CN111724051A

CN111724051A - 员工画像生成方法、设备及可读存储介质

Info

Publication number: CN111724051A
Application number: CN202010532279.3A
Authority: CN
Inventors: 叶书凯
Original assignee: Suzhou Inovance Technology Co Ltd
Current assignee: Suzhou Huichuan Control Technology Co Ltd
Priority date: 2020-06-11
Filing date: 2020-06-11
Publication date: 2020-09-29

Abstract

本发明公开了一种员工画像生成方法、设备及可读存储介质，所述方法包括：根据各员工的工作数据，对各所述员工进行聚类，确定每个所述员工归属的目标簇；根据各所述员工的工作数据，确定各所述员工的工作效率排名；根据每个所述员工的员工信息、工作数据、目标簇和工作效率排名，生成每个所述员工的员工画像。本发明的员工画像依据员工工作中的多项数据生成，不但体现了员工在整体上的工作效率排名，还反映了具有相似工作数据的员工分类；实现了结合多方面因素来综合反映员工的工作效率，提升了所反映员工工作效率的准确性。

Description

员工画像生成方法、设备及可读存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种员工画像生成方法、设备及可读存储介质。

背景技术

在棉纺行业，断纱是细纱生产管理的重要组成部分。纺纱过程中通过细纱机将半制品粗纱经牵伸、加拈、卷绕成细纱；而在此将粗纱加工成细纱时可能因机器设备问题，或加工工艺问题而出现断纱的情况。对于该类断纱通常由员工进行人工修复，员工修复的工作效率与断纱的处理效率息息相关，进而影响细纱的生产效率。

当前通常通过记录员工修复断纱的次数来反映员工的工作效率，该反映工作效率的指标相对单一，缺少结合多方面因素来综合反映员工工作效率的机制，导致所反映的员工工作效率不准确。

发明内容

本发明的主要目的在于提供一种员工画像生成方法、设备及可读存储介质，旨在解决现有技术中对员工工作效率反映不准确的技术问题。

为实现上述目的，本发明提供一种员工画像生成方法，所述员工画像生成方法包括以下步骤：

根据各员工的工作数据，对各所述员工进行聚类，确定每个所述员工归属的目标簇；

根据各所述员工的工作数据，确定各所述员工的工作效率排名；

根据每个所述员工的员工信息、工作数据、目标簇和工作效率排名，生成每个所述员工的员工画像。

可选地，所述根据各员工的工作数据，对各所述员工进行聚类，确定每个所述员工归属的目标簇的步骤包括：

根据各所述员工的工作数据，确定各所述员工的总工作时间，以及在所述总工作时间内对异常工作事件处理的总次数和平均时间；

将各所述员工的所述总工作时间、所述总次数和所述平均时间，生成为各所述员工的员工数据集；

根据各所述员工的员工数据集，对各所述员工进行聚类，确定每个所述员工归属的目标簇。

可选地，所述根据各所述员工的员工数据集，对各所述员工进行聚类，确定每个所述员工归属的目标簇的步骤包括：

对各所述员工的员工数据集进行向量转换，生成各所述员工的员工向量，并根据各所述员工的员工向量，对各所述员工进行聚类，生成多个初始簇；

确定各所述初始簇的初始均值向量，并计算每个员工的员工向量分别与各所述初始均值向量之间的距离；

根据各所述距离，对各所述员工进行迭代聚类，确定每个所述员工归属的目标簇。

可选地，所述确定各所述初始簇的初始均值向量，并计算每个员工的员工向量分别与各所述初始均值向量之间的距离的步骤包括：

对各所述初始簇中所包含员工的员工向量进行均值处理，生成各所述初始簇的初始均值向量；

将每个员工的员工向量分别和各所述初始均值向量进行欧氏距离计算，生成所述距离。

可选地，所述根据各所述距离，对各所述员工进行迭代聚类，确定每个所述员工归属的目标簇的步骤包括：

根据各所述距离，调整各所述初始簇中包含的员工；

根据调整后各所述初始簇中所包含员工的员工向量，更新各所述初始簇的初始均值向量；

在更新的各所述初始簇的初始均值向量满足预设结束条件时，完成对各所述员工的聚类，将每个员工所在的初始簇确定为每个员工归属的目标簇。

可选地，所述在更新的各所述初始簇的初始均值向量满足预设结束条件时，完成对各所述员工的聚类的步骤之前包括：

判断各所述初始簇在更新前的初始均值向量是否和更新后的初始均值向量一致；

若和更新后的初始均值向量一致，则判定更新的各所述初始簇的初始均值向量满足预设结束条件；

若和更新后的初始均值向量不一致，则执行计算每个员工的员工向量分别与各所述初始均值向量之间的距离的步骤，直到更新前的初始均值向量和更新后的初始均值向量一致。

将更新后各所述初始簇的初始均值向量以及所包含员工的员工向量传输到预设公式进行计算，并根据计算所得的结果更新各所述初始簇之间的平方误差；

判断更新后的所述平方误差是否大于更新前的所述平方误差，若大于更新前的所述平方误差，则判定更新的各所述初始簇的初始均值向量满足预设结束条件；

若小于或等于更新前的所述平方误差，则执行计算每个员工的员工向量分别与各所述初始均值向量之间的距离的步骤，直到更新后的所述平方误差大于更新前的所述平方误差。

可选地，所述根据各所述员工的工作数据，确定各所述员工的工作效率排名的步骤包括：

根据各所述员工的所述平均时间，对各所述员工的工作效率进行排名，并判断各所述员工中是否存在所述平均时间相同的目标员工；

若存在所述平均时间相同的目标员工，则根据各所述目标员工对应的目标簇，对各所述目标员工的工作效率进行排名，生成各所述员工的工作效率排名。

进一步地，为实现上述目的，本发明还提供一种员工画像生成装置，所述员工画像生成装置包括：

确定模块，用于根据各员工的工作数据，对各所述员工进行聚类，确定每个所述员工归属的目标簇；

排名模块，用于根据各所述员工的工作数据，确定各所述员工的工作效率排名；

生成模块，用于根据每个所述员工的员工信息、工作数据、目标簇和工作效率排名，生成每个所述员工的员工画像。

进一步地，为实现上述目的，本发明还提供一种员工画像生成设备，所述员工画像生成设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的员工画像生成程序，所述员工画像生成程序被所述处理器执行时实现如上述所述的员工画像生成方法的步骤。

进一步地，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有员工画像生成程序，所述员工画像生成程序被处理器执行时实现如上所述的员工画像生成方法的步骤。

本发明的员工画像生成方法、设备及可读存储介质，先根据各员工的工作数据，对各员工进行聚类，确定每个员工所归属的目标簇；同时根据各员工的工作数据，确定各员工的工作效率排名；进而根据每个员工的员工信息、工作数据、目标簇和工作效率排名，生成每个员工的员工画像，由员工画像来整体反映员工的工作效率。因员工画像依据员工工作中的多项数据生成，不但体现了员工在整体上的工作效率排名，还反映了具有相似工作数据的员工分类；避免了仅依据单一指标来反映员工工作效率，实现了结合多方面因素来综合反映员工的工作效率，提升了所反映员工工作效率的准确性。

附图说明

图1为本发明员工画像生成设备实施例方案涉及的设备硬件运行环境的结构示意图；

图2为本发明员工画像生成方法第一实施例的流程示意图。

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用以解释本发明，并不用于限定本发明。

本发明提供一种员工画像生成设备，参照图1，图1为本发明员工画像生成设备实施例方案涉及的设备硬件运行环境的结构示意图。

如图1所示，该员工画像生成设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。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可选的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可选的还可以是独立于前述处理器1001的存储设备。

本领域技术人员可以理解，图1中示出的员工画像生成设备的硬件结构并不构成对员工画像生成设备的限定，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，作为一种可读存储介质的存储器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画像生成程序。其中，操作系统是管理和控制员工画像生成设备与软件资源的程序，支持网络通信模块、用户接口模块、员工画像生成程序以及其他程序或软件的运行；网络通信模块用于管理和控制网络接口1004；用户接口模块用于管理和控制用户接口1003。

在图1所示的员工画像生成设备硬件结构中，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；处理器1001可以调用存储器1005中存储的员工画像生成程序，并执行以下操作：

进一步地，所述根据各员工的工作数据，对各所述员工进行聚类，确定每个所述员工归属的目标簇的步骤包括：

进一步地，所述根据各所述员工的员工数据集，对各所述员工进行聚类，确定每个所述员工归属的目标簇的步骤包括：

进一步地，所述确定各所述初始簇的初始均值向量，并计算每个员工的员工向量分别与各所述初始均值向量之间的距离的步骤包括：

进一步地，所述根据各所述距离，对各所述员工进行迭代聚类，确定每个所述员工归属的目标簇的步骤包括：

根据各所述距离，调整各所述初始簇中包含的员工；

进一步地，所述在更新的各所述初始簇的初始均值向量满足预设结束条件时，完成对各所述员工的聚类的步骤之前，处理器1001可以调用存储器1005中存储的员工画像生成程序，并执行以下操作：

进一步地，所述根据各所述员工的工作数据，确定各所述员工的工作效率排名的步骤包括：

若存在所述平均时间相同的目标员工，则根据各所述目标员工对应的目标簇，对各所述目标员工的工作效率进行排名，生成各所述员工的工作效率排列。

本发明员工画像生成设备的具体实施方式与下述员工画像生成方法各实施例基本相同，在此不再赘述。

本发明还提供一种员工画像生成方法。

参照图2，图2为本发明员工画像生成方法第一实施例的流程示意图。

本发明实施例提供了员工画像生成方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。具体地，本实施例中的员工画像生成方法包括：

步骤S10，根据各员工的工作数据，对各所述员工进行聚类，确定每个所述员工归属的目标簇；

本实施例的员工画像生成方法应用于企业内部的服务器，该服务器可以是工控企业的上位机，也可以是非工控企业的监控设备，通过服务器来生成企业员工的画像。对于工控企业，各台生产设备形成下位机，上位机通过诸如Modbus、TCP、TCP/IP等通信方式与各台下位机通信连接，通过对下位机工作状态的监控，来生成对下位机进行操作的员工画像。对于非工控企业，则各台工作电脑形成下位机，上位机通过诸如TCP/IP、无线WIFI等通信方式与各台下位机通信连接，通过对下位机中所安装工作软件的监控，来生成对下位机进行操作的员工画像。无论时工控企业还是非工控企业，生成员工画像的方式类似，至少所处理数据存在差异。本实施例优选以工控企业，具体以生成细纱的细纱机企业为例进行说明。

进一步地，细纱机为纺纱过程中把半制品粗纱或条子经牵伸、加拈、卷绕成细纱管纱的纺纱机器。在细纱机企业中，企业所配置的各台细纱机以及上位机共同形成细纱机系统。各台细纱机内部署的诸如控制器、控制芯片、主控台等一类用于控制细纱机运转的元器件，与细纱机共同形成细纱机系统的下位机。一位员工同时管理多台下位机，上位机通过从其管理的多台下位机中获取员工对各台下位机操作的数据。该类操作的数据包括但不限于工作时长，对下位机出现异常的处理次数、处理时长等，以通过该类操作数据生成该员工的员工画像，体现其工作效率。

可理解地，员工除了工作时间对下位机操作所形成的操作数据外，还涉及到工作员工姓名、工号、性别等基础数据，为了使得所生成员工画像的唯一性，将操作数据和基础数据一并作为员工的工作数据进行获取。对于员工所管理的各台下位机，各台下位机中存储有该员工的基础数据，同时随着员工对各台下位机的操作，各台下位机记录操作数据存储。从而上位机可向各台下位机发送通信请求，以请求获取各台下位机中存储的基础数据和操作数据一并作为员工的工作数据。并且在获取到各台下位机中的工作数据后，依据各项工作数据中的员工姓名和工号，对各项工作数据进行合并操作，即将员工姓名和工号相同的多项工作数据合并为一项，表征该多项工作数据所来源的上位机由同一员工所管理，通过其管理的各台下位机来生成其员工画像，以更为准确的体现其工作效率。

进一步地，在获取到各员工的工作数据后，先依据各自的工作数据，依据预先设定的聚类算法对各员工进行聚类，将工作数据类似的员工聚集到一类，形成多个簇，即多个分类。将各员工各自所在的分类确定为各员工所归属的目标簇，工作数据类似的员工所归属的目标簇相同，而工作数据相差较大的员工所归属的目标簇不同。具体地，根据各员工的工作数据，对各员工进行聚类，确定每个员工归属的目标簇的步骤包括：

步骤S11，根据各所述员工的工作数据，确定各所述员工的总工作时间，以及在所述总工作时间内对异常工作事件处理的总次数和平均时间；

步骤S12，将各所述员工的所述总工作时间、所述总次数和所述平均时间，生成为各所述员工的员工数据集；

步骤S13，根据各所述员工的员工数据集，对各所述员工进行聚类，确定每个所述员工归属的目标簇。

可理解地，在细纱机企业中，员工对细纱机的操作主要为对细纱机运行所出现的异常进行处理，处理的次数和每次处理所花费的时间体现了员工的工作效率。并且，细纱机所出现的异常通常为断头，即细纱机中锭子在带动线桶转动过程中，线桶上细纱断裂的情况。一旦检测到断头，则记录该断头出现的时间点，并输出提示信息，以提示员工及时处理。员工在对断头处理完成后，则再次记录处理完成的时间点，并对统计的断头次数进行累加计数。断头出现的时间点和处理完成的时间点之间的时长即为对该次断头进行处理所花费的时间。

进一步地，将员工对其管理的下位机进行操作的操作时间，作为员工的总工作时间记录到操作数据中。同时，将该细纱机所出现的异常作为异常工作事件，并将员工在总工作时间内对异常工作事件的处理和每次的处理时间记录到操作数据中。上位机在获取到员工的工作数据后，从其中的操作数据中读取出总工作时间，并统计在总工作时间内处理的异常工作事件的次数，作为对异常工作事件处理的总次数。同时，对各次处理异常工作时间的处理时间进行加和，用加和结果和总次数做比值，得到对异常工作时间处理的平均时间。在各个员工的工作数据均进行上述处理后，即得到各员工的总工作时间，以及在总工作时间内对异常工作时间处理的总次数和平均时间。需要说明的是，对于总工作时间，可以是每天的操作时间、也可以是每周的操作时间，具体依据需求设定周期。

更进一步地，将每个员工的总工作时间、总次数和平均时间，形成为每个员工的员工数据集，并且将每个员工的员工数据集形成为集合，得到所有员工的整体数据集。如用i表示各个员工，且各个员工的总工作时间为λi1，总次数为λi2，平均时间为λi1，则每个员工的员工数据集Xi＝(λi1、λi2、λi3)，所有员工所形成的整体数据集D＝{X1，X2，X3···Xm}。进而计算整体数据集中各项数据之间的相似性，通过各相似性对各员工进行聚类，确定每个员工所归属的目标簇。员工所归属的目标簇表征了员工工作效率的分类等级，目标簇的数量与工作效率分类等级的等级数一致，如分类等级包含高等级、中等级和低等级，则目标簇的数量为3。员工所在的目标簇不同，体现了员工工作效率等级的差异性。

步骤S20，根据各所述员工的工作数据，确定各所述员工的工作效率排名；

进一步地，在通过各员工归属的目标簇确定各员工的工作效率等级后，依据各员工的工作数据，来对各员工的工作效率进行排名，得到各员工的工作效率排名。其中，因工作效率最直接的体现为平均时间，平均时间越短工作效率越高，排名越靠前；反之则工作效率越低，排名越靠后。因此，可通过各员工工作数据中的平均时间，来对各员工的工作效率进行排名。具体地，根据各员工的工作数据，确定各员工的工作效率排名的步骤包括：

步骤S21，根据各所述员工的所述平均时间，对各所述员工的工作效率进行排名，并判断各所述员工中是否存在所述平均时间相同的目标员工；

步骤S22，若存在所述平均时间相同的目标员工，则根据各所述目标员工对应的目标簇，对各所述目标员工的工作效率进行排名，生成各所述员工的工作效率排名。

更进一步地，从各员工的工作数据中筛选出各自的平均时间，并在各个平均时间之间进行对比，确定各个平均时间之间的大小关系。进而依据大小关系，对各员工的工作效率排名；平均时间越短，员工每次对断头处理的速度越快，工作效率越高，从而将平均时间较小的员工排在平均时间较大员工的前列，得到各员工的工作效率排名，体现工作效率从高到低的排列顺序。

可理解地，各员工的平均时间中存在平均时间相同的情况，对于此类平均时间相同的员工，借助员工所归属目标簇进行排名。具体地，在依据平均时间的大小关系对各员工的工作效率进行排名的过程中，检测各员工中是否存在平均时间相同的目标员工。若存在该类目标员工，则依据该类目标员工所归属的目标簇进行工作效率的排名。因员工所归属的目标簇依据员工的总工作时间、员工在该总工作时间内对异常工作事件处理的总次数和平均时间生成，从而在平均时间相同，依据目标簇进行排名的过程中，依据员工形成目标簇的总次数进行排名。总次数的数值越大，排名越靠前，表征用户对断头的处理次数多。并且，对于总次数也相同的员工，则依据总工作时间进行排名，总工作时间越长，排名越靠前。以此，实现对于平均时间不同的员工，依据平均时间的效关系，得到各员工之间的工作效率排名，而对于平均时间相同的员工，依据总次数和总工作时间排名，得到最终的各员工之间的工作效率排名，形成体现工作效率从高到低的数据序列。

步骤S30，根据每个所述员工的员工信息、工作数据、目标簇和工作效率排名，生成每个所述员工的员工画像。

进一步地，在确定每个员工的目标簇和工作效率排名后，则结合每个员工的工作数据和员工信息，生成每个员工的员工画像。员工画像为将员工的各项信息以标签的形式进行添加，以体现员工在各方面上的特征。员工工作过程中除了工作员工姓名、工号、性别等基础数据，以及对下位机进行操作的操作数据之外，还包含入职年限、管理下位机数量、职称、所属厂区、所属班次、年龄等表征员工特性的员工信息。将每个员工的该类员工信息，和其工作数据、目标簇、工作效率排名等一并形成为表征其特性的标签，生成为员工画像。通过员工画像所体现员工在各方面的特性来整体反映员工的工作效率，使得所反映的工作效率更为准确。并且便于管理者查看各员工的工作状态，提高了对各员工考核管理的公平性。

本发明的员工画像生成方法，先根据各员工的工作数据，对各员工进行聚类，确定每个员工所归属的目标簇；同时根据各员工的工作数据，确定各员工的工作效率排名；进而根据每个员工的员工信息、工作数据、目标簇和工作效率排名，生成每个员工的员工画像，由员工画像来整体反映员工的工作效率。因员工画像依据员工工作中的多项数据生成，不但体现了员工在整体上的工作效率排名，还反映了具有相似工作数据的员工分类；避免了仅依据单一指标来反映员工工作效率，实现了结合多方面因素来综合反映员工的工作效率，提升了所反映员工工作效率的准确性。

进一步地，基于本发明员工画像生成方法的第一实施例，提出本发明员工画像生成方法第二实施例。

所述员工画像生成方法第二实施例与所述员工画像生成方法第一实施例的区别在于，所述根据各所述员工的员工数据集，对各所述员工进行聚类，确定每个所述员工归属的目标簇的步骤包括：

步骤S131，对各所述员工的员工数据集进行向量转换，生成各所述员工的员工向量，并根据各所述员工的员工向量，对各所述员工进行聚类，生成多个初始簇；

步骤S132，确定各所述初始簇的初始均值向量，并计算每个员工的员工向量分别与各所述初始均值向量之间的距离；

本实施例将各员工的员工数据集转换为向量形式，实现对各员工的聚类。具体地，预先设定预设向量维数，将员工数据集中的各数据以数值形式转换为具有预设向量维数的向量形式，实现对每个员工各自的员工数据集的向量转换，生成各员工的员工向量。此后根据各员工的员工向量，对各员工进行聚类。计算各员工向量之间的相似性，筛选出各员工向量中相似性高的目标员工向量，进而将具有目标员工向量的各员工聚集为一类，生成多个类别做个多个初始簇。其中初始簇的数量可预先设定，也可依据聚类算法的分类情况自行划分，具体不作限定。

进一步地，依据各个初始簇所具有员工的员工向量，确定各个初始簇的初始均值向量；并将每个员工的员工向量分别与各个初始簇的初始均值向量进行距离计算，得到每个员工向量分别与各个初始均值向量之间的距离，通过距离表征每个员工与各个初始簇之间的相似度高低。其中，确定各初始簇的初始均值向量，并计算每个员工的员工向量分别与各初始均值向量之间的距离的步骤包括：

步骤a1，对各所述初始簇中所包含员工的员工向量进行均值处理，生成各所述初始簇的初始均值向量；

步骤a2，将每个员工的员工向量分别和各所述初始均值向量进行欧氏距离计算，生成所述距离。

更进一步地，针对划分到各个初始簇中员工的员工向量分别进行均值计算，生成各个初始簇的初始均值向量；如对于某个初始簇包含有5各员工，则对该5个员工的员工向量进行均值计算，得到该初始簇的初始均值向量。进而将每个员工的员工向量分别与各个初始均值向量进行欧式距离计算，得到每个员工与各个初始簇之间的距离，通过距离所表征的员工与各初始簇之间的相似性。其中欧式距离的计算公式如下公式(1)所示：

其中，Xi表示各个员工向量，Xj表示各个初始均值向量，n表示预设向量维数，dist表示每个员工向量分别与各个初始均值向量之间的距离。

步骤S133，根据各所述距离，对各所述员工进行迭代聚类，确定每个所述员工归属的目标簇。

进一步地，在得到每个员工的员工向量各自与各个初始均值向量之间的距离后，依据各个距离所表征的员工与各个初始簇之间的相似性，对各个员工进行迭代聚类，经多次迭代将每个员工聚类到距离最小的初始簇中，形成每个员工归属的目标簇。具体地，根据各距离，对各员工进行迭代聚类，确定每个员工归属的目标簇的步骤包括：

步骤b1，根据各所述距离，调整各所述初始簇中包含的员工；

步骤b2，根据调整后各所述初始簇中所包含员工的员工向量，更新各所述初始簇的初始均值向量；

步骤b3，在更新的各所述初始簇的初始均值向量满足预设结束条件时，完成对各所述员工的聚类，将每个员工所在的初始簇确定为每个员工归属的目标簇。

可理解地，每个员工与各个初始簇之间相似度，表征了每个员工的分类准确性，相似度越大，分类的准确性越高，反之则准确性越低，需要重新分类。针对每个员工，在得到员工向量与各个初始均值向量之间的距离之后，在所得到的距离之间进行对比，确定其中距离最小值。距离越小表征向量之间的差异越小，相似度越大。查找生成距离最小值的初始均值向量，判断员工所划分的初始簇和该具有初始均值向量的初始簇是否相同，若相同则说明员工的分类准确，不需要对该员工重新分类，若不相同则说明员工的分类不准确，则需要重新对该员工分类，将员工由划分的初始簇调整到具有初始均值向量的初始簇中，即调整到生成距离最小值的初始簇中。针对每个员工各自的各个距离均进行对比，并依据对比结果对员工所在的初始簇进行调整的过程，即为依据各个距离，调整各个初始簇中所包含员工的过程。在各个员工均经判断调整后，各个初始簇中所包含的员工发生变化，形成新的初始簇。

进一步地，针对调整后新的初始簇所包含员工的员工向量进行均值计算，得到新的初始均值向量，以此更新各初始簇的初始均值向量。此外，预先设定表征迭代聚类结束的预设结束条件，在更新的初始均值向量满足该预设结束条件时，则完成对各员工的聚类，此时每个员工所在的初始簇即为每个员工所归属的目标簇。若更新的初始均值向量不满足预设结束条件，则继续对各员工进行聚类；针对每个员工，计算其员工向量与更新后初始均值向量之间的距离，并依据各距离之间的大小关系，调整员工所在的初始簇，实现对各个初始簇中所包含员工的调整，形成新的初始簇及其初始均值向量。继续判断新的初始均值向量是否满足预设结束条件，若满足则结束聚类，确定各员工归属的目标簇；若不满足则继续聚类直到更新的初始均值向量满足预设结束条件，确定出各员工所归属的目标簇。

本实施通过员工向量与各初始簇的初始均值向量之间的距离，对各员工进行迭代聚类，确保了各员工所划分目标簇的准确性，使得依据目标簇所生成的员工画像更为准确的体现了员工的工作效率等级。

进一步地，基于本发明员工画像生成方法的第二实施例，提出本发明员工画像生成方法第三实施例。

所述员工画像生成方法第三实施例与所述员工画像生成方法第二实施例的区别在于，所述在更新的各所述初始簇的初始均值向量满足预设结束条件时，完成对各所述员工的聚类的步骤之前包括：

步骤b4，判断各所述初始簇在更新前的初始均值向量是否和更新后的初始均值向量一致；

步骤b5，若和更新后的初始均值向量一致，则判定更新的各所述初始簇的初始均值向量满足预设结束条件；

步骤b6，若和更新后的初始均值向量不一致，则执行计算每个员工的员工向量分别与各所述初始均值向量之间的距离的步骤，直到更新前的初始均值向量和更新后的初始均值向量一致。

本实施例将预设结束条件设定为更新前后初始均值向量的变化情况。在对各员工重新聚类形成新的初始簇及其初始均值向量之后，将更新后的初始均值向量和更新前的初始均值向量对比，判断更新前后的初始均值向量是否一致。若一致则说明各员工的重新聚类对各初始簇中员工的影响不大，各员工均准确的划分到各初始簇中，不需要针对各员工再进行迭代聚类。从而判定更新的各初始簇的初始均值向量满足预设结束条件，完成对各员工的迭代聚类，各员工当前所在的初始簇即为各自归属的目标簇。

需要说明的是，为了确保聚类的准确性，对于更新前后初始均值向量一致的情况，可设定预设次数来体现稳定性。在首次检测到更新前后的初始均值向量不变后，继续对各员工聚类，更新初始均值向量。若该次更新后的初始均值向量仍然后更新前的初始均值向量一致，则对更新前后一致，则对次数进行累加计数，直到计数值达到预设次数，表征所划分的初始簇稳定后，完成聚类。若在持续聚类过程中出现某一次更新前后的初始均值向量不一致，则对计数值清零，重新计数，直到连续预设次数内更新前后的初始均值不变才完成聚类。其中，考虑到计算资源和分类误差，可设定预设阈值来表征一致性，如设定95％，当更新前后的初始均值向量的一致性到达95％，则认定为一致，否则认定为不一致。以此，在确保分类准确性的同时，提升分类效率，并节省计算资源。

进一步地，若经对比确定更新前的各初始均值向量和更新后的初始均值向量不一致，则说明各初始簇中各员工的划分存在不准确的情况，需要对各员工继续迭代聚类。从而判定更新的各初始簇的初始均值向量不满足预设结束条件，继续计算各员工的员工向量分别与各初始均值向量之间的距离，以依据距离对各员工重新聚类，得到新的初始簇及其初始均值向量继续判断，直到所得到更新的初始均值向量与前一次更新的初始均值向量一致，完成对各工的聚类，确定各员工所归属的目标簇。

本实施例通过设定更新前后初始均值向量是否一致的预设结束条件，来实现对各员工的循环聚类，在更新前后的初始均值向量不发生变化，表征初始簇中的各员工与初始簇之间的相似度均较高时，才完成聚类，将员工各自所在的初始簇确定为各员工归属的目标簇，确保了将各员工准确的划分到各个目标簇。

进一步地，基于本发明员工画像生成方法的第二实施例，提出本发明员工画像生成方法第四实施例。

所述员工画像生成方法第四实施例与所述员工画像生成方法第二实施例的区别在于，所述在更新的各所述初始簇的初始均值向量满足预设结束条件时，完成对各所述员工的聚类的步骤之前包括：

步骤b7，将更新后各所述初始簇的初始均值向量以及所包含员工的员工向量传输到预设公式进行计算，并根据计算所得的结果更新各所述初始簇之间的平方误差；

步骤b8，判断更新后的所述平方误差是否大于更新前的所述平方误差，若大于更新前的所述平方误差，则判定更新的各所述初始簇的初始均值向量满足预设结束条件；

步骤b9，若小于或等于更新前的所述平方误差，则执行计算每个员工的员工向量分别与各所述初始均值向量之间的距离的步骤，直到更新后的所述平方误差大于更新前的所述平方误差。

本实施例将预设结束条件设定为更新后各初始簇之间的平方误差是否为最小值；平方误差的大小体现了各初始簇之间分类误差的大小，平方误差越小，则分类误差越小，分类越准确。预先设定用于计算各初始均值向量之间平方误差的预设公式，具体如下公式(2)所示：

其中，E表示平方误差，k表示所划分的初始簇的数量，Ci表示所划分的初始簇，X为初始簇中员工的员工向量，μi为初始簇的初始均值向量。

进一步地，初始均值向量的计算公式如下公式(3)所示：

其中，μi为初始簇的初始均值向量，Ci表示所划分的初始簇，X为初始簇中员工的员工向量。

在对各员工重新聚类形成新的初始簇后，通过公式(3)计算各初始簇的初始均值向量，得到更新后各初始簇的初始均值向量。并且将更新后各初始簇的初始均值向量，以及更新后各初始簇中所包含员工的员工向量传输到预设公式进行计算，得到计算结果。该计算结果即为更新后各初始簇之间的平方误差，通过该新的平方误差对更新前各初始簇之间所具有的平方误差进行更新。同时将更新后的平方误差和更新前的平方误差对比，判断更新后的平方误差是否大于更新前的平方误差。若大于则说明平方误差在达到最小值后呈上升趋势，各初始簇的分类已达到准确性要求。从而判定更新的各初始均值向量满足预设结束条件，完成对各员工的迭代聚类，各员工当前所在的初始簇即为各自归属的目标簇。

若经对比确定更新后的平方误差小于或等于更新前的平方误差，则说明平方误差呈下降趋势，未达到最小值，各初始簇的分类存在不准确的情况，而需要对各员工继续迭代聚类。此时判定更新的各初始簇的初始均值向量不满足预设结束条件，继续计算各员工的员工向量分别与各初始均值向量之间的距离。并且依据距离对各员工重新聚类，得到新的初始簇及其初始均值向量。进而依据新的初始簇及其初始均值向量重新计算平方误差和更新前的平方误差对比判断，直到对比确定更新的平方误差大于前一次更新的平方误差，才完成对各工的聚类，确定各员工所归属的目标簇。

本实施例通过设定更新后各初始簇之间的平方误差是否达最小值的预设结束条件，来实现对各员工的循环聚类；在更新后的各初始簇之间的平方误差达到最小值，表征各初始簇之间的误差最小，分类准确性高时，完成聚类，将员工各自所在的初始簇确定为各员工归属的目标簇，确保将各员工准确划分到各个目标簇。

本发明还提供一种员工画像生成装置。所述员工画像生成装置包括：

进一步地，所述确定模块包括：

确定单元，用于根据各所述员工的工作数据，确定各所述员工的总工作时间，以及在所述总工作时间内对异常工作事件处理的总次数和平均时间；

生成单元，用于将各所述员工的所述总工作时间、所述总次数和所述平均时间，生成为各所述员工的员工数据集；

聚类单元，用于根据各所述员工的员工数据集，对各所述员工进行聚类，确定每个所述员工归属的目标簇。

进一步地，所述聚类单元还用于：

根据各所述距离，调整各所述初始簇中包含的员工；

进一步地，所述聚类单元还用于：

进一步地，所述排名模块包括：

判断单元，用于根据各所述员工的所述平均时间，确定各所述员工的工作效率排名，并判断各所述员工中是否存在所述平均时间相同的目标员工；

排名单元，用于若存在所述平均时间相同的目标员工，则根据各所述目标员工对应的目标簇，对各所述目标员工的工作效率进行排名，生成各所述员工的工作效率排名。

本发明员工画像生成装置具体实施方式与上述员工画像生成方法各实施例基本相同，在此不再赘述。

此外，本发明实施例还提出一种可读存储介质。

可读存储介质上存储有员工画像生成程序，员工画像生成程序被处理器执行时实现如上所述的员工画像生成方法的步骤。

本发明可读存储介质可以是计算机可读存储介质，其具体实施方式与上述员工画像生成方法各实施例基本相同，在此不再赘述。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，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，这些均属于本发明的保护之内。

Claims

1.一种员工画像生成方法，其特征在于，所述员工画像生成方法包括以下步骤：

2.如权利要求1所述的员工画像生成方法，其特征在于，所述根据各员工的工作数据，对各所述员工进行聚类，确定每个所述员工归属的目标簇的步骤包括：

3.如权利要求2所述的员工画像生成方法，其特征在于，所述根据各所述员工的员工数据集，对各所述员工进行聚类，确定每个所述员工归属的目标簇的步骤包括：

4.如权利要求3所述的员工画像生成方法，其特征在于，所述确定各所述初始簇的初始均值向量，并计算每个员工的员工向量分别与各所述初始均值向量之间的距离的步骤包括：

5.如权利要求3所述的员工画像生成方法，其特征在于，所述根据各所述距离，对各所述员工进行迭代聚类，确定每个所述员工归属的目标簇的步骤包括：

根据各所述距离，调整各所述初始簇中包含的员工；

6.如权利要求5所述的员工画像生成方法，其特征在于，所述在更新的各所述初始簇的初始均值向量满足预设结束条件时，完成对各所述员工的聚类的步骤之前包括：

7.如权利要求5所述的员工画像生成方法，其特征在于，所述在更新的各所述初始簇的初始均值向量满足预设结束条件时，完成对各所述员工的聚类的步骤之前包括：

8.如权利要求2-7任一项所述的员工画像生成方法，其特征在于，所述根据各所述员工的工作数据，确定各所述员工的工作效率排名的步骤包括：

9.一种员工画像生成设备，其特征在于，所述员工画像生成设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的员工画像生成程序，所述员工画像生成程序被所述处理器执行时实现如权利要求1-8中任一项所述的员工画像生成方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有员工画像生成程序，所述员工画像生成程序被处理器执行时实现如权利要求1-8中任一项所述的员工画像生成方法的步骤。