CN109242298A - 一种智能派工过程中的工单分配方法及装置 - Google Patents

Abstract

本发明实施例公开了一种智能派工过程中的工单分配方法及装置，涉及互联网技术领域，能够提高工单的派发效率。本发明包括：对业务系统的业务事件进行工序分解，并生成对应各个工序的工单；通过spark从所述hive数据库中提取业务数据至内存数据库，并根据所述内存数据库中的业务数据生成人员能力模型，其中，在所述业务系统的业务事件上增加了标记，SDK接口对应业务事件上的标记，所述业务数据通过集成在业务系统上的SDK接口采集；根据所述人员能力模型，筛选优选的作业人员，并根据筛选结果分派所生成的工单。本发明属于企业应用中智能分单领域，涉及各大行业领域业务系统集成作业办公，如财务领域，人事领域，行政领域等传统办公领域。

Description

一种智能派工过程中的工单分配方法及装置

技术领域

本发明涉及互联网技术领域，尤其涉及一种智能派工过程中的工单分配方法及装置。

背景技术

随着国民经济的发展，很多行业内的企业都逐步向超大规模发展，体量越来越大。而对于体量巨大且员工众多的企业，如何根据企业的运营需要合理安排每一个员工的工作，就成了一个很棘手的问题。

在几年前，主要还是通过人事、业务部门的人员进行派工管理，工作计划的制定、工作任务的下发基本都通过人力进行，这种人工处理的方式存在效率低、易出错、任务管理不科学、主观因素太多等诸多问题。而近两年，电子化、网络化办公发展迅猛，也出现了一些新技术。目前办公领域集成作业办公大多数都是采用API交互，业务数据下发或者开放权限自行捞取等传统方式，在作业管理部门得到工单后，采用人工派发，或者按照事先约定的业务规则和规划好的人员分组进行轮训派工，通过在派工过程中的一部分环节实现了半自动化，提高了不少效率。

但是目前的集成作业办公方案，也存在一些问题，比如：在系统集成方面，需要数据的交互双方进行代码改造，进行大量的API接口开发与联调工作。并且在应用中也发现，实际的业务也越来越复杂，存在大量的业务要素，而目前的集成作业办公方案不论是人员分组配置，派工方式都较为死板，想要针对业务的改变调整系统，则有需要组织大量技术人员重新编写API接口再进行联调。

因此，目前的集成作业办公方案主要被用于一些场景单一、变化不大的重复性业务工作，而较为复杂的业务工作，则还需要管理人员人工制作工单，但是又由于现在的办公系统很多，甚至同一部门的不同分工都会采用不同的办公系统，这就使得管理人员需要登录不同的系统才能制作完成一个单子。因此，目前的集成作业办公方案还缺乏进一步的优化方案，来改善上述的不利的因素并缓解这些问题。

发明内容

本发明的实施例提供一种智能派工过程中的工单分配方法及装置，能够提高工单的派发效率。

为达到上述目的，本发明的实施例采用如下技术方案：

对业务系统的业务事件进行工序分解，并生成对应各个工序的工单；

通过spark从所述hive数据库中提取业务数据至内存数据库，并根据所述内存数据库中的业务数据生成人员能力模型，其中，在所述业务系统的业务事件上增加了标记，SDK接口对应业务事件上的标记，所述业务数据通过集成在业务系统上的SDK接口采集；

根据所述人员能力模型，筛选优选的作业人员，并根据筛选结果分派所生成的工单。

本实施例中，通过SDK接口采集业务系统中的数据，对于业务系统改动很小。并通过人员能力模型进一步优化工单的分配对象。从而实现每一份具有不同业务要素的工单，可以尽可能得派给当前最适合、最优解的员工。而重复性分配相同业务要素的工单，也可以快速强化员工该项业务能力，在不停的训练员工的同时也让管理者对员工能力有更直观的了解。从而降低工单分配过程中的人工成本，优化作业人员的优劣率，提升工作效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的系统架构示意图；

图2为本发明实施例提供的方法流程示意图；

图3、图4为本发明实施例提供的一种具体实例的示意图。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。下文中将详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

本实施例的具体方案，可以实现在一种用于自动派工的系统上，如图1所示的，该系统包括：业务系统、自动作业系统、作业门户终端、关系型数据库管理系统(mysql)和数据仓库工具(HIVE)。其中：

业务系统在运行时所产生的日志数据、表格数据、历史记录等业务系统在运行时所产生的海量的后台数据。本实施例中所揭示的业务系统，具体可以是客服系统、财务系统、人事招聘系统、快递员管理系统等等各类电子办公领域相关的在线系统，通常的，大型企业都会采用这类在线系统，以提高人员办公的自动化程度和效率。业务系统的具体架设方式，可以依据具体的应用场景而定，在此并不做限定，例如：业务系统具体架设在单独作成的服务器设备，比如：机架式、刀片、塔式或者机柜式的服务器设备，也可以采用工作站、大型计算机等具备较强计算能力硬件设备；也可以是由多个服务器设备组成的服务器集群。

自动作业系统具体可以是单独作成的服务器设备，比如：机架式、刀片、塔式或者机柜式的服务器设备，也可以采用工作站、大型计算机等具备较强计算能力硬件设备；也可以是由多个服务器设备组成的服务器集群。自动作业系统用于实现生成工单、运行人员能力模型以及将工单向工作人员进行派送等功能，例如：可以用于执行本实施例中的方法流程S1-S3以及其他进一步的方案流程。

作业门户终端，可以是工作人员的个人终端，比如具体可以实做成单独一台系统，或整合于各种不同的业务应用系统中，诸如智能手机、平板电脑(Tablet PersonalComputer)、膝上型电脑(Laptop Computer)或者个人数字助理(personal digitalassistant，简称PDA)等。

在本实施例中，从业务系统中采集的业务数据可以保存在关系型数据库上，具体可以采用关系型数据库管理系统(mysql)和数据仓库工具(HIVE)管理数据库中的数据读写(也可以称为HIVE数据库)。

本发明实施例提供一种智能派工过程中的工单分配方法及装置，如图2所示，包括：

S1、对业务系统的业务事件进行工序分解，并生成对应各个工序的工单。

例如：如图3所示的，自动作业系统通过SDK接口采集了所接入的业务系统的业务数据后，自动作业系统可以将业务数据输入自动作业链路，在自动作业链路中对业务事件进行工序分解得到业务事件中的各个工序，实际应用中，每一个工序对应一个岗位类型的人员，根据各个工序的作业任务生成相应的工单。

S2、通过spark从所述hive数据库中提取业务数据至内存数据库，并根据所述内存数据库中的业务数据生成人员能力模型。

其中，在所述业务系统的业务事件上增加了标记，SDK接口对应业务事件上的标记，所述业务数据通过集成在业务系统上的SDK接口采集。

具体的，在信息化的业务系统、办公系统中，每一个作业环节上的都可以由员工通过员工终端进行操作并触发相应的，这些被触发的事件可以称为业务事件，在程序层面上，这些业务事件被触发后，通常可以被预先设计的脚本或者相应的执行程序执行，从而达到人机集合、本自动化作业的目的。例如：在表单核算的业务中，员工通过操作员工终端触发筛选表单的类型和业务环节，并触发业务系统生成相应的表单，之后再有本岗位以及其他岗位的员工分别将相应的内容填入表单中，最后再进行多次校对、核算，因此在表单核算的业务中，业务事件至少包括了：表单生成、内容数据采集、表单初稿的分发、校验数据采集、电子校验等多个业务事件。

在本实施例中，利用SDK(Software Development Kit,软件开发工具包)技术，提供相应的自定义注解，业务系统通过互信/鉴权机制接入SDK接口，在适当的业务事件上增加标记，无需关注业务系统本身的业务逻辑，即可以通过SDK接口自动收集获取所需要的数据、参数等，并存储至hive数据库。

S3、通过人员能力模型，确定各个人员的能力维度值。

其中，内存数据库可以设置在自动作业系统中，比如利用自动作业系统中的缓存建立内存数据库，通过spark从hive数据库抽取所需的数据至内存数据库，生成人员能力模型。以便于通过人员能力模型确定分派工单的策略。

S4、根据工单中的业务要素和各个人员的能力维度值，确定与所述工单匹配的作业人员，并向所述作业人员分派所生成的工单。

通常的，各个业务事件中可以预先配置一些的工序和/工件，其中工序可以理解为一些较为复杂的大的执行方案，工序可以进一步拆解成多个工件，比如表单核算的业务事件中，一个工序可拆成扫描、初步核算、统计、协调等工件，而每一个工件都可以对应一个人员能力模型。在本实施例中，通过业务数据可以得到整个业务事件中所需的工件的类型和数量，之后再确定各个工件对应的人员能力模型。

在目前的大规模协同作业中，各个岗位上人员的工作模式高度标准化，比如：在线客服系统只支持客服接单，随后工单随机分配给闲置的客户人员，对于任何人的接单模式都大同小异。本实施例中，通过SDK接口采集业务系统中的数据，对于业务系统改动很小。并通过人员能力模型进一步优化工单的分配对象。从而实现每一份具有不同业务要素的工单，可以尽可能得派给当前最适合、最优解的员工。而重复性分配相同业务要素的工单，也可以快速强化员工该项业务能力，在不停的训练员工的同时也让管理者对员工能力有更直观的了解。从而降低工单分配过程中的人工成本，优化作业人员的优劣率，提升工作效率。

现有的派工/作业管理系统，主要采用API的接口，当派工/作业管理系统每集成一个新的业务系统时，开发人员需要进行一次API接口的重复开发工作，且由于API接口的开发对于原业务系统的改动较多，需要开发人员开发调试各个业务系统的API接口。本实施例中采用SDK接口，SDK接口的开发难度低，不需要改动太多原业务系统。

在本实施例总，业务系统通过SDK接口接入了自动作业系统的自动作业链路，而从程序层面上，通过SDK接口采集到的信息最终都可以拆解为json的字符串，并进一步从中提取业务数据。例如：具体提供三种接入方式：

1)业务系统业务事件返回值中获取，使得采集到的所述业务数据包括所述业务事件的返回值。

具体的，在程序层面，比如在java层面，返回值是一个对象，一个对象可以进一步拆解为json的字符串，字符串的具体内容中包括了公文号、工件标号等信息，这些信息被提取出来可以作为所述业务数据。即通过SDK接口采集到的业务事件的返回值，最终可以拆解为json的字符串，并从中提取业务数据。

2)从业务系统业务事件所在对象实例的属性获取，使得采集到的所述业务数据包括所述业务事件所在对象实例的属性值。同理，通过SDK接口采集到的业务事件所在对象实例的属性，最终也可以拆解为json的字符串，并从中提取业务数据。

3)业务系统入参列表中增加SDK内定义的数据载体Bean，使得采集到的所述业务数据包括SDK接口内定义的数据载体Bean，所述数据载体Bean添加至所述业务系统的入参列表。通过SDK接口采集到的数据载体Bean，最终也可以拆解为json的字符串，并从中提取业务数据。

业务系统根据实际业务情况选择其中一种接入，SDK接口会自动接入数据，在与业务系统完成业务交互后，抓取业务信息归档hive数据库中的共享大数据仓库，为计算人员能力模型和派工策略提供数据服务。

在实际应用中，可以对统一业务系统采用多种SDK接口，从而同时能够采集到上述3种业务数据。根据实际应用的需要，还可以采集更多类型的业务数据，只需同时提供相应的SDK接口即可。

在本实施例中，所述根据所述人员能力模型分派所生成的工单，的具体方式，可以包括：

通过所述人员能力模型，确定各个人员的能力维度值。

根据工单中的业务要素和各个人员的能力维度值，确定与所述工单匹配的作业人员。

生成作业单后，通过javaEE平台技术与自定义算法结合，确定各个人员的能力维度值。在工单分派上实现最优解的同时，还可以实时更新人员能力模型，持续提升工作效率。例如：人员能力模型包括了多个子模型，每一个子模型对应一种人员能力维度，这些人员能力维度量化为能力维度值，从而表示各人员的能力特点，举例来说，如图4所示的，人员能力模型用于求解的人员能力维度，包括：财务核算、质量考核、代理记账、资金审核、凭证管理、预算编制、总账管理、消费凭证、费用报销、社保年龄、人员招聘、合同申报、组织编制、薪资、考勤、培训、税务、档案、票据等各个岗位类型山的工作能力。

进一步的，本实施例中，还可以在准备分派工单的对象中，进一步进行人员筛选，从而确定优选作业人员，以便于提高作业效率，具体包括：

在与所述工单匹配的作业人员中，筛选优选作业人员。例如：

101、生成状态空间。

其中，所述生成状态空间由执行空间和任务空间组成，所述执行空间包括了每位员工的最大执行任务次数的上限，所述任务空间包括各个工单所表示的任务的类型划分。

例如：首先初始化当前系统中每位员工的最大执行任务上限，定义每位员工的当前执行数目为0。对于当前系统中的任务，按照任务的类型进行划分，例如分为财务任务、人事任务、行政任务等。具体的数学定义如下：

状态空间由执行空间与任务空间共同组成，其定义为 其中，S表示状态空间，

W_t表示t时刻的任务空间，用于记录当前时刻的任务信息，执行空间包括了最大任务数和已执行任务数l_k这两个参数，其中最大任务数为定值，已执行任务数初始为0，k表示任务序号，m表示人员序号，t表示时刻，。若当前业务方法中的工序(也可以称为任务)被分为N类，每类任务包含n_i个。即W＝(G₁,G₂,…,G_N)，其中G_i＝G(V_i),i＝[1，N]，N为大于2的整数，V_i＝(V_i1,V_i2,…,V_ni)，n_i为第i类任务的总个数，G()表示具体类别任务的信息，V_i代表第i类任务所有子任务信息。

102、利用所述状态空间和执行策略，确定状态转移概率。

其中，状态转移概率是指所述状态空间中的不同状态之间相互切换的概率。具体的，执行策略是指在当前系统状态下，任务的分配方案。执行策略应该满足的限制条件，至少包括：

一个工单只能被一个员工执行。即系统中任务执行存在唯一性，即当前时刻一个任务只能被一个员工执行。

和，一个人员所接受的工单中的业务要素，并不大于所述一个人员的能力维度值。即，员工接受任务不得超出其接受能力。

和，工单总数不大于员工执行任务次数的剩余数目。即，任务总数不得超过总的员工任务执行剩余数目。

例如：当前系统存在3名员工，6个任务，执行策略则可表示成为一个3*6的矩阵。以矩阵A为例简要介绍下其具体含义：

分配结果是员工1对应任务2、4、5；员工2对应任务1、6；员工3对应任务3。具体的数学定义如下：

执行策略A(s)＝φ∪{x_{ik t+1}|x_ikt}，其中，x_ikt表示在t时刻，第i个任务分配给第k个员工的结果，φ表示空集。其中x_ikt的含义如下：

并且存在以下约束：

本实施例中所述的状态转移概率，是指状态空间中状态之间相互切换的概率，用于求解状态的转移。转移概率p(s,a,s′)表示系统在状态s采取行动a转移到状态s′的概率，定义如下：

p(s,a,s′)＝p(s′|s,a)＝p(W_t+1|s,a)p(b_t+1|s,a)

其中：

b_t+1表示下一时刻的系统执行状态。由于W_t+1到达状态是随机的，它与系统当前系统执行状态b_t和所使用的分配行动a没有关系，所以：

p(W_t+1|s,a)＝p(W_t+1)

另外为常量，并且任务执行数目存在非负性，因此 其中，x_i,k,t表示t时刻第k位员工的已执行的第i类任务数目，v_k表示第k个员工执行任务的数目(是概率分布的)，若各个员工工作相互独立，则假定v_k的概率函数为p(v_k)则有，综上可知状态转移概率如下：

其中，h(v_k)表示员工执行的任务的数目。

103、根据所述状态转移概率和设置的回报函数，筛选所述优选作业人员。

其中，所述回报函数用于表示每个任务固定的报酬。例如：

假定每个任务存在固定的报酬，R(w_t)代表在t时刻所有任务的总报酬。q_lkt表示在t时刻第k个员工完成第l个任务的代价。衡量分配策略的标准就是通过比较不同分配策略之间的回报的差异。默认模式下，该参数与员工当前已执行任务数成正相关，与员工对该任务的熟练度成负相关。通过调节该变量的生成函数，可以达到切换派工模式。则在t时刻采用分配行动a所带来的总体花费为c_t，其中：

其中，q_ikt表示在t时刻第k个员工完成第i个任务的代价。

则在t时刻采用分配行动a，所带来的总报酬为r(s,a)，其中：

V(s,π)表示从某个观察时刻t开始，系统状态为s的情况下，系统采用策略π的准则值，则有：

其中β为折扣因子，r(s_t,a_t)为第t个阶段的期望收益，s_t,a_t分别为决策时刻t系统所处的状态与决策者选取的行动，其中a_t＝π(s_t)

其中，V^*(S)代表最优策略条件下的状态。

优化求解的过程具体包括：

1、选定初值：令n＝0,取任意策略π₀∈Π

2、策略评价：求解下列方程的策略对应的准则值

3、策略更新：

4、若π_n+1＝π_n，得到最优策略π^*＝π_n,算法终止，否则n＝n+1,并重新执行步骤103。

本实施例中提供一种包括了上述数学原理的智能派工引擎，实现了更丰富的业务能力与分配转换算法，只要接入适合的业务系统，例如：财务，人事，行政等多个能力模型，配合上系统自带的人员坐席状态、个人待办量[min,max]区间、排班等手段，以“插槽”的形式存在于系统中，可以随意拔插，调换顺序。在系统生成作业单后，通过人员能力模型对人员进行漏斗式过滤筛选，最后选出最合适的人员。从而提高作业处理效率。

在实际应用中，智能派工引擎，提供一种智能的派工方法，实现智能化的任务分派逻辑。对比传统的手动派单，提供多种预制的派工模式供用户快速上手，同时提供自定义派工模型，以适应环境复杂、业务多元化的复杂场景。提供拟人化甚至比人更优秀的决策建议，最终在人员能力、时效、质量、成本等多个维度上，全面提升作业调度能力，从而提升整个作业效果。

智能派工引擎支持机器学习功能，比如：从业务系统中采集业务数据，如历史单据，坐席状态，排班，差错率，业务能力等，系统会根据这些业务数据进行人员能力建模，从而在派工时进行智能匹配。最终达到最合适的人做最合适的事，提高工作产出，同时还可以训练人员能力，通过不停的派单与作业来提升和观察作业人员业务能力，给管理者提供直观的人员能力模型。

本实施例中还提供一种智能派工过程中的工单分配装置，该系统可以实现在如图1所示的自动作业系统上，该装置包括：

预处理模块，用于对所述业务事件进行工序分解，并生成对应各个工序的工单；

分析模块，用于通过spark从所述hive数据库中提取业务数据至内存数据库，并根据所述内存数据库中的业务数据生成人员能力模型，其中，在所述业务系统的业务事件上增加了标记，SDK接口对应业务事件上的标记，所述业务数据通过集成在业务系统上的SDK接口采集；

派工模块，用于根据所述人员能力模型，筛选优选的作业人员，并根据筛选结果分派所生成的工单。

其中，所述业务数据，包括：所述业务事件的返回值；

或者，所述业务事件所在对象实例的属性值；

或者，SDK接口内定义的数据载体Bean，所述数据载体Bean添加至所述业务系统的入参列表。

所述派工模块，具体用于

通过所述人员能力模型，确定各个人员的能力维度值；根据工单中的业务要素和各个人员的能力维度值；

生成状态空间，所述生成状态空间由执行空间和任务空间组成，所述执行空间包括了每位员工的最大执行任务次数的上限，所述任务空间包括各个工单所表示的任务的类型划分；

利用所述状态空间和执行策略，确定状态转移概率，其中，状态转移概率是指所述状态空间中的不同状态之间相互切换的概率；

根据所述状态转移概率和设置的回报函数，筛选所述优选的作业人员，其中，所述回报函数用于表示每个任务固定的报酬。

所述执行策略中的限制条件，至少包括：

一个工单只能被一个员工执行；

和，一个人员所接受的工单中的业务要素，并不大于所述一个人员的能力维度值；

和，工单总数不大于员工执行任务次数的剩余数目。

本实施例中提供一种包括了上述数学原理的智能派工引擎，实现了更丰富的业务能力与分配转换算法，只要接入适合的业务系统，例如：财务，人事，行政等多个能力模型，配合上系统自带的人员坐席状态、个人待办量[min,max]区间、排班等手段，以“插槽”的形式存在于系统中，可以随意拔插，调换顺序。在系统生成作业单后，通过人员能力模型对人员进行漏斗式过滤筛选，最后选出最合适的人员。从而提高作业处理效率。

在实际应用中，智能派工引擎，提供一种智能的派工方法，实现智能化的任务分派逻辑。对比传统的手动派单，提供多种预制的派工模式供用户快速上手，同时提供自定义派工模型，以适应环境复杂、业务多元化的复杂场景。提供拟人化甚至比人更优秀的决策建议，最终在人员能力、时效、质量、成本等多个维度上，全面提升作业调度能力，从而提升整个作业效果。

智能派工引擎支持机器学习功能，比如：从业务系统中采集业务数据，如历史单据，坐席状态，排班，差错率，业务能力等，系统会根据这些业务数据进行人员能力建模，从而在派工时进行智能匹配。最终达到最合适的人做最合适的事，提高工作产出，同时还可以训练人员能力，通过不停的派单与作业来提升和观察作业人员业务能力，给管理者提供直观的人员能力模型。

本实施例中，通过SDK接口采集业务系统中的数据，对于业务系统改动很小。并通过人员能力模型进一步优化工单的分配对象。从而实现每一份具有不同业务要素的工单，可以尽可能得派给当前最适合、最优解的员工。而重复性分配相同业务要素的工单，也可以快速强化员工该项业务能力，在不停的训练员工的同时也让管理者对员工能力有更直观的了解。从而降低工单分配过程中的人工成本，优化作业人员的优劣率，提升工作效率。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。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，可轻易想到的变化或替换，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该以权利要求的保护范围为准。

Claims (9)

1.一种智能派工过程中的工单分配方法，其特征在于，包括：

对业务系统的业务事件进行工序分解，并生成对应各个工序的工单；

通过spark从所述hive数据库中提取业务数据至内存数据库，并根据所述内存数据库中的业务数据生成人员能力模型，其中，在所述业务系统的业务事件上增加了标记，SDK接口对应业务事件上的标记，所述业务数据通过集成在业务系统上的SDK接口采集；

通过人员能力模型，确定各个人员的能力维度值；

根据工单中的业务要素和各个人员的能力维度值，确定与所述工单匹配的作业人员，并向所述作业人员分派所生成的工单。

2.根据权利要求1所述的方法，其特征在于，所述确定与所述工单匹配的作业人员包括：

生成状态空间，所述生成状态空间由执行空间和任务空间组成，所述执行空间包括了每位员工的最大执行任务次数的上限，所述任务空间包括各个工单所表示的任务的类型划分；

利用所述状态空间和执行策略，确定状态转移概率，其中，状态转移概率是指所述状态空间中的不同状态之间相互切换的概率；

根据所述状态转移概率和设置的回报函数，筛选所述优选的作业人员，其中，所述回报函数用于表示每个任务固定的报酬。

3.根据权利要求2所述的方法，其特征在于，所述执行策略中的限制条件，至少包括：

一个工单只能被一个员工执行；

和，一个人员所接受的工单中的业务要素，并不大于所述一个人员的能力维度值；

和，工单总数不大于员工执行任务次数的剩余数目。

4.根据权利要求1所述的方法，其特征在于，所述业务数据，包括：所述业务事件的返回值。

5.根据权利要求1所述的方法，其特征在于，所述业务数据，包括：所述业务事件所在对象实例的属性值。

6.根据权利要求1所述的方法，其特征在于，所述业务数据，包括：SDK接口内定义的数据载体Bean，所述数据载体Bean添加至所述业务系统的入参列表。

7.一种智能派工过程中的工单分配装置，其特征在于，包括：

预处理模块，用于对所述业务事件进行工序分解，并生成对应各个工序的工单；

分析模块，用于通过spark从所述hive数据库中提取业务数据至内存数据库，并根据所述内存数据库中的业务数据生成人员能力模型，其中，在所述业务系统的业务事件上增加了标记，SDK接口对应业务事件上的标记，所述业务数据通过集成在业务系统上的SDK接口采集；

派工模块，用于根据所述人员能力模型，筛选优选的作业人员，并根据筛选结果分派所生成的工单。

8.根据权利要求7所述的装置，其特征在于，所述派工模块，具体用于

通过所述人员能力模型，确定各个人员的能力维度值；根据工单中的业务要素和各个人员的能力维度值；

生成状态空间，所述生成状态空间由执行空间和任务空间组成，所述执行空间包括了每位员工的最大执行任务次数的上限，所述任务空间包括各个工单所表示的任务的类型划分；

利用所述状态空间和执行策略，确定状态转移概率，其中，状态转移概率是指所述状态空间中的不同状态之间相互切换的概率；

根据所述状态转移概率和设置的回报函数，筛选所述优选的作业人员，其中，所述回报函数用于表示每个任务固定的报酬。

9.根据权利要求8所述的装置，其特征在于，所述执行策略中的限制条件，至少包括：

一个工单只能被一个员工执行；

和，一个人员所接受的工单中的业务要素，并不大于所述一个人员的能力维度值；

和，工单总数不大于员工执行任务次数的剩余数目。