B CN116976836 B CN 116976836B
- Authority
- CN
- China
- Prior art keywords
- task
- approval
- time
- difficulty
- management
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 37
- 238000007726 management method Methods 0.000 claims description 120
- 238000012937 correction Methods 0.000 claims description 80
- 238000012163 sequencing technique Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 12
- 239000003999 initiator Substances 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 7
- 102100032202 Cornulin Human genes 0.000 claims description 6
- 101000920981 Homo sapiens Cornulin Proteins 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000013468 resource allocation Methods 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 4
- 238000012550 audit Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000013068 supply chain management Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 description 8
- 238000000926 separation method Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000036649 mental concentration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
- G06V30/18019—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections by matching or filtering
Abstract
本发明涉及企业管理分析技术领域,具体是一种基于可视化界面的智能管理分析方法和系统,包括获取预定义的任务事项的属性要素,识别任务事项的任务内容,评估任务内容的理解难度,合理排序待批清单并将预测时间反馈并整合到可视化界面。本发明通过通过分析预测任务事项的处理时间,将企业或者部门整体的任务事项的预测推进时间整合到可视化界面,方便任务推进人员或者管理人员针对当前的整体企业、某部门或者具体的某任务事项的推进效率和进度进行评估分析;通过任务审批人的审批过程的专注力的评估、时间段效率的评估,合理安排难度相适应的任务审批事项,提高审批效率。
Description
技术领域
本发明涉及企业管理分析技术领域,具体是一种基于可视化界面的智能管理分析方法和系统。
背景技术
企业管理分析系统一般出现于企业数字化转型过程,传统的企业管理分析是依赖于人员去现场收集数据、整理数据,并依此建立数学模型来绘制一些可视化图表,企业的管理决策层可以清晰地从可视化图表得到现有的企业生产经营状况,并由此作出更准确的生产经营决策。在企业数字化转型过程中,提炼的企业管理分析方法被固化成企业的数字化操作系统,如采购、财务、人力、合同、风控、考核、办公和业务系统都被集成到企业管理分析系统内,企业管理分析系统将各部门各业务线的信息交互整合,解决的是以事项为中心,纵向贯通、横向协调各个业务,将部门内部和跨部门之间的信息进行有机地串接交互。
但现有的企业管理分析系统存在信息交互反馈的不足,比如以事项发起为驱动的任务流程,尤其大型企业的任务流程随时在进行的可能有上千起,上述任务流程在进入设定的审批环节后,任务审批人需要仔细查看任务流程的情况进度和附件材料后才会进行审批同意或者驳回,但任务流程的发起人或推进人往往不能预知审批流程的时间点,企业管理者也难以针对当前的整体企业、某部门或者具体的某任务事项的推进效率和进度进行评估和预测;同时,任务审批人往往只在工作日程间隙进行审批,在面对大量的审批任务时也面临任务事项审批效率低下的问题。
发明内容
(1)要解决的技术问题
本发明的目的在于提供一种基于可视化界面的智能管理分析方法和系统,以解决企业管理分析系统存在以事项发起为驱动的任务事项流程进度统计分析困难和任务事项推进审批效率低下的问题。
(2)技术方案
为实现上述目的,本发明提供如下技术方案:
一种基于可视化界面的智能管理分析方法,包括:
获取预定义的任务事项的属性要素,所述属性要素包括任务名称、任务人员、任务内容、任务资源、任务风险、任务步骤和任务评价;所述任务人员包括任务发起人、任务审批人和任务执行人,所述任务内容包括通过文本、图像、视频、音频、附件文件至少之一描述;任务资源是完成任务必备的资源要素,任务风险是任务完成过程需要识别的风险要素,任务评价是任务完成后的评价指标;
将任务内容中的图像通过Canny边缘检测算法识别出文本区域,根据文本区域通过CRNN算法识别出文字内容;将任务内容中的视频音轨、音频通过隐马尔科夫模型算法识别出文字内容;将任务内容中的附件文件打开并识别其类型,通过调用匹配其类型的识别算法识别其文字内容;
根据文字内容通过CYK算法对文字内容进行断句并提取基本词语,根据基本词语筛滤掉常见词语得到专业词语;根据文字内容通过BERT模型统计单位长度文本内容的错误数量得到文本错误率;获取任务审批人的专业领域,通过专业领域和文字内容通过复杂度模型得到理解难度,所述复杂度模型是通过神经网络算法建立文字内容的专业词语数量、文本错误率、专业领域与理解难度的历史数据之间的映射模型,所述理解难度是审批人在单位时间所能理解的文本长度;根据文字内容的文本长度、理解难度得到理解时长;
获取任务审批人针对任务事项审批过程的审批时长的历史数据,根据审批时长和理解时长得到修正系数,将理解时长乘以修正系数的数值记为审批修正时长;将审批列表中的任务事项按照紧要程度进行排序,并计算出每个任务事项的审批修正时长;当任务审批人进行审批活动时,获取任务审批人的日程得到进行下个日程的剩余时间,将审批修正时长超过剩余时间的单个任务事项剔出本时间段的审批列表,随后按审批列表顺序计算累加每个任务事项的审批修正时长直到累加结果超过剩余时间,将参与累加的任务事项加入待批清单;
获取任务事项的审批列表,根据审批列表、理解时长通过审批时间模型得到审批时间,所述审批时间模型是通过神经网络算法建立任务审批人、理解时长、修正系数、任务审批人的日程和审批时间的映射关系;通过任务事项在审批列表的排序,累加该任务事项以及排序在其前的任务事项的审批时间得到预测审批时间;推送所述预测审批时间到任务事项的可视化界面,当任务人员发现预测审批时间慢于自身预期或者项目进度时,通过可视化界面调高任务事项的紧急程度或者通知任务审批人加快审批效率。
进一步地,所述方法还包括:
将待批清单按照理解难度由高往低重新排序并更新,期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长超过其审批修正时长并达到第一比值时,待批清单剔出理解难度超过第一比值对应设定的难度阈值的任务事项,并按顺序摘取审批列表中的理解难度低于难度阈值且累计的审批修正时长少于剩余时间的任务事项加入待批清单。
进一步地,所述方法还包括:
在将待批清单按照理解难度由高往低重新排序并更新之前,将任务审批人的审批时间按小时划分成时间段,根据每个时间段任务事项的实际审批时长和审批修正时长的历史数据计算实际审批时长和审批修正时长的比值记为第二比值,将第二比值按照数值大小把时间段划分为高效率、一般效率和低效率;将待批清单中的任务事项根据理解难度按照设定难度区间划分为高难度、中难度和低难度,将高难度的任务事项加入高效率的时间段,中难度的任务事项加入一般效率的时间段,低难度的任务事项加入低效率的时间段,并将每个时间段的待批清单按照理解难度由高往低重新排序并更新。
进一步地,所述方法还包括:
期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长低于其审批修正时长并达到第三比值时,标记并预警本次待批清单中已审批通过的任务事项的审批可靠性;从待批清单内的下一项任务事项开始,当检测到实际审批时长和审批修正时长比值仍低于第三比值时,在每个任务事项审批通过结束前,通过TextRank算法提取文字内容的摘要,弹出附有摘要的提示窗口并要求任务审批人进行二次确认。
进一步地,所述任务事项包括:
预先定义的一级任务事项,包括组织架构管理、战略规划管理、团队管理、财务预算管理、运营管理、投资策略管理、市场管理、科技创新管理、供应链管理、项目管理、资金运营管理、信息管理、人力资源管理、绩效管理、法律事务管理、风险管理、内部审计管理、环境安全管理中的一种或数种组合。
进一步地,所述一级任务事项还包括:
其层级下还根据任务事项的内部属性要素分类划分为二级任务事项,包括文档管理、权责分配管理、资源配置管理、过程管理、评价管理中的一种或数种组合中的一种或数种组合;所述文档管理用于调用预先定义任务名称和任务内容的格式标准,以及用于存档处于审批中或者已审批完成的任务事项;权责分配管理用于调用预先定义任务事项需要经手的职能岗位,资源配置管理用于调用可用的任务资源列表,评价管理用于调用预先定义的任务事项的评价标准;过程管理用于调用预先定义的任务事项的任务步骤和任务风险。
基于同一发明构思,本发明还提供了一种基于可视化界面的智能管理分析系统,包括:
获取模块,用于获取预定义的任务事项的属性要素,所述属性要素包括任务名称、任务人员、任务内容、任务资源、任务风险、任务步骤和任务评价;所述任务人员包括任务发起人、任务审批人和任务执行人,所述任务内容包括通过文本、图像、视频、音频、附件文件至少之一描述;任务资源是完成任务必备的资源要素,任务风险是任务完成过程需要识别的风险要素,任务评价是任务完成后的评价指标;
识别模块,用于将任务内容中的图像通过Canny边缘检测算法识别出文本区域,根据文本区域通过CRNN算法识别出文字内容;将任务内容中的视频音轨、音频通过隐马尔科夫模型算法识别出文字内容;将任务内容中的附件文件打开并识别其类型,通过调用匹配其类型的识别算法识别其文字内容;
难度判断模块,用于根据文字内容通过CYK算法对文字内容进行断句并提取基本词语,根据基本词语筛滤掉常见词语得到专业词语;根据文字内容通过BERT模型统计单位长度文本内容的错误数量得到文本错误率;获取任务审批人的专业领域,通过专业领域和文字内容通过复杂度模型得到理解难度,所述复杂度模型是通过神经网络算法建立文字内容的专业词语数量、文本错误率、专业领域与理解难度的历史数据之间的映射模型,所述理解难度是审批人在单位时间所能理解的文本长度;根据文字内容的文本长度、理解难度得到理解时长;
列表生成模块,用于获取任务审批人针对任务事项审批过程的审批时长的历史数据,根据审批时长和理解时长得到修正系数,将理解时长乘以修正系数的数值记为审批修正时长;将审批列表中的任务事项按照紧要程度进行排序,并计算出每个任务事项的审批修正时长;当任务审批人进行审批活动时,获取任务审批人的日程得到进行下个日程的剩余时间,将审批修正时长超过剩余时间的单个任务事项剔出本时间段的审批列表,随后按审批列表顺序计算累加每个任务事项的审批修正时长直到累加结果超过剩余时间,将参与累加的任务事项加入待批清单;
预测时长模块,用于获取任务事项的审批列表,根据审批列表、理解时长通过审批时间模型得到审批时间,所述审批时间模型是通过神经网络算法建立任务审批人、理解时长、修正系数、任务审批人的日程和审批时间的映射关系;通过任务事项在审批列表的排序,累加该任务事项以及排序在其前的任务事项的审批时间得到预测审批时间;推送所述预测审批时间到任务事项的可视化界面,当任务人员发现预测审批时间慢于自身预期或者项目进度时,通过可视化界面调高任务事项的紧急程度或者通知任务审批人加快审批效率。
进一步地,所述系统还包括:
第一列表优化模块,用于将待批清单按照理解难度由高往低重新排序并更新,期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长超过其审批修正时长并达到第一比值时,待批清单剔出理解难度超过第一比值对应设定的难度阈值的任务事项,并按顺序摘取审批列表中的理解难度低于难度阈值且累计的审批修正时长少于剩余时间的任务事项加入待批清单。
进一步地,所述系统还包括:
第二列表优化模块,用于在将待批清单按照理解难度由高往低重新排序并更新之前,将任务审批人的审批时间按小时划分成时间段,根据每个时间段任务事项的实际审批时长和审批修正时长的历史数据计算实际审批时长和审批修正时长的比值记为第二比值,将第二比值按照数值大小把时间段划分为高效率、一般效率和低效率;将待批清单中的任务事项根据理解难度按照设定难度区间划分为高难度、中难度和低难度,将高难度的任务事项加入高效率的时间段,中难度的任务事项加入一般效率的时间段,低难度的任务事项加入低效率的时间段,并将每个时间段的待批清单按照理解难度由高往低重新排序并更新。
进一步地,所述系统还包括:
预警模块,用于期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长低于其审批修正时长并达到第三比值时,标记并预警本次待批清单中已审批通过的任务事项的审批可靠性;从待批清单内的下一项任务事项开始,当检测到实际审批时长和审批修正时长比值仍低于第三比值时,在每个任务事项审批通过结束前,通过TextRank算法提取文字内容的摘要,弹出附有摘要的提示窗口并要求任务审批人进行二次确认。
(3)有益效果
与现有技术相比,本发明的有益效果是:
1、通过分析预测任务事项的处理时间,将企业或者部门整体的任务事项的预测推进时间整合到可视化界面,方便任务推进人员或者管理人员针对当前的整体企业、某部门或者具体的某任务事项的推进效率和进度进行评估分析。
2、通过任务审批人的审批过程的专注力的评估、时间段效率的评估,合理安排难度相适应的任务审批事项,提高审批效率。
附图说明
图1为本发明实施例1的一种基于可视化界面的智能管理分析方法流程框图;
图2为本发明实施例1典型的任务事项审批流程示意图;
图3为本发明实施例1二级任务事项和任务事项的属性要素匹配示意图;
图4为本发明实施例1二级任务事项的配置模块示意图。
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。
在举例之前,需要针对本发明构思的应用场景予以阐述,现有的企业管理分析系统大部分是采集现有的数据并进行整合处理,显示在可视化界面,可视化界面有柱状图、折线图、气泡图、饼状图、甘特图,其目的在于方便针对企业的内部任务事项进度进行清晰直观展示。现代企业来说,企业管理分析系统中的任务工作盘中的审批是里面非常重要的部分,这里的审批是广义的需要多部门、多人针对某个事项进行审核、跟踪并批准的过程,如若图2所示,从图中可以看到典型的一个任务事项,工程部工程专员A需要发起一项“采购物资的任务事项”,工程部工程主管B进行核实该笔采购物资是否真实且有必要,接下来预算部预算专员C和预算部预算主管D进行审核该笔采购物资是否满足预算标准,然后物资部物资主管E进行审批该笔采购物资是否满足采购标准,同时对采购金额进行判断若大于10万则需要总经办副总F审批,最后审批都通过后则告知物资部物资专员G进行供应商备货接货;其中任何一个环节若被驳回,则整个任务事项的流程被驳回,驳回或者通过审批后的结果则会告知抄送给任务发起人和任务审批人。企业内部任务事项的推进是以每个环节的审批人或者叫任务关联的责任人来审核来推进的,涉及到多部门、多人的跟进和核实,当任务事项符合企业标准和当下需求时,那么任务审批人则会选择通过此项任务事项。从此实际应用场景,我们可以发现其中的问题,首先是任务发起人或者中间任何一个需要跟进此项任务事项的任务推进人,并不知道自己的任务事项推进审批具体需要多少时间,我们可以看到传统的审批时间一般都是通过大致预估并不精准,比如某审批领导最近出差可能下周才会审批,或者最近某专员最近日程不紧张可能明天就能审批等诸如此类的预测,实际上本发明构思想要依赖的通过更精准科学的方式来预测审批时间。大量的成千数量的任务事项,也不可能每个任务去人为标记剩余时间,那么通过本发明构思的方式进行智能预测,并且将预测时间推送到可视化界面,那么企业管理者针对当前的整体公司、某部门或者具体的某任务事项的推进效率和进度进行评估和分析是可行的。另外,需要注意的是,审批的优化不只在预测时间,而是在预测时间的基础上,通过本发明构思针对任务事项的处理先后顺序进行微调。因为既然了解到任务事项的审批时间,自然根据此基础并结合审批人的时间日常对任务事项的审批顺序加以优化。
实施例1
如图1所示,本实施例提供了一种基于可视化界面的智能管理分析方法,包括:
S1、获取预定义的任务事项的属性要素,所述属性要素包括任务名称、任务人员、任务内容、任务资源、任务风险、任务步骤和任务评价;所述任务人员包括任务发起人、任务审批人和任务执行人,所述任务内容包括通过文本、图像、视频、音频、附件文件至少之一描述;任务资源是完成任务必备的资源要素,任务风险是任务完成过程需要识别的风险要素,任务评价是任务完成后的评价指标;完整的任务事项是分为任务名称、任务人员、任务内容、任务资源、任务风险、任务步骤和任务评价共七个部分,其中任务名称是根据企业内部的任务事项进行命名,任务人员可以通过通讯软件或者ERP软件的组织架构进行获取,一个任务事项比如需要“人力资源部部长审批”,那么通过寻找到组织架构的人力资源部部长即可,即使人员有离职或者调岗,也不影响任务事项的推进,任务执行人同理可以通过此方法获取。任务资源是完成任务事项需要的资源,比如任务事项为外出出差需要“申请车辆资源”,那么任务资源可以链接到空闲未使用的车辆,或者任务事项为申请召开会议需要“申请会议室资源”,那么任务资源可以连接到空闲未使用的会议室。任务风险是任务执行过程需要注意的风险,这里的任务风险根据任务名称的关键词进行分类来提示风险,比如检测到“出差”、“外出”分类到外出任务类型会提示行程安全,检测到“巡检”、“现场检查”分类到进入工厂现场会提示危险区域的风险,总之这里的任务风险是根据任务名称的关键词进行分类,根据分类来触发预先设定好的风险提示。任务步骤这里指的是每个任务事项的具体流程,比如财务备用金申请是“备用金申请发起人发起、主管审批、经理审批、财务经理审批、出纳审批”,加班申请是“加班申请发起人发起、主管审批、人事经理审批”,各类的任务事项根据情况预先进行设定。任务评价是任务完成后的评价得分,评价得分是根据任务事项的结果,任务执行人自己进行评分,以及任务执行人的直接主管进行评分。
S2、将任务内容中的图像通过Canny边缘检测算法识别出文本区域,根据文本区域通过CRNN算法识别出文字内容;将任务内容中的视频音轨、音频通过隐马尔科夫模型算法识别出文字内容;将任务内容中的附件文件打开并识别其类型,通过调用匹配其类型的识别算法识别其文字内容;任务内容是任务事项的核心,任务事项进行审批的时候也是最耽搁时间的部分,任务审批人进行审批的时候需要理解任务事项的任务内容,在实际发起任务事项的过程中,任务内容是允许任务发起人填写文本,或者上传图像、音频、视频、附件。有些任务事项需要体现真实性,比如签字、盖章、原件、扫描件通过电子数据上传,还有的任务事项在文本区域难以输入大量文字,只能通过附件形式附录,这里的附件是预先需要限定能读取的格式比如Word、Excel、Pdf等。本实施例是通过一些算法识别各类文件的文本内容,但是这个识别过程肯定是受限于电子数据的清晰度,比如图像的清晰度、音频视频的清晰度,如果清晰度较差则会识别出错字错码的情况,有错字错码是会影响人的审批效率的。
S3、根据文字内容通过CYK算法对文字内容进行断句并提取基本词语,根据基本词语筛滤掉常见词语得到专业词语;根据文字内容通过BERT模型统计单位长度文本内容的错误数量得到文本错误率;获取任务审批人的专业领域,通过专业领域和文字内容通过复杂度模型得到理解难度,所述复杂度模型是通过神经网络算法建立文字内容的专业词语数量、文本错误率、专业领域与理解难度的历史数据之间的映射模型,所述理解难度是审批人在单位时间所能理解的文本长度;根据文字内容的文本长度、理解难度得到理解时长;本实施例中通过对文字内容或者是通过算法识别出的图像、视频或音频的文字内容进行词义分析,主要是分割提取里面的基本词语,基本词语相当于是分解成将文本内容分割成单字或者能组成词语的分割成词语,比如一项任务事项的任务内容是“编号为#3的空压机出现故障,原因是油分离芯破裂,分离筒体内部隔板损坏,需要设备部派人来维修”,分割成“编号/为/#3/的/空压机/出现/故障/原因/是/油/分离/芯/破裂/分离/筒体/内部/隔板/损坏/需要/设备/部/派人/来/维修”。基本词语再通过提取其专业词语,这个提取过程需要筛滤到常见的通用词语,可以通过各类语言的数据集,比如中文可以使用RCWI-Dataset中文相对复杂词汇识别数据集,比如上述的任务内容过滤后的专业词语变成“空压机/芯/筒体/隔板”。专业词语越多的文字内容是越花时间理解的,但是属于是这个领域的任务审批人,他可能越熟悉这个领域的专业词语,因此实际要统计一个任务审批人要花多长时间理解文字内容,那么需要根据这个文字内容的文本长度、专业词语的数量、文本错误率,以及此任务审批人的专业领域来估计。文本错误率这里存在的原因是,任务内容包括文本、图像、视频、音频、附件文件,大部分情况只要受过训练的人员填写的文本的文字内容错误是极少的,而图像、视频、音频、附件文件转化而来的文字内容则会出现错误,这里的错误是图像、视频、音频、附件文件的不清晰造成的,也就对应任务审批人如果打开不清晰的图像、视频、音频、附件文件进行查看,也需要花更多时间仔细查看才能理解辨别。理解难度是单位时间内该任务审批人所能理解读取的文字内容长度,专业词语越多,专业词语与任务审批人的专业经历相差越大、文字内容的错误越多则任务审批人所花时间越多。理解时长是根据文字内容的文本长度即可计算出。获取任务审批人的专业领域,可以通过任务审批人的大学、研究生或者博士学习阶段的课程名录,以及任务审批人的从业经验提取关键词进行领域划分。
S4、获取任务审批人针对任务事项审批过程的审批时长的历史数据,根据审批时长和理解时长得到修正系数,将理解时长乘以修正系数的数值记为审批修正时长;将审批列表中的任务事项按照紧要程度进行排序,并计算出每个任务事项的审批修正时长;当任务审批人进行审批活动时,获取任务审批人的日程得到进行下个日程的剩余时间,将审批修正时长超过剩余时间的单个任务事项剔出本时间段的审批列表,随后按审批列表顺序计算累加每个任务事项的审批修正时长直到累加结果超过剩余时间,将参与累加的任务事项加入待批清单。理解时长是针对多数人得到的一个通用理解时长,但实际中即使同一领域的人员的个人审批习惯也会造成理解时长不一致,比如有些任务审批人习惯逐字逐句核实,有些任务审批人喜欢抓核心的数字和过程是否正确,有些人可能还会查看最近的工作日志予以核实,因此修正系数的匹配任务审批人的个别习惯来设置的。任务审批人一般是在日程间隙进行审批,并没有专门的时间来安排审批,因为数字化转型的审批就是为了要过程掌上化、云办公化,随时随地进行审批,加快任务事项流程的效率,因此根据每个审批需要的时长进行合理规划,避免看到部分任务内容但未完成审批就进行下一日程而审批中断。所以根据任务审批人的日程间的间隔时间或者到下个日程的间隔时间来安排审批列表是非常合理的。
S5、获取任务事项的审批列表,根据审批列表、理解时长通过审批时间模型得到审批时间,所述审批时间模型是通过神经网络算法建立任务审批人、理解时长、修正系数、任务审批人的日程和审批时间的映射关系;通过任务事项在审批列表的排序,累加该任务事项以及排序在其前的任务事项的审批时间得到预测审批时间;推送所述预测审批时间到任务事项的可视化界面,当任务人员发现预测审批时间慢于自身预期或者项目进度时,通过可视化界面调高任务事项的紧急程度或者通知任务审批人加快审批效率。发明人发现在其工作单位的审批流程中,实际上任务人员包括任务发起人、任务执行人或者任务审批人由于事情的庞杂,所有任务事项在系统内容推进,一般特别急的任务事项都需要微信、电话或者当面催促审批,这实际上加剧了审批流程的混乱,一方面是临时催促导致审批人当时可能并没有充分时间进行审批而为了应付则草草审阅后则通过;另一方面每个任务事项往往中间有三到五人进行审批,任务跟进人难以直观获得任务审批时间,任务审批人往往日程往往保密,因此通过企业管理系统内部自行进行预测是最好的办法。针对大型企业,每个时刻在进行的任务事项可能上千起的数量,企业管理者通过预测时间反馈到可视化界面的进度数值对当前的整体公司、某部门或者具体的某任务事项的推进效率和进度可以进行评估和分析,当分析发现某个部门的某类任务事项推进较慢时,企业高层对此类任务事项可以快速定位问题和推进问题。
进一步地,所述方法还包括:
将待批清单按照理解难度由高往低重新排序并更新,期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长超过其审批修正时长并达到第一比值时,待批清单剔出理解难度超过第一比值对应设定的难度阈值的任务事项,并按顺序摘取审批列表中的理解难度低于难度阈值且累计的审批修正时长少于剩余时间的任务事项加入待批清单。人在不同情况下的,专注力是不同的,比如较高强度的其他日程如开会、谈判后,人的精力下降,注意力较低,在效率较低的时间段如果让审批人处理超过其注意力和效率的任务事项审批,反而会降低审批效率,这个时候动态调整适合其精神专注力的任务事项内容反而能提高审批效率。设定比值比如设置为1.3倍,设定数量是三个,举个例子,如处理一项“预算决议审批事项,附录有决议的内容”根据内容的难度和文本长度,正常审批时间是10分钟,但实际花费时间15分钟,那么连续处理类似的审批超过3项后,则本发明构思的智能管理分析系统识别出任务审批人处于低效率状态,则立即重新排序审批列表,剔出理解难度较大的任务事项,然后空余的位置由在待批清单外且在审批列表中的任务事项按排序依次填补,直至累计的审批修正时长少于剩余时间。
进一步地,所述方法还包括:
在将待批清单按照理解难度由高往低重新排序并更新之前,将任务审批人的审批时间按小时划分成时间段,根据每个时间段任务事项的实际审批时长和审批修正时长的历史数据计算实际审批时长和审批修正时长的比值记为第二比值,将第二比值按照数值大小把时间段划分为高效率、一般效率和低效率;将待批清单中的任务事项根据理解难度按照设定难度区间划分为高难度、中难度和低难度,将高难度的任务事项加入高效率的时间段,中难度的任务事项加入一般效率的时间段,低难度的任务事项加入低效率的时间段,并将每个时间段的待批清单按照理解难度由高往低重新排序并更新。人在不同时间段审批效率是不同的,一般而言早上刚上班的时间段审批效率最高,而临近中午或者傍晚由于一天的劳作整体血糖较低而不适合再审批较为复杂的任务事项,因此根据个人的工作高效率的时间段合理安排审批任务事项的难度是能提高审批效率的。相当于人的审批效率有长期规律的影响也就是时间段的影响,也有临时的影响也就是临时是否有其他高强度日程工作的影响。本发明构思进一步是在考虑临时的影响之前,再考虑到每个时间段的人员工作效率的影响。每个时间段的数个任务事项,从难到易排序,目的是让每个时间段的审批难度在该时间段刚开始最高效的时候审批最困难的任务内容,随时审批效率和人的精力下降则审批难度降低一点的任务事项。每个时间段之间可以设定一定的休息间隙,休息结束后,进行下一时间段的审批任务。
进一步地,所述方法还包括:
期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长低于其审批修正时长并达到第三比值时,标记并预警本次待批清单中已审批通过的任务事项的审批可靠性;从待批清单内的下一项任务事项开始,当检测到实际审批时长和审批修正时长比值仍低于第三比值时,在每个任务事项审批通过结束前,通过TextRank算法提取文字内容的摘要,弹出附有摘要的提示窗口并要求任务审批人进行二次确认。发明人在实践中发现,个别任务审批人在任务事项较多的情况下,往往为了快速审批通过完成任务,并未仔细查看任务事项的具体内容就直接通过该任务事项,当检测到任务审批人存在比如设置三个以上快速审批通过任务事项时,需要标记任务事项并由其他人决定是否再核实审核,提升审核的可靠性。其次,当任务审批人进行下一项审批时,监测其审批时长若实际审批时长仍过低则跳出提示窗口,提示窗口可以是MESSEGE BOX或者其他类型的界面窗口,提示窗口内有经过TextRank算法提取的任务内容摘要,让任务审批人再次进行二次确认,该提示窗口可以限定倒计时或者检测任务审批人是否查看完毕摘要尾部,用来确保任务审批人知悉了任务内容。
进一步地,所述任务事项包括:
预先定义的一级任务事项,包括组织架构管理、战略规划管理、团队管理、财务预算管理、运营管理、投资策略管理、市场管理、科技创新管理、供应链管理、项目管理、资金运营管理、信息管理、人力资源管理、绩效管理、法律事务管理、风险管理、内部审计管理、环境安全管理中的一种或数种组合。
进一步地,所述一级任务事项还包括:
其层级下还根据任务事项的内部属性要素分类划分为二级任务事项,包括文档管理、权责分配管理、资源配置管理、过程管理、评价管理中的一种或数种组合中的一种或数种组合;所述文档管理用于调用预先定义任务名称和任务内容的格式标准,以及用于存档处于审批中或者已审批完成的任务事项;权责分配管理用于调用预先定义任务事项需要经手的职能岗位,资源配置管理用于调用可用的任务资源列表,评价管理用于调用预先定义的任务事项的评价标准;过程管理用于调用预先定义的任务事项的任务步骤和任务风险。如图3所示,二级任务事项对应于任务事项属性要素对应的任务名称、任务人员、任务内容、任务资源、任务风险、任务步骤和任务评价。文档管理主要是规范任务名称和任务内容按照企业统一的设定标准进行填写并且归档,方便后续存档。权责分配管理主要是从公司组织架构体系接入某类任务事项的经手的职能人员数据,并直接根据任务事项分类进行自动填入。过程管理主要是对应任务步骤和某类任务步骤涉及到的任务风险,资源配置管理主要是链接到企业的资源系统比如本任务事项需要使用公车则链接到企业的空闲车资源,评价管理则是预先设置各类任务事项的评价方法。如图4所示,任务事项管理体系中,每个二级任务事项层级下还配置了任务事项配置模块包括任务查询模块、任务补录模块、任务管理模块、任务办理模块和任务评价模块,可以对二次任务事项进行配置。
实施例2
基于同一发明构思,本实施例还提供了一种基于可视化界面的智能管理分析系统,包括:
获取模块,用于获取预定义的任务事项的属性要素,所述属性要素包括任务名称、任务人员、任务内容、任务资源、任务风险、任务步骤和任务评价;所述任务人员包括任务发起人、任务审批人和任务执行人,所述任务内容包括通过文本、图像、视频、音频、附件文件至少之一描述;任务资源是完成任务必备的资源要素,任务风险是任务完成过程需要识别的风险要素,任务评价是任务完成后的评价指标;
识别模块,用于将任务内容中的图像通过Canny边缘检测算法识别出文本区域,根据文本区域通过CRNN算法识别出文字内容;将任务内容中的视频音轨、音频通过隐马尔科夫模型算法识别出文字内容;将任务内容中的附件文件打开并识别其类型,通过调用匹配其类型的识别算法识别其文字内容;
难度判断模块,用于根据文字内容通过CYK算法对文字内容进行断句并提取基本词语,根据基本词语筛滤掉常见词语得到专业词语;根据文字内容通过BERT模型统计单位长度文本内容的错误数量得到文本错误率;获取任务审批人的专业领域,通过专业领域和文字内容通过复杂度模型得到理解难度,所述复杂度模型是通过神经网络算法建立文字内容的专业词语数量、文本错误率、专业领域与理解难度的历史数据之间的映射模型,所述理解难度是审批人在单位时间所能理解的文本长度;根据文字内容的文本长度、理解难度得到理解时长;
列表生成模块,用于获取任务审批人针对任务事项审批过程的审批时长的历史数据,根据审批时长和理解时长得到修正系数,将理解时长乘以修正系数的数值记为审批修正时长;将审批列表中的任务事项按照紧要程度进行排序,并计算出每个任务事项的审批修正时长;当任务审批人进行审批活动时,获取任务审批人的日程得到进行下个日程的剩余时间,将审批修正时长超过剩余时间的单个任务事项剔出本时间段的审批列表,随后按审批列表顺序计算累加每个任务事项的审批修正时长直到累加结果超过剩余时间,将参与累加的任务事项加入待批清单;
预测时长模块,用于获取任务事项的审批列表,根据审批列表、理解时长通过审批时间模型得到审批时间,所述审批时间模型是通过神经网络算法建立任务审批人、理解时长、修正系数、任务审批人的日程和审批时间的映射关系;通过任务事项在审批列表的排序,累加该任务事项以及排序在其前的任务事项的审批时间得到预测审批时间;推送所述预测审批时间到任务事项的可视化界面,当任务人员发现预测审批时间慢于自身预期或者项目进度时,通过可视化界面调高任务事项的紧急程度或者通知任务审批人加快审批效率。
进一步地,所述系统还包括:
第一列表优化模块,用于将待批清单按照理解难度由高往低重新排序并更新,期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长超过其审批修正时长并达到第一比值时,待批清单剔出理解难度超过第一比值对应设定的难度阈值的任务事项,并按顺序摘取审批列表中的理解难度低于难度阈值且累计的审批修正时长少于剩余时间的任务事项加入待批清单。
进一步地,所述系统还包括:
第二列表优化模块,用于在将待批清单按照理解难度由高往低重新排序并更新之前,将任务审批人的审批时间按小时划分成时间段,根据每个时间段任务事项的实际审批时长和审批修正时长的历史数据计算实际审批时长和审批修正时长的比值记为第二比值,将第二比值按照数值大小把时间段划分为高效率、一般效率和低效率;将待批清单中的任务事项根据理解难度按照设定难度区间划分为高难度、中难度和低难度,将高难度的任务事项加入高效率的时间段,中难度的任务事项加入一般效率的时间段,低难度的任务事项加入低效率的时间段,并将每个时间段的待批清单按照理解难度由高往低重新排序并更新。
进一步地,所述系统还包括:
预警模块,用于期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长低于其审批修正时长并达到第三比值时,标记并预警本次待批清单中已审批通过的任务事项的审批可靠性;从待批清单内的下一项任务事项开始,当检测到实际审批时长和审批修正时长比值仍低于第三比值时,在每个任务事项审批通过结束前,通过TextRank算法提取文字内容的摘要,弹出附有摘要的提示窗口并要求任务审批人进行二次确认。
需要说明的是,关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
最后应说明的是:尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于可视化界面的智能管理分析方法,其特征在于,包括:
获取预定义的任务事项的属性要素,所述属性要素包括任务名称、任务人员、任务内容、任务资源、任务风险、任务步骤和任务评价;所述任务人员包括任务发起人、任务审批人和任务执行人,所述任务内容包括通过文本、图像、视频、音频、附件文件至少之一描述;任务资源是完成任务必备的资源要素,任务风险是任务完成过程需要识别的风险要素,任务评价是任务完成后的评价指标;
将任务内容中的图像通过Canny边缘检测算法识别出文本区域,根据文本区域通过CRNN算法识别出文字内容;将任务内容中的视频音轨、音频通过隐马尔科夫模型算法识别出文字内容;将任务内容中的附件文件打开并识别其类型,通过调用匹配其类型的识别算法识别其文字内容;
根据文字内容通过CYK算法对文字内容进行断句并提取基本词语,根据基本词语筛滤掉常见词语得到专业词语;根据文字内容通过BERT模型统计单位长度文本内容的错误数量得到文本错误率;获取任务审批人的专业领域,通过专业领域和文字内容通过复杂度模型得到理解难度,所述复杂度模型是通过神经网络算法建立文字内容的专业词语数量、文本错误率、专业领域与理解难度的历史数据之间的映射模型,所述理解难度是审批人在单位时间所能理解的文本长度;根据文字内容的文本长度、理解难度得到理解时长;
获取任务审批人针对任务事项审批过程的审批时长的历史数据,根据审批时长和理解时长得到修正系数,将理解时长乘以修正系数的数值记为审批修正时长;将审批列表中的任务事项按照紧要程度进行排序,并计算出每个任务事项的审批修正时长;当任务审批人进行审批活动时,获取任务审批人的日程得到进行下个日程的剩余时间,将审批修正时长超过剩余时间的单个任务事项剔出本时间段的审批列表,随后按审批列表顺序计算累加每个任务事项的审批修正时长直到累加结果超过剩余时间,将参与累加的任务事项加入待批清单;
获取任务事项的审批列表,根据审批列表、理解时长通过审批时间模型得到审批时间,所述审批时间模型是通过神经网络算法建立任务审批人、理解时长、修正系数、任务审批人的日程和审批时间的映射关系;通过任务事项在审批列表的排序,累加该任务事项以及排序在其前的任务事项的审批时间得到预测审批时间;推送所述预测审批时间到任务事项的可视化界面,当任务人员发现预测审批时间慢于自身预期或者项目进度时,通过可视化界面调高任务事项的紧急程度或者通知任务审批人加快审批效率。
2.如权利要求1所述的一种基于可视化界面的智能管理分析方法,其特征在于,所述方法还包括:
将待批清单按照理解难度由高往低重新排序并更新,期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长超过其审批修正时长并达到第一比值时,待批清单剔出理解难度超过第一比值对应设定的难度阈值的任务事项,并按顺序摘取审批列表中的理解难度低于难度阈值且累计的审批修正时长少于剩余时间的任务事项加入待批清单。
3.如权利要求2所述的一种基于可视化界面的智能管理分析方法,其特征在于,所述方法还包括:
在将待批清单按照理解难度由高往低重新排序并更新之前,将任务审批人的审批时间按小时划分成时间段,根据每个时间段任务事项的实际审批时长和审批修正时长的历史数据计算实际审批时长和审批修正时长的比值记为第二比值,将第二比值按照数值大小把时间段划分为高效率、一般效率和低效率;将待批清单中的任务事项根据理解难度按照设定难度区间划分为高难度、中难度和低难度,将高难度的任务事项加入高效率的时间段,中难度的任务事项加入一般效率的时间段,低难度的任务事项加入低效率的时间段,并将每个时间段的待批清单按照理解难度由高往低重新排序并更新。
4.如权利要求2所述的一种基于可视化界面的智能管理分析方法,其特征在于,所述方法还包括:
期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长低于其审批修正时长并达到第三比值时,标记并预警本次待批清单中已审批通过的任务事项的审批可靠性;从待批清单内的下一项任务事项开始,当检测到实际审批时长和审批修正时长比值仍低于第三比值时,在每个任务事项审批通过结束前,通过TextRank算法提取文字内容的摘要,弹出附有摘要的提示窗口并要求任务审批人进行二次确认。
5.如权利要求1所述的一种基于可视化界面的智能管理分析方法,其特征在于,所述任务事项包括:
预先定义的一级任务事项,包括组织架构管理、战略规划管理、团队管理、财务预算管理、运营管理、投资策略管理、市场管理、科技创新管理、供应链管理、项目管理、资金运营管理、信息管理、人力资源管理、绩效管理、法律事务管理、风险管理、内部审计管理、环境安全管理中的一种或数种组合。
6.如权利要求5所述的一种基于可视化界面的智能管理分析方法,其特征在于,所述一级任务事项还包括:
其层级下还根据任务事项的内部属性要素分类划分为二级任务事项,包括文档管理、权责分配管理、资源配置管理、过程管理、评价管理中的一种或数种组合中的一种或数种组合;所述文档管理用于调用预先定义任务名称和任务内容的格式标准,以及用于存档处于审批中或者已审批完成的任务事项;权责分配管理用于调用预先定义任务事项需要经手的职能岗位,资源配置管理用于调用可用的任务资源列表,评价管理用于调用预先定义的任务事项的评价标准;过程管理用于调用预先定义的任务事项的任务步骤和任务风险。
7.一种基于可视化界面的智能管理分析系统,其特征在于,包括:
获取模块,用于获取预定义的任务事项的属性要素,所述属性要素包括任务名称、任务人员、任务内容、任务资源、任务风险、任务步骤和任务评价;所述任务人员包括任务发起人、任务审批人和任务执行人,所述任务内容包括通过文本、图像、视频、音频、附件文件至少之一描述;任务资源是完成任务必备的资源要素,任务风险是任务完成过程需要识别的风险要素,任务评价是任务完成后的评价指标;
识别模块,用于将任务内容中的图像通过Canny边缘检测算法识别出文本区域,根据文本区域通过CRNN算法识别出文字内容;将任务内容中的视频音轨、音频通过隐马尔科夫模型算法识别出文字内容;将任务内容中的附件文件打开并识别其类型,通过调用匹配其类型的识别算法识别其文字内容;
难度判断模块,用于根据文字内容通过CYK算法对文字内容进行断句并提取基本词语,根据基本词语筛滤掉常见词语得到专业词语;根据文字内容通过BERT模型统计单位长度文本内容的错误数量得到文本错误率;获取任务审批人的专业领域,通过专业领域和文字内容通过复杂度模型得到理解难度,所述复杂度模型是通过神经网络算法建立文字内容的专业词语数量、文本错误率、专业领域与理解难度的历史数据之间的映射模型,所述理解难度是审批人在单位时间所能理解的文本长度;根据文字内容的文本长度、理解难度得到理解时长;
列表生成模块,用于获取任务审批人针对任务事项审批过程的审批时长的历史数据,根据审批时长和理解时长得到修正系数,将理解时长乘以修正系数的数值记为审批修正时长;将审批列表中的任务事项按照紧要程度进行排序,并计算出每个任务事项的审批修正时长;当任务审批人进行审批活动时,获取任务审批人的日程得到进行下个日程的剩余时间,将审批修正时长超过剩余时间的单个任务事项剔出本时间段的审批列表,随后按审批列表顺序计算累加每个任务事项的审批修正时长直到累加结果超过剩余时间,将参与累加的任务事项加入待批清单;
预测时长模块,用于获取任务事项的审批列表,根据审批列表、理解时长通过审批时间模型得到审批时间,所述审批时间模型是通过神经网络算法建立任务审批人、理解时长、修正系数、任务审批人的日程和审批时间的映射关系;通过任务事项在审批列表的排序,累加该任务事项以及排序在其前的任务事项的审批时间得到预测审批时间;推送所述预测审批时间到任务事项的可视化界面,当任务人员发现预测审批时间慢于自身预期或者项目进度时,通过可视化界面调高任务事项的紧急程度或者通知任务审批人加快审批效率。
8.如权利要求7所述的一种基于可视化界面的智能管理分析系统,其特征在于,所述系统还包括:
第一列表优化模块,用于将待批清单按照理解难度由高往低重新排序并更新,期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长超过其审批修正时长并达到第一比值时,待批清单剔出理解难度超过第一比值对应设定的难度阈值的任务事项,并按顺序摘取审批列表中的理解难度低于难度阈值且累计的审批修正时长少于剩余时间的任务事项加入待批清单。
9.如权利要求8所述的一种基于可视化界面的智能管理分析系统,其特征在于,所述系统还包括:
第二列表优化模块,用于在将待批清单按照理解难度由高往低重新排序并更新之前,将任务审批人的审批时间按小时划分成时间段,根据每个时间段任务事项的实际审批时长和审批修正时长的历史数据计算实际审批时长和审批修正时长的比值记为第二比值,将第二比值按照数值大小把时间段划分为高效率、一般效率和低效率;将待批清单中的任务事项根据理解难度按照设定难度区间划分为高难度、中难度和低难度,将高难度的任务事项加入高效率的时间段,中难度的任务事项加入一般效率的时间段,低难度的任务事项加入低效率的时间段,并将每个时间段的待批清单按照理解难度由高往低重新排序并更新。
10.如权利要求8所述的一种基于可视化界面的智能管理分析系统,其特征在于,所述系统还包括:
预警模块,用于期间监测任务事项的实际审批时长,当超过设定数量的任务事项的实际审批时长低于其审批修正时长并达到第三比值时,标记并预警本次待批清单中已审批通过的任务事项的审批可靠性;从待批清单内的下一项任务事项开始,当检测到实际审批时长和审批修正时长比值仍低于第三比值时,在每个任务事项审批通过结束前,通过TextRank算法提取文字内容的摘要,弹出附有摘要的提示窗口并要求任务审批人进行二次确认。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311233066.0A CN116976836B (zh) | 2023-09-22 | 2023-09-22 | 一种基于可视化界面的智能管理分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311233066.0A CN116976836B (zh) | 2023-09-22 | 2023-09-22 | 一种基于可视化界面的智能管理分析方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116976836A CN116976836A (zh) | 2023-10-31 |
CN116976836B true CN116976836B (zh) | 2023-12-26 |
Family
ID=88473434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311233066.0A Active CN116976836B (zh) | 2023-09-22 | 2023-09-22 | 一种基于可视化界面的智能管理分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116976836B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635358B (zh) * | 2024-01-25 | 2024-04-16 | 山东师范大学 | 基于大数据的财务管理方法和系统 |
CN117649210B (zh) * | 2024-01-29 | 2024-04-19 | 国网浙江省电力有限公司宁海县供电公司 | 一种项目数据管理方法以及管理系统 |
CN117669567B (zh) * | 2024-01-31 | 2024-04-23 | 青岛冠成软件有限公司 | 一种单据管理方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105009071A (zh) * | 2013-03-11 | 2015-10-28 | 高通股份有限公司 | 审查系统 |
CN110991901A (zh) * | 2019-12-05 | 2020-04-10 | 上海凯京信达科技集团有限公司 | 任务分配方法、计算机存储介质及电子设备 |
CN111192004A (zh) * | 2019-12-12 | 2020-05-22 | 北京城乡建设集团有限责任公司 | 用于当前待办任务和后续待办工作流程展示的方法 |
CN112598366A (zh) * | 2020-11-27 | 2021-04-02 | 北京理工大学 | 一种资产管理审批流程自动化规划方法及装置 |
CN113326862A (zh) * | 2021-01-12 | 2021-08-31 | 南京审计大学 | 审计大数据融合聚类与风险数据检测方法、介质、设备 |
CN113671922A (zh) * | 2021-08-24 | 2021-11-19 | 湖南和信安华区块链科技有限公司 | 一种基于区块链的生产计划管理系统 |
CN114066310A (zh) * | 2021-11-29 | 2022-02-18 | 中国工商银行股份有限公司 | 审批任务分配方法、装置、计算机设备和存储介质 |
CN114240340A (zh) * | 2021-12-02 | 2022-03-25 | 文思海辉智科科技有限公司 | 业务数据处理方法、装置、电子设备及可读存储介质 |
WO2023084120A1 (en) * | 2021-11-15 | 2023-05-19 | Swiss Reinsurance Company Ltd. | Digital system for controlled boost of expert forecasts in complex prediction environments and corresponding method thereof |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2010212367A1 (en) * | 2010-05-24 | 2011-12-08 | Ehiive Holdings Pty Ltd | Task management method, system and tool |
-
2023
- 2023-09-22 CN CN202311233066.0A patent/CN116976836B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105009071A (zh) * | 2013-03-11 | 2015-10-28 | 高通股份有限公司 | 审查系统 |
CN110991901A (zh) * | 2019-12-05 | 2020-04-10 | 上海凯京信达科技集团有限公司 | 任务分配方法、计算机存储介质及电子设备 |
CN111192004A (zh) * | 2019-12-12 | 2020-05-22 | 北京城乡建设集团有限责任公司 | 用于当前待办任务和后续待办工作流程展示的方法 |
CN112598366A (zh) * | 2020-11-27 | 2021-04-02 | 北京理工大学 | 一种资产管理审批流程自动化规划方法及装置 |
CN113326862A (zh) * | 2021-01-12 | 2021-08-31 | 南京审计大学 | 审计大数据融合聚类与风险数据检测方法、介质、设备 |
CN113671922A (zh) * | 2021-08-24 | 2021-11-19 | 湖南和信安华区块链科技有限公司 | 一种基于区块链的生产计划管理系统 |
WO2023084120A1 (en) * | 2021-11-15 | 2023-05-19 | Swiss Reinsurance Company Ltd. | Digital system for controlled boost of expert forecasts in complex prediction environments and corresponding method thereof |
CN114066310A (zh) * | 2021-11-29 | 2022-02-18 | 中国工商银行股份有限公司 | 审批任务分配方法、装置、计算机设备和存储介质 |
CN114240340A (zh) * | 2021-12-02 | 2022-03-25 | 文思海辉智科科技有限公司 | 业务数据处理方法、装置、电子设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
农业基本建设项目进度缓慢原因分析和对策研究;夏耀西;;农业科研经济管理(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116976836A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116976836B (zh) | 一种基于可视化界面的智能管理分析方法和系统 | |
CN108537544B (zh) | 一种交易系统实时监控方法及其监控系统 | |
CN107609835B (zh) | 一种电网人力配置应用系统及方法 | |
KR102289935B1 (ko) | 인공지능 기반의 법률 문서 분석 시스템 및 방법 | |
CN113468296B (zh) | 可配置业务逻辑的模型自迭代式智能客服质检系统与方法 | |
US11675750B2 (en) | User generated tag collection system and method | |
US20100121746A1 (en) | Financial statement risk assessment and management system and method | |
Hodkiewicz et al. | Rethinking maintenance terminology for an industry 4.0 future | |
CN117151345A (zh) | 一种基于ai技术的企业管理智能决策平台 | |
CN113344525A (zh) | 一种企业人力资源综合管理系统 | |
CN116629677A (zh) | 一种人力资源工作分析用数据统计系统 | |
CN111145053A (zh) | 基于人工智能的企业法律顾问管理系统及方法 | |
CN115330216A (zh) | 一种监理数据管理系统、方法、设备及介质 | |
CN111126951B (zh) | 一种基于数字化的企业干部人才决策方法 | |
Mockus | Analogy based prediction of work item flow in software projects: a case study | |
CN114168409A (zh) | 一种业务系统运行状态监控预警方法与系统 | |
CN112699235A (zh) | 用于简历样本数据的解析和评价的方法、设备和系统 | |
Saad | The role of artificial intelligence techniques in achieving audit quality | |
CN110674269A (zh) | 一种线索信息管控方法及系统 | |
US11853915B1 (en) | Automated screening, remediation, and disposition of issues in energy facilities | |
CN114611627A (zh) | 一种企业分类方法和系统 | |
US20230064824A1 (en) | System and method for implementing a research and development tax credit tool | |
Card et al. | Fast or Slow? Uncovering Expert Views from Decision Time | |
CN117522103A (zh) | 基于问题清单的危化品企业hse合规风险计算系统及方法 | |
Yim et al. | Functional complexity impact on engineering design project risk indicators |
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 |