CN105225056A - 一种智能考勤管理分析方法 - Google Patents
一种智能考勤管理分析方法 Download PDFInfo
- Publication number
- CN105225056A CN105225056A CN201510664730.6A CN201510664730A CN105225056A CN 105225056 A CN105225056 A CN 105225056A CN 201510664730 A CN201510664730 A CN 201510664730A CN 105225056 A CN105225056 A CN 105225056A
- Authority
- CN
- China
- Prior art keywords
- work attendance
- attendance
- work
- time
- employee
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本发明公开了一种智能考勤管理分析方法,包括:通过考勤终端采集考勤数据;根据设定的分析与判定标准对考勤数据进行统计打分和智能分析,得到考勤人员的考勤打分、考勤规律、异常规律、趋向规律和上岗状态,所述智能分析包括但不限于考勤状态分析、单个员工时间区间考勤分析和全体员工时间区间考勤分析;根据智能分析的结果输出考勤人员的评价、趋势描述、规律描述和打分。本发明能对考勤的细节进行进一步分析和统计,更加全面;对考勤数据进行的智能分析包括考勤状态分析、单个员工时间区间考勤分析和全体员工时间区间考勤分析,使人事部能从考勤数据里及时掌握员工的心理素质和上岗的状态,更加方便和有效。本发明可广泛应用于计算机应用领域。
Description
技术领域
本发明涉及计算机应用技术领域,尤其是一种智能考勤管理分析方法。
背景技术
现在企、事业管理的一项重要组成部分就是其人事考勤制度,它的好坏直接影响到单位的经济、社会效益以及员工的薪资等诸多方面。因此,对单位员工的出勤情况进行有效、科学地管理已经成为每个单位所需面临的重要课题。
随着考勤技术发展的相对成熟,众多考勤系统应运而生。考勤系统利用了指纹识别技术,并集成有先进的计算机考勤管理软件。管理人员可随时通过管理系统轻松打印出人事考勤报表,而财务部门则可根据考勤数据进行处理,轻松输出薪资报表,实现从考勤到工资管理的全部电脑化,保证了企业考勤管理的公证性、严肃性、纪律性,并且能有效地防止虚假考勤现象,提高了考勤效率。
目前,市面上常见的考勤系统只是针对考勤人员的上班下班情况进行了记录,并没有对考勤的细节进行分析和统计,不够全面。考勤系统打印出来的考勤报表也只能用于发工资,对人事管理没有太大的作用。管理人员还不能从考勤信息里得到能对员工的状态做出评价,人事部门无办法从考勤信息里及时掌握员工的心理素质和上岗的状态,不够方便和有效。
发明内容
为了解决上述技术问题,本发明的目的是:提供一种全面、方便和有效的智能考勤管理分析方法。
本发明解决其技术问题所采用的技术方案是:
一种智能考勤管理分析方法,包括:
A、通过考勤终端采集考勤数据;
B、根据设定的分析与判定标准对考勤数据进行统计打分和智能分析,得到考勤人员的考勤打分、考勤规律、异常规律、趋向规律和上岗状态,所述智能分析包括但不限于考勤状态分析、单个员工时间区间考勤分析和全体员工时间区间考勤分析;
C、根据智能分析的结果输出考勤人员的评价、趋势描述、规律描述和打分。
进一步,所述考勤打分包括但不限于上班正常打分、上班迟到打分、下班正常打分、下班早退打分、加班正常打分、加班迟到打分、加班早退打分、请假打分、加班时长打分、旷工时长打分和上下班连续考勤打分;所述考勤数据包括但不限于考勤时间、考勤人员、考勤格位、考勤结果、考勤顺序、考勤状态和考勤质量。
进一步,所述考勤状态分析包括:
从考勤数据中提取员工的考勤错误次数,并根据考勤错误次数与设定的次数阈值判定员工的做事态度,所述员工的做事态度包括一般、认真和较差;
根据考勤数据确定考勤数据质量,并根据考勤数据质量判定员工的做事方法和考勤态度,所述员工的做事方法包括优、良和差,所述员工的考勤态度包括积极、一般和消极;
根据考勤数据确定考勤的方式与特点,并根据考勤的方式与特点判定员工的考勤态度,所述员工的考勤态度包括积极、一般和消极;
从考勤数据中提取员工的考勤顺序,并根据员工的考勤顺序判定员工的工作态度,所述员工的工作态度包括积极、一般和消极。
进一步,所述单个员工时间区间考勤分析包括:
根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到单个员工的上岗状态,所述单个员工的上岗状态包括积极的表现、稳定的表现和渐差的表现;
根据输入的考勤状态、考勤结果和考勤顺序进行规律分析,从而确定单个员工的考勤规律、异常规律和趋向规律。
进一步,所述全体员工时间区间考勤分析包括:
根据输入的考勤状态、考勤结果和考勤顺序进行动态计算,从而分析出单个员工在全体员工考勤数据中的状态并进行打分,所述单个员工在全体员工考勤数据中的状态包括提前状态、正常状态和延后状态;
根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到分析出单个员工在全体员工中的相对上岗状态,所述单个员工在全体员工中的相对上岗状态包括积极的表现、稳定的表现和渐差的表现;
根据输入的考勤状态、考勤结果和考勤顺序进行规律分析,从而确定全体员工的考勤规律、异常规律和趋向规律。
进一步,根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到分析出单个员工在全体员工中的相对上岗状态这一步骤,其包括:
从全体员工的考勤数据中找出考勤的积极区段、正常区段和消极区段;
根据单个员工的考勤时间点和考勤状态判定单个员工在全体员工中的相对上岗状态。
进一步,所述从全体员工的考勤数据中找出考勤的积极区段、正常区段和消极区段这一步骤,其包括:
计算平均考勤时间和平均考勤时间间隔,所述平均考勤时间Tref的计算公式为:Tref=(T1+T2+…+Tn)/n,所述平均考勤时间间隔Tp的计算公式为:Tp=(Tmax-Tmin)/n,其中,Tn为第n个员工的考勤时间,n为考勤员工的总数,Tmax为n个员工中最迟的考勤时间,Tmin为n个员工中最早的考勤时间;
根据平均考勤时间和平均考勤时间间隔找出考勤的积极区段、正常区段和消极区段。
进一步,所述根据平均考勤时间和平均考勤时间间隔找出考勤的积极区段、正常区段和消极区段这一步骤,其包括:
从全体员工的考勤时间Tx中找出所有小于平均考勤时间Tref的考勤时间,然后将所有小于平均考勤时间Tref的考勤时间Tx0,…,Txm按从大到小的顺序进行排列,得到降序排列Tx0,…,Txm;
计算降序排列Tx0,…,Txm中相邻两个考勤数据间的相邻时间间隔;
在计算的降序排列Tx0,…,Txm中找出第一个使相邻时间间隔大于平均考勤时间间隔Tp的考勤时间Txa,并以找出的考勤时间Txa作为正常区段的起始时间,将计算的降序排列Tx0,…,Txm中考勤时间在Txa之后的考勤时间归入积极区段;
从全体员工的考勤时间Ty中找出所有大于等于平均考勤时间Tref的考勤时间,然后将所有大于等于平均考勤时间Tref的考勤时间Ty0,…,Tym按从小到大的顺序进行排列,得到升序排列Ty0,…,Tym,其中,Ty=Tx;
计算升序排列Ty0,…,Tym中相邻两个考勤数据间的相邻时间间隔;
在计算的升序排列Ty0,…,Tym中找出第一个使相邻时间间隔大于平均考勤时间间隔Tp的考勤时间Tyb,并以找出的考勤时间Tyb作为正常区段的结束时间,将计算的升序排列Ty0,…,Tym中考勤时间在Tyb之后的考勤时间归入消极区段;
将全体员工的考勤时间Tx或考勤时间Ty中既不属于积极区段又不属于消极区段的考勤时间归入正常区段。
进一步,所述考勤人员的评价包括上岗状态评价、做事态度评价、做事方法评价、考勤态度评价和工作态度评价;所述考勤人员的趋势描述为积极趋势描述、稳定趋势描述或渐差趋势描述;所述考勤人员的规律描述包括考勤规律描述、异常规律描述和趋向规律描述。
进一步,在所述步骤C之后还设有步骤D,所述步骤D,其具体为:根据考勤人员的上岗状态、考勤规律、异常规律、趋向规律以及设定的分析与判定标准来分析员工的作息规律、心理趋势和性格变化。
本发明的有益效果是:增加了对考勤数据进行统计打分和智能分析的步骤,能对考勤的细节进行进一步分析和统计,更加全面;对考勤数据进行的智能分析包括考勤状态分析、单个员工时间区间考勤分析和全体员工时间区间考勤分析,能通过考勤状态分析以及基于单个员工时间区间考勤分析和全体员工时间区间考勤分析的纵横向对比分析得出考勤人员的上岗状态、考勤规律、异常规律和趋向规律,从而有效对员员工的上岗状态以及相应的规律进行评价,使人事部能从考勤数据里及时掌握员工的心理素质和上岗的状态,更加方便和有效。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本发明一种智能考勤管理分析方法的整体流程图。
具体实施方式
参照图1,一种智能考勤管理分析方法,包括:
A、通过考勤终端采集考勤数据;
B、根据设定的分析与判定标准对考勤数据进行统计打分和智能分析,得到考勤人员的考勤打分、考勤规律、异常规律、趋向规律和上岗状态,所述智能分析包括但不限于考勤状态分析、单个员工时间区间考勤分析和全体员工时间区间考勤分析;
C、根据智能分析的结果输出考勤人员的评价、趋势描述、规律描述和打分。
其中,考勤终端可以采用纸卡式考勤机、指纹考勤机、ID/IC卡考勤机、人脸考勤机、虹膜考勤机、云考勤系统、网络考勤系统或移动考勤系统。
单个员工时间区间考勤分析为横向对比智能分析,而全体员工时间区间考勤分析为纵向对比智能分析。
进一步,所述考勤打分包括但不限于上班正常打分、上班迟到打分、下班正常打分、下班早退打分、加班正常打分、加班迟到打分、加班早退打分、请假打分、加班时长打分、旷工时长打分和上下班连续考勤打分;所述考勤数据包括但不限于考勤时间、考勤人员、考勤格位、考勤结果、考勤顺序、考勤状态和考勤质量。
其中,考勤时间包括上班时间点、下班时间点和加班时间点,而上班时间点、下班时间点和加班时间点还包含了迟到记录时间点、早退记录时间点、连续考勤时间点、请假时间记录点、旷工时间记录点,补录时间记录、加班时长记录、正常和错误考勤记录点。
进一步作为优选的实施方式,所述考勤状态分析包括:
从考勤数据中提取员工的考勤错误次数,并根据考勤错误次数与设定的次数阈值判定员工的做事态度,所述员工的做事态度包括一般、认真和较差;
根据考勤数据确定考勤数据质量,并根据考勤数据质量判定员工的做事方法和考勤态度,所述员工的做事方法包括优、良和差,所述员工的考勤态度包括积极、一般和消极;
根据考勤数据确定考勤的方式与特点,并根据考勤的方式与特点判定员工的考勤态度,所述员工的考勤态度包括积极、一般和消极;
从考勤数据中提取员工的考勤顺序,并根据员工的考勤顺序判定员工的工作态度,所述员工的工作态度包括积极、一般和消极。
进一步作为优选的实施方式,所述单个员工时间区间考勤分析包括:
根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到单个员工的上岗状态,所述单个员工的上岗状态包括积极的表现、稳定的表现和渐差的表现;
根据输入的考勤状态、考勤结果和考勤顺序进行规律分析,从而确定单个员工的考勤规律、异常规律和趋向规律。
进一步作为优选的实施方式,所述全体员工时间区间考勤分析包括:
根据输入的考勤状态、考勤结果和考勤顺序进行动态计算,从而分析出单个员工在全体员工考勤数据中的状态并进行打分,所述单个员工在全体员工考勤数据中的状态包括提前状态、正常状态和延后状态;
根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到分析出单个员工在全体员工中的相对上岗状态,所述单个员工在全体员工中的相对上岗状态包括积极的表现、稳定的表现和渐差的表现;
根据输入的考勤状态、考勤结果和考勤顺序进行规律分析,从而确定全体员工的考勤规律、异常规律和趋向规律。
进一步作为优选的实施方式,根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到分析出单个员工在全体员工中的相对上岗状态这一步骤,其包括:
从全体员工的考勤数据中找出考勤的积极区段、正常区段和消极区段;
根据单个员工的考勤时间点和考勤状态判定单个员工在全体员工中的相对上岗状态。
进一步作为优选的实施方式,所述从全体员工的考勤数据中找出考勤的积极区段、正常区段和消极区段这一步骤,其包括:
计算平均考勤时间和平均考勤时间间隔,所述平均考勤时间Tref的计算公式为:Tref=(T1+T2+…+Tn)/n,所述平均考勤时间间隔Tp的计算公式为:Tp=(Tmax-Tmin)/n,其中,Tn为第n个员工的考勤时间,n为考勤员工的总数,Tmax为n个员工中最迟的考勤时间,Tmin为n个员工中最早的考勤时间;
根据平均考勤时间和平均考勤时间间隔找出考勤的积极区段、正常区段和消极区段。
进一步作为优选的实施方式,所述根据平均考勤时间和平均考勤时间间隔找出考勤的积极区段、正常区段和消极区段这一步骤,其包括:
从全体员工的考勤时间Tx中找出所有小于平均考勤时间Tref的考勤时间,然后将所有小于平均考勤时间Tref的考勤时间Tx0,…,Txm按从大到小的顺序进行排列,得到降序排列Tx0,…,Txm;
计算降序排列Tx0,…,Txm中相邻两个考勤数据间的相邻时间间隔;
在计算的降序排列Tx0,…,Txm中找出第一个使相邻时间间隔大于平均考勤时间间隔Tp的考勤时间Txa,并以找出的考勤时间Txa作为正常区段的起始时间,将计算的降序排列Tx0,…,Txm中考勤时间在Txa之后的考勤时间归入积极区段;
从全体员工的考勤时间Ty中找出所有大于等于平均考勤时间Tref的考勤时间,然后将所有大于等于平均考勤时间Tref的考勤时间Ty0,…,Tym按从小到大的顺序进行排列,得到升序排列Ty0,…,Tym,其中,Ty=Tx;
计算升序排列Ty0,…,Tym中相邻两个考勤数据间的相邻时间间隔;
在计算的升序排列Ty0,…,Tym中找出第一个使相邻时间间隔大于平均考勤时间间隔Tp的考勤时间Tyb,并以找出的考勤时间Tyb作为正常区段的结束时间,将计算的升序排列Ty0,…,Tym中考勤时间在Tyb之后的考勤时间归入消极区段;
将全体员工的考勤时间Tx或考勤时间Ty中既不属于积极区段又不属于消极区段的考勤时间归入正常区段。
进一步作为优选的实施方式,所述考勤人员的评价包括上岗状态评价、做事态度评价、做事方法评价、考勤态度评价和工作态度评价;所述考勤人员的趋势描述为积极趋势描述、稳定趋势描述或渐差趋势描述;所述考勤人员的规律描述包括考勤规律描述、异常规律描述和趋向规律描述。
参照图1,进一步作为优选的实施方式,在所述步骤C之后还设有步骤D,所述步骤D,其具体为:根据考勤人员的上岗状态、考勤规律、异常规律、趋向规律以及设定的分析与判定标准来分析员工的作息规律、心理趋势和性格变化。
下面结合说明书附图和具体实施例对本发明作进一步学习说明。
实施例一
针对现有技术无法对考勤的细节进行分析和统计以及对员工的状态做出评价的问题,本发明提出了一种全新的智能考勤管理分析方法,下面对以实际的例子对本发明的实现原理进行介绍:
(一)考勤班次和考勤原则
考勤班次包括:
(1)班次名称:白班
(2)班段如下表1所示:
表1班段
(3)换天时间:00:00
考勤规则如下:
(1)统计单位:0(按1分钟进行统计)
(2)允许迟到:0
(3)允许早退:0
(4)考勤方式:0(连续考勤,即班段结束后马上考勤,中间不休息)
(二)打分规则
系数n:是体现考勤松紧的一个参数,为非0的正值,具体打分规则如下:
(1)每个人总分为100分
(2)上班迟到得-1n分
(3)上班早退得-1n分
(4)旷工得3n分/每个正常考勤段
(5)请假得-1n分
(6)连续考勤得-1n分
(7)加班得+3n分
(8)加班迟到得-1n分
(9)加班早退得-1n分
(10)加班时长得+1n分/3次正常加班
(11)其它得0分
其中,整个分值区间为100分;最低分为30分(小于30n分不再处理);最高分为130分(大于130n分不再处理)。
(二)考勤数据
考勤数据是考勤设备所记录的信息,其具体包括(考勤设备至少包含考勤时间和考勤人员这两种数据):
(1)考勤时间,例如张三的考勤时间为07:48;
(2)考勤人员,通过将采集的考勤数据与机器内部数据库的数据进行比对,查找或比对得出定考勤人员的信息。
(3)考勤结果包括正常考勤和异常考勤,例如张三李四均在8:00这个格位进行考勤,其中,张三的考勤时间07:48分(8点之前)为正常考勤,而李四考勤时间8:01则为异常考勤(上班迟或下班早退)。
(4)考勤顺序,表明考勤人员在该考勤点该班次的考勤次序,例如,在8:00这个白班考勤点,张三是第3个考勤的,李四是第40个考勤的。
(5)考勤状态,反映了考勤的成功率。
例如,张三考勤失败了两次,到第三次7:48分才考勤成功,其通过考勤连续的时间来确定这三次都是张三考勤而不是其他人。假设连续两个人的考勤时间间隔是30S,而张三连续考勤三次的时间间隔在3S(3S的时间是根据不同考勤设备一个人连续考勤的平均时间)以内,则可以认为这三次全部为张三考勤。
(6)考勤质量
考勤数据采集的质量,针对数据处理需要而言,比如纸卡考勤机而言就是读取用户编码这个二值信号的好坏,质量100%就是完好;而对于指纹、人脸视频采集,则还需要经二差值处理和方向对比,图像的质量直接影响处理结果和考勤结果。
(四)一般统计分析
一般统计分析只对数据做普通的定义和结果打分,具体的统计打分(均针对白班的三个班次来说)情况包括:
(1)上班正常,比如张三的考勤时间为7:48和12:05王五的考勤时间为7:52和12:59;
(2)上班迟到,比如李四的考勤时间为8:01和13:03赵六的考勤时间为8:03和13:03;
(3)下班早退,比如王五的考勤时间为11:57和16:59,赵六的考勤时间为11:55和16:58;
(4)下班正常,比如张三的考勤时间为12:05和17:01,李四的考勤时间为12:00和17:01;
(5)加班正常,比如张三的考勤时间为17:32和20:01;
(6)加班迟到,比如李四的考勤时间为18:02,赵六的考勤时间为18:01;
(7)加班早退,比如王五的考勤时间为9:58赵六:19:59
(8)加班时长,比如张三的考勤时间间隔为2小时;李四考勤时间间隔为1:58;王五:的考勤时间间隔为1:53;赵六的考勤时间间隔为1:58;
(9)连续考勤,比如张三:在12:05这个时刻连续进行考勤,结束班段1并同时开始班段2的考勤;
(10)签卡;比如李四的考勤时间间隔为12:00;
(11)请假;比如刘七的请假时间为8:00-12:00;
(12)旷工,比如刘七的旷工为13:00-17:00;
则该天各人的考勤打分如下:
张三:连续考勤-1分,加班正常+3分,合计+2分;
李四::上班迟到-分,加班迟到+2分,合计+0分;
王五::下班早退-2分,加班早退+2分,合计+0分;
赵六::迟到-2分,早退-2分,加班+1分,合计-3分;
刘七:请假-1分,旷工-3分,加班+0分,合计-4分。
(五)智能分析
智能分析具体包括:
(1)考勤状态分析
考勤状态分析进一步可细分为:
A:考勤错误次数
一次成功考勤之前失败了多少次,排除设备的问题(比如指纹机,如果算法识别能力差,导致多次考勤现象的存在),还反映了一个人的做事认真程度(认真、一般、较差),这里有一个动态判定标准存在,在同一个考勤位,可能因为设备、当时的干扰条件会导致这个标准不固定,故需要计算平均考勤次数区间,比如标准区间为2-3次,等于这个区间评价为一般,小于这个区间评价为认真,高于这个区间评价为较差。
B:考勤数据质量
考勤成功后提取的数据,对于结果判定的支持程序,也反应了考勤员工的考勤方法和态度。比如一枚指纹提取特征点,大于50个才能识别,如果提取的特征点>120个,则说明考勤方法好,态度认真;特征点>80个方法则说明良,态度一般;特征点<80个,则说明方法和态度均较差。
C:考勤方式特点
考勤的方向、方式等,同样反应了考勤的态度,如不符合标准的要求,则将考勤态度判定为消极;符合标准,则将考勤态度判定为积极。
D:考勤顺序
考勤顺序反应了工作的态度,把整个集体的考勤顺序分为积极、一般、消极这三个区间,比如整个集体有60个人,考勤顺序为1-20的人评价为积极,21-40的人评价为一般,41-60的人评价为消极。
与考勤状态分析的结果相对应,所输出考勤人员的评价包括:
(a)做事态度:认真(A)、一般(B)、较差(C);
(b)做事方法:优(A)、良(B)、差(C);
(c)工作态度:积极(A)、一般(B)、消极(C)。
若还需要多次评价同一项目,可用“+”表示累加相似评价次数,比如两个A为A+,三个A为A++;如果一次A,一次C,则合并抵消为B,如果一次A,两次B,则评价为A-。比如,张三评价为AAA+,李四评价为ABB,王五评价为ABC,赵六评价为BCB+,刘七评价为CBC+。
(2)单个员工时间区间内的数据分析(即横向分析)
单个员工时间区间内的数据分析具体包括:
1)趋向分析
A.与考勤顺序对应的分析结果包括:积极(A)、稳定(B)和消极(C);
B:与考勤状态对应的分析结果包括:积极(A)、稳定(B)和消极(C);
C:与考勤结果对应的分析结果包括:积极(A)、稳定(B)和消极(C)。
2)规律分析:
A:与考勤顺序对应的分析结果包括:积极区段(连续3次以上积极)、稳定区段(连续3次以上考勤稳定)和异常区段(连续3次某个位置消极);
B:与考勤状态对应的分析结果包括:积极区段(连续3次以上积极)、稳定区段(连续3次以上考勤稳定)和异常区段(连续3次某个位置消极);
C与考勤结果对应的分析结果包括:积极区段(连续3天没有异常扣分,有加分)、稳定区段(连续3天没有异常扣分)和异常区段(连续3天有扣分)。
(3)全部员工时间区间考勤分析(即纵向分析)
本实施例以考勤顺序为例,根据考勤结果时间,判断考勤人员在整体员工中的工作态度属于积极、正常和消极中的哪一种;其关键过程是从所有考勤人的结果中找处考勤的积极区段、正常区段和消极区段,包括:
(1)计算平均考勤时间和平均考勤时间间隔,所述平均考勤时间Tref的计算公式为:Tref=(T1+T2+…+Tn)/n,所述平均考勤时间间隔Tp的计算公式为:Tp=(Tmax-Tmin)/n,其中,Tn为第n个员工的考勤时间,n为考勤员工的总数,Tmax为n个员工中最迟的考勤时间,Tmin为n个员工中最早的考勤时间;
(3)找出考勤的积极区段、正常区段和消极区段
该过程可进一步细分为:
A:从全体员工的考勤时间Tx中找出所有小于平均考勤时间Tref的考勤时间并以降序进行排列,降序排列满足:Tx<Tref→Tx1>Tx2>…>Txm。
B:找降序排列Tx0,…,Txm中相邻两个考勤数据间的相邻时间间隔。计算公式为:Tx12=Tx1–Tx2,….,Txm-1=Txm-1–Txm;
C:找出第一个使相邻时间间隔大于平均考勤时间间隔Tp的考勤时间Txa,Txa即为正常工作状态的起始时间,之后的考勤时间处于积极工作状态区。
D:从全体员工的考勤时间Ty(Ty=Tx)中找出所有大于等于平均考勤时间Tref的考勤时间并以升序进行排列,升序排列满足:Ty>=Tref→Ty1<Ty2<…<Tym。
E:计算升序排列Ty0,…,Tym中相邻两个考勤数据间的相邻时间间隔。
Ty12=Ty1–Ty2,….,Tym-1=Tym-1–Tym;
F:找出第一个使相邻时间间隔大于平均考勤时间间隔Tp的考勤时间Tyb,Tyb即为正常工作状态结束时间,之后的考勤时间处于消极工作状态区;
G、将全体员工的考勤时间Tx或Ty中既不属于积极区段又不属于消极区段的考勤时间归入正常区段。
同理在纵向分析时也可对输入的考勤状态,分别根据考勤数据质量和成功率加以动态判别。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种智能考勤管理分析方法,其特征在于:包括:
A、通过考勤终端采集考勤数据;
B、根据设定的分析与判定标准对考勤数据进行统计打分和智能分析,得到考勤人员的考勤打分、考勤规律、异常规律、趋向规律和上岗状态,所述智能分析包括但不限于考勤状态分析、单个员工时间区间考勤分析和全体员工时间区间考勤分析;
C、根据智能分析的结果输出考勤人员的评价、趋势描述、规律描述和打分。
2.根据权利要求1所述的一种智能考勤管理分析方法,其特征在于:所述考勤打分包括但不限于上班正常打分、上班迟到打分、下班正常打分、下班早退打分、加班正常打分、加班迟到打分、加班早退打分、请假打分、加班时长打分、旷工时长打分和上下班连续考勤打分;所述考勤数据包括但不限于考勤时间、考勤人员、考勤格位、考勤结果、考勤顺序、考勤状态和考勤质量。
3.根据权利要求2所述的一种智能考勤管理分析方法,其特征在于:所述考勤状态分析包括:
从考勤数据中提取员工的考勤错误次数,并根据考勤错误次数与设定的次数阈值判定员工的做事态度,所述员工的做事态度包括一般、认真和较差;
根据考勤数据确定考勤数据质量,并根据考勤数据质量判定员工的做事方法和考勤态度,所述员工的做事方法包括优、良和差,所述员工的考勤态度包括积极、一般和消极;
根据考勤数据确定考勤的方式与特点,并根据考勤的方式与特点判定员工的考勤态度,所述员工的考勤态度包括积极、一般和消极;
从考勤数据中提取员工的考勤顺序,并根据员工的考勤顺序判定员工的工作态度,所述员工的工作态度包括积极、一般和消极。
4.根据权利要求2所述的一种智能考勤管理分析方法,其特征在于:所述单个员工时间区间考勤分析包括:
根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到单个员工的上岗状态,所述单个员工的上岗状态包括积极的表现、稳定的表现和渐差的表现;
根据输入的考勤状态、考勤结果和考勤顺序进行规律分析,从而确定单个员工的考勤规律、异常规律和趋向规律。
5.根据权利要求2所述的一种智能考勤管理分析方法,其特征在于:所述全体员工时间区间考勤分析包括:
根据输入的考勤状态、考勤结果和考勤顺序进行动态计算,从而分析出单个员工在全体员工考勤数据中的状态并进行打分,所述单个员工在全体员工考勤数据中的状态包括提前状态、正常状态和延后状态;
根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到分析出单个员工在全体员工中的相对上岗状态,所述单个员工在全体员工中的相对上岗状态包括积极的表现、稳定的表现和渐差的表现;
根据输入的考勤状态、考勤结果和考勤顺序进行规律分析,从而确定全体员工的考勤规律、异常规律和趋向规律。
6.根据权利要求5所述的一种智能考勤管理分析方法,其特征在于:根据输入的考勤状态、考勤结果和考勤顺序进行趋势分析,从而得到分析出单个员工在全体员工中的相对上岗状态这一步骤,其包括:
从全体员工的考勤数据中找出考勤的积极区段、正常区段和消极区段;
根据单个员工的考勤时间点和考勤状态判定单个员工在全体员工中的相对上岗状态。
7.根据权利要求6所述的一种智能考勤管理分析方法,其特征在于:所述从全体员工的考勤数据中找出考勤的积极区段、正常区段和消极区段这一步骤,其包括:
计算平均考勤时间和平均考勤时间间隔,所述平均考勤时间Tref的计算公式为:Tref=(T1+T2+…+Tn)/n,所述平均考勤时间间隔Tp的计算公式为:Tp=(Tmax-Tmin)/n,其中,Tn为第n个员工的考勤时间,n为考勤员工的总数,Tmax为n个员工中最迟的考勤时间,Tmin为n个员工中最早的考勤时间;
根据平均考勤时间和平均考勤时间间隔找出考勤的积极区段、正常区段和消极区段。
8.根据权利要求7所述的一种智能考勤管理分析方法,其特征在于:所述根据平均考勤时间和平均考勤时间间隔找出考勤的积极区段、正常区段和消极区段这一步骤,其包括:
从全体员工的考勤时间Tx中找出所有小于平均考勤时间Tref的考勤时间,然后将所有小于平均考勤时间Tref的考勤时间Tx0,…,Txm按从大到小的顺序进行排列,得到降序排列Tx0,…,Txm;
计算降序排列Tx0,…,Txm中相邻两个考勤数据间的相邻时间间隔;
在计算的降序排列Tx0,…,Txm中找出第一个使相邻时间间隔大于平均考勤时间间隔Tp的考勤时间Txa,并以找出的考勤时间Txa作为正常区段的起始时间,将计算的降序排列Tx0,…,Txm中考勤时间在Txa之后的考勤时间归入积极区段;
从全体员工的考勤时间Ty中找出所有大于等于平均考勤时间Tref的考勤时间,然后将所有大于等于平均考勤时间Tref的考勤时间Ty0,…,Tym按从小到大的顺序进行排列,得到升序排列Ty0,…,Tym,其中,Ty=Tx;
计算升序排列Ty0,…,Tym中相邻两个考勤数据间的相邻时间间隔;
在计算的升序排列Ty0,…,Tym中找出第一个使相邻时间间隔大于平均考勤时间间隔Tp的考勤时间Tyb,并以找出的考勤时间Tyb作为正常区段的结束时间,将计算的升序排列Ty0,…,Tym中考勤时间在Tyb之后的考勤时间归入消极区段;
将全体员工的考勤时间Tx或考勤时间Ty中既不属于积极区段又不属于消极区段的考勤时间归入正常区段。
9.根据权利要求3所述的一种智能考勤管理分析方法,其特征在于:所述考勤人员的评价包括上岗状态评价、做事态度评价、做事方法评价、考勤态度评价和工作态度评价;所述考勤人员的趋势描述为积极趋势描述、稳定趋势描述或渐差趋势描述;所述考勤人员的规律描述包括考勤规律描述、异常规律描述和趋向规律描述。
10.根据权利要求1-9任一项所述的一种智能考勤管理分析方法,其特征在于:在所述步骤C之后还设有步骤D,所述步骤D,其具体为:根据考勤人员的上岗状态、考勤规律、异常规律、趋向规律以及设定的分析与判定标准来分析员工的作息规律、心理趋势和性格变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510664730.6A CN105225056A (zh) | 2015-10-14 | 2015-10-14 | 一种智能考勤管理分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510664730.6A CN105225056A (zh) | 2015-10-14 | 2015-10-14 | 一种智能考勤管理分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105225056A true CN105225056A (zh) | 2016-01-06 |
Family
ID=54994011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510664730.6A Pending CN105225056A (zh) | 2015-10-14 | 2015-10-14 | 一种智能考勤管理分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105225056A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957170A (zh) * | 2016-04-20 | 2016-09-21 | 广州市贺氏办公设备有限公司 | 一种基于云计算的智能考勤管理方法及系统 |
CN107563659A (zh) * | 2017-09-13 | 2018-01-09 | 包永祥 | 一种公职人员在岗人员查询方法和系统 |
CN108154276A (zh) * | 2017-12-29 | 2018-06-12 | 天津市淘客科技有限公司 | 基于图像识别和机器学习的考勤分析方法 |
CN108921496A (zh) * | 2018-06-04 | 2018-11-30 | 熊猫电子集团有限公司 | 一种考勤数据统计分析方法与系统 |
CN109035471A (zh) * | 2018-07-28 | 2018-12-18 | 安徽赛迪信息技术有限公司 | 一种业务人员考勤管理系统 |
CN110414854A (zh) * | 2019-08-01 | 2019-11-05 | 康秀娜 | 一种基于区块链的企业员工档案管理评估系统 |
CN110555919A (zh) * | 2019-09-10 | 2019-12-10 | 马鞍山状元郎电子科技有限公司 | 一种智慧校园教育管理系统 |
CN111680960A (zh) * | 2020-04-20 | 2020-09-18 | 山东浪潮通软信息科技有限公司 | 一种考勤统计方法及设备 |
CN112950801A (zh) * | 2021-02-08 | 2021-06-11 | 中国联合网络通信集团有限公司 | 远程办公考勤记录方法及装置 |
CN115409467A (zh) * | 2022-08-08 | 2022-11-29 | 深圳市一页科技有限公司 | 智慧uhr管理方法及其系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017547A (zh) * | 2007-02-16 | 2007-08-15 | 兰州大学 | 一种员工出勤综合管理方法及装置 |
CN101436316A (zh) * | 2008-12-04 | 2009-05-20 | 金蝶软件(中国)有限公司 | 考勤数据筛选方法和系统 |
CN101571963A (zh) * | 2008-04-29 | 2009-11-04 | 宇达电脑(上海)有限公司 | 图形化考勤系统 |
CN102081761A (zh) * | 2010-11-20 | 2011-06-01 | 许穗生 | 一种考勤计算方法 |
CN104299283A (zh) * | 2014-09-24 | 2015-01-21 | 孙浩 | 考勤管理系统 |
CN104794607A (zh) * | 2015-04-24 | 2015-07-22 | 凯拔(中国)科技有限公司 | 一种考勤计算中规整考勤原始数据和班次数据的方法 |
-
2015
- 2015-10-14 CN CN201510664730.6A patent/CN105225056A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101017547A (zh) * | 2007-02-16 | 2007-08-15 | 兰州大学 | 一种员工出勤综合管理方法及装置 |
CN101571963A (zh) * | 2008-04-29 | 2009-11-04 | 宇达电脑(上海)有限公司 | 图形化考勤系统 |
CN101436316A (zh) * | 2008-12-04 | 2009-05-20 | 金蝶软件(中国)有限公司 | 考勤数据筛选方法和系统 |
CN102081761A (zh) * | 2010-11-20 | 2011-06-01 | 许穗生 | 一种考勤计算方法 |
CN104299283A (zh) * | 2014-09-24 | 2015-01-21 | 孙浩 | 考勤管理系统 |
CN104794607A (zh) * | 2015-04-24 | 2015-07-22 | 凯拔(中国)科技有限公司 | 一种考勤计算中规整考勤原始数据和班次数据的方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957170A (zh) * | 2016-04-20 | 2016-09-21 | 广州市贺氏办公设备有限公司 | 一种基于云计算的智能考勤管理方法及系统 |
CN105957170B (zh) * | 2016-04-20 | 2018-07-24 | 广州市贺氏办公设备有限公司 | 一种基于云计算的智能考勤管理方法及系统 |
CN107563659A (zh) * | 2017-09-13 | 2018-01-09 | 包永祥 | 一种公职人员在岗人员查询方法和系统 |
CN108154276A (zh) * | 2017-12-29 | 2018-06-12 | 天津市淘客科技有限公司 | 基于图像识别和机器学习的考勤分析方法 |
CN108921496A (zh) * | 2018-06-04 | 2018-11-30 | 熊猫电子集团有限公司 | 一种考勤数据统计分析方法与系统 |
CN109035471A (zh) * | 2018-07-28 | 2018-12-18 | 安徽赛迪信息技术有限公司 | 一种业务人员考勤管理系统 |
CN110414854A (zh) * | 2019-08-01 | 2019-11-05 | 康秀娜 | 一种基于区块链的企业员工档案管理评估系统 |
CN110414854B (zh) * | 2019-08-01 | 2022-07-12 | 季永喜 | 一种基于区块链的企业员工档案管理评估系统 |
CN110555919A (zh) * | 2019-09-10 | 2019-12-10 | 马鞍山状元郎电子科技有限公司 | 一种智慧校园教育管理系统 |
CN111680960A (zh) * | 2020-04-20 | 2020-09-18 | 山东浪潮通软信息科技有限公司 | 一种考勤统计方法及设备 |
CN112950801A (zh) * | 2021-02-08 | 2021-06-11 | 中国联合网络通信集团有限公司 | 远程办公考勤记录方法及装置 |
CN115409467A (zh) * | 2022-08-08 | 2022-11-29 | 深圳市一页科技有限公司 | 智慧uhr管理方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105225056A (zh) | 一种智能考勤管理分析方法 | |
US10482093B2 (en) | Data mining method | |
Thorleuchter et al. | A compared R&D-based and patent-based cross impact analysis for identifying relationships between technologies | |
US8763069B2 (en) | Dynamic entitlement manager | |
CN107578353A (zh) | 基于大数据的文字商标可注册性判断方法及装置 | |
CN107862862A (zh) | 一种车辆行为分析方法及装置 | |
CN110750636A (zh) | 网络舆情信息处理方法及其装置 | |
CN110471912B (zh) | 一种员工属性信息校验方法、装置及终端设备 | |
CN111382986A (zh) | 学生管理方法及装置、计算机装置和计算机可读存储介质 | |
Kwee et al. | Traffic-cascade: Mining and visualizing lifecycles of traffic congestion events using public bus trajectories | |
CN111724079A (zh) | 一种基于大数据的行业经济数据管理系统 | |
CN112381414A (zh) | 一种基于人工智能的辅警管理系统 | |
CN112270532A (zh) | 一种数据处理方法、装置、电子设备以及存储介质 | |
CN113064856A (zh) | 流式办公信息记录的处理方法及计算机设备 | |
Agrawal et al. | Private Equity, Technological Investment, and Labor Outcomes. | |
CN114116811A (zh) | 日志处理方法、装置、设备及存储介质 | |
Golboo et al. | The Role of Strategic Foresight in Creating Strategic Flexibility and Rational Decision Making | |
Smith et al. | A mathematical programming technique for matching time-stamped records in logistics and transportation systems | |
US11120385B2 (en) | Job level prediction | |
Naji et al. | Qualitative analysis of cost risk using WEKA program | |
Srinivasan et al. | Intelligent bus stop identification using smartphone sensors | |
Pang et al. | Influence of distracted driving of online car-hailing drivers on overall driving performance | |
RU174643U1 (ru) | Автоматизированная система мониторинга рационализаторской работы (деятельности) | |
CN107945355A (zh) | 信息处理方法及装置、计算机可读存储介质 | |
Raveendran et al. | Impact of psychological empowerment of school teachers of jaffna zone on their organizational commitment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160106 |