CN112200415A - 一种信息处理方法、装置及电子设备 - Google Patents
一种信息处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112200415A CN112200415A CN202010997391.4A CN202010997391A CN112200415A CN 112200415 A CN112200415 A CN 112200415A CN 202010997391 A CN202010997391 A CN 202010997391A CN 112200415 A CN112200415 A CN 112200415A
- Authority
- CN
- China
- Prior art keywords
- information
- person
- personnel
- data set
- evaluation
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 121
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 11
- 230000008520 organization Effects 0.000 abstract description 15
- 230000008901 benefit Effects 0.000 description 15
- 230000007774 longterm Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (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
本申请公开了一种信息处理方法、装置及电子设备，该方法包括：构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；获取用于表征所述人员所属群组的群组评价的第二信息；基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。该信息处理方法能够对一定的场合或组织中的人员的特征信息进行准确的分析，从而能够得到准确的与人员相匹配的目标数据，进而使用该目标数据以同时满足人员和组织(如企业)的需求。
Description
技术领域
本申请涉及对数据进行分析和处理的信息处理领域，特别涉及一种信息处理方法、装置及电子设备。
背景技术
在一定的场合或组织中包括多个人员，时常需要对各个人员匹配与之相对应的目标数据，以根据该目标数据对相应的人员实施相对应的操作。如根据企业中人员具有的特征信息，需要对其匹配相应的工作量或者奖励数据等，从而需要人员根据该工作量来从事相关工作，或者根据该奖励数据对人员进行奖励等。但是，在对上述信息进行处理的过程中，由于人员构成复杂，且各个人员具有的特征信息均有不同，因此难以对人员的各个特征信息进行准确的分析，从而导致生成的目标数据并不适当，对人员或企业本身造成损失。
发明内容
本申请实施例的目的在于提供一种信息处理方法、装置及电子设备，该方法能够对一定的场合或组织中的人员的特征信息进行准确的分析，从而能够得到准确的与人员相匹配的目标数据。
为了解决上述技术问题，本申请的实施例采用了如下技术方案：一种信息处理方法，包括：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
作为可选，所述方法还包括：
基于所述第二数据集中的历史数据和所述第一数据集确定所述人员的特定策略，所述特定策略包括为所述人员匹配超过预设时长的数据；
根据所述第一目标数据和所述特定策略确定所述人员的第二目标数据。
作为可选，所述基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据，包括：
基于所述第一信息和所述第二信息，使用预设决策算法确定所述人员对应的预定数据；
获取干预信息，基于所述干预信息和所述预定数据确定所述第一目标数据和/或第二目标数据。
作为可选，所述方法还包括：
在确定所述人员不是所述特定策略所针对的对象的情况下，将所述人员对应的第一目标数据确定为所述人员的第二目标数据。
作为可选，所述方法还包括：
记录生成所述第一目标数据和/或所述第二目标数据的过程中的关键信息；
基于所述关键信息调整所述预设决策算法和/或所述特定策略。
作为可选，所述预设决策算法包括：
基于所述第一信息具有的第一数值在所述第二信息具有的第二数值中所占比例，确定所述人员对应的第一目标数据。
作为可选，所述人员特征信息具有多个第一特征点，所述构建包含有多个人员特征信息的第一数据集，包括：
根据所述人员对应的所述第一特征点，确定所述人员对应的所述人员特征信息；
对所述人员特征信息进行第一标准化操作；
基于进行了第一标准化操作后的所述人员特征信息构建所述第一数据集。
作为可选，所述人员评价信息具有多个第二特征点，所述构建包含有多个人员评价信息的第二数据集，包括：
根据所述人员对应的所述第二特征点，确定所述人员对应的所述人员评价信息；
对所述人员评价信息进行第二标准化操作；
基于进行了第二标准化操作后的所述人员评价信息构建所述第二数据集。
作为可选，所述第二特征点包括：所述人员与其所属群组的关联等级，所述关联等级具有相应的权重。
本申请实施例还提供了一种信息处理装置，包括：
构建模块，其配置为构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
处理模块，其配置为基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
本申请实施例还提供了一种存储介质，所述存储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执行时，实现如下步骤：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
本申请实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有可执行程序，所述处理器执行所述可执行程序以实现如下步骤：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
该信息处理方法可以对企事业单位中的工作人员的相关信息，包括人才基本信息以及绩效相关信息进行详细分析，并结合个人和其所在部门两者实际情况，如各自的绩效数据，能够科学高效的决策出与每个人员相适应的方案，实现企事业单位和人员的双赢效果。
附图说明
图1为本申请实施例的信息处理方法的流程图；
图2为本申请实施例的信息处理方法的一个实施例的流程图；
图3为本申请实施例的图1中步骤S4的一个实施例的流程图；
图4为本申请实施例的信息处理方法的另一个实施例的流程图；
图5为本申请实施例的图1中步骤S1的一个实施例的流程图；
图6为本申请实施例的图1中步骤S1的另一个实施例的流程图；
图7为本申请实施例的信息处理方法中涉及到人员长期方案和干预操作的一个具体实施例的流程图；
图8为本申请实施例的信息处理装置的结构框图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是，可以对此处申请的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。
还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
当结合附图时，鉴于以下详细说明，本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例；然而，应当理解，所申请的实施例仅仅是本申请的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此，本文所申请的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本申请的相同或不同实施例中的一个或多个。
本发明实施例提供一种信息处理方法，用于解决以下技术问题：对一定的场合或组织中的人员的特征信息进行准确的分析，从而能够得到准确的与人员相匹配的目标数据，进而使用该目标数据以同时满足人员和组织(如企业)的需求。
图1为本申请实施例的信息处理方法的流程图，如图1所示，本申请实施例中的技术方案为解决上述的技术问题，总体思路如下：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
在本技术方案的一个实施例中，第一数据集中包括人员特征信息，该人员特征信息可以表征人员所具有的基本特征，如个人当前所具有的基本技能。而第二数据集包括人员评价信息，该人员评价信息可以是基于与人员相关的某项事物对人员的评价，如完成任务情况。基于各自的第一数据集和第二数据集可以确定每个人员的个人评价，该个人评价可以利用第一信息来表示，当然第一信息可以以数值来表示，从而利用该数值来表征相应人员的个人评价。例如可以根据人员的当前所具有的基本技能，以及完成某项任务的完成程度来确定该表征个人评价的第一信息。每个人员具有自身的所属群组，如一个部门或一个机构等，该所述群组相对于整个组织(如企业)来说，也具有表征其群组评价的第二信息，该第二信息可以以数值来表示，从而利用该数值来表征相应所述群组的群组评价。如该所属群组完成一个整体任务的完成情况。然后再从表征个人评价的第一信息以及表征群组评价的第二信息两个不同层面入手，可以准确的确定该人员所对应的第一目标数据，以利用该第一目标数据对该人员实施相应的操作。
在本技术方案的另一个实施例中，第一数据集中包括人员特征信息，该人员特征信息可以表征人员所经历的历史事件中所经历过或使用过的自身特点或技能。而第二数据集包括人员评价信息，该人员评价信息可以是基于与人员相关的某项事物对人员的评价，如在人员在历史事件中具有的评价信息，或者是遇到与历史事件相同或相似的当前事件时，人员完成当前事件中的任务的结果的评价信息。再获取用于表征人员所属群组的群组评价的第二信息，该第二信息可是整个所述群组完成一个整体的历史任务或当前的整体任务的完成情况的相关信息，该相关信息可以用来对群组进行评价。进而，再从表征个人评价的第一信息以及表征群组评价的第二信息两个不同层面入手，可以准确的确定该人员所对应的第一目标数据。
该信息处理方法能够对一定的场合或组织中的人员的特征信息进行准确的分析，从而能够得到准确的与人员相匹配的目标数据，进而使用该目标数据以同时满足人员和组织(如企业)的需求。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互结合。
如图1所示，本申请实施例的信息处理方法，包括以下步骤：
S1，构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集。
第一数据集中包含了所有人员的人员特征信息，人员特征信息可以是相对应的人员的基本信息，每个人员特征信息中均包括了一个或多个第一特征点，如职级、序列、业务线、毕业院校、学历、工作年限、过往经历、拥有技能、当前薪资方案等，该第一特征点为对应的人员的关键的基本信息，不会被轻易的改变。因此具有多个第一特征点的人员特征信息决定了人员的基本能力。基于人员具有的所有第一特征点可以形成该人员的人员特征信息，而基于所有人员的人员特征信息便能够构建出该第一数据集，具体的构建过程可以根据实际需要来组织、建立以及结构化，进而将构建好的第一数据集存储在数据库中。此外，在一个实施例中，人员特征信息的多个第一特征点具有各自的权重，该权重可以相同也可以不同，根据实际需要设定。例如有些企业更加重视学历，而相对轻视工作年限，因此可以将学历的权重设置的高于工作年限的权重等。当然该权重也可以根据需要进行调整，在此不做限定。
第二数据集中包含了所有人员的人员评价信息，人员评价信息可以是相对应的人员在过去的一定时间内所完成的任务的相关的评价信息，如可以是绩效成绩的评价信息，或者工作成果的评价信息等，其可以具有一个或多个第二特征点，第二特征点为人员的人员评价信息中的关键信息点，基于人员的部分或所有的第二特征点能够表征该人员的评价信息，例如该第二特征点可以是业务产出评价、企业价值观匹配度、团队贡献、工作态度和投入度等关键的与评价相关的信息。基于人员的部分或所有的第二特征点可以形成该人员的人员评价信息，而基于所有人员的人员评价信息则可以构建出第二数据集，具体的构建过程可以根据实际需要来组织、建立以及结构化，进而将构建好的第二数据集存储在数据库中。当然各个第二特征点也可以具有相应的权重，该权重也可以根据需要进行调整。
S2，基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息。
个人评价的第一信息可以是用于表征该个人完成任务的相关情况，例如第一信息中具有(或者其本身即是)第一数值或第一评分，该第一数值或第一评分可以指代该人员的完成任务的成绩，如绩效成绩，或完成任务的优劣成绩，从而将个人的评价进行了量化。本实施例中，所有的人员均具有其相应的第一信息，从而使得所有的人员的评价被量化。而所有人员的第一信息可以基于第一数据集和第二数据集来确定，例如人员A的第一信息可以由第一数据集中的人员A的人员特征信息，以及第二数据集中的人员A的人员评价信息来确定；人员B的第一信息可以由第一数据集中的人员B的人员特征信息，以及第二数据集中的人员B的人员评价信息来确定等。从而确定出所有的人员具有的第一信息。
S3，获取用于表征所述人员所属群组的群组评价的第二信息。
每个人员均具有各自的所属群组，每个群组中至少包括一个人员，而所属群组中具有其自身的群组评价，群组评价可以表征该群组的完成任务的情况，而该第二信息可以是群组评价的量化。例如，人员所在的企事业单位中具有多个部门，每个部门可以为一个群组，每个部门具有一个或多个人员，且每个部门均对应有各自的群组评价，该群组评价包括绩效成绩，群组完成任务的优劣程度评价等，例如部门在一定的时间段内做出的绩效成绩，该绩效成绩可以通过第二信息进行量化，第二信息中具有(或者其本身即是)第二数值或第二评分，该第二数值或第二评分可以是该部门的绩效成绩量化后的体现。而具体获取该第二信息的步骤可以根据各个部门的实际情况进行输入。
S4，基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
由于第一信息是人员个人的评价的量化体现，而第二信息是该人员所属群组的群组评价的量化体现，因此基于第一信息和第二信息两者来确定个人的第一目标数据的方案，可以分别考虑到个人以及所属群组的实际情况，从而设定出科学合理的方案。此外，在确定人员对应的第一目标数据过程中可以使用预设决策算法进行操作，该预设决策算法则可以是根据企业、人员以及行业标准等实际情况来预先设定，该预设决策算法可以是至少一个计算公式也可以是至少一个特定规则，例如该预设决策算法可以基于人员个人的评价和基本信息，以及所处部门的其他人员个人的评价和基本信息，来共同确定该人员的第一目标数据。
本实施例中所述的以第一目标数据可以是对应人员的利益的体现。如该第一目标数据可以是对应人员的管理信息或者工资奖金的体现等。当然该第一目标数据本身可以是具体的数值也可以是其他数据的量化评分。从而企业可以根据第一目标数据对其人员制定相适应的方案以管理或激励人员工作。
结合上述实施例可见，在组织或部门中拥有人数众多的工作人员，而组织或部门中的管理部门需要针对各个人员进行制定相应的管理、应对等措施。但在该制定方案的过程中，由于人员的复杂性，如每个人员的本身的具体情况不同，还由于在制定过程中容易受到主管主观因素的影响，使得制定的方案过于宏观，造成微观层面的结果不合理、不公正，从而导致制定出的整体方案不适当，例如若指定的方案给予人员的利益过高，会给企业带来损失；若设定过低，又容易导致人才流失。这将对企业或人员造成损失。而该信息处理方法可以对组织或部门(如企事业单位)中的工作人员的相关信息，包括人才基本信息以及评价相关信息进行详细分析，并结合个人和其所属群组两者实际情况，如各自的评价数据，能够科学高效的决策出与每个人员相适应的方案，实现组织或部门(如企事业单位)和人员的双赢效果。
在本申请的一个实施例中，如图2所示并结合图7，所述方法还包括以下步骤：
S5，基于所述第二数据集中的历史数据和所述第一数据集确定所述人员的特定策略，所述特定策略包括为所述人员匹配超过预设时长的数据。
在组织或部门(如企事业单位)中，除了基于第一目标数据需要向人员制定主要的方案以对该人员实施相应的操作以外，在一些组织或部门(如企事业单位)中还需要针对人员实施特定策略，包括对某个做出特殊贡献的人员给予特定奖励，以及为人员匹配超过预设时长的数据等。例如为人员匹配长期的激励数据可以是对人员匹配企业股票、期权等超过预设时长的数据。当然该特定策略也可以根据每个企业的实际情况来设定，如工资随时间的涨幅等。每个人员具有的特定策略可能是不同的，例如为企业做出重要贡献的个人所拥有的特定策略比其他人员是具有更大个人的利益，如股票较多等。当然，有些人员也可以并不拥有特定策略，如新入职的员工在段时间内并不针对其实施长期的策略。
第二数据集中的历史数据可以是人员距当前一定时间段内所具有的评价的数据，例如人员的往期绩效表现数据，从而可以在时间的维度上对人员的绩效情况进行分析和掌握。
在特定方案的过程中是基于第二数据集中的历史数据和第一数据集来确定，即除了历史数据以外，也能够体现出人员的基本信息的重要作用。举例说明，如果人员A教育背景优秀，如985本硕毕业等，而且人员A职业经历契合度高，如在名企有从业经验，则可以在制定人员A的特定方案过程中有所体现，相应的提高人员A的长期利益。
S6，根据所述第一目标数据和所述特定策略确定所述人员的第二目标数据。
具体来说，第一目标数据是人员必须具有的利益，如工资奖金等，而特定策略包括了对人员的长期的策略。人员从企业获得的总的利益，如薪酬等，可以包括上述两个部分，也可以还包括其他额外数据。即第二目标记录数据体现了人员获得的总的利益，如薪酬等。从而该总的利益在逻辑上非常清晰，易于被薪资部门所掌握和做出反应。
进一步的，本申请实施例的该信息处理方法，还特别能够应用在企业的人力资源部门(薪资部门)对企事业单位中的人员的薪酬等方案的制定上。具体而言，企事业单位中的人员数量众多，而每个人员的各自特点并相同，如基本的学历、职级、工作年限、工作经验等，还有个人绩效特点，如团队贡献、工作态度、业务产量等。本申请实施例中的该信息处理方法能够基于上述的特征点，再结合人员部门的总的激励方案，能够制定出科学的与个人相适配的激励方案，如制定出与个人相适配的工资、奖金等方案。此外，结合上述实施例，在除了制定出与个人相适配的激励方案以外，还能够针对人员匹配超过预设时长的数据等，例如为人员匹配长期的激励数据可以是对人员匹配企业股票、期权等超过预设时长的数据，进而对人员实施长期的激励措施。这使得企业的人力资源部门能够对企业中每个个人制定出与之相适配的总体的激励方案，以达到企业和个人均能够对方案满意，从而形成双赢的效果。
在本申请的一个实施例中，所述基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据，如图3所示并结合图7，包括以下步骤：
S41，基于所述第一信息和所述第二信息，使用预设决策算法确定所述人员对应的预定数据。
S42，获取干预信息，基于所述干预信息和所述预定数据确定所述第一目标数据和/或第二目标数据。
具体来说，预定数据可以是生成第一目标数据和/或第二目标数据的中间数据，该预定数据基于表征个人评价的第一信息和表征群组评价的第二信息，使用预设决策算法确定。在确定人员对应的预定数据，从而确定第一目标数据和/或第二目标数据的过程中，可以使用预设决策算法进行操作，该预设决策算法则可以是根据企业、人员以及行业标准等实际情况来预先设定，该预设决策算法可以是至少一个计算公式也可以是至少一个特定规则，例如该预设决策算法可以基于人员个人的评价和基本信息，以及所处部门的其他人员个人的评价和基本信息，来共同确定该人员的预定数据。
在没有干预的情况下，可以将预定数据确定为第一目标数据和/或第二目标数据。而在实际使用过程中，企业的人力资源部门往往需要根据实际情况对生成第一目标数据和/或第二目标数据进行干预，例如人员离职后便没有该人员对应的第一目标数据和/或第二目标数据，或者该人员调动了部门后其所对应的第一目标数据和/或第二目标数据也会相应的发生变化。本实施例中，干预信息为对第一目标数据和/或第二目标数据进行干预的具体信息，根据不同的人员或不同的情况该干预信息的内容可能不同，在获取到干预信息后，基于干预信息和预定数据两者来最终确定第一目标数据和/或第二目标数据，从而使得该信息处理方法更加适用于企事业单位的实际情况。例如，该干预信息可以由企业的人力资源部门来制定和发出，即人力资源部门可以对人员的第一目标数据和/或第二目标数据进行干预，如人力资源部门可以根据企业当前的营收，实际现状发出该干预信息，从而对人员的预定数据进行干预。例如企业营收比预计要高，则通过干预信息可以适当提高预定数据中对人员的激励程度，如适当提高人员奖金。当然，该干预信息也可以是针对每个人员，例如人员A原来具有的预定数据使人员A收益较低，但该人员A在近期为企业做出了重大贡献，则该干预信息可以针对该情况对人员A的预定数据进行干预，从而对其第一目标数据和/或第二目标数据进行干预，以适当提高人员A的收益。当然，该干预信息可以根据实际情况设定，也可以并不对人员的预定数据进行干预。
在本申请的一个实施例中，所述方法还包括以下步骤：在确定所述人员不是所述特定策略所针对的对象的情况下，将所述人员对应的第一目标数据确定为所述人员的第二目标数据。
对于企事业单元的有些人员，并不是对其实施长期策略的对象，即企业不会对其设置特定策略。例如新入职人员，给予处分的人员。对此，企业可以根据各个人员的具体情况来设置相应的参数，基于各个参数判断人员是否符合实施特定策略的条件，如该参数可以是入职时间、职位、职级等，如果根据这些参数判断人员不符合实施特定策略的条件，则不会给予这些人员以长期的利益，进而可以仅将人员对应的第一目标数据确定为该人员的总体利益体现的第二目标数据。
在本申请的一个实施例中，如图4所示并结合图7，所述方法还包括以下步骤：
S7，记录生成所述第一目标数据和/或所述第二目标数据的过程中的关键信息；
S8，基于所述关键信息调整所述预设决策算法和/或所述特定策略。
关键信息可以是在制定人员激励方案过程中所有的关键信息，包括生成第一目标数据和/或第二目标数据的过程中的关键信息。例如第一目标数据和/或第二目标数据的具体内容；生成第一目标数据和/或第二目标数据的时间点；如果有获取到干预信息的情况下，发出相应干预指令的指令发出者姓名等。该关键信息可以作为调整预设决策算法和/或特定策略的数据基础，例如针对个别人员的预设决策算法和/或特定策略使得该人员最后得到的利益或薪酬与期望差别巨大，从记录的关键信息中可以找出相应的原因，如果是运行错误引起则可以对相应的对象进行调整，从而得到正确的预设决策算法和/或特定策略，进而使得该人员得到与之匹配的利益或薪酬。当然，还关键信息也可以用来对信息处理方法中其他的步骤进行改进或调整，在此不再一一举例。
在本申请的一个实施例中，所述预设决策算法包括：基于所述第一信息具有的第一数值在所述第二信息具有的第二数值中所占比例，确定所述人员对应的第一目标数据。
由于部门中包括多个人员，每个人员均具有相应的第一目标数据，而部门也具有总体目标数据，本实施例中，人员的第一目标数据和总体目标数据具有关联关系，例如第一目标记录数据所体现的薪酬不能超出总体目标数据所体现的总薪酬，预设决策算法与该关联关系相关，包括与第一信息具有的第一数值在第二信息具有的第二数值中所占比例相关。结合图7，举例说明，人员A的第一目标数据的表现形式为个人激励包，人员A的用于表征其个人评价的第一信息包括人员A评价表现评分，该人员A评价表现评分即为上述的第一数值或第一评分；其所属群组的群组评价的第二信息的包含了表征部门整体评价表现评分的第二评分。第二信息中还可以包含人员A所属群组整体激励包，即第二数值，该第二数值可以是具体的薪酬数值。该预设决策算法可以设置成如下计算公式：
人员A的个人激励包＝(人员A评价表现评分/(人员A评价表现评分+同部门其它员工表现评分总和))*人员A所属群组整体激励包
上述人员A的个人激励包对应了其第一目标数据，或者上述人员A的个人包即为其第一目标数据，从而确定了人员A的第一目标数据。
在本申请的一个实施例中，如图5所示，所述人员特征信息具有多个第一特征点，所述构建包含有多个人员特征信息的第一数据集，包括：
S11，根据所述人员对应的所述第一特征点，确定所述人员对应的所述人员特征信息；
S12，对所述人员特征信息进行第一标准化操作；
S13，基于进行了第一标准化操作后的所述人员特征信息构建所述第一数据集。
具体来说，由于每个人员均具有多个第一特征点，如职级、序列、业务线、毕业院校、学历、工作年限、过往经历、拥有技能、当前薪资方案等。基于所有的第一特征点能够完整的反应该人员的人员特征信息。本实施例中需要对人员特征信息进行第一标准化操作，从而使得第一数据集的逻辑结构完整，易于对第一数据集进行数据处理，不会出现逻辑错误。
在本申请的一个实施例中，如图6所示，所述人员评价信息具有多个第二特征点，所述构建包含有多个人员评价信息的第二数据集，包括：
S14，根据所述人员对应的所述第二特征点，确定所述人员对应的所述人员评价信息；
S15，对所述人员评价信息进行第二标准化操作；
S16，基于进行了第二标准化操作后的所述人员评价信息构建所述第二数据集。
类似的，由于每个人员均具有多个第二特征点，如业务产出评价、企业价值观匹配度、团队贡献、工作态度和投入度等关键的与评价相关的信息等。基于所有的第二特征点能够完整的反应该人员的人员评价信息。本实施例中需要对人员评价信息进行第二标准化操作，从而使得第二数据集的逻辑结构完整，易于对第二数据集进行数据处理，不会出现逻辑错误。
在本申请的一个实施例中，所述第二特征点包括：所述人员与其所属群组的关联等级，所述关联等级具有相应的权重。
关联等级可以为人员与所处部门的关联程度，如该人员在部门中的重要程度，进一步举例说明，可以是人员在该部门的职级等信息，职级越高则关联等级具有相应的权重越大，职级越低或者无职级则关联等级具有相应的权重越小。在确定人员的第一信息的过程中可以根据该关联等级生成。具体来说，关联等级的权重越大，则说明该人员在其所属群组中的作用越重要，从而可以认为该人员完成任务的效果或成绩就越好，该人员的个人评价则越好，从而影响该人员的个人评价的第一信息(如第一数值或第一评分)，如第一评分越高，进而影响该人员对应的第一目标数据。
本实施例还提供了一种信息处理装置，如图8所示，该装置包括：
构建模块，其配置为构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集。
具体来说，第一数据集中包含了所有人员的人员特征信息，人员特征信息可以是相对应的人员的基本信息，每个人员特征信息中均包括了一个或多个第一特征点，如职级、序列、业务线、毕业院校、学历、工作年限、过往经历、拥有技能、当前薪资方案等，该第一特征点为对应的人员的关键的基本信息，不会被轻易的改变。因此具有多个第一特征点的人员特征信息决定了人员的基本能力。构建模块基于人员具有的所有第一特征点可以形成该人员的人员特征信息，而基于所有人员的人员特征信息便能够构建出该第一数据集，具体的构建过程可以根据实际需要来组织、建立以及结构化，进而将构建好的第一数据集存储在数据库中。此外，在一个实施例中，人员特征信息的多个第一特征点具有各自的权重，该权重可以相同也可以不同，根据实际需要设定。例如有些企业更加重视学历，而相对轻视工作年限，因此可以将学历的权重设置的高于工作年限的权重等。当然该权重也可以根据需要进行调整，再次不做限定。
第二数据集中包含了所有人员的人员评价信息，人员评价信息可以是相对应的人员在过去的一定时间内所完成的任务的相关的评价信息，如可以是绩效成绩的评价信息，或者工作成果的评价信息等，其可以具有一个或多个第二特征点，第二特征点为人员的人员评价信息中的关键信息点，基于人员的部分或所有的第二特征点能够表征该人员的评价信息，例如该第二特征点可以是业务产出评价、企业价值观匹配度、团队贡献、工作态度和投入度等关键的与评价相关的信息。构建模块基于人员的部分或所有的第二特征点可以形成该人员的人员评价信息，而基于所有人员的人员评价信息则可以构建出第二数据集，具体的构建过程可以根据实际需要来组织、建立以及结构化，进而将构建好的第二数据集存储在数据库中。当然各个第二特征点也可以具有相应的权重，该权重也可以根据需要进行调整。
处理模块，其配置为基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
具体来说，个人评价的第一信息可以是用于表征该个人完成任务的相关情况，例如第一信息中具有(或者其本身即是)第一数值或第一评分，该第一数值或第一评分可以指代该人员的完成任务的成绩，如绩效成绩，或完成任务的优劣成绩，从而将个人的评价进行了量化。本实施例中，所有的人员均具有其相应的第一信息，从而使得所有的人员的评价被量化。而所有人员的第一信息，处理模块可以基于第一数据集和第二数据集来确定，例如人员A的第一信息，处理模块可以由第一数据集中的人员A的人员特征信息，以及第二数据集中的人员A的人员评价信息来确定；人员B的第一信息，处理模块可以由第一数据集中的人员B的人员特征信息，以及第二数据集中的人员B的人员评价信息来确定等。从而处理模块确定出所有的人员具有的第一信息。
每个人员均具有各自的所属群组，每个群组中至少包括一个人员，而所属群组中具有其自身的群组评价，群组评价可以表征该群组的完成任务的情况，而该第二信息可以是群组评价的量化。例如，人员所在的企事业单位中具有多个部门，每个部门可以为一个群组，每个部门具有一个或多个人员，且每个部门均对应有各自的群组评价，该群组评价包括绩效成绩，群组完成任务的优劣程度评价等，例如部门在一定的时间段内做出的绩效成绩，该绩效成绩可以通过第二信息进行量化，第二信息中具有(或者其本身即是)第二数值或第二评分，该第二数值或第二评分可以是该部门的绩效成绩量化后的体现。而处理模块具体获取该第二信息的步骤可以根据各个部门的实际情况进行输入。
由于第一信息是人员个人的评价的量化体现，而第二信息是该人员所属群组的群组评价的量化体现，因此处理模块基于第一信息和第二信息两者来确定个人的第一目标数据的方案，可以分别考虑到个人以及所属群组的实际情况，从而设定出科学合理的方案。此外，在确定人员对应的第一目标数据过程中可以使用预设决策算法进行操作，该预设决策算法则可以是根据企业、人员以及行业标准等实际情况来预先设定，该预设决策算法可以是至少一个计算公式也可以是至少一个特定规则，例如该预设决策算法可以基于人员个人的评价和基本信息，以及所处部门的其他人员个人的评价和基本信息，来共同确定该人员的第一目标数据。
本实施例中所述的以第一目标数据可以是对应人员的利益的体现。如该第一目标数据可以是对应人员的工资的体现，奖金的体现等。当然该第一目标数据本身可以是具体的数值也可以是其他数据的量化评分。从而企业的人力资源部门则可以根据第一目标数据向企业的人员发放相关薪酬。
该信息处理装置可以对企事业单位中的工作人员的相关信息，包括人才基本信息以及评价相关信息进行详细分析，并结合个人和其所属群组两者实际情况，如各自的评价数据，能够科学高效的决策出与每个人员相适应的方案，实现企事业单位和人员的双赢效果。
在本申请的一个实施例中，处理模块进一步配置为：
基于所述第二数据集中的历史数据和所述第一数据集确定所述人员的特定策略，所述特定策略包括为所述人员匹配超过预设时长的数据；
根据所述第一目标数据和所述特定策略确定所述人员的第二目标数据。
在本申请的一个实施例中，处理模块进一步配置为：
基于所述第一信息和所述第二信息确定所述人员对应的预定数据；
获取干预信息，基于所述干预信息和所述预定数据，使用预设决策算法确定所述第一目标数据和/或第二目标数据。
在本申请的一个实施例中，处理模块进一步配置为：
在确定所述人员不是所述特定策略所针对的对象的情况下，将所述人员对应的第一目标数据确定为所述人员的第二目标数据。
在本申请的一个实施例中，所述装置还包括记录模块，所述记录模块配置为：
记录生成所述第一目标数据和/或所述第二目标数据的过程中的关键信息；
以使处理模块基于所述关键信息调整所述预设决策算法和/或所述特定策略。
在本申请的一个实施例中，所述预设决策算法包括：
基于所述第一信息具有的第一数值在所述第二信息具有的第二数值中所占比例，确定所述人员对应的第一目标数据。
在本申请的一个实施例中，所述人员特征信息具有多个第一特征点，构建模块进一步配置为：
根据所述人员对应的所述第一特征点，确定所述人员对应的所述人员特征信息；
对所述人员特征信息进行第一标准化操作；
基于进行了第一标准化操作后的所述人员特征信息构建所述第一数据集。
在本申请的一个实施例中，所述人员评价信息具有多个第二特征点，构建模块进一步配置为：
根据所述人员对应的所述第二特征点，确定所述人员对应的所述人员评价信息；
对所述人员评价信息进行第二标准化操作；
基于进行了第二标准化操作后的所述人员评价信息构建所述第二数据集。
在本申请的一个实施例中，所述第二特征点包括：所述人员与其所属群组的关联等级，所述关联等级具有相应的权重。
本申请实施例还提供了一种存储介质，所述存储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执行时，实现如下步骤：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
本申请实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有可执行程序，所述处理器执行所述可执行程序以实现如下步骤：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (12)
1.一种信息处理方法，其特征在于，包括：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述第二数据集中的历史数据和所述第一数据集确定所述人员的特定策略，所述特定策略包括为所述人员匹配超过预设时长的数据；
根据所述第一目标数据和所述特定策略确定所述人员的第二目标数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据，包括：
基于所述第一信息和所述第二信息，使用预设决策算法确定所述人员对应的预定数据；
获取干预信息，基于所述干预信息和所述预定数据确定所述第一目标数据和/或第二目标数据。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在确定所述人员不是所述特定策略所针对的对象的情况下，将所述人员对应的第一目标数据确定为所述人员的第二目标数据。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
记录生成所述第一目标数据和/或所述第二目标数据的过程中的关键信息；
基于所述关键信息调整所述预设决策算法和/或所述特定策略。
6.根据权利要求3所述的方法，其特征在于，所述预设决策算法包括：
基于所述第一信息具有的第一数值在所述第二信息具有的第二数值中所占比例，确定所述人员对应的第一目标数据。
7.根据权利要求1所述的方法，其特征在于，所述人员特征信息具有多个第一特征点，所述构建包含有多个人员特征信息的第一数据集，包括：
根据所述人员对应的所述第一特征点，确定所述人员对应的所述人员特征信息；
对所述人员特征信息进行第一标准化操作；
基于进行了第一标准化操作后的所述人员特征信息构建所述第一数据集。
8.根据权利要求1所述的方法，其特征在于，所述人员评价信息具有多个第二特征点，所述构建包含有多个人员评价信息的第二数据集，包括：
根据所述人员对应的所述第二特征点，确定所述人员对应的所述人员评价信息；
对所述人员评价信息进行第二标准化操作；
基于进行了第二标准化操作后的所述人员评价信息构建所述第二数据集。
9.根据权利要求8所述的方法，其特征在于，所述第二特征点包括：所述人员与其所属群组的关联等级，所述关联等级具有相应的权重。
10.一种信息处理装置，其特征在于，包括：
构建模块，其配置为构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
处理模块，其配置为基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
11.一种存储介质，其特征在于，所述存储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执行时，实现如下步骤：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
12.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有可执行程序，所述处理器执行所述可执行程序以实现如下步骤：
构建包含有多个人员特征信息的第一数据集，以及构建包含有多个人员评价信息的第二数据集；
基于所述第一数据集和所述第二数据集确定用于表征人员的个人评价的第一信息；
获取用于表征所述人员所属群组的群组评价的第二信息；
基于所述第一信息和所述第二信息，确定所述人员对应的第一目标数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010997391.4A CN112200415A (zh) | 2020-09-21 | 2020-09-21 | 一种信息处理方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010997391.4A CN112200415A (zh) | 2020-09-21 | 2020-09-21 | 一种信息处理方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112200415A true CN112200415A (zh) | 2021-01-08 |
Family
ID=74014688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010997391.4A Pending CN112200415A (zh) | 2020-09-21 | 2020-09-21 | 一种信息处理方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112200415A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007076625A1 (fr) * | 2005-12-30 | 2007-07-12 | Mingde Yin | Systeme de traitement de donnees intelligent et procede de gestion de performance |
| US20070226049A1 (en) * | 2004-05-21 | 2007-09-27 | Caroline Muralitharan | Modeling of employee performance result data |
| CN103426067A (zh) * | 2013-08-30 | 2013-12-04 | 航天科工深圳（集团）有限公司 | 企业员工综合表现评估系统及方法 |
| CN103514493A (zh) * | 2012-06-19 | 2014-01-15 | 镇江睿泰信息科技有限公司 | 一种无缝化的人力资源管理方法 |
| JP2014211766A (ja) * | 2013-04-18 | 2014-11-13 | 三菱化学エンジニアリング株式会社 | 要員管理システム、及び要員管理方法 |
| CN107895259A (zh) * | 2017-11-24 | 2018-04-10 | 广东电网有限责任公司云浮供电局 | 一种培训过程管理方法及系统 |
| CN108304987A (zh) * | 2017-12-20 | 2018-07-20 | 新疆华电喀什热电有限责任公司 | 全员业绩绩效考核信息系统的建立方法及系统 |
| CN109102142A (zh) * | 2018-06-15 | 2018-12-28 | 山东鲁能软件技术有限公司 | 一种基于评价标准树的人才评价方法和系统 |
| CN110414948A (zh) * | 2019-08-30 | 2019-11-05 | 北京字节跳动网络技术有限公司 | 信息处理方法、装置、服务器及计算机可读存储介质 |
| CN110619466A (zh) * | 2019-09-16 | 2019-12-27 | 卓尔智联(武汉)研究院有限公司 | 信息处理方法、装置及存储介质 |
| CN111027944A (zh) * | 2019-12-24 | 2020-04-17 | 河北环境工程学院 | 一种人力资源管理系统 |
| CN111652514A (zh) * | 2020-06-05 | 2020-09-11 | 王海 | 一种基于工作大数据和数学模型构建绩效管理考核系统 |
-
2020
- 2020-09-21 CN CN202010997391.4A patent/CN112200415A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070226049A1 (en) * | 2004-05-21 | 2007-09-27 | Caroline Muralitharan | Modeling of employee performance result data |
| WO2007076625A1 (fr) * | 2005-12-30 | 2007-07-12 | Mingde Yin | Systeme de traitement de donnees intelligent et procede de gestion de performance |
| CN103514493A (zh) * | 2012-06-19 | 2014-01-15 | 镇江睿泰信息科技有限公司 | 一种无缝化的人力资源管理方法 |
| JP2014211766A (ja) * | 2013-04-18 | 2014-11-13 | 三菱化学エンジニアリング株式会社 | 要員管理システム、及び要員管理方法 |
| CN103426067A (zh) * | 2013-08-30 | 2013-12-04 | 航天科工深圳（集团）有限公司 | 企业员工综合表现评估系统及方法 |
| CN107895259A (zh) * | 2017-11-24 | 2018-04-10 | 广东电网有限责任公司云浮供电局 | 一种培训过程管理方法及系统 |
| CN108304987A (zh) * | 2017-12-20 | 2018-07-20 | 新疆华电喀什热电有限责任公司 | 全员业绩绩效考核信息系统的建立方法及系统 |
| CN109102142A (zh) * | 2018-06-15 | 2018-12-28 | 山东鲁能软件技术有限公司 | 一种基于评价标准树的人才评价方法和系统 |
| CN110414948A (zh) * | 2019-08-30 | 2019-11-05 | 北京字节跳动网络技术有限公司 | 信息处理方法、装置、服务器及计算机可读存储介质 |
| CN110619466A (zh) * | 2019-09-16 | 2019-12-27 | 卓尔智联(武汉)研究院有限公司 | 信息处理方法、装置及存储介质 |
| CN111027944A (zh) * | 2019-12-24 | 2020-04-17 | 河北环境工程学院 | 一种人力资源管理系统 |
| CN111652514A (zh) * | 2020-06-05 | 2020-09-11 | 王海 | 一种基于工作大数据和数学模型构建绩效管理考核系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张江;王世玲;刘星程;谢敬锐;水冰洁;: "基于社交网络分析的企业员工综合考评策略", 网络安全技术与应用, no. 08, pages 60 - 61 * |
| 程平;何昱衡;辜榕容;: "基于支持向量机机器学习算法的项目人员绩效评价研究??基于A风景园林规划研究院规划设计类项目", 中国管理会计, no. 01, pages 34 - 45 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Siang et al. | Implementation of risk management in the Malaysian construction industry | |
| Schefczyk et al. | Qualifications and turnover of managers and venture capital-financed firm performance: An empirical study of German venture capital-investments | |
| Чигрин et al. | HR management in the digital age: The main trends assessment and stakeholders | |
| US8190468B1 (en) | Personnel productivity indices | |
| Mante et al. | Efficiency measurement of Australian public sector organisations: The case of state secondary schools in Victoria | |
| Berkery et al. | From start to finish: Flexi-time as a social exchange and its impact on organizational outcomes | |
| JP6648896B2 (ja) | 組織改善活動支援システム、情報処理装置、方法およびプログラム | |
| Calvo Babío et al. | Talent management in professional services firms: A HR issue? | |
| Apostolou et al. | The effects of senior internal auditor behaviour on staff performance and satisfaction | |
| Stańczyk et al. | Personnel controlling–Human capital management. Results of selected company listed on GPW | |
| Kawakami | Who holds multiple jobs? Empirical analysis of multiple job holding using a Japanese online Survey | |
| CN112200415A (zh) | 一种信息处理方法、装置及电子设备 | |
| Hamir et al. | An Analysis of Risk Management Processes and Comparison with ISO31000: 2018 | |
| Prabaharan et al. | Tool support for effective employee performance appraisal in software engineering industry | |
| Przetacznik | Key Success Factors of Enterprise Risk Management Systems: Listed Polish Companies | |
| Utami et al. | The impact of working climate and motivation towards job satisfaction that implies the employee performance in PT Indonesia power generation business unit of Suralaya Banten | |
| Patanakul | Effectiveness in project portfolio management: Toward a conceptual definition | |
| Richardson et al. | Corporate and statewide perspectives on the liability insurance crisis | |
| Kaveh et al. | Marketing Strategy Evaluation by Integrating Dynamic Systems Modeling and Network Data Envelopment Analysis | |
| Nikolenko et al. | Impact of innovative activity on the economic security of the enterprise | |
| Dankova et al. | Modeling of managerial processes in the conditions of innovative economy | |
| Hardan et al. | Human capital antecedent's: The impact of the implementation international standard on quality control1 isqc 1 on the audit firm performance in Jordan: A conceptual study | |
| Jurgutis et al. | An investor risk profiling using fuzzy logic-based approach in multi-agents decision support system | |
| Haque et al. | Regulatory bodies: Hurting growth and investment | |
| Vereshchahina et al. | Improvement of methodical approaches for risk assessment of innovative activity in strategic planning of enterprise development |
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 |