CN110232498A - 员工潜能分析方法、装置、设备及计算机可读存储介质 - Google Patents
员工潜能分析方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110232498A CN110232498A CN201910342652.6A CN201910342652A CN110232498A CN 110232498 A CN110232498 A CN 110232498A CN 201910342652 A CN201910342652 A CN 201910342652A CN 110232498 A CN110232498 A CN 110232498A
- Authority
- CN
- China
- Prior art keywords
- measured
- post
- personal information
- personnel
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 70
- 230000009466 transformation Effects 0.000 claims abstract description 43
- 238000012360 testing method Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 14
- 206010001497 Agitation Diseases 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 239000003550 marker Substances 0.000 claims description 6
- 210000000481 breast Anatomy 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 12
- 238000007405 data analysis Methods 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 4
- 238000012827 research and development Methods 0.000 description 18
- 238000011160 research Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (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
本发明涉及数据分析技术领域。本发明公开了一种员工潜能分析方法、装置、设备及计算机可读存储介质，方法包括：获取待测人员的个人信息；基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息‑特征值转换规则；根据所述目标个人信息‑特征值转换规则，得到所述待测人员的个人信息对应的特征值；将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。通过本发明，基于数据分析的方式，客观的预测员工在不同岗位上的潜能，使得企业在选人以及安排工作岗位时，更加科学，更利于企业与员工的发展。
Description
技术领域
本发明涉及数据分析技术领域，尤其涉及一种员工潜能分析方法、装置、设备及计算机可读存储介质。
背景技术
随着社会的发展，许多企业面临招聘难、面试难、管理难等问题，导致选错人、流失率高、团队内部矛盾等问题。其重要原因是企业在选人以及安排工作岗位时都是根据学历和工作经历靠主观判断，而主观判断的准确性受到HR个人能力的影响，可能导致员工没有被安排至真正适合他的岗位上，使得员工无法发挥自身优势，影响员工的个人发展以及公司的发展，对员工个人及公司造成双重损失。
发明内容
本发明的主要目的在于提供一种员工潜能分析方法、装置、设备及计算机可读存储介质，旨在解决现有技术中依靠HR主观判断的方式为员工安排岗位，导致岗位分配不够合理的技术问题。
为实现上述目的，本发明提供一种员工潜能分析方法，所述员工潜能分析方法包括以下步骤：
确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；
基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；
根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；
将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。
可选地，在所述基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则的步骤之前，还包括：
设置岗位对应的个人信息-特征值转换规则，并获取岗位对应的多个员工个人信息，所述员工个人信息中，包括若干子个人信息；
根据所述个人信息-特征值转换规则以及所述多个员工个人信息，得到多组样本数据，其中，每组样本数据中包括单个员工的每个子个人信息对应的特征值；
将所述多组样本数据，代入公式，得到多个函数；
对所述多个函数进行迭代求解，得到岗位对应的预测模型；
所述公式如下：
其中，θi为子个人信息i的权重值，xi为子个人信息i对应的特征值，θT＝[θ1,θ2,...,θn]，x＝[x1,x2,...,xn]。
可选地，所述确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息的步骤包括：
若确定待测岗位为销售岗位，则获取销售岗位对应的信息需求；
基于销售岗位对应的信息需求，获取待测人员的个人信息，其中，所述个人信息包括若干子个人信息，所述若干子个人信息包括性格标签、人际交际能力信息以及工作绩效信息。
可选地，所述获取待测人员的性格标签、人际交际能力信息以及工作绩效信息的步骤包括：
展示卡特尔16种人格因素问卷，并提示待测人员根据所述卡特尔16种人格因素问卷进行人格因素测试；
获取所述待测人员填写所述卡特尔16种人格因素问卷的填写结果，并对所述填写结果进行分析，获得所述待测人员对应的测试结果；
根据所述测试结果对所述待测人员进行性格分类，得到所述待测人员的性格标签，其中，所述性格标签包括乐群性、聪慧性、稳定性、恃强性、兴奋性、有恒性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、实验性、独立性、自律性和紧张性中的任一种或多种；
基于问卷调查的方式，得到问卷调查结果，根据所述问卷调查结果，得到所述待测人员的人际交际能力信息，其中，所述人际交际能力信息为弱、一般、强中的任一种；
获取所述员工的工作绩效考核表，基于所述工作绩效考核表，得到所述待测人员的工作绩效信息，其中，所述工作绩效信息为不达标、达标、优秀中的任一种。
可选地，所述根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值的步骤包括：
检测所述性格标签是否为乐群性、兴奋性、有恒性、敢为性、独立性、自律性中的一种，若是，则将所述性格标签对应的特征值置为1，否者置为0；
检测所述人际交际能力信息是否为强，若是，则将所述人际交际能力信息对应的特征值置为1，否者置为0；
检测所述工作绩效信息是否为优秀，若是，则将所述工作绩效信息对应的特征值置为1，否者置为0。
可选地，在所述将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果的步骤之后，还包括：
基于所述潜能分析结果，得到所述待测人员在所述待测岗位上的潜能大小；
基于所述待测人员在所述待测岗位上的潜能大小，将所述待测人员的编号放入所述待测岗位对应的潜能排序列表中的相应位置，其中，在所述潜能排序列表中按照潜能由大至小的顺序排列编号。
可选地，在所述基于所述待测人员在所述待测岗位上的潜能大小，将所述待测人员的编号放入所述待测岗位对应的潜能排序列表中的步骤之后，还包括：
获取所述潜能排序列表中排名在前预设名数编号对应的人员信息，并将所述人员信息发送至人力资源部门的终端。
此外，为实现上述目的，本发明还提供一种员工潜能分析装置，其特征在于，所述员工潜能分析装置包括：
个人信息获取模块，用于确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；
规则获取模块，用于基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；
转换模块，用于根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；
预测模块，用于将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。
可选地，所述员工潜能分析装置还包括：
设置模块，用于设置岗位对应的个人信息-特征值转换规则，并获取岗位对应的多个员工个人信息，所述员工个人信息中，包括若干子个人信息；
所述转换模块还用于根据所述个人信息-特征值转换规则以及所述多个员工个人信息，得到多组样本数据，其中每组样本数据中包括单个员工的每个子个人信息对应的特征值；
函数构建模块，用于将所述多组样本数据，代入公式，得到多个函数；
求解模块，用于对所述多个函数进行迭代求解，得到岗位对应的预测模型；
所述公式如下：
其中，θi为子个人信息i的权重值，xi为子个人信息i对应的特征值，θT＝[θ1,θ2,...,θn]，x＝[x1,x2,...,xn]。
可选地，所述个人信息获取模块包括：
岗位确定单元，用于若确定待测岗位为销售岗位，则获取销售岗位对应的信息需求；
个人信息获取单元，用于基于销售岗位对应的信息需求获取待测人员的个人信息，其中，所述个人信息包括若干子个人信息，所述若干子个人信息包括性格标签、人际交际能力信息以及工作绩效信息。
可选地，所述个人信息获取单元包括：
性格标签信息获取子单元，用于展示卡特尔16种人格因素问卷，并提示待测人员根据所述卡特尔16种人格因素问卷进行人格因素测试；
获取所述待测人员填写所述卡特尔16种人格因素问卷的填写结果，并对所述填写结果进行分析，获得所述待测人员对应的测试结果；
根据所述测试结果对所述待测人员进行性格分类，得到所述待测人员的性格标签，其中，所述性格标签包括乐群性、聪慧性、稳定性、恃强性、兴奋性、有恒性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、实验性、独立性、自律性和紧张性中的任一种或多种；
人际交际能力信息获取子单元，用于基于问卷调查的方式，得到问卷调查结果，根据所述问卷调查结果，得到所述待测人员的人际交际能力信息，所述人际交际能力信息为弱、一般、强中的任一种；
工作绩效信息获取子单元，用于获取所述员工的工作绩效考核表，基于所述工作绩效考核表，得到所述待测人员的工作绩效信息，所述工作绩效信息为不达标、达标、优秀中的任一种。
可选地，所述转换模块包括：
性格标签信息转换单元，用于检测所述性格标签是否为乐群性、兴奋性、有恒性、敢为性、独立性、自律性中的一种，若是，则将所述性格标签对应的特征值置为1，否者置为0；
人际交际能力信息转换单元，用于检测所述人际交际能力信息是否为强，若是，则将所述人际交际能力信息对应的特征值置为1，否者置为0；
工作绩效信息转换单元，用于检测所述工作绩效信息是否为优秀，若是，则将所述工作绩效信息对应的特征值置为1，否者置为0。
可选地，所述员工潜能分析装置还包括：
比较模块，用于基于所述潜能分析结果，得到所述待测人员在所述待测岗位上的潜能大小；
排序模块，用于基于所述待测人员在所述待测岗位上的潜能大小，将所述待测人员的编号放入所述待测岗位对应的潜能排序列表中的相应位置，其中，在所述潜能排序列表中按照潜能由大至小的顺序排列编号。
可选地，所述员工潜能分析装置还包括：
推荐模块，用于获取所述潜能排序列表中排名在前预设名数编号对应的人员信息，并将所述人员信息发送至人力资源部门的终端。
此外，为实现上述目的，本发明还提供一种员工潜能分析设备，所述员工潜能分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的员工潜能分析程序，所述员工潜能分析程序被所述处理器执行时实现如上所述的员工潜能分析方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有员工潜能分析程序，所述员工潜能分析程序被处理器执行时实现如上所述的员工潜能分析方法的步骤。
本发明中，确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。通过本实施例，避免了通过人工判断的方式预测员工在不同岗位上的潜能。基于数据分析的方式，客观的预测员工在不同岗位上的潜能，使得企业在选人以及安排工作岗位时，更加科学。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的员工潜能分析设备结构示意图；
图2为本发明员工潜能分析方法一实施例的流程示意图；
图3为本发明员工潜能分析设备一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1为本发明实施例方案涉及的硬件运行环境的员工潜能分析设备结构示意图。
本发明实施例员工潜能分析设备可以是PC，也可以是智能手机、平板电脑、便携计算机等具有数据处理能力终端设备。
如图1所示，该员工潜能分析设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏 (Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选地可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选地还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的员工潜能分析设备结构并不构成对员工潜能分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及员工潜能分析程序。
在图1所示的员工潜能分析设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的员工潜能分析程序，并执行以下员工潜能分析方法的各个实施例的操作。
参照图2，图2为本发明员工潜能分析方法第一实施例的流程示意图。本实施例中，所述员工潜能分析方法包括：
步骤S10，确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；
本实施例中，在依据某个人的个人信息分析其在不同岗位上的潜能时，所需的个人信息是不同的。例如，以销售岗位和研发岗位来看。一个人是否适合销售岗位要从性格、人际交际能力、工作绩效等方面进行判断；而一个人是否适合研发岗位则要从其性格、学习专业、工作年限等方面进行判断。
在一实施例中，可通过显示待测岗位选择界面，用户在该界面上进行选择，例如选择销售岗位，即确定待测岗位为销售岗位，根据销售岗位对应的信息需求，获取待测人员的性格标签、人际交际能力信息、工作绩效信息。
另一实施例中，通过显示待测岗位选择界面，用户在该界面上进行选择，例如选择研发岗位，即确定待测岗位为研发岗位，根据研发岗位对应的信息需求，获取待测人员的性格标签、学习专业信息、工作年限信息。
步骤S20，基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；
本实施例中，不同的岗位对应的预测模型不同，且不同的岗位对应的个人信息-特征值转换规则不同。
例如，销售岗位对应的第一个人信息-特征值转换规则的具体规则为：若性格标签为乐群性、兴奋性、有恒性、敢为性、独立性、自律性中的一种，对应的特征值为1，若性格标签为其他，对应的特征值为0；若人际交际能力信息为“强”，则对应的特征值为1，若人际交际能力信息为“弱”或“中”，则对应的特征值为0；若工作绩效信息为优秀，则对应的特征值为1，否者为 0。
研发岗位对应的第二个人信息-特征值转换规则的具体规则为：若性格标签为聪慧性、稳定性、有恒性、实验性、独立性、自律性中的一种，对应的特征值为1，若性格标签为其他，对应的特征值为0；若学习专业信息与研发岗位匹配，则对应的特征值为1，否者对应的特征值为0；若工作年限大于预设年限值，则对应的特征值为1，否者为0。
本实施例中，销售岗位对应的第一预测模型用于预测待测人员在销售岗位上属于高潜力的概率；研发岗位对应的第二预测模型用于预测待测人员在研发岗位上属于高潜力的概率。
步骤S30，根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；
本实施例中，若待测岗位为销售岗位，则基于上述第一个人信息-特征值转换规则的具体规则，即可计算得到待测人员的个人信息(包括多个子个人信息)对应的特征值，即计算得到各个子个人信息对应的特征值，即计算得到待测人员的性格标签对应的特征值、人际交际能力信息对应的特征值、工作绩效信息对应的特征值。
另一实施例中，若待测岗位为研发岗位，则基于上述第二个人信息-特征值转换规则的具体规则，即可得到待测人员的个人信息(包括多个子个人信息)对应的特征值，即得到待测人员的性格标签对应的特征值、学习专业信息对应的特征值、工作年限信息对应的特征值。
步骤S40，将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。
本实施例中，若待测岗位为销售岗位，则将待测人员的性格标签对应的特征值、人际交际能力信息对应的特征值、工作绩效信息对应的特征值输入销售岗位对应的第一预测模型，得到第一预测模型输出的值P1,P1取值范围为 0～1。潜能分析结果为“该待测人员在销售岗位上属于高潜力的概率为P1”。
若待测岗位为研发岗位，则将待测人员的性格标签对应的特征值、学习专业信息对应的特征值、工作年限信息对应的特征值输入研发岗位对应的第二预测模型，得到第二预测模型输出的值P2，P2取值范围为0～1。潜能分析结果为“该待测人员在研发岗位上属于高潜力的概率为P2”。
本实施例中，确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。通过本实施例，避免了通过人工判断的方式预测员工在不同岗位上的潜能。基于数据分析的方式，客观的预测员工在不同岗位上的潜能，使得企业在选人以及安排工作岗位时，更加科学。
进一步地，本发明员工潜能分析一实施例中，在步骤S20之前，包括：
步骤S001，设置岗位对应的个人信息-特征值转换规则，并获取岗位对应的多个员工个人信息，所述员工个人信息中，包括若干子个人信息；
本实施例中，需要预先训练好每个岗位对应的预测模型。具体以销售岗位和研发岗位为例。
设置销售岗位对应的第一个人信息-特征值转换规则，并获取多个销售人员(选取绩效优秀的销售人员，代表高潜力群体)的个人信息，个人信息包括多个子个人信息，具体的，子个人信息包括：性格标签、人际交际能力信息以及工作绩效信息，例如销售人员1的性格标签1、人际交际能力信息1以及工作绩效信息1；销售人员2的性格标签2、人际交际能力信息2以及工作绩效信息2……销售人员n的性格标签n、人际交际能力信息n以及工作绩效信息n。
可通过预设方式来对所述多个用户进行性格测试，所述预设方式可以是：明尼苏达多项人格测验、卡特尔16种人格因素问卷、MBTI(MyersBriggs Type Indicator)性格类型测试、DISC(Dominance Influence Steadiness Compliance)性格测试和/或DPA(Dynamics Personality Assessment)动态性格测试等方式，具体的测试方式可根据实际情况选择，本实施例对此不加以限制。例如采用卡特尔16PF(Cattell's 16PersonalityFactor，16PF)。在该问卷中，卡特尔将人的性格分为了16种类型，包括：乐群性、聪慧性、稳定性、恃强性、兴奋性、有恒性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、实验性、独立性、自律性和紧张性，每种人格因素都有一个分值，分值的高低能够体现人在该性格方面的偏向，因此通过该人格因素问卷能够比较准确的判定出每个人的性格类型，即得到上述每个销售人员的性格标签。
人际交际能力可以通过向上述多个销售人员的同事发送问卷的方式，根据问卷调查结果，综合判定每个销售人员的人际交际能力，可分为三类：弱、一般、强。例如，销售人员A的同事直接在接收到的问卷上为其进行打分，若收到10份问卷调查结果，评价分在60以下，则判定销售人员的人际交际能力为“弱”；评价分在60以上，80分以下，则判定销售人员的人际交际能力为“中”，评价分在80以上，则判定销售人员的人际交际能力为“强”。
工作绩效信息可以直接从公司的绩效考核表中获取，工作绩效信息也分为三类：不达标、达标、优秀。本实施例中，上述多个销售人员都是绩效优秀的销售人员。
基于第一个人信息-特征值转换规则，得到各个销售人员的个人信息对应的特征值，即各个销售人员性格标签对应的特征值、人际交际能力信息对应的特征值以及工作绩效信息对应的特征值。
其中，第一个人信息-特征值转换规则的具体规则为：若性格标签为乐群性、兴奋性、有恒性、敢为性、独立性、自律性中的一种，则将对应的特征值置为1，若性格标签为其他，则将对应的特征值置为0；若人际交际能力信息为“强”，则将对应的特征值置为1，若人际交际能力信息为“弱”或“中”，则将对应的特征值置为0；若工作绩效信息为优秀，则将对应的特征值置为1，否者置为0。
同理，设置研发岗位对应的第二个人信息-特征值算法，获取多个研发人员(选取绩效优秀的研发人员，代表高潜力群体)的个人信息，个人信息包括多个子个人信息，具体的，子个人信息包括：性格标签、学习专业信息以及工作年限信息，例如研发人员1的性格标签1、学习专业信息1以及工作年限信息1；研发人员2的性格标签2、学习专业信息2以及工作年限信息2……研发人员1的性格标签3、学习专业信息3以及工作年限信息3。
可通过预设方式来对所述多个用户进行性格测试，所述预设方式可以是：明尼苏达多项人格测验、卡特尔16种人格因素问卷、MBTI(MyersBriggs Type Indicator)性格类型测试、DISC(Dominance Influence Steadiness Compliance)性格测试和/或DPA(Dynamics Personality Assessment)动态性格测试等方式，具体的测试方式可根据实际情况选择，本实施例对此不加以限制。例如采用卡特尔16PF(Cattell's 16PersonalityFactor，16PF)。在该问卷中，卡特尔将人的性格分为了16中类型，包括：乐群性、聪慧性、稳定性、恃强性、兴奋性、有恒性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、实验性、独立性、自律性和紧张性，每种人格因素都有一个分值，分值的高低能够体现人在该性格方面的偏向，因此通过该人格因素问卷能够比较准确的判定出每个人的性格类型，即得到上述每个研发人员的性格标签。
公司一般会对员工的基本个人资料进行存档，因此学习专业信息以及工作年限可以直接从员工的存档资料中获取。
基于第二个人信息-特征值转换规则，得到各个研发人员的子个人信息对应的特征值，即各个研发人员性格标签对应的特征值、学习专业信息对应的特征值以及工作年限对应的特征值。
其中，第二个人信息-特征值转换规则的具体规则为：若性格标签为聪慧性、稳定性、有恒性、实验性、独立性、自律性中的一种，对应的特征值置为1，若性格标签为其他，将对应的特征值置为0；若学习专业信息与研发岗位匹配，则将对应的特征值置为1，否者将对应的特征值置为0；若工作年限大于预设年限值，则将对应的特征值置为1，否者置为0。
步骤S002，根据所述个人信息-特征值转换规则以及所述多个员工个人信息，得到多组样本数据，其中每组样本数据中包括单个员工的每个子个人信息对应的特征值；
本实施例中，基于上述第一个人信息-特征值转换规则的具体规则，即可得到每个销售人员性格标签对应的特征值、人际交际能力信息对应的特征值以及工作绩效信息对应的特征值。以每个销售人员性格标签对应的特征值、人际交际能力信息对应的特征值以及工作绩效信息对应的特征值，为一组样本数据，得到多组样本数据。基于上述第二个人信息-特征值转换规则的具体规则，即可得到每个研发人员性格标签对应的特征值、学习专业信息对应的特征值以及工作年限对应的特征值，以每个研发人员性格标签对应的特征值、学习专业信息对应的特征值以及工作年限对应的特征值，为一组样本数据，得到多组样本数据。
步骤S003，将所述多组样本数据，代入公式，得到多个函数；对所述多个函数进行迭代求解，得到岗位对应的预测模型；
所述公式如下：
其中，θi为子个人信息i的权重值，xi为子个人信息i对应的特征值，θT＝[θ1,θ2,...,θn]，x＝[x1,x2,...,xn]。
本实施例中，将基于多个销售人员的个人信息得到的多组样本数据，分别代入公式
其中，
其中，θi为子个人信息i的权重值，xi为子个人信息i对应的特征值，
θT＝[θ1,θ2,...,θn]，x＝[x1,x2,...,xn]；
得到多个函数，然后对多个函数进行迭代求解，计算得到θT＝[θ1,θ2,...,θn]，即可得到销售岗位对应的第一预测模型：
需要说明的是，本实施例中选取的是绩效优秀的销售人员，代表了高潜力群体。后续，将待测人员的个人信息输入第一预测模型后，模型的输出是一个概率值，该概率值的取值范围为0～1，概率值越大，说明该待测人员在销售岗位上属于高潜力的概率越大。
同理，将基于多个研发人员的个人信息得到的多组样本数据，分别代入公式
其中，
其中，θi为子个人信息i的权重值，xi为子个人信息i对应的特征值，
θT＝[θ1,θ2,...,θn]，x＝[x1,x2,...,xn]；
得到多个函数，然后对多个函数进行迭代求解，计算得到θT＝[θ1,θ2,...,θn]，即可得到研发岗位对应的第二预测模型：
需要说明的是，本实施例中选取的是绩效优秀的研发人员，代表了高潜力群体。后续，将待测人员的个人信息输入第二预测模型后，模型的输出是一个概率值，该概率值的取值范围为0～1，概率值越大，说明该待测人员在研发岗位上属于高潜力的概率越大。
进一步地，在本发明员工潜能分析方法一实施例中，上述步骤S10包括：
若确定待测岗位为销售岗位，则获取销售岗位对应的信息需求，并基于销售岗位对应的信息需求获取待测人员的个人信息，其中，所述个人信息包括若干子个人信息，所述若干子个人信息包括性格标签、人际交际能力信息以及工作绩效信息。
本实施例中，在依据某个人的个人信息分析其在不同岗位上的潜能时，所需的个人信息是不同的。例如，以销售岗位和研发岗位来看。一个人是否适合销售岗位要从性格、人际交际能力、工作绩效等方面进行判断；而一个人是否适合研发岗位则要从其性格、学习专业、工作年限等方面进行判断。因此，若待测岗位为销售岗位，则获取待测人员的性格标签、人际交际能力信息以及工作绩效信息。
本实施例中，根据待测岗位的类型，获取对应的个人信息，能更准确的根据个人信息预测员工在待测岗位上的潜能。
进一步地，在本发明员工潜能分析方法一实施例中，在上述步骤S40之后，还包括：
步骤S50，基于所述潜能分析结果，得到所述待测人员在所述待测岗位上的潜能大小；
本实施例中，当待测岗位为销售岗位时，目标预测模型即第一预测模型。得到的潜能分析结果，即第一预测模型输出的概率值，例如P1，该值即代表了待测人员在销售岗位上的潜能大小，即P1越大，该待测人员在销售岗位上的潜能越大。
步骤S60，基于所述待测人员在所述待测岗位上的潜能大小，将所述待测人员的编号放入所述待测岗位对应的潜能排序列表中的相应位置，其中，在所述潜能排序列表中按照潜能由大至小的次序，排列编号。
本实施例中，考虑到待测人员有多个，通过上述步骤S10-S40，便会得到每个待测人员在某个岗位(例如销售岗位)上的潜能大小，例如编号为1的待测人员的潜能大小为P1-1，编号为2的待测人员的潜能大小为P1-2，编号为3的待测人员的潜能大小为P1-3，编号为4的待测人员的潜能大小为P1-4，编号为5的待测人员的潜能大小为P1-5……编号为n的待测人员的潜能大小为P1-n。即可按照潜能由大至小的顺序，将编号1-n在销售岗位对应的潜能排序列表进行排列。
进一步地，在本发明员工潜能分析方法一实施例中，在上述步骤S60之后，还包括：
获取所述潜能排序列表中排名在前预设名数编号对应的人员信息，并将所述人员信息发送至人力资源部门的终端。
本实施例中，若待测人员的编号在潜能排序列表中排名在前预设名数(例如前5名)，说明这5个编号对应的人员在对应的岗位上是最具潜能的5个人，将这5个人的人员信息发送至人力资源部门的终端，以供相关人员着重考察培养这5个人，例如进行职位提升，使在某个岗位上具有潜能的人能更大限度的发挥自身能力。
此外，本发明实施例还提出一种员工潜能分析设备。
参照图3，图3为本发明员工潜能分析设备一实施例的功能模块示意图。本实施例中，所述员工潜能分析装置包括：
个人信息获取模块10，用于确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；
规则获取模块20，用于基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；
转换模块30，用于根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；
预测模块40，用于将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。
本实施例中，确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。通过本实施例，避免了通过人工判断的方式预测员工在不同岗位上的潜能。基于数据分析的方式，客观的预测员工在不同岗位上的潜能，使得企业在选人以及安排工作岗位时，更加科学。
此外，本发明还提出一种计算机可读存储介质。
本实施例中，所述计算机可读存储介质上存储有员工潜能分析程序，所述员工潜能分析程序被处理器执行时实现如上实施例中所述的员工潜能分析方法的步骤。
本发明计算机可读存储介质的具体实施例与上述员工潜能分析方法的各个实施例基本相同，在此不做赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种员工潜能分析方法，其特征在于，所述员工潜能分析方法包括以下步骤：
确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；
基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；
根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；
将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。
2.如权利要求1所述的员工潜能分析方法，其特征在于，在所述基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则的步骤之前，还包括：
设置岗位对应的个人信息-特征值转换规则，并获取岗位对应的多个员工个人信息，所述员工个人信息中，包括若干子个人信息；
根据所述个人信息-特征值转换规则以及所述多个员工个人信息，得到多组样本数据，其中，每组样本数据中包括单个员工的每个子个人信息对应的特征值；
将所述多组样本数据，代入公式，得到多个函数；
对所述多个函数进行迭代求解，得到岗位对应的预测模型；
所述公式如下：
其中，θi为子个人信息i的权重值，xi为子个人信息i对应的特征值，θT＝[θ1,θ2,...,θn]，x＝[x1,x2,...,xn]。
3.如权利要求1所述的员工潜能分析方法，其特征在于，所述确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息的步骤包括：
若确定待测岗位为销售岗位，则获取销售岗位对应的信息需求；
基于销售岗位对应的信息需求，获取待测人员的个人信息，其中，所述个人信息包括若干子个人信息，所述若干子个人信息包括性格标签、人际交际能力信息以及工作绩效信息。
4.如权利要求3所述的员工潜能分析方法，其特征在于，所述获取待测人员的性格标签、人际交际能力信息以及工作绩效信息的步骤包括：
展示卡特尔16种人格因素问卷，并提示待测人员根据所述卡特尔16种人格因素问卷进行人格因素测试；
获取所述待测人员填写所述卡特尔16种人格因素问卷的填写结果，并对所述填写结果进行分析，获得所述待测人员对应的测试结果；
根据所述测试结果对所述待测人员进行性格分类，得到所述待测人员的性格标签，其中，所述性格标签包括乐群性、聪慧性、稳定性、恃强性、兴奋性、有恒性、敢为性、敏感性、怀疑性、幻想性、世故性、忧虑性、实验性、独立性、自律性和紧张性中的任一种或多种；
基于问卷调查的方式，得到问卷调查结果，根据所述问卷调查结果，得到所述待测人员的人际交际能力信息，其中，所述人际交际能力信息为弱、一般、强中的任一种；
获取所述员工的工作绩效考核表，基于所述工作绩效考核表，得到所述待测人员的工作绩效信息，其中，所述工作绩效信息为不达标、达标、优秀中的任一种。
5.如权利要求4所述的员工潜能分析方法，其特征在于，所述根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值的步骤包括：
检测所述性格标签是否为乐群性、兴奋性、有恒性、敢为性、独立性、自律性中的一种，若是，则将所述性格标签对应的特征值置为1，否者置为0；
检测所述人际交际能力信息是否为强，若是，则将所述人际交际能力信息对应的特征值置为1，否者置为0；
检测所述工作绩效信息是否为优秀，若是，则将所述工作绩效信息对应的特征值置为1，否者置为0。
6.如权利要求1-5中任一项所述的员工潜能分析方法，其特征在于，在所述将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果的步骤之后，还包括：
基于所述潜能分析结果，得到所述待测人员在所述待测岗位上的潜能大小；
基于所述待测人员在所述待测岗位上的潜能大小，将所述待测人员的编号放入所述待测岗位对应的潜能排序列表中的相应位置，其中，在所述潜能排序列表中按照潜能由大至小的顺序排列编号。
7.如权利要求6所述的员工潜能分析方法，其特征在于，在所述基于所述待测人员在所述待测岗位上的潜能大小，将所述待测人员的编号放入所述待测岗位对应的潜能排序列表中的步骤之后，还包括：
获取所述潜能排序列表中排名在前预设名数编号对应的人员信息，并将所述人员信息发送至人力资源部门的终端。
8.一种员工潜能分析装置，其特征在于，所述员工潜能分析装置包括：
个人信息获取模块，用于确定待测岗位，并获取所述待测岗位对应的信息需求，基于所述信息需求获取待测人员的个人信息；
规则获取模块，用于基于所述待测岗位，确定目标预测模型，并获取所述待测岗位对应的目标个人信息-特征值转换规则；
转换模块，用于根据所述目标个人信息-特征值转换规则，得到所述待测人员的个人信息对应的特征值；
预测模块，用于将所述待测人员的个人信息对应的特征值输入所述目标预测模型，得到针对所述待测人员的潜能分析结果。
9.一种员工潜能分析设备，其特征在于，所述员工潜能分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的员工潜能分析程序，所述员工潜能分析程序被所述处理器执行时实现如权利要求1至7中任一项所述的员工潜能分析方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有员工潜能分析程序，所述员工潜能分析程序被处理器执行时实现如权利要求1至7中任一项所述的员工潜能分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910342652.6A CN110232498A (zh) | 2019-04-26 | 2019-04-26 | 员工潜能分析方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910342652.6A CN110232498A (zh) | 2019-04-26 | 2019-04-26 | 员工潜能分析方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110232498A true CN110232498A (zh) | 2019-09-13 |
Family
ID=67860393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910342652.6A Pending CN110232498A (zh) | 2019-04-26 | 2019-04-26 | 员工潜能分析方法、装置、设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110232498A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070389A (zh) * | 2020-09-04 | 2020-12-11 | 广州景瑞智能科技有限公司 | 一种基于问卷调查结果匹配工作岗位的方法及系统 |
| CN113159528A (zh) * | 2021-03-31 | 2021-07-23 | 国家电网有限公司 | 一种岗位匹配评估方法及装置 |
| CN115204849A (zh) * | 2022-09-15 | 2022-10-18 | 泰盈科技集团股份有限公司 | 基于人工智能的企业人力资源管理方法及系统 |
| CN115511395A (zh) * | 2022-11-22 | 2022-12-23 | 四川大学华西医院 | 一种监区岗位分配方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008072345A1 (ja) * | 2006-12-15 | 2008-06-19 | Fujitsu Limited | 人員割当装置、人員割当方法、および人員割当プログラム |
| CN103116820A (zh) * | 2013-01-16 | 2013-05-22 | 招商局国际信息技术有限公司 | 一种企业人员岗位优化的配置方法及其系统 |
| CN107784426A (zh) * | 2017-08-03 | 2018-03-09 | 平安科技（深圳）有限公司 | 一种员工的岗位分配方法、装置及设备 |
| CN109359934A (zh) * | 2018-09-04 | 2019-02-19 | 平安普惠企业管理有限公司 | 基于性格分析的招聘方法、装置、计算机设备及存储介质 |
| CN109376982A (zh) * | 2018-09-03 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 一种目标员工的选取方法及设备 |
-
2019
- 2019-04-26 CN CN201910342652.6A patent/CN110232498A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008072345A1 (ja) * | 2006-12-15 | 2008-06-19 | Fujitsu Limited | 人員割当装置、人員割当方法、および人員割当プログラム |
| CN103116820A (zh) * | 2013-01-16 | 2013-05-22 | 招商局国际信息技术有限公司 | 一种企业人员岗位优化的配置方法及其系统 |
| CN107784426A (zh) * | 2017-08-03 | 2018-03-09 | 平安科技（深圳）有限公司 | 一种员工的岗位分配方法、装置及设备 |
| CN109376982A (zh) * | 2018-09-03 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 一种目标员工的选取方法及设备 |
| CN109359934A (zh) * | 2018-09-04 | 2019-02-19 | 平安普惠企业管理有限公司 | 基于性格分析的招聘方法、装置、计算机设备及存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112070389A (zh) * | 2020-09-04 | 2020-12-11 | 广州景瑞智能科技有限公司 | 一种基于问卷调查结果匹配工作岗位的方法及系统 |
| CN113159528A (zh) * | 2021-03-31 | 2021-07-23 | 国家电网有限公司 | 一种岗位匹配评估方法及装置 |
| CN115204849A (zh) * | 2022-09-15 | 2022-10-18 | 泰盈科技集团股份有限公司 | 基于人工智能的企业人力资源管理方法及系统 |
| CN115204849B (zh) * | 2022-09-15 | 2023-11-03 | 泰盈科技集团股份有限公司 | 基于人工智能的企业人力资源管理方法及系统 |
| CN115511395A (zh) * | 2022-11-22 | 2022-12-23 | 四川大学华西医院 | 一种监区岗位分配方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110232498A (zh) | 员工潜能分析方法、装置、设备及计算机可读存储介质 | |
| US10388179B2 (en) | Analytics platform | |
| US7191144B2 (en) | Method for estimating respondent rank order of a set stimuli | |
| JP4303870B2 (ja) | 意欲促進情報処理システム、意欲促進情報処理方法およびその方法を実施するためのプログラムを記憶した記憶媒体 | |
| CN108829597A (zh) | 软件众测方法及装置、计算机装置及可读存储介质 | |
| KR101058741B1 (ko) | 공부 습관 검사 시스템 및 방법 | |
| CN107767959A (zh) | 基于性格特征的健康风险评估方法、装置及设备 | |
| Al-Obthani et al. | Influence of overall quality and innovativeness on actual usage of smart government: an empirical study on the UAE public sector | |
| CN104318497A (zh) | 用于自动社区化学习的方法及系统 | |
| CN109657542A (zh) | 面试人员的性格预测方法、装置、计算机设备及计算机存储介质 | |
| CN114722281A (zh) | 基于用户画像及用户选课行为的培训课程配置方法、装置 | |
| CN106875770A (zh) | 一种少年学生创新能力测验评定装置 | |
| CN114881547A (zh) | 一种互联网项目的团队绩效评估方法及装置 | |
| JP2007011541A (ja) | 情報サーバ、情報提供方法およびプログラム | |
| JP2020160551A (ja) | 人事項目の分析支援装置、分析支援方法、プログラム、および記録媒体 | |
| JP3143095B2 (ja) | 適職評価装置 | |
| CN115966274A (zh) | 问卷题目筛选的方法、装置、电子设备及存储介质 | |
| CN109819024A (zh) | 基于数据分析的信息推送方法、装置、存储介质及终端 | |
| JP2019036042A (ja) | 適性テストの判定方法、更新方法、判定装置、更新装置、プログラムおよび記録媒体 | |
| CN114944219A (zh) | 基于人工智能的心理量表推荐方法及装置、存储介质 | |
| Erwee et al. | Cross-cultural equivalence of the organisational culture survey in Australia | |
| Narwade et al. | Personality Prediction with CV Analysis | |
| CN112766647A (zh) | 一种初高中生生涯规划测评方法及设备 | |
| JP3699695B2 (ja) | 人材採用支援システム、方法及びコンピュータ・プログラム | |
| Solate | Customer satisfaction on supermarket retail shopping using web-based participatory GIS |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190913 |