CN110189104B - 一种数据处理方法、装置、电子设备及存储介质 - Google Patents

一种数据处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110189104B
CN110189104B CN201910458778.XA CN201910458778A CN110189104B CN 110189104 B CN110189104 B CN 110189104B CN 201910458778 A CN201910458778 A CN 201910458778A CN 110189104 B CN110189104 B CN 110189104B
Authority
CN
China
Prior art keywords
data
compensation
abnormal
time
staff
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
Application number
CN201910458778.XA
Other languages
English (en)
Other versions
CN110189104A (zh
Inventor
李奇
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.)
Douyin Vision Co Ltd
Douyin Vision Beijing Co Ltd
Original Assignee
Beijing ByteDance Network Technology 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 Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201910458778.XA priority Critical patent/CN110189104B/zh
Publication of CN110189104A publication Critical patent/CN110189104A/zh
Application granted granted Critical
Publication of CN110189104B publication Critical patent/CN110189104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本公开实施例公开了一种数据处理方法、装置、电子设备及存储介质，该方法包括：当显示薪酬管理界面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据；从历史薪酬数据中获取时间序列数据；时间序列数据表征相同薪酬类别和员工时对应的至少一个周期内的时间薪酬数据；从目标薪酬数据中获取员工序列数据；员工序列数据表征相同薪酬类别和周期时对应的至少一个员工的员工薪酬数据；根据预设参数计算模型、时间序列数据、员工序列数据、目标薪酬数据和预设异常判断模型，得到异常检测信息，并在薪酬管理界面上根据异常检测信息显示目标薪酬数据。

Description

一种数据处理方法、装置、电子设备及存储介质
技术领域
本公开涉及数据处理技术，尤其涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
现代企业中员工的薪酬往往由多种薪酬类别的数据组成，例如，基本工资、绩效和奖金等，并且，多种薪酬类别的数据还是动态变化的，这样就大大增加了薪酬管理人员在计算薪酬时的工作量，那么，由于人为原因导致的薪酬计算错误的可能性也被提高，为了保证薪酬计算的正确率，薪酬管理人员需要对大量数据进行错误检查，进而，增加了薪酬计算的耗时。
发明内容
有鉴于此，本公开实施例提供一种数据处理方法、装置、电子设备及存储介质。
第一方面，本公开实施例提供了一种数据处理方法，所述方法包括：
当显示薪酬管理界面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据；所述目标薪酬数据和所述历史薪酬数据为至少一个员工各自对应的至少一种薪酬类别的数据；
从所述历史薪酬数据中获取时间序列数据；所述时间序列数据表征相同薪酬类别和员工时对应的至少一个周期内的时间薪酬数据；
从所述目标薪酬数据中获取员工序列数据；所述员工序列数据表征相同薪酬类别和周期时对应的至少一个员工的员工薪酬数据；
根据预设参数计算模型、所述时间序列数据、所述员工序列数据、所述目标薪酬数据和预设异常判断模型，得到异常检测信息，并在所述薪酬管理界面上根据所述异常检测信息显示所述目标薪酬数据；所述预设参数计算模型表征序列数据和偏差计算参数的对应关系，所述预设异常判断模型表征与偏差计算参数和薪酬数据对应的异常判断结果。
上述方案中，所述根据预设参数计算模型、所述时间序列数据、所述员工序列数据、所述目标薪酬数据和预设异常判断模型，得到异常检测信息，包括：
根据所述预设参数计算模型、所述时间序列数据和所述员工序列数据，得到与所述每个员工和所述每种薪酬类别对应的时间偏差计算数据、以及与所述每种薪酬类别对应的员工偏差计算数据；
根据所述时间偏差计算数据、所述员工偏差计算数据、所述目标薪酬数据和所述预设异常判断模型，得到所述异常检测信息。
上述方案中，所述根据所述预设参数计算模型、所述时间序列数据和所述员工序列数据，得到与所述每个员工和所述每种薪酬类别对应的时间偏差计算数据、以及与所述每种薪酬类别对应的员工偏差计算数据，包括：
根据所述预设参数计算模型和所述时间序列数据，得到所述时间偏差计算数据；
根据所述预设参数计算模型和所述员工序列数据，得到所述员工偏差计算数据。
上述方案中，所述时间序列数据包括与每个员工和所述每种薪酬类别对应的至少一个周期内的时间薪酬数据；
所述根据所述预设参数计算模型和所述时间序列数据，得到所述时间偏差计算数据，包括：
利用所述预设参数计算模型，对所述至少一个周期内的时间薪酬数据进行处理，得到时间偏差计算参数；
将所述时间偏差计算参数、所述每个员工和所述每种薪酬类别进行映射，得到所述时间偏差计算数据。
上述方案中，所述员工序列数据包括与所述每种薪酬类别对应的至少一个员工的员工薪酬数据；
所述根据所述预设参数计算模型和所述员工序列数据，得到所述员工偏差计算数据，包括：
利用所述预设参数计算模型，对所述至少一个员工的员工薪酬数据进行处理，得到员工偏差计算参数；
将所述员工偏差计算参数和所述每种薪酬类别进行映射，得到所述员工偏差计算数据。
上述方案中，所述时间偏差计算数据包括与所述每个员工和所述每种薪酬类别对应的时间平均值和时间标准差；所述员工偏差计算数据包括与所述每种薪酬类别对应的员工平均值和员工标准差；
所述根据所述时间偏差计算数据、所述员工偏差计算数据、所述目标薪酬数据和所述预设异常判断模型，得到所述异常检测信息，包括：
从所述目标薪酬数据中确定每个员工的每种薪酬类别的目标数据；
根据所述时间平均值、所述时间标准差、所述目标数据和所述预设异常判断模型，生成所述目标数据对应的时间异常检测信息；
根据所述员工平均值、所述员工标准差、所述目标数据和所述预设异常判断模型，生成所述目标数据对应的员工异常检测信息；
将所述时间异常检测信息和所述员工异常检测信息作为所述异常检测信息。
上述方案中，所述异常检测信息包括异常薪酬数据和所述异常薪酬数据对应的异常类型，所述异常薪酬数据属于所述目标薪酬数据；
所述在所述薪酬管理界面上根据所述异常检测信息显示所述目标薪酬数据，包括：
从预设异常标记控件中确定所述异常类型对应的异常标记控件；
在所述薪酬管理界面的所述异常薪酬数据处显示所述异常标记控件。
上述方案中，所述在所述薪酬管理界面的所述异常薪酬数据处显示所述异常标记控件之后，所述方法还包括：
当在所述薪酬管理界面上监测到针对所述异常标记控件的触发操作时，从预设异常说明信息中获取被触发的异常标记控件对应的异常说明信息；所述预设异常说明信息表征异常薪酬数据的异常详情；
在所述薪酬管理界面的所述异常薪酬数据处显示所述异常说明信息。
第二方面，本公开实施例提供了一种数据处理装置，所述装置包括：获取单元、处理单元和判断单元；其中，
所述获取单元，用于当显示薪酬管理界面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据；所述目标薪酬数据和所述历史薪酬数据为至少一个员工各自对应的至少一种薪酬类别的数据；
所述处理单元，用于从所述历史薪酬数据中获取时间序列数据；所述时间序列数据表征相同薪酬类别和员工时对应的至少一个周期内的时间薪酬数据；以及从所述目标薪酬数据中获取员工序列数据；所述员工序列数据表征相同薪酬类别和周期时对应的至少一个员工的员工薪酬数据；
所述判断单元，用于根据预设参数计算模型、所述时间序列数据、所述员工序列数据、所述目标薪酬数据和预设异常判断模型，得到异常检测信息，并在所述薪酬管理界面上根据所述异常检测信息显示所述目标薪酬数据；所述预设参数计算模型表征序列数据和偏差计算参数的对应关系，所述预设异常判断模型表征与偏差计算参数和薪酬数据对应的异常判断结果。
上述方案中，所述判断单元，具体用于根据所述预设参数计算模型、所述时间序列数据和所述员工序列数据，得到与所述每个员工和所述每种薪酬类别对应的时间偏差计算数据、以及与所述每种薪酬类别对应的员工偏差计算数据；以及根据所述时间偏差计算数据、所述员工偏差计算数据、所述目标薪酬数据和所述预设异常判断模型，得到所述异常检测信息。
上述方案中，所述判断单元，具体用于根据所述预设参数计算模型和所述时间序列数据，得到所述时间偏差计算数据；以及根据所述预设参数计算模型和所述员工序列数据，得到所述员工偏差计算数据。
上述方案中，所述时间序列数据包括与每个员工和所述每种薪酬类别对应的至少一个周期内的时间薪酬数据；
所述判断单元，具体用于利用所述预设参数计算模型，对所述至少一个周期内的时间薪酬数据进行处理，得到时间偏差计算参数；以及将所述时间偏差计算参数、所述每个员工和所述每种薪酬类别进行映射，得到所述时间偏差计算数据。
上述方案中，所述员工序列数据包括与所述每种薪酬类别对应的至少一个员工的员工薪酬数据；
所述判断单元，具体用于利用所述预设参数计算模型，对所述至少一个员工的员工薪酬数据进行处理，得到员工偏差计算参数；以及将所述员工偏差计算参数和所述每种薪酬类别进行映射，得到所述员工偏差计算数据。
上述方案中，所述时间偏差计算数据包括与所述每个员工和所述每种薪酬类别对应的时间平均值和时间标准差；所述员工偏差计算数据包括与所述每种薪酬类别对应的员工平均值和员工标准差；
所述判断单元，具体用于从所述目标薪酬数据中确定每个员工的每种薪酬类别的目标数据；及根据所述时间平均值、所述时间标准差、所述目标数据和所述预设异常判断模型，生成所述目标数据对应的时间异常检测信息；及根据所述员工平均值、所述员工标准差、所述目标数据和所述预设异常判断模型，生成所述目标数据对应的员工异常检测信息；以及将所述时间异常检测信息和所述员工异常检测信息作为所述异常检测信息。
上述方案中，所述异常检测信息包括异常薪酬数据和所述异常薪酬数据对应的异常类型，所述异常薪酬数据属于所述目标薪酬数据；
所述判断单元，具体用于从预设异常标记控件中确定所述异常类型对应的异常标记控件；以及在所述薪酬管理界面的所述异常薪酬数据处显示所述异常标记控件。
上述方案中，所述判断单元，还用于所述在所述薪酬管理界面的所述异常薪酬数据处显示所述异常标记控件之后，当在所述薪酬管理界面上监测到针对所述异常标记控件的触发操作时，从预设异常说明信息中获取被触发的异常标记控件对应的异常说明信息；所述预设异常说明信息表征异常薪酬数据的异常详情；以及在所述薪酬管理界面的所述异常薪酬数据处显示所述异常说明信息。
第三方面，本公开实施例提供了一种电子设备，所述电子设备包括：处理器、存储器和通信总线，所述存储器通过所述通信总线与所述处理器进行通信，所述存储器存储所述处理器可执行的一个或者多个程序，当所述一个或者多个程序被执行时，通过所述处理器执行如上述任一项数据处理方法的步骤。
第四方面，本公开实施例提供了一种存储介质，所述存储介质存储有程序，当所述程序被至少一个处理器执行时，导致所述至少一个处理器执行如上述任一项数据处理方法的步骤。
本公开实施例具有如下有益效果：
通过获取时间序列数据和员工序列数据，再结合预设参数计算模型、预设异常判断模型和目标薪酬数据，得到异常检测信息，由于预设参数计算模型表征序列数据和偏差计算参数的对应关系，时间序列数据表征相同薪酬类别和员工时对应的不同周期内的薪酬数据，员工序列数据表征相同薪酬类别和周期时对应的不同员工的薪酬数据，那么，利用预设参数计算模型可以得到时间序列数据对应的偏差计算参数、员工序列数据对应的偏差计算参数，其次，由于预设异常判断模型表征与偏差计算参数和薪酬数据对应的异常判断结果，结合目标薪酬数据和时间序列数据对应的偏差计算参数可以得到对应的异常判断结果，以及结合目标薪酬数据和员工序列数据对应的偏差计算参数也可以得到对应的异常判断结果，也就是说，自动完成对目标薪酬数据的异常检查，进而，减少了薪酬计算的耗时。
附图说明
图1为本公开实施例提供的一种电子设备的结构示意图；
图2为本公开实施例提供的一种数据处理装置的结构示意图；
图3为本公开实施例提供的一种数据处理方法的流程图一；
图4为本公开实施例提供的一种数据处理方法的流程图二；
图5(a)为本公开实施例提供的一种目标薪酬数据的示意图；
图5(b)为本公开实施例提供的一种目标薪酬数据的异常标记示意图；
图5(c)为本公开实施例提供的一种目标薪酬数据的异常提示示意图一；
图5(d)为本公开实施例提供的一种目标薪酬数据的异常提示示意图二。
具体实施方式
为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，所描述的实施例不应视为对本公开的限制，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它实施例，都属于本公开保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
下面参见图1，图1是实现本公开实施例的电子设备100的结构示意图，电子设备为包括显示装置的各种终端，例如，笔记本电脑、平板电脑(PAD)、台式计算机等终端。图1示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图1所示，电子设备100可以包括处理装置(例如中央处理器、图形处理器等)110，其可以根据存储在只读存储器(ROM，Read-Only Memory)120中的程序或者从存储装置180加载到随机访问存储器(RAM，Random Access Memory)130中的程序而执行各种适当的动作和处理。在RAM130中，还存储有电子设备100操作所需的各种程序和数据。处理装置110、ROM120以及RAM130通过总线140彼此相连。
通常，以下装置可以连接至I/O接口150：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置160；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置170；包括例如磁带、硬盘等的存储装置180；通信装置190；以及显示装置1100。通信装置190可以允许电子设备100与其他设备进行无线或有线通信以交换数据。虽然图1示出了具有各种装置的电子设备100，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，所提供的数据处理方法的流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机可读介质，其包括承载在计算机可读介质上的计算机程序，计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，计算机程序可以通过通信装置190从网络上被下载和安装，或者从存储装置180被安装，或者从ROM120被安装。在计算机程序被处理装置110执行时，执行本公开实施例的方法中的功能。
需要说明的是，本公开实施例上述的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或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。
在本公开实施例中，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。而在本公开实施例中，计算机可读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，计算机可读信号介质可以发送、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：电线、光缆、射频(RF，Radio Frequency)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备100中所包含的；也可以是单独存在，而未装配入电子设备100中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得电子设备100执行本公开实施例提供的数据处理方法。
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公开的操作的计算机程序代码，上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电子设备上执行。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，Local AreaNetwork))和广域网(WAN，Wide Area Network)，以连接到用户计算机，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)。
示例性，以某一个企业的薪酬管理应用程序为例，由电子设备100中多个装置实现数据处理方法，薪酬管理人员开启薪酬管理应用程序后，显示装置1100上显示薪酬管理应用程序的薪酬管理界面，薪酬管理人员通过输入装置160输入企业所有员工的薪酬数据、以及周期信息，显示装置1100在薪酬管理界面上显示薪酬数据和周期信息，处理装置110将薪酬数据和周期信息对应保存至存储装置180；当薪酬管理界面上显示当前周期内的目标薪酬数据、且接收到异常检测指令时，处理装置110从存储装置180中获取至少一个周期内的历史薪酬数据，并对目标薪酬数据和历史薪酬数据进行异常检测，得到异常检测信息；显示装置1100在薪酬管理界面上根据异常检测信息显示目标薪酬数据；异常检测信息表征目标薪酬数据中的异常薪酬数据。
描述于本公开实施例中所涉及到的电子设备的单元和/或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。
对于硬件的方式来说，实现本公开实施例的电子设备的单元和/或模块可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，ComplexProgrammable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable GateArray)或其他电子元件实现，用于执行实现本公开实施例提供的数据处理方法；
对于软件的方式来说，实现本公开实施例提供的数据处理方法的电子设备中的单元和/或模块可以被两个或以上的单元实现。
下面以软件的方式为例，示例性说明实现本公开实施例的数据处理装置的单元和/或模块。
参见图2，图2是实现本公开实施例的数据处理装置的一个可选的结构示意图，示出了存储在存储装置180的如下软件模块：获取单元21、处理单元22和判断单元23；其中，
获取单元21，用于当显示薪酬管理界面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据；目标薪酬数据和历史薪酬数据为至少一个员工各自对应的至少一种薪酬类别的数据；
处理单元22，用于从历史薪酬数据中获取时间序列数据；时间序列数据表征相同薪酬类别和员工时对应的至少一个周期内的时间薪酬数据；以及从目标薪酬数据中获取员工序列数据；员工序列数据表征相同薪酬类别和周期时对应的至少一个员工的员工薪酬数据；
判断单元23，用于根据预设参数计算模型、时间序列数据、员工序列数据、目标薪酬数据和预设异常判断模型，得到异常检测信息，并在薪酬管理界面上根据异常检测信息显示目标薪酬数据；预设参数计算模型表征序列数据和偏差计算参数的对应关系，预设异常判断模型表征与偏差计算参数和薪酬数据对应的异常判断结果。
在一些实施例中，判断单元23，具体用于根据预设参数计算模型、时间序列数据和员工序列数据，得到与每个员工和每种薪酬类别对应的时间偏差计算数据、以及与每种薪酬类别对应的员工偏差计算数据；以及根据时间偏差计算数据、员工偏差计算数据、目标薪酬数据和预设异常判断模型，得到异常检测信息。
在一些实施例中，判断单元23，具体用于根据预设参数计算模型和时间序列数据，得到时间偏差计算数据；以及根据预设参数计算模型和员工序列数据，得到员工偏差计算数据。
在一些实施例中，时间序列数据包括与每个员工和每种薪酬类别对应的至少一个周期内的时间薪酬数据；
判断单元23，具体用于利用预设参数计算模型，对至少一个周期内的时间薪酬数据进行处理，得到时间偏差计算参数；以及将时间偏差计算参数、每个员工和每种薪酬类别进行映射，得到时间偏差计算数据。
在一些实施例中，员工序列数据包括与每种薪酬类别对应的至少一个员工的员工薪酬数据；
判断单元23，具体用于利用预设参数计算模型，对至少一个员工的员工薪酬数据进行处理，得到员工偏差计算参数；以及将员工偏差计算参数和每种薪酬类别进行映射，得到员工偏差计算数据。
在一些实施例中，时间偏差计算数据包括与每个员工和每种薪酬类别对应的时间平均值和时间标准差；员工偏差计算数据包括与每种薪酬类别对应的员工平均值和员工标准差；
判断单元23，具体用于从目标薪酬数据中确定每个员工的每种薪酬类别的目标数据；及根据时间平均值、时间标准差、目标数据和预设异常判断模型，生成目标数据对应的时间异常检测信息；及根据员工平均值、员工标准差、目标数据和预设异常判断模型，生成目标数据对应的员工异常检测信息；以及将时间异常检测信息和员工异常检测信息作为异常检测信息。
在一些实施例中，异常检测信息包括异常薪酬数据和异常薪酬数据对应的异常类型，异常薪酬数据属于目标薪酬数据；判断单元23，具体用于从预设异常标记控件中确定异常类型对应的异常标记控件；以及在薪酬管理界面的异常薪酬数据处显示异常标记控件。
在一些实施例中，判断单元23，还用于在薪酬管理界面的异常薪酬数据处显示异常标记控件之后，当在薪酬管理界面上监测到针对异常标记控件的触发操作时，从预设异常说明信息中获取被触发的异常标记控件对应的异常说明信息；预设异常说明信息表征异常薪酬数据的异常详情；以及在薪酬管理界面的异常薪酬数据处显示异常说明信息。
需要指出，上述单元的分类并不构成对电子设备本身的限定，例如一些单元可以拆分为两个或以上的子单元，或者，一些单元可以合并为一个新的单元。
还需要指出，上述单元的名称在某种情况下并不构成对单元本身的限定，例如，上述获取单元21也可以被描述为“获取至少一个周期内的历史薪酬数据”的单元。
基于同样的理由，电子设备中未详尽描述的单元和/或模块不代表相应的单元和/或模块的缺省，凡是电子设备所执行的操作都可以通过电子设备中的相应的单元和/或模块实现。
继续参见图3，图3是实现本公开实施例的数据处理方法的一个可选的流程示意图，将结合图3示出的步骤进行说明。
S301、当显示薪酬管理页面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据；目标薪酬数据和历史薪酬数据为至少一个员工各自对应的至少一种薪酬类别的数据；
数据处理装置在接收到薪酬管理应用程序的开启指令后，运行薪酬管理应用程序，显示薪酬管理应用程序的薪酬管理页面，当显示薪酬管理页面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据。
示例性地，薪酬管理人员通过数据处理装置设置定时检测模式和检测周期，数据处理装置显示薪酬管理界面，并判断是否到达检测周期；当到达检测周期时，数据处理装置确定接收到异常检测指令，获取目标薪酬数据和历史薪酬数据；其中，检测周期为一个月或其他时长；
在一些实施例中，数据处理装置显示薪酬管理界面，薪酬管理人员在薪酬管理页面上输入薪酬数据和周期信息，数据处理装置在薪酬管理页面上监测到输入完成操作时，确定接收到异常检测指令，数据处理装置将输入的薪酬数据作为当前周期内的目标薪酬数据，并从数据库中获取至少一个周期内的历史薪酬数据。
在一些实施例中，至少一个周期包括当前周期之前的至少一个历史周期，还可以包括当前周期；当至少一个周期包括当前周期时，历史薪酬数据包括目标薪酬数据。
示例性地，当前周期为距离当前时刻最近的周期，例如，薪酬管理人员在2018年3月输入2018年2月的薪酬数据，当前周期为2018年2月，至少一个历史周期包括2018年1月、2017年12月等。
S302、从历史薪酬数据中获取时间序列数据；时间序列数据表征相同薪酬类别和员工时对应的至少一个周期内的时间薪酬数据；
数据处理装置针对每个员工和每种薪酬类别，从历史薪酬数据中获取至少一个周期内的时间薪酬数据；将每个员工、每种薪酬类别和至少一个周期内的时间薪酬数据进行映射，得到时间序列数据。
示例性地，至少一个周期中每个周期内的历史薪酬数据包括：一一对应的员工、薪酬类别和薪酬数据，数据处理装置从每个周期内的历史薪酬数据中，获取与一个员工的一种薪酬类别对应的一个薪酬数据，进而从至少一个周期内的历史薪酬数据中，获取与一个员工的一种薪酬类别对应的时间薪酬数据；将一个员工、一种薪酬类别和时间薪酬数据进行对应保存，得到一个时间序列数据，进而得到所有员工的时间序列数据。
S303、从目标薪酬数据中获取员工序列数据；员工序列数据表征相同薪酬类别和周期时对应的至少一个员工的员工薪酬数据；
数据处理装置针对每种薪酬类别，从目标薪酬数据中获取至少一个员工的员工薪酬数据；将每种薪酬类别和至少一个员工的员工薪酬数据进行映射，得到员工序列数据。
示例性地，目标薪酬数据包括：一一对应的员工、薪酬类别和薪酬数据，数据处理装置从目标薪酬数据中，获取与一种薪酬类别对应的至少一个员工的员工薪酬数据；将一种薪酬类别和员工薪酬数据进行对应保存，得到一个员工序列数据，进而得到所有薪酬类别的员工序列数据。
需要说明的是，除了图3中所示的步骤S302和步骤S303的执行顺序，还可以同时执行步骤S302和步骤S303，或者，先执行步骤S303再执行步骤S302。
S304、根据预设参数计算模型、时间序列数据、员工序列数据、目标薪酬数据和预设异常判断模型，得到异常检测信息，并在薪酬管理界面上根据异常检测信息显示目标薪酬数据；预设参数计算模型表征序列数据和偏差计算参数的对应关系，预设异常判断模型表征与偏差计算参数和薪酬数据对应的异常判断结果。
数据处理装置利用预设参数计算模型，分别计算得到时间序列数据对应的时间偏差计算参数、员工序列数据对应的员工偏差计算参数，再根据时间偏差计算参数、员工偏差计算参数、以及预设异常判断模型，确定目标薪酬数据对应的异常检测信息，并根据异常检测信息确定目标薪酬数据对应的显示方式，在薪酬管理界面上按照显示方式显示目标薪酬数据，以直观地向薪酬管理人员提示异常情况。
在一些实施例中，异常检测信息表征目标薪酬数据中的异常薪酬数据；异常薪酬数据包括时间异常薪酬数据和员工异常薪酬数据，时间异常薪酬数据为与同一员工的、同一种薪酬类别的、不同周期的薪酬数据差异较大的数据，员工异常薪酬数据为与同一周期的、同一薪酬类别的、不同员工的薪酬数据差异较大的数据。
在一些实施例中，数据处理模块根据预设参数计算模型、时间序列数据和员工序列数据，得到与每个员工和每种薪酬类别对应的时间偏差计算数据、以及与每种薪酬类别对应的员工偏差计算数据；根据时间偏差计算数据、员工偏差计算数据、目标薪酬数据和预设异常判断模型，得到异常检测信息。
数据处理模块根据预设参数计算模型和时间序列数据，得到时间偏差计算数据；根据预设参数计算模型和员工序列数据，得到员工偏差计算数据；根据时间偏差计算数据、员工偏差计算数据和预设异常判断模型，对目标薪酬数据中每个数据进行异常判断，生成异常检测信息。
在一些实施例中，时间序列数据包括与每个员工和每种薪酬类别对应的至少一个周期内的时间薪酬数据；数据处理装置利用预设参数计算模型，对至少一个周期内的时间薪酬数据进行处理，得到时间偏差计算参数；将时间偏差计算参数、每个员工和每种薪酬类别进行映射，得到时间偏差计算数据。
数据处理装置利用预设参数计算模型，对每个时间序列数据中的时间薪酬数据进行计算，得到每个时间序列数据对应的时间偏差计算参数；将每个时间序列数据对应的时间偏差计算参数、以及每个时间序列数据中的员工和薪酬类别进行映射，得到每个时间序列数据对应的时间偏差计算数据。
在一些实施例中，员工序列数据包括与每种薪酬类别对应的至少一个员工的员工薪酬数据；数据处理装置利用预设参数计算模型，对至少一个员工的员工薪酬数据进行处理，得到员工偏差计算参数；将员工偏差计算参数和每种薪酬类别进行映射，得到员工偏差计算数据。
数据处理装置利用预设参数计算模型，对每个员工序列数据中的员工薪酬数据进行计算，得到每个员工序列数据对应的员工偏差计算参数；将每个员工序列数据对应的员工偏差计算参数、以及每个员工序列数据中的薪酬类别进行映射，得到每个员工序列数据对应的员工偏差计算数据。
在一些实施例中，预设参数计算模型包括平均值计算模型和标准差计算模型，时间偏差计算参数包括时间平均值和时间标准差，员工偏差计算参数包括员工平均值和员工标准差。
在一些实施例中，数据处理装置利用平均值计算模型，对每个时间序列数据中的时间薪酬数据进行计算，得到每个时间序列数据对应的时间平均值；利用标准差计算模型和每个时间序列数据对应的时间平均值，对每个时间序列数据中的时间薪酬数据进行计算，得到每个时间序列数据对应的时间标准差；将每个时间序列数据对应的时间平均值和时间标准差，作为每个时间序列数据对应的时间偏差计算参数；将每个时间序列数据对应的时间偏差计算参数、以及每个时间序列数据中的员工和薪酬类别进行对应保存，得到每个时间序列数据对应的时间偏差计算数据。
同理，数据处理装置利用平均值计算模型，对每个员工序列数据中的员工薪酬数据进行计算，得到每个员工序列数据对应的员工平均值；利用标准差计算模型和每个员工序列数据对应的员工平均值，对每个员工序列数据中的员工薪酬数据进行计算，得到每个员工序列数据对应的员工标准差；将每个员工序列数据对应的员工平均值和员工标准差作为每个员工序列数据对应的员工偏差计算参数；将每个员工序列数据对应的员工偏差计算参数、以及每个员工序列数据中的薪酬类别进行对应保存，得到每个员工序列数据对应的员工偏差计算数据。
示例性地，平均值计算模型如下式(1)所示，标准差计算模型如下式(2)所示：
Figure BDA0002077400900000161
Figure BDA0002077400900000162
其中，xi为至少一个周期内的时间薪酬数据中的第i个数据，N为至少一个周期内的时间薪酬数据的数据总个数，M为至少一个周期内的时间薪酬数据的时间平均值，σ为至少一个周期内的时间薪酬数据的时间标准差；或者，xi为至少一个员工的员工薪酬数据中的第i个数据，N为至少一个员工的员工薪酬数据的数据总个数，M为至少一个员工的员工薪酬数据的员工平均值，σ为至少一个员工的员工薪酬数据的员工标准差。
在一些实施例中，时间偏差计算数据包括与每个员工和每种薪酬类别对应的时间平均值和时间标准差；员工偏差计算数据包括与每种薪酬类别对应的员工平均值和员工标准差；数据处理装置从目标薪酬数据中确定每个员工的每种薪酬类别的目标数据；根据时间平均值、时间标准差、目标数据和预设异常判断模型，生成目标数据对应的时间异常检测信息；根据员工平均值、员工标准差、目标数据和预设异常判断模型，生成目标数据对应的员工异常检测信息；将时间异常检测信息和员工异常检测信息作为异常检测信息。
数据处理装置将目标薪酬数据中每个员工的每种薪酬类别的数据，作为目标数据；从时间偏差计算数据中获取与目标数据的员工和薪酬类别相同的时间偏差计算参数，时间偏差计算参数包括时间平均值和时间标准差；将时间平均值、时间标准差和目标数据代入预设异常判断模型，确定预设异常判断模型成立时，生成目标数据对应的时间异常检测信息，否则，目标数据不存在对应的时间异常检测信息。
同理，从员工偏差计算数据中获取与目标数据的薪酬类别相同的员工偏差计算参数，员工偏差计算参数包括员工平均值和员工标准差；将员工平均值、员工标准差和目标数据代入预设异常判断模型，确定预设异常判断模型成立时，生成目标数据对应的员工异常检测信息，否则，目标数据不存在对应的员工异常检测信息。
在一些实施例中，数据处理装置将时间异常检测信息和/或员工异常检测信息，作为异常检测信息。
示例性地，预设异常判断模型如式(3)所示：
|xi-M|≥k*σ (3)
其中，k为大于0的整数，例如，k＝3。
在一些实施例中，以时间异常检测信息为例，数据处理装置将时间平均值、时间标准差和目标数据代入预设异常判断模型，确定预设异常判断模型成立时，将目标数据作为时间异常薪酬数据，确定时间异常薪酬数据对应的异常类型为时间异常类型；根据时间异常类型和预设异常说明信息，确定时间异常薪酬数据对应的时间异常说明信息；将时间异常说明信息、时间异常薪酬数据对应的员工、时间异常薪酬数据对应的薪酬类别、时间异常薪酬数据、以及时间异常类型进行对应保存，生成时间异常检测信息；
或者，数据处理装置将时间平均值、时间标准差和目标数据代入预设异常判断模型，确定预设异常判断模型成立时，将目标数据作为时间异常薪酬数据，确定时间异常薪酬数据对应的异常类型为时间异常类型；将时间异常薪酬数据对应的员工、时间异常薪酬数据对应的薪酬类别、时间异常薪酬数据、以及时间异常类型进行对应保存，生成时间异常检测信息；其中，预设时间异常说明信息表征数据与同一员工的、同一薪酬类别的历史薪酬数据之间的差异较大。
需要说明的是，与上述获取时间异常检测信息的过程同理，数据处理装置可以获取员工异常检测信息，预设员工异常说明信息表征数据与当前周期的、同一薪酬类别的、其他员工的薪酬数据之间的差异较大。
在一些实施例中，时间异常检测信息包括时间异常说明信息、以及与目标数据对应的员工、薪酬类别，时间异常说明信息表征数据与同一员工的、同一薪酬类别的历史薪酬数据之间的差异较大；员工异常检测信息包括员工异常说明信息、以及与目标数据对应的员工、薪酬类别，员工异常说明信息表征数据与当前周期的、同一薪酬类别的、其他员工的薪酬数据之间的差异较大。
需要说明的是，数据处理装置分别计算时间偏差计算数据和员工偏差计算数据，再利用预设异常判断模型和时间偏差计算数据，得到目标薪酬数据中目标数据对应的时间异常检测信息，利用预设异常判断模型和员工偏差计算数据，得到目标薪酬数据中目标数据对应的员工异常检测信息；由于时间异常检测信息表征数据与同一员工的、同一薪酬类别的历史薪酬数据之间的差异较大，员工异常检测信息表征数据与当前周期的、同一薪酬类别的、其他员工的薪酬数据之间的差异较大，也就是说，数据处理装置分别基于员工自身的历史薪酬数据、以及当前周期的其他员工的薪酬数据，对当前周期的员工自身的每种薪酬类别进行异常判断，如此，提高了对目标薪酬数据的异常判断的准确率。
在一些实施例中，异常检测信息包括异常薪酬数据和异常薪酬数据对应的异常类型，异常薪酬数据属于目标薪酬数据；数据处理装置从预设异常标记控件中确定异常类型对应的异常标记控件；在薪酬管理界面的异常薪酬数据处显示异常标记控件。
数据处理装置针对每个异常薪酬数据，从预设异常标记控件中确定异常类型对应的异常标记控件，在目标薪酬数据中的每个异常薪酬数据处添加对应的异常标记控件，在薪酬管理界面上显示添加控件后的目标薪酬数据。
在一些实施例中，预设异常标记控件包括时间异常标记控件和员工异常标记控件；异常类型包括：时间异常类型和员工异常类型，时间异常类型对应时间异常标记控件，员工异常类型对应员工异常标记控件。
在一些实施例中，数据处理装置在薪酬管理界面的异常薪酬数据处显示异常标记控件之后，当在薪酬管理界面上监测到针对异常标记控件的触发操作时，从预设异常说明信息中获取被触发的异常标记控件对应的异常说明信息；预设异常说明信息表征异常薪酬数据的异常详情；在薪酬管理界面的异常薪酬数据处显示异常说明信息。
数据处理装置在接收到针对任一个异常标记控件的触发指令时，获取被触发的异常标记控件对应的异常说明信息；在薪酬管理界面的异常薪酬数据处，按照预设显示方式显示异常说明信息；其中，预设显示方式包括预设显示形式和/或预设显示位置。
示例性地，预设显示方式包括预设显示形式和预设显示位置，预设显示形式包括悬浮框；数据处理在接收到针对任一个异常标记控件的触发指令时，在薪酬管理界面的预设显示位置处，弹出并显示包括异常说明信息的悬浮框；如此，向薪酬管理人员提供直观的异常提示。
示例性地，预设显示形式包括悬浮框，预设显示位置包括界面空白位置；数据处理在接收到针对任一个异常标记控件的触发指令时，确定薪酬管理界面的实际界面空白位置、以及异常薪酬数据在薪酬管理界面中的数据显示位置；根据实际界面空白位置和数据显示位置，确定异常说明信息对应的信息显示位置；在薪酬管理界面的信息显示位置上弹出包括异常说明信息的悬浮框。
在一些实施例中，当接收到针对异常标记控件的触发指令时，数据处理装置判断被触发的异常标记控件对应的异常检测信息是否包括异常说明信息，当被触发的异常标记控件对应的异常检测信息包括异常说明信息时，从异常检测信息中获取被触发的异常标记控件对应的异常说明信息；当被触发的异常标记控件对应的异常检测信息不包括异常说明信息时，从预设异常说明信息中获取被触发的异常标记控件对应的异常说明信息；其中，预设异常说明信息包括预设时间异常说明信息和预设员工异常说明信息。
在一些实施例中，被触发的异常标记控件包括时间异常标记控件和员工异常标记控件；时间异常标记控件对应预设异常说明信息中的预设时间异常说明信息，员工异常标记控件对应预设异常说明信息中的预设员工异常说明信息。
继续参见图4，图4是实现本公开实施例的数据处理方法的一个可选的流程示意图，将结合图4示出的步骤进行说明。
S401、当显示薪酬管理页面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据；目标薪酬数据和历史薪酬数据为至少一个员工各自对应的至少一种薪酬类别的数据；
示例性地，周期为一个月，当前周期为2019年3月，至少一个周期包括2019年1月和2019年2月；数据处理装置获取2019年3月的目标薪酬数据、以及2019年1月和2019年2月的历史薪酬数据。
示例性地，至少一个员工包括员工1、员工2、员工3、员工4、员工5和员工6，至少一种薪酬类别包括基本工资A、岗位工资B、考勤扣款C和销售提成D；薪酬管理应用程序50的薪酬管理界面51上显示2019年3月的目标薪酬数据52，如图5(a)所示。
S402、从历史薪酬数据中获取时间序列数据；时间序列数据表征相同薪酬类别和员工时对应的至少一个周期内的薪酬数据；
示例性地，数据处理装置从2019年1月的历史薪酬数据和2019年2月的历史薪酬数据中，获取时间序列数据；以员工1的基本工资A为例，一个时间序列数据包括与员工1的基本工资A对应的2个时间薪酬数据。
S403、从目标薪酬数据中获取员工序列数据；员工序列数据表征相同薪酬类别和周期时对应的至少一个员工的薪酬数据；
示例性地，数据处理装置从2019年3月的目标薪酬数据中，获取员工序列数据；以基本工资A为例，一个员工序列数据包括与基本工资A对应的6个员工薪酬数据。
S404、根据预设参数计算模型和时间序列数据，得到时间偏差计算数据；预设参数计算模型包括平均值计算模型和标准差计算模型；
数据处理装置根据平均值计算模型、标准差计算模型和时间序列数据，得到时间平均值和时间标准差；将员工、薪酬类别、时间平均值和时间标准差进行对应保存，得到与每个员工和每种薪酬类别对应的时间偏差计算数据；
示例性地，以员工1的基本工资A为例，一个时间序列数据包括与员工1的基本工资A对应的2个时间薪酬数据；数据处理装置利用平均值计算模型，对2个时间薪酬数据进行计算，得到该时间序列数据对应的时间平均值M1-A；利用标准差计算模型，对2个时间薪酬数据和时间平均值进行计算，得到该时间序列数据对应的时间标准差σ1-A；将时间平均值M1-A、时间标准差σ1-A、员工1和基本工资A进行对应保存，得到一个时间偏差计算数据。
S405、根据预设参数计算模型和员工序列数据，得到员工偏差计算数据；预设参数计算模型包括平均值计算模型和标准差计算模型；
数据处理装置根据平均值计算模型、标准差计算模型和员工序列数据，得到员工平均值和员工标准差；将薪酬类别、员工平均值和员工标准差进行对应保存，得到与每种薪酬类别对应的员工偏差计算数据；
示例性地，以基本工资A为例，一个员工序列数据包括与基本工资A对应的6个员工薪酬数据；数据处理装置利用平均值计算模型，对6个员工薪酬数据进行计算，得到该员工序列数据对应的员工平均值MA；利用标准差计算模型，对6个员工薪酬数据和员工平均值进行计算，得到该员工序列数据对应的员工标准差σA；将员工平均值MA、员工标准差σA和基本工资A进行对应保存，得到一个员工偏差计算数据。
S406、根据时间偏差计算数据、目标薪酬数据和预设异常判断模型，得到时间异常检测信息；
数据处理装置从目标薪酬数据中确定每个员工的每种薪酬类别的目标数据；根据时间平均值、时间标准差、目标数据和预设异常判断模型，生成时间异常薪酬数据对应的时间异常说明信息；将时间异常说明信息、时间异常薪酬数据对应的员工、时间异常薪酬数据对应的薪酬类别、时间异常薪酬数据、以及时间异常类型进行对应保存，生成时间异常检测信息。
示例性地，以一个目标数据为2019年3月的员工1的基本工资A的数据为例，根据员工1和基本工资A，获取时间平均值M1-A和时间标准差σ1-A；将时间平均值M1-A、时间标准差σ1-A和一个目标数据，代入预设异常判断模型；当预设异常判断模型成立时，将一个目标数据作为一个时间异常薪酬数据，将预设时间异常说明信息作为一个时间异常薪酬数据对应的时间异常说明信息；将时间异常说明信息、员工1、基本工资A、一个时间异常薪酬数据、以及时间异常类型对应保存，得到一个时间异常检测信息。
S407、根据员工偏差计算数据、目标薪酬数据和预设异常判断模型，得到员工异常检测信息；
数据处理装置根据员工平均值、员工标准差、目标数据和预设异常判断模型，生成员工异常薪酬数据对应的员工异常说明信息；将员工异常说明信息、员工异常薪酬数据对应的薪酬类别、员工异常薪酬数据、以及员工异常类型进行对应保存，生成员工异常检测信息。
示例性地，以一个目标数据为2019年3月的员工1的基本工资A的数据为例，根据基本工资A，获取员工平均值MA和员工标准差σA；将员工平均值MA、员工标准差σA和一个目标数据，代入预设异常判断模型；当预设异常判断模型成立时，将一个目标数据作为一个员工异常薪酬数据，将预设员工异常说明信息作为一个员工异常薪酬数据对应的员工异常说明信息；将员工异常说明信息、基本工资A、一个员工异常薪酬数据、以及员工异常类型对应保存，得到一个员工异常检测信息。
S408、从预设异常标记控件中确定异常检测信息对应的异常标记控件；在薪酬管理界面的异常薪酬数据处显示异常标记控件；异常检测信息包括时间异常检测信息和员工异常检测信息，异常标记控件包括时间异常标记控件和员工异常标记控件；
数据处理装置针对每个异常薪酬数据，从预设异常标记控件中确定异常检测信息对应的异常标记控件，在目标薪酬数据中的每个异常薪酬数据处添加对应的异常标记控件，在薪酬管理界面上显示添加控件后的目标薪酬数据。
示例性地，以2019年3月的目标薪酬数据为例，如图5(b)所示，在薪酬管理界面51的异常薪酬数据异常处显示异常标记控件，时间异常标记控件53表示员工6的岗位工资B的数据为时间异常薪酬数据，员工异常标记控件54表示员工6的销售提成D的数据为员工异常薪酬数据。
需要说明的是，时间异常标记控件和员工异常标记控件可以为形状相同、颜色不同的控件。
S409、当接收到针对异常标记控件的触发指令时，从预设异常说明信息中获取被触发的异常标记控件对应的异常说明信息，以显示异常说明信息；预设异常说明信息表征异常薪酬数据的异常详情；在薪酬管理界面的异常薪酬数据处显示异常说明信息。
示例性地，以2019年3月的目标薪酬数据为例，如图5(c)所示，预设显示方式包括悬浮框和界面空白位置，薪酬管理人员通过鼠标选中时间异常标记控件53，数据处理装置接收到针对时间异常标记控件53的触发指令；确定薪酬管理界面51的实际界面空白位置、以及时间异常薪酬数据在薪酬管理界面51中的时间异常数据显示位置；根据实际界面空白位置和时间异常数据显示位置，确定时间异常说明信息对应的第一信息显示位置；在薪酬管理界面的第一信息显示位置上弹出包括时间异常说明信息的悬浮框53-1；其中，时间异常说明信息53-1还可以包括以坐标形式表示的1043.20、3028.16、5013.12、以及30,000.00，3028.16为与员工6的岗位工资B对应的时间平均值M6-B，661.65为与员工6的岗位工资B对应的时间标准差σ6-B，1043.20为M6-B-3*σ6-B，5013.12为M6-B+3*σ6-B，30,000.00为员工6的岗位工资B的薪酬数据D6-B。
示例性地，以2019年3月的目标薪酬数据为例，如图5(d)所示，预设显示方式包括悬浮框和界面空白位置，薪酬管理人员通过鼠标选中员工异常标记控件54，数据处理装置接收到针对员工异常标记控件54的触发指令；确定薪酬管理界面51的实际界面空白位置、以及员工异常薪酬数据在薪酬管理界面51中的员工异常数据显示位置；根据实际界面空白位置和员工异常数据显示位置，确定员工异常说明信息对应的第二信息显示位置；在薪酬管理界面的第一信息显示位置上弹出包括员工异常说明信息的悬浮框54-1。
需要说明的是，除了图4中所示的各个步骤的执行顺序，步骤S402和步骤S403可以被同时执行或被调换先后顺序后执行，步骤S404和步骤S405可以被同时执行或被调换先后顺序后执行，步骤S406和步骤S407可以被同时执行或被调换先后顺序后执行。
综上所述，本公开实施例具有以下有益效果：
数据处理装置通过获取时间序列数据和员工序列数据，再结合预设参数计算模型、预设异常判断模型和目标薪酬数据，得到异常检测信息，由于预设参数计算模型表征序列数据和偏差计算参数的对应关系，时间序列数据表征相同薪酬类别和员工时对应的不同周期内的薪酬数据，员工序列数据表征相同薪酬类别和周期时对应的不同员工的薪酬数据，那么，利用预设参数计算模型可以得到时间序列数据对应的偏差计算参数、员工序列数据对应的偏差计算参数，其次，由于预设异常判断模型表征与偏差计算参数和薪酬数据对应的异常判断结果，结合目标薪酬数据和时间序列数据对应的偏差计算参数可以得到对应的异常判断结果，以及结合目标薪酬数据和员工序列数据对应的偏差计算参数也可以得到对应的异常判断结果，也就是说，自动完成对目标薪酬数据的异常检查，进而，减少了薪酬计算的耗时。
以上描述仅为本公开的实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开实施例中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开实施例构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种数据处理方法，其特征在于，所述方法包括：
当显示薪酬管理界面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据；所述目标薪酬数据和所述历史薪酬数据为至少一个员工各自对应的至少一种薪酬类别的数据；
从所述历史薪酬数据中获取时间序列数据；所述时间序列数据表征相同薪酬类别和员工时对应的至少一个周期内的时间薪酬数据；
从所述目标薪酬数据中获取员工序列数据；所述员工序列数据表征相同薪酬类别和周期时对应的至少一个员工的员工薪酬数据；
根据预设参数计算模型、所述时间序列数据、所述员工序列数据、所述目标薪酬数据和预设异常判断模型，得到异常检测信息，并在所述薪酬管理界面上根据所述异常检测信息显示所述目标薪酬数据；所述预设参数计算模型表征序列数据和偏差计算参数的对应关系，所述预设异常判断模型表征与偏差计算参数和薪酬数据对应的异常判断结果；
其中，所述偏差计算参数包括时间偏差计算参数和员工偏差计算参数，且所述时间偏差计算参数是根据所述预设参数计算模型对所述至少一个周期内的时间薪酬数据进行处理得到，所述员工偏差计算参数是根据所述预设参数计算模型对所述至少一个员工的员工薪酬数据进行处理得到。
2.根据权利要求1所述的方法，其特征在于，所述根据预设参数计算模型、所述时间序列数据、所述员工序列数据、所述目标薪酬数据和预设异常判断模型，得到异常检测信息，包括：
根据所述预设参数计算模型、所述时间序列数据和所述员工序列数据，得到与所述每个员工和所述每种薪酬类别对应的时间偏差计算数据、以及与所述每种薪酬类别对应的员工偏差计算数据；
根据所述时间偏差计算数据、所述员工偏差计算数据、所述目标薪酬数据和所述预设异常判断模型，得到所述异常检测信息。
3.根据权利要求2所述的方法，其特征在于，所述根据所述预设参数计算模型、所述时间序列数据和所述员工序列数据，得到与所述每个员工和所述每种薪酬类别对应的时间偏差计算数据、以及与所述每种薪酬类别对应的员工偏差计算数据，包括：
根据所述预设参数计算模型和所述时间序列数据，得到所述时间偏差计算数据；
根据所述预设参数计算模型和所述员工序列数据，得到所述员工偏差计算数据。
4.根据权利要求3所述的方法，其特征在于，所述时间序列数据包括与每个员工和所述每种薪酬类别对应的至少一个周期内的时间薪酬数据；
所述根据所述预设参数计算模型和所述时间序列数据，得到所述时间偏差计算数据，包括：
利用所述预设参数计算模型，对所述至少一个周期内的时间薪酬数据进行处理，得到所述时间偏差计算参数；
将所述时间偏差计算参数、所述每个员工和所述每种薪酬类别进行映射，得到所述时间偏差计算数据。
5.根据权利要求3所述的方法，其特征在于，所述员工序列数据包括与所述每种薪酬类别对应的至少一个员工的员工薪酬数据；
所述根据所述预设参数计算模型和所述员工序列数据，得到所述员工偏差计算数据，包括：
利用所述预设参数计算模型，对所述至少一个员工的员工薪酬数据进行处理，得到所述员工偏差计算参数；
将所述员工偏差计算参数和所述每种薪酬类别进行映射，得到所述员工偏差计算数据。
6.根据权利要求2所述的方法，其特征在于，所述时间偏差计算数据包括与所述每个员工和所述每种薪酬类别对应的时间平均值和时间标准差；所述员工偏差计算数据包括与所述每种薪酬类别对应的员工平均值和员工标准差；
所述根据所述时间偏差计算数据、所述员工偏差计算数据、所述目标薪酬数据和所述预设异常判断模型，得到所述异常检测信息，包括：
从所述目标薪酬数据中确定每个员工的每种薪酬类别的目标数据；
根据所述时间平均值、所述时间标准差、所述目标数据和所述预设异常判断模型，生成所述目标数据对应的时间异常检测信息；
根据所述员工平均值、所述员工标准差、所述目标数据和所述预设异常判断模型，生成所述目标数据对应的员工异常检测信息；
将所述时间异常检测信息和所述员工异常检测信息作为所述异常检测信息。
7.根据权利要求1所述的方法，其特征在于，所述异常检测信息包括异常薪酬数据和所述异常薪酬数据对应的异常类型，所述异常薪酬数据属于所述目标薪酬数据；
所述在所述薪酬管理界面上根据所述异常检测信息显示所述目标薪酬数据，包括：
从预设异常标记控件中确定所述异常类型对应的异常标记控件；
在所述薪酬管理界面的所述异常薪酬数据处显示所述异常标记控件。
8.根据权利要求7所述的方法，其特征在于，所述在所述薪酬管理界面的所述异常薪酬数据处显示所述异常标记控件之后，所述方法还包括：
当在所述薪酬管理界面上监测到针对所述异常标记控件的触发操作时，从预设异常说明信息中获取被触发的异常标记控件对应的异常说明信息；所述预设异常说明信息表征异常薪酬数据的异常详情；
在所述薪酬管理界面的所述异常薪酬数据处显示所述异常说明信息。
9.一种数据处理装置，其特征在于，所述装置包括：获取单元、处理单元和判断单元；其中，
所述获取单元，用于当显示薪酬管理界面、且接收到异常检测指令时，获取当前周期内的目标薪酬数据、以及至少一个周期内的历史薪酬数据；所述目标薪酬数据和所述历史薪酬数据为至少一个员工各自对应的至少一种薪酬类别的数据；
所述处理单元，用于从所述历史薪酬数据中获取时间序列数据；所述时间序列数据表征相同薪酬类别和员工时对应的至少一个周期内的时间薪酬数据；以及从所述目标薪酬数据中获取员工序列数据；所述员工序列数据表征相同薪酬类别和周期时对应的至少一个员工的员工薪酬数据；
所述判断单元，用于根据预设参数计算模型、所述时间序列数据、所述员工序列数据、所述目标薪酬数据和预设异常判断模型，得到异常检测信息，并在所述薪酬管理界面上根据所述异常检测信息显示所述目标薪酬数据；所述预设参数计算模型表征序列数据和偏差计算参数的对应关系，所述预设异常判断模型表征与偏差计算参数和薪酬数据对应的异常判断结果；
其中，所述偏差计算参数包括时间偏差计算参数和员工偏差计算参数，且所述时间偏差计算参数是根据所述预设参数计算模型，对所述至少一个周期内的时间薪酬数据进行处理得到，所述员工偏差计算参数是根据所述预设参数计算模型，对所述至少一个员工的员工薪酬数据进行处理得到。
10.根据权利要求9所述的装置，其特征在于，
所述判断单元，具体用于根据所述预设参数计算模型 、所述时间序列数据和所述员工序列数据，得到与所述每个员工和所述每种薪酬类别对应的时间偏差计算数据、以及与所述每种薪酬类别对应的员工偏差计算数据；以及根据所述时间偏差计算数据、所述员工偏差计算数据、所述目标薪酬数据和所述预设异常判断模型 ，得到所述异常检测信息 。
11.根据权利要求10所述的装置，其特征在于，
所述判断单元，具体用于根据所述预设参数计算模型和所述时间序列数据，得到所述时间偏差计算数据；以及根据所述预设参数计算模型和所述员工序列数据，得到所述员工偏差计算数据。
12.根据权利要求11所述的装置，其特征在于，所述时间序列数据包括与每个员工和所述每种薪酬类别对应的至少一个周期内的时间薪酬数据；
所述判断单元，具体用于利用所述预设参数计算模型，对所述至少一个周期内的时间薪酬数据进行处理，得到所述时间偏差计算参数；以及将所述时间偏差计算参数、所述每个员工和所述每种薪酬类别进行映射，得到所述时间偏差计算数据。
13.根据权利要求11所述的装置，其特征在于，所述员工序列数据包括与所述每种薪酬类别对应的至少一个员工的员工薪酬数据；
所述判断单元，具体用于利用所述预设参数计算模型，对所述至少一个员工的员工薪酬数据进行处理，得到所述员工偏差计算参数；以及将所述员工偏差计算参数和所述每种薪酬类别进行映射，得到所述员工偏差计算数据。
14.根据权利要求10所述的装置，其特征在于，所述时间偏差计算数据包括与所述每个员工和所述每种薪酬类别对应的时间平均值和时间标准差；所述员工偏差计算数据包括与所述每种薪酬类别对应的员工平均值和员工标准差；
所述判断单元，具体用于从所述目标薪酬数据中确定每个员工的每种薪酬类别的目标数据；及根据所述时间平均值、所述时间标准差、所述目标数据和所述预设异常判断模型，生成所述目标数据对应的时间异常检测信息；及根据所述员工平均值、所述员工标准差、所述目标数据和所述预设异常判断模型，生成所述目标数据对应的员工异常检测信息；以及将所述时间异常检测信息和所述员工异常检测信息作为所述异常检测信息。
15.根据权利要求9所述的装置，其特征在于，所述异常检测信息包括异常薪酬数据和所述异常薪酬数据对应的异常类型，所述异常薪酬数据属于所述目标薪酬数据；
所述判断单元，具体用于从预设异常标记控件中确定所述异常类型对应的异常标记控件；以及在所述薪酬管理界面的所述异常薪酬数据处显示所述异常标记控件。
16.根据权利要求15所述的装置，其特征在于，
所述判断单元，还用于所述在所述薪酬管理界面的所述异常薪酬数据处显示所述异常标记控件之后，当在所述薪酬管理界面上监测到针对所述异常标记控件的触发操作时，从预设异常说明信息中获取被触发的异常标记控件对应的异常说明信息；所述预设异常说明信息表征异常薪酬数据的异常详情；以及在所述薪酬管理界面的所述异常薪酬数据处显示所述异常说明信息。
17.一种电子设备，其特征在于，所述电子设备包括：处理器、存储器和通信总线，所述存储器通过所述通信总线与所述处理器进行通信，所述存储器存储所述处理器可执行的一个或者多个程序，当所述一个或者多个程序被执行时，通过所述处理器执行如权利要求1-8任一项所述的方法。
18.一种存储介质，其特征在于，所述存储介质存储有程序，当所述程序被至少一个处理器执行时，导致所述至少一个处理器执行权利要求1-8任一项所述的方法。
CN201910458778.XA 2019-05-29 2019-05-29 一种数据处理方法、装置、电子设备及存储介质 Active CN110189104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910458778.XA CN110189104B (zh) 2019-05-29 2019-05-29 一种数据处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910458778.XA CN110189104B (zh) 2019-05-29 2019-05-29 一种数据处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN110189104A CN110189104A (zh) 2019-08-30
CN110189104B true CN110189104B (zh) 2021-05-04

Family

ID=67718693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910458778.XA Active CN110189104B (zh) 2019-05-29 2019-05-29 一种数据处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110189104B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260085B (zh) * 2020-01-09 2023-12-12 杭州中恒电气股份有限公司 器件更换工时评估方法、装置、设备及介质
CN112270594B (zh) * 2020-11-25 2023-09-12 深圳平安智汇企业信息管理有限公司 薪酬数据显示方法、装置、计算机设备和存储介质
CN112712347B (zh) * 2021-01-06 2023-07-28 福建亿能达信息技术股份有限公司 一种基于ai的薪酬计算方法、装置、设备和介质
CN113763142A (zh) * 2021-07-14 2021-12-07 望海康信(北京)科技股份公司 工资数据计算方法、系统及相应计算机设备和存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120005064A1 (en) * 2008-07-15 2012-01-05 The Bank Of New York Mellon Corporation Outlier trade detection for financial asset transactions
US9369902B1 (en) * 2015-08-23 2016-06-14 Global Technology Associates, LLC System and method for identifying deviating cell-sites
CN107958346A (zh) * 2017-12-14 2018-04-24 北京小度信息科技有限公司 异常行为的识别方法及装置
CN108765120A (zh) * 2018-05-24 2018-11-06 中国平安人寿保险股份有限公司 薪资发放方法、装置、计算机设备及计算机可读存储介质
CN109409680A (zh) * 2018-09-28 2019-03-01 深圳市中政汇智管理咨询有限公司 一种基于绩效数据实时约束的项目预算审核方法及系统
CN109815084B (zh) * 2018-12-29 2020-12-29 北京城市网邻信息技术有限公司 异常识别方法、装置和电子设备及存储介质

Also Published As

Publication number Publication date
CN110189104A (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
CN110189104B (zh) 一种数据处理方法、装置、电子设备及存储介质
WO2019001278A1 (zh) 医疗保险基金精算预测方法、装置以及计算机设备
CN113837596B (zh) 一种故障确定方法、装置、电子设备及存储介质
CN110659569A (zh) 电子签名方法、装置、存储介质及电子设备
CN113515399A (zh) 数据异常检测方法及装置
CN110647523B (zh) 数据质量的分析方法及装置、存储介质、电子设备
CN107819745A (zh) 异常流量的防御方法和装置
CN113159453B (zh) 资源数据预测方法、装置、设备及存储介质
WO2024012154A1 (zh) 基于数字孪生的工作效率显示方法、装置及设备
US11854433B2 (en) Systems and methods for item response modelling of digital assessments
CN115421062A (zh) 一种蓄电池监控方法、系统、电子设备及存储介质
CN110458743B (zh) 基于大数据分析的社区治理方法、装置、设备及存储介质
CN112269826B (zh) 一种基于大数据的可视化加工处理系统及方法
CN110046384B (zh) 模型实例化方法、装置、电子设备、和计算机可读存储介质
CN113239889A (zh) 图像识别方法、装置、设备、存储介质以及计算机程序产品
CN114722063B (zh) 医保审核系统的更新方法及装置、电子设备和存储介质
CN113364911B (zh) 一种预设终端的检测方法和系统
CN115312208B (zh) 接诊数据展示方法、装置、设备、介质
US11809308B2 (en) System and framework for testing of application performance with real-time scaled simulation
CN115309571A (zh) 异常检测方法、异常检测装置、电子设备及存储介质
US20240145098A1 (en) Predictive modeling framework for risk assessment
CN113379236A (zh) 数据处理方法、装置及系统
CN115269356A (zh) 数据处理方法及装置、电子设备和计算机可读存储介质
CN110400189B (zh) 信息输出方法和装置
CN114611915A (zh) 团队成熟度的评估方法、装置、设备、介质和程序产品

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: Tiktok vision (Beijing) Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.