CN103310091A - 用于生成为项目团队提供人员配备的建议的方法和系统 - Google Patents
用于生成为项目团队提供人员配备的建议的方法和系统 Download PDFInfo
- Publication number
- CN103310091A CN103310091A CN2013100516951A CN201310051695A CN103310091A CN 103310091 A CN103310091 A CN 103310091A CN 2013100516951 A CN2013100516951 A CN 2013100516951A CN 201310051695 A CN201310051695 A CN 201310051695A CN 103310091 A CN103310091 A CN 103310091A
- Authority
- CN
- China
- Prior art keywords
- staff
- technical ability
- skill
- processor
- project
- 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
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063112—Skill-based matching of a person or a group to a task
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种处理器实现的方法、系统、和/或计算机程序产品生成将工作人员包括在项目团队中的建议。确定不是目前需要的、但是项目团队将来需要的必备技能集合。接收描述使历史工作人员获得必备技能集合的先行条件的历史数据。利用对项目团队的成员可用的技能集合提高因子来调整候选工作人员的当前技能集合数据,以生成候选工作人员的预测的未来技能集合。响应于所需的必备技能集合匹配候选工作人员的预测的未来技能集合,生成将该候选工作人员添加到项目团队的建议。
Description
技术领域
本发明涉及计算机领域,具体而言,涉及当为项目团队提供人员配备以从事于一个或多个项目时计算机的使用。更具体而言,本发明涉及在识别未来在项目中所需的最佳的候选工作人员时计算机的使用。
背景技术
项目由导致期望结果和/或产品的计划的活动集合构成。例如,可以创建项目,以提供软件程序,构建大楼,开新办公室等等。项目由非人力资源(例如,设备、计算机系统、原材料等等)和人力资源(即,工作人员)的组合来执行。
发明内容
处理器实现的方法、系统和/或计算机程序产品生成将工作人员包括在项目团队中的建议。确定不是项目团队目前需要的、但是将来需要的必备技能集合。接收描述使历史工作人员获取必备技能集合的先行条件的历史数据。利用对项目团队的成员可用的技能集合提高因子来调整候选工作人员的当前技能集合数据,以生成候选工作人员的预测的未来技能集合。响应于所需的必备技能集合匹配候选工作人员的预测的未来技能集合,生成用于将该候选工作人员添加到项目团队的建议。
附图说明
图1描绘了可以被用来实现本发明的示例性系统和网络;
图2示出了示例性预测的团队技能拓扑图;
图3描绘了示例性候选工作人员的预测的技能拓扑图;
图4示出了通过将图3的候选工作人员的预测的技能拓扑图覆盖在图2的预测的团队技能拓扑图上所生成的预测的组合的团队技能拓扑图;
图5描绘了示例性候选工作人员的预测的技能小球拓扑图;
图6示出了示例性预测的组合的团队技能小球拓扑图;
图7描绘了示例性多维拓扑图;以及
图8是由处理器生成将工作人员包括在项目团队中的建议所采取的一个或更多示例性步骤的高级流程图。
具体实施方式
所属技术领域的技术人员知道,本发明可以实现为系统、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、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。在本文件中,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系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
下面将参照本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,这些计算机程序指令通过计算机或其它可编程数据处理装置执行,产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中,这样,存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instruction means)的制作品(manufacture)。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
现在参考图形,特别是参考图1,描绘了可以被本发明使用和/或可以在实现本发明时使用的示例性系统和网络的框图。请注意,示例性体系结构中的某些或全部,包括所示出的并且在计算机102内的描绘的硬件和软件,可以被软件部署服务器150和/或数据库服务计算机152使用。
示例性计算机102包括耦合到系统总线106的处理器104。处理器104可以使用一个或多个处理器,其中每一个处理器都具有一个或多个处理器核。驱动/支持显示器110的视频适配器108也耦合到系统总线106。系统总线106通过总线桥112耦合到输入/输出(I/O)总线114。I/O接口116耦合到I/O总线114。I/O接口116承担与各种I/O设备的通信,I/O设备包括键盘118、鼠标120、媒体托盘122(可以包括诸如CD-ROM驱动器之类的存储设备,多媒体接口等等)、打印机124、以及外部USB端口126。尽管连接到I/O接口116的端口的格式可以是计算机体系结构的所属领域的技术人员已知的任何格式,但是,在一个实施例中,这些端口中的某些或全部是通用串行总线(USB)端口。
如所描绘的,计算机102能够使用网络接口130与软件部署服务器150以及数据库服务计算机152进行通信。网络接口130是诸如网络接口卡(NIC)等等之类的硬件网络接口。网络128可以是诸如因特网之类的外部网络,或诸如以太网或虚拟专用网络(VPN)之类的内部网络。
硬盘驱动器接口132也耦合到系统总线106。硬盘驱动器接口132与硬盘驱动器134对接。在一个实施例中,硬盘驱动器134充当也耦合到系统总线106的系统存储器136。系统存储器被定义为计算机102中的最低级别的易失性存储器。此易失性存储器包括额外的较高级别的易失性存储器(未示出),包括――但不仅限于――高速缓存存储器、寄存器以及缓冲器。填充系统存储器136的数据包括计算机102的操作系统(OS)138以及应用程序144。
OS138包括用于提供对诸如应用程序144之类的资源的透明用户访问的壳体140。一般而言,壳体140是在用户和操作系统之间提供解释器和接口的程序。更具体而言,壳体140执行输入到命令行用户界面的或来自文件的命令。因而,壳体140,也叫做命令处理器,一般是最高级别的操作系统软件层次结构,并充当命令解释器。壳体提供系统提示,解释通过键盘、鼠标,或其他用户输入介质输入的命令,并将已解释的命令发送到适当的较低级别的操作系统(例如,内核142),以供处理。请注意,尽管壳体140是基于文本的、行导向的用户接口,但是,本发明将同样支持诸如图形、语音、姿势等等之类的其他用户接口模式。
如所描绘的,OS138还包括内核142,内核142包括OS138的较低级别的功能,包括提供OS138的其他部分所需的必要服务以及应用程序144,包括存储器管理、过程和任务管理、磁盘管理以及鼠标和键盘管理。
应用程序144包括呈现器,在示例性方式中被示出为浏览器146。浏览器146包括使得万维网(WWW)客户端(即,计算机102)能够使用超文本传输协议(HTTP)消息发送和接收网络消息,因而使能与软件部署服务器150及其他计算机系统进行通信的程序模块和指令。
计算机102的系统存储器(以及软件部署服务器150的系统存储器)中的应用程序144还包括项目团队人员配备程序(PTSP)148。PTSP148包括用于实现下面所描述的进程的代码,进程包括图2-8中所描述的那些。在一个实施例中,计算机102能够从软件部署服务器150下载PTSP148,包括按需方式,其中直到需要执行才下载PTSP148中的代码。进一步请注意,在本发明的一个实施例中,软件部署服务器150执行与本发明相关联的全部功能(包括执行PTSP148),因而使得计算机102不必使用其自己的内部计算资源来执行PTSP148。
要么直接地要么如所描绘的那样通过数据库服务器计算机152耦合到计算机102的还有生物特征传感器154。生物特征传感器154是收集与诸如候选工作人员之类的人相关联的生物特征数据的设备。生物特征数据是描述生理状态、身体素质或生理条件的度量的数据。生物特征数据可以包括,但不限于,指纹、拇指纹、掌印、脚印、心率、视网膜图案、虹膜图案、瞳孔扩张、血压、呼吸率、体温、血糖水平以及任何其他生理数据。生物特征传感器154是下列各项中的一项或多项,但不仅限于:指纹扫描仪、手掌扫描仪、拇指纹扫描仪、视网膜扫描仪、虹膜扫描仪、无线血压监视器、心脏监护器、温度计或其他体温测量设备、血糖监视器、能够检测心跳和/或呼吸音的麦克风、呼吸分析仪和/或任何其他类型的生物特征设备。
一个示例性生物特征传感器(来自生物特征传感器154)是虹膜扫描仪。当针对项目团队中的一个位置面试一个人时,生物特征扫描仪可以测量对于与该人对于项目团队正在处理的项目的兴趣/热情有关的问题的虹膜响应(即,在各种时间段当中的收缩、放大、波动等等)。将这些虹膜响应数字化,然后,将它们与各种存储的虹膜响应的数据库进行比较。此数据库保存表示响应于特定问题的兴趣、厌倦等等的已知模式。这些问题可以是一般性问题,以使得厌倦/兴趣是独立于问题的,或问题可以是特定于项目的。在一个实施例中,存储的响应是对于与特定项目和为该特定项目而配备的项目团队有关的特定问题的响应。通过将候选工作人员的针对关于项目的问题的虹膜响应与已知的虹膜响应模式进行比较,面试者以及候选人两者都能够测量候选工作人员具有的实际的兴趣水平。例如,如果候选工作人员被询问有关特定技术领域的问题,则对此技术领域的真正兴趣可以通过瞳孔扩张/波动表示,而对此特定技术领域缺乏兴趣可以通过瞳孔扩张水平的无变化表示。
另一示例性生物特征传感器(来自生物特征传感器154)是语音压力分析仪。当针对项目团队中的一个位置面试一个人时,语音压力分析仪可以测量对于与该人对于项目团队正在处理的项目的兴趣/热情有关的问题的语音模式的变化(即,在各种时间段当中的较高/较低的语调、节拍变化等等)。将这些语音模式响应数字化,然后,将它们与各种存储的语音模式的数据库进行比较。此数据库保存表示响应于特定问题的兴趣、厌倦等等的已知的模式。这些特定的问题可以是一般性的问题,以使得厌倦/兴趣是独立于问题的。在一个实施例中,存储的响应是对于与特定项目和为该特定项目而配备的项目团队有关的特定问题的响应。通过将候选工作人员的针对关于项目的问题的语音模式与已知的语音模式进行比较,面试者以及候选人两者都能够测量候选工作人员具有的对于项目和/或必备技能集合的技术领域的实际的兴趣水平。
仍参考图1,请注意,在计算机102中所描绘的硬件元件不是详尽的,而是代表性的以突出本发明所需的必备组件。例如,计算机102可以包括诸如磁带盒、数字多功能盘(DVD)、伯努利盒式磁带等等之类的替代存储器存储设备。这些及其他变化都在本发明的精神和范围内。
现在参考图2,呈现了显示在图形用户界面(GUI)202上的示例性预测的团队技能拓扑图200。预测的团队技能拓扑图200描绘了项目团队的一个或多个成员被预测在未来时期在项目团队被分配的一个或多个项目中拥有的技能集合A-E(技能图标204a,204b,204c,204d,以及204e)。即,项目团队一个成员能够执行某些技能(即,具有由技能图标204a表示的技能集合A),而项目团队的另一成员将具有技能集合B(由技能图标204b表示),等等。可替换地,项目团队的一个成员可以具有技能集合A和B(由技能图标204a和204b表示)。可替换地,项目团队的两个或更多成员可以具有相同的技能集合(例如,由技能图标204c表示的技能集合C)。
如上所述,图2中所描绘的每一个技能集合可以由多个项目团队成员拥有。然而,为示例性目的,假设由预测的团队技能拓扑图200中的技能图标204a-204e所描绘的每一个技能集合在将来属于项目团队的单个成员。利用与技能集合的接近度不同的一个或多个技能点来描绘每一个技能集合。例如,考虑由技能图标204d表示的技能集合D。如所描绘的,存在围绕(即,被描绘成靠近)技能图标204d的多个技能点。这些技能点中的两个是技能点206a和技能点206b。如所描绘的,技能点206a比技能点206b更远离技能图标204d。这种距离的差异是由于这样的基础事实:对于技能集合D,由技能点206a表示的技能集合数据不如与技能点206b有关的技能集合数据那样有意义。例如,假设技能点206a和技能点206b两者描述了与技能集合D有关的关键字在两个不同的文档中出现多少次。在第一文档(与技能点206a相关联)中,这些关键字可以出现十次,而在第二文档(与技能点206b相关联)中,它们出现五十次。在此示例中,第二文档比第一文档提供更多的与技能集合D有关的工作人员的技能/兴趣/经验/教育的证据。因而,技能点206b(与第二文档相关联)被描绘为比技能点206a更靠近技能集合图标204d。
请注意,图2中所描绘的技能点中的每一个都与针对每一个技能集合的单个工作人员相关联,或者可替换地,技能点中的每一个都与针对每一个技能集合的多个工作人员相关联。例如,围绕技能集合图标204a的技能点(被描绘成具有阴影线填充外观)可以都与来自项目团队的单个工作人员相关联,或者它们可以与来自项目团队的多个工作人员相关联。
如图2中的团队技能拓扑图200所描绘的示例所示,围绕技能集合图标204a-204d中的每一个存在很多技能点,但是,对于技能集合E,只有与技能集合图标204e相关联的一个技能点208。类似地,两个技能点210离技能集合图标204e因而远,以致于它们无意义(即,它们表示技能集合E中的非常小的兴趣)。预测的团队技能拓扑图200上的此未填充区域表示项目团队缺少具有与技能集合E有关的有意义的技能的工作人员。根据本发明的一个实施例,这些有意义的技能不是目前所需的,但是,已经被预先确定为在将来对于一个或多个项目是项目团队所需要的。即,在一个实施例中,图2的预测的团队技能拓扑图200示出了哪些技能集合在未来的预定的时间段在项目中可用,而不是哪些技能集合当前可用。甚至对于项目团队上的当前工作人员,由于种种原因,当前可用的技能集合和预测的未来技能集合将彼此不同(即,当前可用的技能集合将不同于预测的未来技能集合),包括团队成员的已知的退休/重新布置/休假计划,将被项目团队的成员获得的预期的培训/经验等等。因而,在此实施例中,团队技能拓扑图200表示当前项目团队成员,少了被预测从项目团队中消失的任何成员,的预测的技能集合水平。
现在参考图3,在GUI302(可以是与图2中所描绘的GUI202相同的GUI或不同的GUI)上描绘了候选工作人员的预测的技能拓扑图300。如围绕技能集合图标204e的很多技能点304所暗示的,预测其技能集合被候选工作人员的预测的技能拓扑图300所描绘的候选工作人员在项目的预定的未来时间段具有与技能集合E(由图标204e表示)有关的广泛背景(即,教育、出版物、工作经历、证书等等)。另外,预测此特定候选工作人员也在技能B(由图标204b表示)方面具有有意义的背景。由各种技能点表示的此候选人将具有与技能C有关的某些经验,只有少量的与技能A有关的经验,没有与技能D有关的经验。候选工作人员的这些预测的未来技能集合基于其他工作人员的已知的轨迹。
在一个实施例中,预测候选工作人员在将来某个时间段在项目中将拥有的预测的未来技能集合通过识别当前项目的最终产品来执行。例如,最终的项目可以是用于汽车销售商店的软件记帐程序。计算机(例如,图1示出的计算机102)中的处理器然后定位与当前项目产生相同类型的最终产品的过去的项目。处理器识别从事于过去的项目中的团队成员产生此相同类型的软件记帐程序所使用的所有过去的必备技能集合(例如,某一软件语言的专业知识,将新的硬件集成到传统系统的专业知识等等)。基于此信息,处理器能够通过从过去的必备技能集合识别当前项目团队的成员拥有的当前和/或预测的未来的技能集合缺少哪一个技能集合,来确定当前项目团队在将来需要哪一个必备技能集合。
现在参考图4,预测的组合的团队技能拓扑图400描绘了图3的候选工作人员的预测的技能拓扑图300覆盖在图2的预测的团队技能拓扑图200上。如预测的组合的团队技能拓扑图400中的各种类型的技能图标的布局所描绘的,如果图3的候选工作人员的预测的技能拓扑图300中所描述的候选工作人员当前被添加到项目团队,以便允许她根据对团队成员可用的技能集合提高因子(例如,教育、经验,指导等等)来发展她的技能,则所有技能集合A-E将通过将来的项目团队来提供。然而,由于候选工作人员具有或将具有与技能集合B和技能集合C有关的技能(如在图3中所描绘的),因此这些技能集合可能在将来过度丰富,这可能不是工作人员的经济有效的分布。因此,与图3中所描述的候选工作人员具有相同的所需的来自技能集合E的技能,但是没有与技能集合B和/或技能集合C有关的技能的另一候选工作人员,可以更好地适合项目团队的未来的需求。
尽管图2-4中所示出的图形在只有有限数量的技能点要被绘制的情况下有用,但是,在其他情况下,有太多的数据要通过这样的技能点来清楚地表示。类似地,某一技能集合是两个或更多技能集合的组合。为了描绘和/或处理这样的技能集合(其中,有太多技能点和/或技能集合是两个或更多技能集合的组合),使用小球拓扑图。例如,考虑图5所示出的候选工作人员的预测的技能小球拓扑图500。技能集合A-E通过诸如线502之类的可视指示符来连接,线502是表示可以存在包括技能集合A以及技能集合E的技能集合的可视指示符。在线502上的处理器确定的位置处显示小球504,其是描绘技能集合A和技能集合E的组合的示例性组合图形。由于与技能集合图标204a相比,小球504非常接近于技能集合图标204e,因此这表示具有/将具有此技能集合组合的工作人员(或多个工作人员)具有/将具有比技能集合A多得多的来自技能集合E的技能。
类似地,大于小球504的小球506表示候选工作人员/工作人员集合具有更多来自技能集合E和技能集合C的组合的技能。此外,由于小球506接近于技能图标204e,因此,候选工作人员的预测的技能小球拓扑图500示出了,此候选工作人员/工作人员集合将具有更多的来自技能集合E的技能。此外,小球508表示此候选工作人员/工作人员集合具有更多的来自技能集合E的技能,虽然由小球508表示的许多技能是由于来自技能集合B的技能。
现在参考图6,预测的组合的团队技能小球拓扑图600示出了被预测将在将来被项目团队拥有的各种技能级别。预测的组合的团队技能小球拓扑图600不仅包含候选工作人员的小球504,506和508(来自图5),而且还包含表示当前项目团队成员的预测的技能级别的小球602,604,606,608和610。
尽管图2-6中所示出的图对可视化技能级别预测有用,但是,请注意,这些图形仅仅设想了二维空间(技能集合)之间的关系。然而,在一个实施例中,使用三维或更多维。例如,考虑在图7中在多维拓扑图700中所描绘的三个技能集合之间存在相互作用的情况。三个技能集合由多维拓扑图700的边702、边704和边706表示。候选工作人员和/或项目团队成员可以具有作为这三个技能集合的组合的技能集合,如多维小球708所描绘的,其中,多维小球708的位置和大小是通过三个技能集合的相对技能级别来确定的。即,以如图6所描述的类似的方式来执行多维小球708的映射。
现在考虑多维小球,该小球反映超过三维的技能集合、变化的技能集合要求等等的同时的组合,和/或考虑在项目的不同的时间点的变化的需求。此多维小球没有在本专利申请的图形中描绘,因为它们超过三维,因而,不能在单个图形中可视化。在此实施例中,所有操作和分析(即,确定未来的项目需求,预测对于候选工作人员和当前项目团队成员的未来的技能集合,等等)只由能够在超出三维的维度中操作的处理器执行。例如,假设存在二十个参数必须考虑以便确定候选工作人员的未来技能集合将包括什么,和/或项目团队的技能集合需求将是什么。这些多维(即,三个以上)参数不能在正常的二/三维空间中可视地描绘或预想,因而,它们在计算机系统的排除的范围内。
现在参考图8,呈现了由处理器生成将工作人员包括在项目团队中的建议所采取的一个或更多示例性步骤的高级别的流程图。在起始框802之后,确定对于当前项目将来项目团队需要的必备技能集合(框804)。在一个实施例中,此确定是由处理器基于类似的项目的比较并规划当前项目的未来需求来作出的。此项目团队包括项目上的一个或多个工作人员。必备技能集合将在项目过程中在未来的时间被需要,但是,项目团队目前不需要。因而,本发明不针对当前的人员配备需求,而是针对未来的人员配备需求。
请注意,在一个实施例中,项目团队当前填充有其他工作人员。在此实施例中,处理器通过首先将描述其他工作人员拥有的技能集合的数据绘制到团队技能拓扑图(例如,如图2中所描绘的)上,来确定项目团队将来需要的必备技能集合。如此处所描述的,必备技能集合是通过识别团队技能拓扑图上的未填充区域,因而指出将需要哪些未来的技能集合,来确定/识别的。
在一个实施例中,项目是当前项目,项目团队是当前项目团队,并且确定当前项目团队将来需要的必备技能集合是通过处理器识别当前项目的最终产品来执行的。然后,处理器定位与当前项目的最终产品产生相同类型的产品的过去的项目。然后,处理器识别过去的项目产生所述相同类型的产品所使用的所有过去的必备技能集合。然后,处理器通过从所述所有过去的必备技能集合中识别当前项目团队的成员当前拥有的当前技能集合中缺少哪个技能集合,来确定当前项目团队将来需要的必备技能集合。例如,假设过去项目产生红色小部件。当前项目将产生小部件,虽然它们可能是蓝色小部件,但是,仍与红色小部件是相同类型的产品。通过检查在过去的项目期间的不同的时间点期间产生红色小部件需要什么技能,处理器可以确定在这些时间点中的每一个期间产生蓝色小部件需要什么技能集合。然后,处理器预测哪些技能集合将在将来,特别是在这些时间点,对项目团队可用。请注意,在某些实施例中,项目当前正在进行中,而在其他实施例中,项目还刚开始。然而,在任一情况下,本发明所解决的是对未来技能需求的预测以及填充这些技能需求。
如在框806所描述,处理器然后接收描述历史工作人员的先行条件的历史数据。在一个实施例中,此历史数据是一组二进制历史数据,是“1”和“0”。因而,此二进制数据是人无法理解的格式,只能被处理器读取/理解。在一个实施例中,此二进制数据以对于人捕获/理解来说太快的速率流式传送,因而只能被处理器捕获/处理。预先确定历史工作人员的先行条件以使得历史工作人员获取必备技能集合。例如,假设历史工作人员(即,除项目团队的候选工作人员以外)具有某一技能集合。推测此工作人员不是天生具有这些技能,而是具有导致她实现这些技能的某一教育、工作经历、指导等等。因而,历史工作人员的最终技能集合是以前的技能以及她随后利用的提高因子的结果。
然后,参考框808,处理器检索识别候选工作人员的当前技能集合的候选工作人员的技能集合数据。在一个实施例中,此候选工作人员的技能集合数据是候选工作人员的技能集合二进制数据,采用只能被处理器理解的二进制(“1”和“0”)格式。在一个实施例中,此二进制数据以对于人捕获/理解来说太快的速率流式传送,因而只能被处理器捕获/处理。候选工作人员的当前技能集合可以包括她的教育、证书、工作经历、作品,陈述的兴趣等等。即,当前技能集合是知识和态度的组合。在一个实施例中,候选工作人员的技能集合通过来自社交网络储存库的数据来识别。此社交网络储存库也可以提供描述历史数据的数据,历史数据描述框806中所描述的历史工作人员的先行条件。可以从图1所示出的数据库服务计算机152访问的此社交网络储存库包括工作人员过去发表的社交网络Web记录、文本消息、因特网视频记录等等。在一个实施例中,根据候选工作人员的时间加权的历史作品中的预定义的单词的出现的百分数,来识别候选工作人员的陈述的兴趣。例如,假设候选工作人员发表了关于特定主题的文章,并在单个页面文档中使用了特定关键字或短语(即,“蓝色小部件”)十次。此文档将比由另一候选人发表的100页长、但是术语“蓝色小部件”仅出现了十次的文档具有更大的权重。因而,第一候选工作人员将被确定为更好地适合于将制作蓝色小部件的项目。在一个实施例中,与更旧的历史作品相比,更近的历史作品被给予更大的权重。因而,上星期密集地写了关于蓝色小部件的文章的候选人将被视为比十年前写了关于蓝色小部件的文章的另一候选人更强的候选人,因为另一个候选人显然对蓝色小部件已经失去了兴趣。
如在框810中所指出的,处理器然后识别对项目团队的成员可用的技能集合提高因子。这样的技能集合提高因子的示例包括,但不仅限于:候选人通过加入项目团队得到的工作经历;将由项目团队的其他成员所提供的指导;对项目团队成员可用的继续教育机会;等等。如在框812中所指出的,当通过处理器将这些技能集合提高因子与候选工作人员的当前技能集合组合时,可以预测候选工作人员的预测的未来技能集合。因此,基于过去的历史数据以及经验,可以通过查看她当前具有什么技能,然后预测如何通过特定技能集合提高因子来提高这些技能,可以就特定工作人员在未来将具有什么技能作出准确预测。在一个实施例中,此预测通过将候选工作人员的当前状态与在经受相同的技能集合提高因子之前历史工作人员所处的位置进行比较来作出。例如,假设历史工作人员以及候选工作人员两者都具有技能集合“X”。进一步假设历史工作人员利用技能集合提高因子“Y”,并且两年后增强了技能集合“Z”。如果当前候选工作人员也利用相同的技能集合提高因子“Y”,则做出她在两年后也将增强了技能集合“Z”的假设。
因而,如在查询框814中所指出的,如果历史工作人员以及当前候选人具有相同的以前的技能集合以及技能集合提高因子,并且历史工作人员以具有当前项目团队在未来(例如,在两年内)需要的必备技能集合结束,那么,处理器将生成目前将候选工作人员添加到项目团队,以便给予她发展需要的/必备技能集合的时间的建议(框816)。如果当前候选工作人员的技能和技能集合提高因子的组合不会产生匹配历史工作人员具有的技能的预测的未来的技能集合(查询框814),那么作出查询,以确定是否存在其他候选人要评估(查询框818)。如果没有,那么处理结束(结束框820)。
如此处所描述的,在一个实施例中,处理器将候选人技能集合数据绘制到候选工作人员的技能拓扑图上(参见图4和6)。如果候选工作人员的技能拓扑图填充团队技能拓扑图的未填充区域超出预定的填充级别,那么,处理器生成将候选工作人员包括在项目团队中的建议,无论是目前(以便使她有发展未来将需要的必备技能集合的时间),还是在未来当实际需要必备技能集合时。
在一个实施例中,特别是如图5-6所描述,必备技能集合是至少两个技能集合的组合。例如,技能集合的组合可以包括对于第一技能的第一技能级别和对于第二技能的第二技能级别。如在图5-6中所描述的,处理器在候选工作人员的技能拓扑图上显示第一技能图标和第二技能图标之间的可视连接器。请注意,第一技能图标表示第一技能,而第二技能图标表示项目团队未来需要的第二技能。处理器生成用图形方式描绘候选工作人员拥有的至少两个技能集合的组合的组合图形(例如,小球)。然后,处理器在可视连接器上的处理器确定的位置处显示组合图形。此处理器确定的位置指示:与第二技能相比,候选工作人员的第一技能的熟练程度如何。
在一个实施例中,必备技能集合再次由多个技能构成。在此实施例中,处理器对多个技能中的每一个应用来自多个权重值中的不同的权重值,以创建加权的必备技能集合。处理器对候选工作人员的预测的未来技能集合中的多个技能中的每一个应用来自多个加权值的不同的加权值,以创建候选工作人员的预测的加权的技能集合。然后,处理器从候选工作人员池中推荐最佳候选工作人员,其中,最佳候选工作人员拥有最佳匹配加权的必备技能集合的预测的加权的技能集合。
例如,假设必备技能集合由技能集合X、技能集合Y以及技能集合Z构成。还假设,技能集合X被确定为对于特定项目是最重要的,因而,对于此特定项目,具有0.5的权重,而技能集合Y具有0.25的权重,技能集合Z具有0.10的权重。现在假设,有两个候选工作人员,其中的每一个都具有技能集合X、Y和Z,但是在不同的技能级别。即,假设第一候选人对于技能集合X具有10的技能级别,对于技能集合Y和Z具有5的技能级别。进一步假设,第二候选人对于技能级别X具有5的技能级别,对于技能集合Y和Z具有8的技能级别。因而,第一候选人的组合的加权的技能级别是10(0.5)+5(0.25)+5(0.10)=6.75。第二候选人的组合的加权的技能级别是5(0.5)+8(0.25)+8(0.10)=5.30。因而,第一候选人更适合于当前/未来项目,尽管她的总体技能级别(10+5+5=20)低于第二候选人的总体技能级别(5+8+8=21)。然而,如果权重值都相等(例如,1.0),那么具有最高总体原始技能集合分数的候选人将是用于包括在项目团队中的较高推荐的候选人。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、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,所述模块、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,两个连续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,框图和/或流程图中的每个方框、以及框图和/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系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
此处所使用的术语只是为了描述特定实施例,而不对本发明作出限制。如此处所使用的,单数形式“一个”、“该”也包括复数形式,除非上下文明确地指出。还应该进一步理解,本说明中所使用的术语“包括”,表示指定的特征、整数、操作、元件和/或组件的存在,但是,不排除一个或多个其他特征、整数、操作、元件、组件或其组合的存在或添加。
下面的权利要求中的所有装置或步骤加功能元件的对应的结构、材料、操作以及等效的东西预期包括用于与特别要求保护的其他要求保护的元件相结合地执行功能的任何结构、材料或操作。对本发明的各实施例的描述仅仅为了例示和描述而呈现,但是不预期是详尽的或限于所公开的形式的发明。本领域的技术人员将认识到,在不偏离本发明的范围和精神的情况下,可以进行各种修改和变化。选择和描述实施例只是为了最好地说明本发明的原理和实际应用,并使本领域其它普通技术人员理解带有各种修改的各实施例的发明也适应于预期的特定用途。
进一步请注意,在本发明中所描述的任何方法都可以通过使用VHDL(VHSIC硬件描述语言)程序和VHDL芯片来实现。VHDL是用于现场可编程门阵列(FPGA)、专用集成电路(ASIC),及其他类似的电子设备的示例性设计条目语言。因而,此处所描述的任何软件实现的方法可以通过基于硬件的VHDL程序来仿真,然后,将该基于硬件的VHDL程序应用于诸如FPGA之类的VHDL芯片。
因而,参考本申请的说明性实施例详细地描述了本发明的各实施例,显然,在不偏离如下的所附权利要求书所定义的本发明的各实施例的范围的情况下,可以进行各种修改。
Claims (17)
1.一种生成将工作人员包括在项目团队中的建议的处理器实现的方法,所述处理器实现的方法包括:
确定项目团队在未来时间将需要的必备技能集合,其中,所述项目团队包括项目上的工作人员,其中,所述必备技能集合不是所述项目团队目前所需要的;
接收描述历史工作人员的先行条件的二进制历史数据的集合,其中,所述二进制历史数据的集合由处理器接收,并且其中,所述先行条件已被预先确定以使得所述历史工作人员获得所述必备技能集合;
由所述处理器检索识别候选工作人员的当前技能集合的候选工作人员的技能集合二进制数据;
识别对所述项目团队的成员可用的技能集合提高因子;
由所述处理器组合所述候选工作人员的当前技能集合与所述技能集合提高因子以生成所述候选工作人员的预测的未来技能集合;以及
响应于所述必备技能集合与所述候选工作人员的预测的未来技能集合匹配,所述处理器生成将所述候选工作人员目前添加到所述项目团队的建议。
2.如权利要求1所述的处理器实现的方法,其中,所述项目团队当前填充有其他工作人员,并且其中,所述处理器通过下列操作来确定所述项目团队在未来时间将需要的所述必备技能集合:
将描述所述其他工作人员拥有的技能集合的数据绘制到团队技能拓扑图上;以及
通过识别所述团队技能拓扑图上的未填充区域来识别所述必备技能集合。
3.如权利要求2所述的处理器实现的方法,还包括所述处理器:
将所述候选工作人员的技能集合二进制数据绘制到候选工作人员的技能拓扑图上;以及
响应于所述候选工作人员的技能拓扑图填充了所述团队技能拓扑图的所述未填充区域超出预定的填充级别,生成将所述候选工作人员包括在所述项目团队中的建议。
4.如权利要求3所述的处理器实现的方法,其中所述处理器实现的方法还包括所述处理器:
确定所述必备技能集合包括至少两个技能集合的组合,其中,所述至少两个技能集合的组合包括对于第一技能的第一技能级别以及对于第二技能的第二技能级别;
在所述候选工作人员的技能拓扑图上显示第一技能图标和第二技能图标之间的可视连接符,其中,所述第一技能图标表示所述第一技能,所述第二技能图标表示所述项目团队在未来时间需要的第二技能;
生成用图形方式描绘所述候选工作人员拥有的至少两个技能的集合的组合图形;以及
在所述可视连接符上的处理器确定的位置处显示所述组合图形,其中,所述处理器确定的位置指示:与所述第二技能相比,所述候选工作人员对所述第一技能的熟练程度如何。
5.如权利要求1所述的处理器实现的方法,其中,所述必备技能集合包括多个技能,其中,所述处理器实现的方法还包括所述处理器:
对所述多个技能中的每一个应用来自多个加权值中的不同的加权值,以创建加权的必备技能集合;
对所述候选工作人员的所述预测的未来技能集合中的所述多个技能中的每一个,应用来自所述多个加权值中的所述不同的加权值,以创建候选工作人员的预测的加权的技能集合;以及
从候选工作人员池中推荐最佳的候选工作人员,其中,所述最佳的候选工作人员拥有最佳匹配所述加权的必备技能集合的预测的加权的技能集合。
6.如权利要求5所述的处理器实现的方法,其中,所述多个加权值全部彼此相等。
7.如权利要求1所述的处理器实现的方法,其中,所述项目当前正在进行中。
8.如权利要求1所述的处理器实现的方法,其中,所述项目当前不在进行中,并且其中,所述项目被预定在未来的日期开始。
9.如权利要求1所述的处理器实现的方法,还包括所述处理器:
从社交网络储存库中检索所述历史数据以及所述候选工作人员的技能集合二进制数据。
10.如权利要求1所述的处理器实现的方法,还包括所述处理器:
将所述候选工作人员的技能集合二进制数据识别为所述候选工作人员的已识别的工作经历、教育、证书和陈述的兴趣的组合。
11.如权利要求10所述的处理器实现的方法,还包括所述处理器:
根据所述候选工作人员的时间加权的历史作品中的预定义的单词的出现的百分数识别所述候选工作人员的陈述的兴趣,其中,与较旧的历史作品相比,较新的历史作品被给予更大的权重。
12.如权利要求1所述的处理器实现的方法,其中,所述技能集合提高因子包括通过从事于所述项目而提供的工作经历以及来自于所述项目团队的其他成员的指导。
13.如权利要求1所述的处理器实现的方法,还包括所述处理器:
通过将来自所述候选工作人员的生理响应与已知生理响应进行比较,来识别所述候选工作人员的陈述的兴趣,其中,来自所述候选工作人员的生理响应和所述已知生理响应是由监视工作人员的生物特征传感器产生的,其中,所述已知生理响应是由对于与所述候选工作人员的陈述的兴趣有关的问题的已知响应产生的。
14.如权利要求1所述的处理器实现的方法,其中,所述项目是当前项目,其中,所述项目团队是当前项目团队,并且其中,所述确定当前项目团队在未来时间将需要的必备技能集合是由所述处理器执行下列操作来执行的:
识别所述当前项目的最终产品;
定位与所述当前项目产生相同的最终产品的过去的项目;
识别过去的项目产生所述相同的最终产品所使用的所有过去的必备技能集合;以及
通过从所述所有过去的必备技能集合中识别所述当前项目团队的成员当前拥有的当前技能集合中缺少哪个技能集合,来确定所述当前项目团队在未来时间将需要的必备技能集合。
15.一种计算机系统,包括:
被配置成确定项目团队在未来时间将需要的必备技能集合的装置,其中,所述项目团队包括项目上的工作人员,其中,所述必备技能集合不是所述项目团队目前所需要的;
被配置成接收描述历史工作人员的先行条件的历史数据的装置,其中,所述先行条件已被预先确定以使得所述历史工作人员获得所述必备技能集合;
被配置成检索识别候选工作人员的当前技能集合的候选工作人员的技能集合数据的装置;
被配置成识别对所述项目团队的成员可用的技能集合提高因子的装置;
被配置成组合所述候选工作人员的当前技能集合与所述技能集合提高因子以生成所述候选工作人员的预测的未来技能集合的装置;以及
被配置成响应于所述必备技能集合与所述候选工作人员的预测的未来技能集合匹配,生成将所述候选工作人员目前添加到所述项目团队的建议的装置。
16.如权利要求15所述的计算机系统,其中,所述项目团队当前填充有其他工作人员,并且其中,所述被配置成确定在未来时间将需要的必备技能集合的装置包括:
被配置成将描述所述其他工作人员拥有的技能集合的数据绘制到团队技能拓扑图上的装置;以及
被配置成通过识别所述团队技能拓扑图上的未填充区域来识别所述必备技能集合的装置。
17.如权利要求15所述的计算机系统,进一步包括:
被配置成将所述候选工作人员的技能集合数据绘制到候选工作人员的技能拓扑图上的装置;以及
被配置成响应于所述候选工作人员的技能拓扑图填充了所述团队技能拓扑图的所述未填充区域超出预定的填充级别,生成将所述候选工作人员包括在所述项目团队中的建议的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/399,376 US9141924B2 (en) | 2012-02-17 | 2012-02-17 | Generating recommendations for staffing a project team |
US13/399,376 | 2012-02-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103310091A true CN103310091A (zh) | 2013-09-18 |
Family
ID=48982977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100516951A Pending CN103310091A (zh) | 2012-02-17 | 2013-02-17 | 用于生成为项目团队提供人员配备的建议的方法和系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9141924B2 (zh) |
CN (1) | CN103310091A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489080A (zh) * | 2013-10-11 | 2014-01-01 | 杜继俊 | 互联网团队求职实现方法及系统 |
CN104657828A (zh) * | 2015-02-17 | 2015-05-27 | 华为技术有限公司 | 数据化和数据匹配方法和代码推荐方法及相关装置 |
CN105677929A (zh) * | 2016-03-31 | 2016-06-15 | 比美特医护在线(北京)科技有限公司 | 信息推荐方法及装置 |
CN107274071A (zh) * | 2017-05-24 | 2017-10-20 | 华为技术有限公司 | 组建团队的方法及装置 |
CN108604314A (zh) * | 2015-12-01 | 2018-09-28 | 渊慧科技有限公司 | 使用强化学习选择动作名单 |
CN109389277A (zh) * | 2017-08-04 | 2019-02-26 | 丰田自动车株式会社 | 调配保证系统 |
CN110772796A (zh) * | 2018-07-30 | 2020-02-11 | 优视科技有限公司 | 组队方法、装置及电子设备 |
CN111566708A (zh) * | 2018-02-11 | 2020-08-21 | 北京嘀嘀无限科技发展有限公司 | 用于服务平台的组队系统和方法 |
CN112418693A (zh) * | 2020-11-27 | 2021-02-26 | 上海妙一生物科技有限公司 | 临床研究项目人员配备方法和装置 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130254713A1 (en) * | 2012-03-26 | 2013-09-26 | Adobe Systems Incorporated | Sourcing and Work Product Techniques |
JP5740351B2 (ja) * | 2012-06-01 | 2015-06-24 | 任天堂株式会社 | 情報処理システム、情報処理プログラム、情報処理装置および表示方法 |
US20140214710A1 (en) * | 2013-01-28 | 2014-07-31 | Peter Dubner | Job Search Diagnostic, Strategy and Execution System and Method |
US9684698B1 (en) * | 2013-12-20 | 2017-06-20 | Massachusetts Mutual Life Insurance Company | Methods and systems for social awareness |
US10643140B2 (en) | 2014-05-01 | 2020-05-05 | International Business Machines Corporation | Method, system and computer program product for automating expertise management using social and enterprise data |
WO2016033108A1 (en) * | 2014-08-25 | 2016-03-03 | Unitive, Inc. | Human resource system providing reduced bias |
US20220138661A1 (en) * | 2015-03-16 | 2022-05-05 | Swarm Vision, Inc. | Behavioral Profiling with Actionable Feedback Methodologies and Systems |
US11164120B2 (en) * | 2015-03-16 | 2021-11-02 | Swarm Vision, Inc. | Behavioral profiling with actionable feedback methodologies and systems |
US11080626B2 (en) | 2016-03-17 | 2021-08-03 | International Business Machines Corporation | Job assignment optimization |
WO2017182880A1 (en) * | 2016-04-21 | 2017-10-26 | Ceb, Inc. | Predictive analytics |
US10515331B1 (en) | 2016-05-27 | 2019-12-24 | Vega Factor Inc. | System and method for evaluating individuals and modeling compensation levels |
US10699227B2 (en) * | 2016-06-17 | 2020-06-30 | Accenture Global Solutions Limited | Workforce strategy insights |
US20180260786A1 (en) * | 2017-03-08 | 2018-09-13 | International Business Machines Corporation | Cognitive scheduler |
US11036938B2 (en) * | 2017-10-20 | 2021-06-15 | ConceptDrop Inc. | Machine learning system for optimizing projects |
US11188855B2 (en) * | 2018-03-26 | 2021-11-30 | International Business Machines Corporation | Machine learning task assignment |
US11429908B2 (en) * | 2020-04-30 | 2022-08-30 | International Business Machines Corporation | Identifying related messages in a natural language interaction |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1347053A (zh) * | 2000-08-29 | 2002-05-01 | 川村明宏 | 训练和管理基本能力的系统和方法 |
US20020091669A1 (en) * | 1999-08-03 | 2002-07-11 | Kamala Puram | Apparatus, system and method for selecting an item from pool |
US20080183527A1 (en) * | 2003-12-02 | 2008-07-31 | Deitrich Brenda Lynn | Method and apparatus for designing and planning of workforce evolution |
US20090276231A1 (en) * | 2008-04-30 | 2009-11-05 | International Business Machines Corporation | Method and System for Job and Career Guidance, Planning, Strategy and Workforce Development |
US20110276507A1 (en) * | 2010-05-05 | 2011-11-10 | O'malley Matthew Carl | System and method for recruiting, tracking, measuring, and improving applicants, candidates, and any resources qualifications, expertise, and feedback |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6460036B1 (en) * | 1994-11-29 | 2002-10-01 | Pinpoint Incorporated | System and method for providing customized electronic newspapers and target advertisements |
US5758257A (en) * | 1994-11-29 | 1998-05-26 | Herz; Frederick | System and method for scheduling broadcast of and access to video programs and other data using customer profiles |
US6574605B1 (en) * | 1998-11-17 | 2003-06-03 | Citibank, N.A. | Method and system for strategic services enterprise workload management |
US6601234B1 (en) * | 1999-08-31 | 2003-07-29 | Accenture Llp | Attribute dictionary in a business logic services environment |
US6652283B1 (en) * | 1999-12-30 | 2003-11-25 | Cerego, Llc | System apparatus and method for maximizing effectiveness and efficiency of learning retaining and retrieving knowledge and skills |
US7363308B2 (en) * | 2000-12-28 | 2008-04-22 | Fair Isaac Corporation | System and method for obtaining keyword descriptions of records from a large database |
US7711573B1 (en) * | 2003-04-18 | 2010-05-04 | Algomod Technologies Corporation | Resume management and recruitment workflow system and method |
US8160918B1 (en) * | 2005-01-14 | 2012-04-17 | Comscore, Inc. | Method and apparatus for determining brand preference |
US7218974B2 (en) * | 2005-03-29 | 2007-05-15 | Zarpac, Inc. | Industrial process data acquisition and analysis |
US7805382B2 (en) * | 2005-04-11 | 2010-09-28 | Mkt10, Inc. | Match-based employment system and method |
US7788180B2 (en) * | 2005-09-09 | 2010-08-31 | International Business Machines Corporation | Method for managing human resources |
US20070061178A1 (en) * | 2005-09-13 | 2007-03-15 | Mark Wilson | Business development system and methodology |
US7516142B2 (en) | 2005-09-29 | 2009-04-07 | International Business Machines Corporation | System, method, and program product for optimizing a research and grant portfolio |
JP2007133664A (ja) * | 2005-11-10 | 2007-05-31 | Konica Minolta Holdings Inc | 生産工程支援方法 |
US20070276713A1 (en) | 2006-05-26 | 2007-11-29 | Young Min Lee | Method and system for forecasting workforce demand using advance request and lead time |
JP5248756B2 (ja) | 2006-07-31 | 2013-07-31 | ピーアンドダブリューソリューションズ株式会社 | 更新されたスキル評価データに基づいて人員の配置計画を行う方法 |
US8099311B2 (en) | 2007-02-23 | 2012-01-17 | CrowdEngineering, Inc. | System and method for routing tasks to a user in a workforce |
US20090006173A1 (en) * | 2007-06-29 | 2009-01-01 | International Business Machines Corporation | Method and apparatus for identifying and using historical work patterns to build/use high-performance project teams subject to constraints |
US20090043621A1 (en) * | 2007-08-09 | 2009-02-12 | David Kershaw | System and Method of Team Performance Management Software |
US20100332496A1 (en) * | 2009-06-26 | 2010-12-30 | Microsoft Corporation | Implicit product placement leveraging identified user ambitions |
US20110161139A1 (en) * | 2009-12-31 | 2011-06-30 | Accenture Global Services Gmbh | Capability Accelerator |
US8538959B2 (en) * | 2010-07-16 | 2013-09-17 | International Business Machines Corporation | Personalized data search utilizing social activities |
US20120203640A1 (en) * | 2011-02-03 | 2012-08-09 | U Owe Me, Inc. | Method and system of generating an implicit social graph from bioresponse data |
US8386290B2 (en) * | 2011-06-08 | 2013-02-26 | International Business Machines Corporation | Optimizing a shared service delivery system |
US8806356B2 (en) * | 2011-10-27 | 2014-08-12 | Avaya Inc. | Collaboration management tools for contact centers |
-
2012
- 2012-02-17 US US13/399,376 patent/US9141924B2/en active Active
-
2013
- 2013-02-17 CN CN2013100516951A patent/CN103310091A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020091669A1 (en) * | 1999-08-03 | 2002-07-11 | Kamala Puram | Apparatus, system and method for selecting an item from pool |
CN1347053A (zh) * | 2000-08-29 | 2002-05-01 | 川村明宏 | 训练和管理基本能力的系统和方法 |
US20080183527A1 (en) * | 2003-12-02 | 2008-07-31 | Deitrich Brenda Lynn | Method and apparatus for designing and planning of workforce evolution |
US20090276231A1 (en) * | 2008-04-30 | 2009-11-05 | International Business Machines Corporation | Method and System for Job and Career Guidance, Planning, Strategy and Workforce Development |
US20110276507A1 (en) * | 2010-05-05 | 2011-11-10 | O'malley Matthew Carl | System and method for recruiting, tracking, measuring, and improving applicants, candidates, and any resources qualifications, expertise, and feedback |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489080B (zh) * | 2013-10-11 | 2016-08-17 | 杜继俊 | 互联网团队求职实现方法及系统 |
CN103489080A (zh) * | 2013-10-11 | 2014-01-01 | 杜继俊 | 互联网团队求职实现方法及系统 |
CN104657828B (zh) * | 2015-02-17 | 2019-05-24 | 华为技术有限公司 | 数据化和数据匹配方法和代码推荐方法及相关装置 |
CN104657828A (zh) * | 2015-02-17 | 2015-05-27 | 华为技术有限公司 | 数据化和数据匹配方法和代码推荐方法及相关装置 |
CN108604314B (zh) * | 2015-12-01 | 2022-08-19 | 渊慧科技有限公司 | 使用强化学习选择动作名单 |
CN108604314A (zh) * | 2015-12-01 | 2018-09-28 | 渊慧科技有限公司 | 使用强化学习选择动作名单 |
CN105677929A (zh) * | 2016-03-31 | 2016-06-15 | 比美特医护在线(北京)科技有限公司 | 信息推荐方法及装置 |
WO2018214497A1 (zh) * | 2017-05-24 | 2018-11-29 | 华为技术有限公司 | 组建团队的方法及装置 |
CN107274071A (zh) * | 2017-05-24 | 2017-10-20 | 华为技术有限公司 | 组建团队的方法及装置 |
CN109389277A (zh) * | 2017-08-04 | 2019-02-26 | 丰田自动车株式会社 | 调配保证系统 |
CN111566708A (zh) * | 2018-02-11 | 2020-08-21 | 北京嘀嘀无限科技发展有限公司 | 用于服务平台的组队系统和方法 |
CN110772796A (zh) * | 2018-07-30 | 2020-02-11 | 优视科技有限公司 | 组队方法、装置及电子设备 |
CN110772796B (zh) * | 2018-07-30 | 2023-05-05 | 阿里巴巴(中国)有限公司 | 组队方法、装置及电子设备 |
CN112418693A (zh) * | 2020-11-27 | 2021-02-26 | 上海妙一生物科技有限公司 | 临床研究项目人员配备方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US9141924B2 (en) | 2015-09-22 |
US20130218619A1 (en) | 2013-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103310091A (zh) | 用于生成为项目团队提供人员配备的建议的方法和系统 | |
US10931643B1 (en) | Methods and systems of telemedicine diagnostics through remote sensing | |
US11468998B2 (en) | Methods and systems for software clinical guidance | |
US9471623B2 (en) | Empathy injection for question-answering systems | |
Chang et al. | Predicting medical staff intention to use an online reporting system with modified unified theory of acceptance and use of technology | |
Banos et al. | Mining minds: an innovative framework for personalized health and wellness support | |
US10585902B2 (en) | Cognitive computer assisted attribute acquisition through iterative disclosure | |
CN111666477A (zh) | 一种数据处理方法、装置、智能设备及介质 | |
US20210166816A1 (en) | Dynamic caregiver support | |
US20230070665A1 (en) | Method and system for validation of disease condition reprogramming based on personality to disease condition mapping | |
US11557399B2 (en) | Integrative machine learning framework for combining sentiment-based and symptom-based predictive inferences | |
CN114648032B (zh) | 语义理解模型的训练方法、装置和计算机设备 | |
US20110004852A1 (en) | Electronic Medical Record System For Dermatology | |
Felix et al. | Mobile sensing for behavioral research: A component-based approach for rapid deployment of sensing campaigns | |
Bentvelzen et al. | Designing reflective derived metrics for fitness trackers | |
Horvitz | From data to predictions and decisions: Enabling evidence-based healthcare | |
Tian et al. | The role of privacy fatigue in privacy paradox: a psm and heterogeneity analysis | |
Alhothali | Modeling user affect using interaction events | |
Dongbo et al. | Intelligent chatbot interaction system capable for sentimental analysis using hybrid machine learning algorithms | |
Sockolow et al. | Data visualization of home care admission nurses’ decision-making | |
Westfall et al. | Teaching principal components using correlations | |
US20210096636A1 (en) | Health simulator | |
Huong et al. | Penalized spline joint models for longitudinal and time-to-event data | |
Zimmerer et al. | Semantic Fusion for Natural Multimodal Interfaces using Concurrent Augmented Transition Networks | |
de Aguiar Barbosa et al. | A Domain-Specific Modeling Language for Specification of Clinical Scores in Mobile Health. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130918 |