CN112348362A - 岗位候选人的确定方法、装置、设备及介质 - Google Patents
岗位候选人的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112348362A CN112348362A CN202011233416.XA CN202011233416A CN112348362A CN 112348362 A CN112348362 A CN 112348362A CN 202011233416 A CN202011233416 A CN 202011233416A CN 112348362 A CN112348362 A CN 112348362A
- Authority
- CN
- China
- Prior art keywords
- employee
- data
- portrait
- ability
- organization
- 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
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
- G06Q10/0639—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
-
- 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
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)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能技术领域，揭示了一种岗位候选人的确定方法、装置、设备及介质，其中方法包括：获取在组织任职的各个员工的工作相关信息，工作相关信息包括：员工评价数据、组织经营数据及能力指标排位评分数据；分别将每一个员工的员工评价数据、组织经营数据及能力指标排位评分数据进行能力画像，得到各个员工分别对应的能力画像数据；获取岗位画像数据和匹配度阈值；根据岗位画像数据、各个员工分别对应的能力画像数据进行对比分析，确定各个员工分别对应的目标匹配度；根据各个员工分别对应的目标匹配度和匹配度阈值，确定目标岗位候选人。从而快速准确的从组织内识别出岗位候选人，有利于有效的开展组织架构管理。
Description
技术领域
本申请涉及到人工智能技术领域，特别是涉及到一种岗位候选人的确定方法、装置、设备及介质。
背景技术
随着经济的快速发展，组织之间的竞争愈演愈烈，而组织之间的竞争的本质是“人才竞争”。随着组织规模增大，组织内部的人员越来越多，如何用好组织内部的人员是组织发展的关键。现有通过表格(Excel)分析组织内部的人员的任职情况、绩效考核情况、同类人员评价对比等来识别出所述员工的素质，当有新的岗位需要从组织内部确定候选人时，通过表格难以从组织内快速准确的识别出岗位候选人。
发明内容
本申请的主要目的为提供一种岗位候选人的确定方法、装置、设备及介质，旨在解决现有技术通过表格难以从组织内快速准确的识别出岗位候选人的技术问题。
为了实现上述发明目的，本申请提出一种岗位候选人的确定方法，所述方法包括：
获取在组织任职的各个员工的工作相关信息，所述工作相关信息包括：员工评价数据、组织经营数据及能力指标排位评分数据，所述员工评价数据是所述员工对应的关联人员对所述员工的评价数据；
分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据；
获取岗位画像数据和匹配度阈值；
根据所述岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度；
根据各个所述员工分别对应的目标匹配度和所述匹配度阈值，确定目标岗位候选人。
进一步的，所述获取在组织任职的各个员工的工作相关信息的步骤之前，还包括：
获取各个所述员工的任职岗位；
分别根据每一个所述员工的所述任职岗位，确定各个所述员工分别对应的组织经营数据获取规则；
分别根据每一个所述员工的所述组织经营数据获取规则获取组织经营数据，得到各个所述员工分别对应的所述组织经营数据。
进一步的，所述获取在组织任职的各个员工的工作相关信息的步骤之前，还包括：
获取各个所述员工发送的能力指标排位数据；
分别对每一个所述能力指标排位数据进行评分及统计，得到各个所述员工分别对应的所述能力指标排位评分数据。
进一步的，所述分别对每一个所述能力指标排位数据进行评分及统计，得到各个所述员工分别对应的所述能力指标排位评分数据的步骤，包括：
分别对每一个所述能力指标排位数据进行评分，得到所述能力指标排位数据的单项评分；
分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行统计，得到各个所述员工分别对应的能力指标排位分；
将各个所述员工分别对应的所有所述能力指标排位分，作为各个所述员工分别对应的所述能力指标排位评分数据。
进一步的，所述分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行统计，得到各个所述员工分别对应的能力指标排位分的步骤，包括：
根据工作关联关系分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行分组，得到各个所述员工分别对应的多个单项评分组；
分别对每一个所述员工的每一个所述单项评分组进行平均值计算，得到各个所述员工分别对应的多个评分组平均值；
分别对每一个所述员工的所述多个评分组平均值进行加权求和，得到各个所述员工分别对应的所述能力指标排位分。
进一步的，所述根据所述岗位画像数据、各个所述员工分别对应的能力画像数据，确定各个所述员工分别对应的目标匹配度的步骤，包括：
分别对每一个所述员工的能力画像数据与所述岗位画像数据进行相同能力标签的画像数据相减计算，得到各个所述员工分别对应的画像结果差值；
分别对每一个所述员工的所有所述画像结果差值进行加权求和，得到各个所述员工分别对应的所述目标匹配度。
进一步的，所述分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据的步骤，包括：
分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据输入能力画像模型进行能力画像，得到各个所述员工分别对应的所述能力画像数据，其中，所述能力画像模型是基于指针生成网络训练得到的模型。
本申请还提出了一种岗位候选人的确定装置，所述装置包括：
所述员工评价数据获取模块，用于获取各个所述员工分别对应的所述员工评价数据，所述员工评价数据是指与被评价所述员工对应的关联人员对所述被评价所述员工的直接评价结果；
经营数据获取模块，用于获取各个所述员工分别对应的组织经营数据；
能力指标排位评分数据获取模块，用于获取各个所述员工分别对应的能力指标排位评分数据；
能力画像模块，用于分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据；
匹配度确定模块，用于获取岗位画像数据和匹配度阈值，根据所述岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度；
岗位候选人确定模块，用于根据各个所述员工分别对应的目标匹配度和所述匹配度阈值，确定目标岗位候选人。
本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的岗位候选人的确定方法、装置、设备及介质，通过分别将每一个所述员工的所述员工评价数据、组织经营数据及能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据，然后根据岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度，最后根据各个所述员工分别对应的目标匹配度和匹配度阈值，确定目标岗位候选人，从而快速准确的从组织内识别出岗位候选人，有利于有效的开展组织架构管理。
附图说明
图1为本申请一实施例的岗位候选人的确定方法的流程示意图；
图2为本申请一实施例的岗位候选人的确定装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的实现、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
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了解决现有技术通过表格难以从组织内快速准确的识别出岗位候选人的技术问题，本申请提出了一种岗位候选人的确定方法，所述方法应用于人工智能技术领域。所述岗位候选人的确定方法通过先对组织内的所述员工进行能力画像，然后再将能力画像和岗位画像进行匹配，根据匹配结果确定岗位候选人，从而快速准确的从组织内识别出岗位候选人，有利于有效的开展组织架构管理。
参照图1，本申请实施例中提供一种岗位候选人的确定方法，所述方法包括：
S1：获取在组织任职的各个员工的工作相关信息，所述工作相关信息包括：员工评价数据、组织经营数据及能力指标排位评分数据，所述员工评价数据是所述员工对应的关联人员对所述员工的评价数据；
S2：分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据；
S3：获取岗位画像数据和匹配度阈值；
S4：根据所述岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度；
S5：根据各个所述员工分别对应的目标匹配度和所述匹配度阈值，确定目标岗位候选人。
本实施例通过分别将每一个所述员工的所述员工评价数据、组织经营数据及能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据，然后根据岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度，最后根据各个所述员工分别对应的目标匹配度和匹配度阈值，确定目标岗位候选人，从而快速准确的从组织内识别出岗位候选人，有利于有效的开展组织架构管理。
对于S1，可以从数据库中获取各个所述员工分别对应的所述员工评价数据，也可以直接获取用户发送的各个所述员工分别对应的所述员工评价数据。
与被评价所述员工对应的关联人员，是指与被评价所述员工有工作关联的人员。所述与被评价所述员工对应的关联人员包括：被评价所述员工同一组织的人员、被评价所述员工所在组织的客户组织的人员。比如，所述与被评价所述员工对应的关联人员可以是被评价所述员工的上级领导、下属、有工作关联的同级所述员工、客户公司所述员工，在此举例不做具体限定。
与被评价所述员工对应的关联人员对所述被评价所述员工的直接评价结果，是指通过问卷调研的方式，获取与被评价所述员工对应的关联人员对所述被评价所述员工的各项能力指标的评价结果。能力指标包括但不限于：基本能力指标、管理能力指标、专业能力指标、办公工具能力指标。基本能力指标包括但不限于：沟通能力、责任心。管理能力指标包括但不限于：协调能力、规划与统筹能力、决策与执行能力、培训能力。专业能力指标包括但不限于：微服务架构能力、C语言应用能力、Java语言应用能力。办公工具能力指标包括但不限于：Word操作能力、EXCEL操作能力、财务软件操作能力。
对所述被评价所述员工的各项能力指标的评价结果可以是评分，也可以是等级评估。比如，总分10分，不同分数对应不同的能力评分标准，与被评价所述员工对应的关联人员可以根据能力评分标准与被评价所述员工的实际能力进行评分，在此举例不做具体限定。又比如，能力等级包括：优、良、中、及格、差，能力等级中每个等级对应不同的能力评分标准，与被评价所述员工对应的关联人员可以根据能力评分标准与被评价所述员工的实际能力进行能力等级评估，在此举例不做具体限定。
其中，可以从数据库中获取各个所述员工分别对应的组织经营数据，也可以直接获取用户发送的各个所述员工分别对应的组织经营数据。
组织经营数据包括但不限于：业绩数据、团队业绩增长数据、个人业绩增长数据、团队规模、业绩在团队排名、业绩在组织排名、团队业绩在组织排名。
其中，可以从数据库中获取各个所述员工分别对应的能力指标排位评分数据。
能力指标排位评分数据，是对能力排位后进行评分得到的结果。通过各个所述员工将自己以及与自己有工作关联的所述员工进行能力排位，然后对同一个所述员工评出的能力排位进行初步评分，最后根据初步评分得到能力指标排位评分数据。
对于S2，分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据输入能力画像模型进行能力画像，也就是说，能力画像模型每次只对一个所述员工进行能力画像。
所述能力画像数据包括：能力标签、画像结果，能力画像数据中的能力标签与画像结果一一对应。
其中，能力画像模型是基于神经网络训练得到的模型。
优选的，采用同一组织的训练样本训练神经网络得到的能力画像模型进行能力画像，从而有利于提高能力画像的撰写。
对于S3，可以从数据库中获取岗位画像数据和匹配度阈值。
其中，获取专家组评议的岗位画像数据。
岗位画像数据包括：能力标签、画像结果，岗位画像数据中的能力标签与画像结果一一对应。
匹配度阈值，是指能力画像数据与岗位画像数据的匹配度的阈值。
对于S2，分别将每一个所述员工的能力画像数据与所述岗位画像数据进行对比分析，得到各个所述员工分别对应的目标匹配度。
优选的，分别将每一个所述员工的能力画像数据与所述岗位画像数据输入匹配度预测模型进行匹配度预测，得到所述匹配度预测模型输出的各个所述员工分别对应的目标匹配度。也就是说，匹配度预测模型每次只进行一个所述员工的能力画像数据与所述岗位画像数据的匹配度预测。
所述匹配度预测模型可以采用基于神经网络训练得到的模型。
对于S3，分别将每一个所述员工的目标匹配度与所述匹配度阈值进行对比，当存在所述员工的所述目标匹配度大于所述匹配度阈值时，将所述目标匹配度大于所述匹配度阈值的所述员工作为目标岗位候选人。
在一个实施例中，上述获取各个所述员工分别对应的组织经营数据的步骤，还包括：
S0111：获取各个所述员工的任职岗位；
S0112：分别根据每一个所述员工的所述任职岗位，确定各个所述员工分别对应的组织经营数据获取规则；
S0113：分别根据每一个所述员工的所述组织经营数据获取规则获取组织经营数据，得到各个所述员工分别对应的所述组织经营数据。
本实施例实现了根据任职岗位获取组织经营数据，为进行能力画像提供了准确的数据。
对于S0111，可以从数据库中获取各个所述员工的任职岗位。
对于S0112，因不同任职岗位对应的经营数据不同，通过分别根据每一个所述员工的所述任职岗位，确定各个所述员工分别对应的组织经营数据获取规则，从而使各个所述员工分别对应的组织经营数据获取规则与任职岗位关联。
对于S0113，分别根据每一个所述员工的所述组织经营数据获取规则从数据库中获取组织经营数据，得到各个所述员工分别对应的所述组织经营数据。从而获取到的组织经营数据符合任职岗位，有利于提高各个所述员工分别对应的所述组织经营数据的准确性。
在一个实施例中，上述获取各个所述员工分别对应的能力指标排位评分数据的步骤，还包括：
S0121：获取各个所述员工发送的能力指标排位数据；
S0122：分别对每一个所述能力指标排位数据进行评分及统计，得到各个所述员工分别对应的所述能力指标排位评分数据。
本实施例实现了根据各个所述员工发送的能力指标排位数据确定能力指标排位评分数据，为进行能力画像提供了准确的数据。
对于S0121，各个所述员工针对每项能力指标将自己以及与自己有工作关联的所述员工进行能力排位，得到能力指标排位数据。比如，所述员工A，与所述员工A有工作关联的所述员工有B、C、D，所述员工A对沟通能力的能力指标排位数据从高到低为所述员工B、所述员工A、所述员工D、所述员工C，在此举例不做具体限定。
对于S0122，分别对每一个所述能力指标排位数据进行评分，然后分别对每一个所述员工的评分结果进行统计，得到各个所述员工分别对应的所述能力指标排位评分数据。
在一个实施例中，上述分别对每一个所述能力指标排位数据进行评分及统计，得到各个所述员工分别对应的所述能力指标排位评分数据的步骤，包括：
S01221：分别对每一个所述能力指标排位数据进行评分，得到所述能力指标排位数据的单项评分；
S01222：分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行统计，得到各个所述员工分别对应的能力指标排位分；
S01223：将各个所述员工分别对应的所有所述能力指标排位分，作为各个所述员工分别对应的所述能力指标排位评分数据。
本实施例实现了根据能力指标排位数据得到了能力指标排位评分数据，为进行能力画像提供了准确的数据。
对于S01221，采用正态分布的分布比例分别对每一个所述能力指标排位数据进行评分，得到所述能力指标排位数据的单项评分。也就是说，所述能力指标排位数据对应多个单项评分。比如，所述能力指标排位数据中排名在前5％(包括5％)的单项评分为10分，排名在5％-20％(包括20％)的单项评分为8分，排名在20％-50％(包括50％)的单项评分为7分，排名在50％-85％(包括85％)的单项评分为6分，排名在85％以后的单项评分为4分，在此举例不做具体限定。
所述正态分布的分布比例，是指排名最高和排名最少的数量相对排名中间的数量少。比如，总共5个等级，分别是：排名在前5％(包括5％)、排名在5％-20％(包括20％)、排名在20％-50％(包括50％)、排名在50％-85％(包括85％)、排名在85％以后，每个等级的比例是等级最高(排名在前5％)和等级最低(排名在85％以后)的比例相对等级中间(排名在20％-50％、排名在50％-85％)的比例少，在此举例不做具体限定。
可以理解的是，还可以采用其他评分方式分别对每一个所述能力指标排位数据进行评分，在此不做具体限定。
对于S01222，分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行平均值计算，得到各个所述员工分别对应的能力指标排位分，计算方法简单，提高了计算效率。
优选的，分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行加权求和计算，得到各个所述员工分别对应的能力指标排位分，从而使能力指标排位分能更准确的体现所述员工的能力，有利于提高确定候选人的准确性。
对于每一个所述员工，每项能力指标对应一个能力指标排位分。
对于S01223，各个所述员工对应一个能力指标排位评分数据，其中，能力指标排位评分数据中包括多个能力指标排位分。
在一个实施例中，上述分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行统计，得到各个所述员工分别对应的能力指标排位分的步骤，包括：
S012221：根据工作关联关系分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行分组，得到各个所述员工分别对应的多个单项评分组；
S012222：分别对每一个所述员工的每一个所述单项评分组进行平均值计算，得到各个所述员工分别对应的多个评分组平均值；
S012223：分别对每一个所述员工的所述多个评分组平均值进行加权求和，得到各个所述员工分别对应的所述能力指标排位分。
本实施例实现了根据单项评分得到能力指标排位分，为确定能力指标排位评分数据提供了数据基础。
对于S012221，工作关联关系中每个关系对应一个单项评分组。比如，工作关联关系包括：上级领导、下属、有工作关联的同级所述员工、客户公司所述员工，也就是说工作关联关系对应4个关系，因此各个所述员工分别对应的4个单项评分组，在此举例不做具体限定。
根据工作关联关系分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行分组，就是将每一个所述员工的同一能力指标对应的所有所述单项评分划分到一个组中，也就是说，将工作关联关系为上级领导评估得到的单项评分划分到上级领导单项评分组，将工作关联关系为下属评估得到的单项评分划分到下属单项评分组，将工作关联关系为有工作关联的同级所述员工评估得到的单项评分划分到有工作关联的同级所述员工单项评分组，将工作关联关系为客户公司所述员工评估得到的单项评分划分到客户公司所述员工单项评分组。
对于S012223，根据工作关联关系确定加权规则，根据所述加权规则分别对每一个所述员工的所述多个评分组平均值进行加权求和，得到各个所述员工分别对应的所述能力指标排位分。通过根据工作关联关系确定加权规则，从而使能力指标排位分更能体现所述员工的能力，有利于提高确定候选人的准确性。
比如，所述多个单项评分组包括：上级领导单项评分组、下属单项评分组、同级所述员工单项评分组、客户公司所述员工单项评分组，根据工作关联关系确定加权规则为：上级领导单项评分组的权重为30％、下属单项评分组的权重为25％、同级所述员工单项评分组的权重为25％、客户公司所述员工单项评分组的权重为20％，在此举例不做具体限定。
在一个实施例中，上述根据所述岗位画像数据、各个所述员工分别对应的能力画像数据，确定各个所述员工分别对应的目标匹配度的步骤，包括：
S41：分别对每一个所述员工的能力画像数据与所述岗位画像数据进行相同能力标签的画像数据相减计算，得到各个所述员工分别对应的画像结果差值；
S42：分别对每一个所述员工的所有所述画像结果差值进行加权求和，得到各个所述员工分别对应的所述目标匹配度。
本实施例实现了通过相同能力标签的画像数据相减计算得到画像结果差值，然后再对画像结果差值进行加权求和，得到目标匹配度，简化了对比方法，提高了确定目标匹配度的效率。
对于S41，比如，所述员工A的能力画像数据的学习能力数据与所述岗位画像数据的学习能力数据进行相减计算得到所述员工A对应的学习能力数据的画像结果差值，对所述岗位画像数据的所有能力标签的画像数据按该方法进行计算得到多个画像结果差值，也就是说，所述员工A的画像结果差值的数量与所述岗位画像数据的所有能力标签的数量相同，在此举例不做具体限定。
对于S42，比如，所述员工A的所有所述画像结果差值进行加权求和，得到所述员工A对应的所述目标匹配度，在此举例不做具体限定。
在一个实施例中，上述分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据的步骤，包括：
分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据输入能力画像模型进行能力画像，得到各个所述员工分别对应的所述能力画像数据，其中，所述能力画像模型是基于指针生成网络训练得到的模型。
本实施例实现了采用能力画像模型进行能力画像，能力画像模型是基于指针生成网络训练得到的模型，通过能力画像模型实现机器学习算法学习大量样本学习到样本的规则，保证了确定能力画像数据的准确性。
指针生成网络，是在sequence-to-sequence模型(序列到序列模型)的基础上构建的，先用Encoder(编码器)将原文本编码成一个中间层的隐藏状态，然后用Decoder(将编码字节序列转换为一组字符)来将该隐藏状态解码成为另一个文本。Encoder端是一个双向的LSTM(长短期记忆人工神经网络)，这个双向的LSTM可以捕捉原文本的长距离依赖关系以及位置信息，编码时词嵌入经过双向LSTM后得到编码状态。在Decoder端，解码器是一个单向的LSTM，训练阶段时参考摘要词依次输入(测试阶段时是上一步的生成词)，在单位时间得到解码状态。指针生成网络增加了一个权重P，由sequence-to-sequence得到的编码状态、解码状态、以及编码器一起计算，这时，会扩充单词表形成一个更大的单词表--扩充单词表，解码器一个词的输出概率有其是否拷贝是否生成的概率和决定(即通过复制高权重单词还是从生成的扩充词表中生成)。并通过先前时间步的注意力权重加到一起得到所谓的覆盖向量，用先前的注意力权重决策来影响当前注意力权重的决策，这样就避免在同一位置重复，从而避免重复生成文本。
指针生成网络具有让从源文本生成单词变得更加容易的优点，从而有利于从输入的文本衍生到新的能力标签，从而提升能力画像。
参照图2，本申请还提出了一种岗位候选人的确定装置，所述装置包括：
工作相关信息获取模块100，用于获取在组织任职的各个员工的工作相关信息，所述工作相关信息包括：员工评价数据、组织经营数据及能力指标排位评分数据，所述员工评价数据是所述员工对应的关联人员对所述员工的评价数据；
能力画像模块200，用于分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据；
匹配度确定模块300，用于获取岗位画像数据和匹配度阈值，根据所述岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度；
岗位候选人确定模块400，用于根据各个所述员工分别对应的目标匹配度和所述匹配度阈值，确定目标岗位候选人。本实施例通过分别将每一个所述员工的所述员工评价数据、组织经营数据及能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据，然后根据岗位画像数据、各个所述员工分别对应的能力画像数据，确定各个所述员工分别对应的目标匹配度，最后根据各个所述员工分别对应的目标匹配度和匹配度阈值，确定目标岗位候选人，从而快速准确的从组织内识别出岗位候选人，有利于有效的开展组织架构管理。
本实施例通过分别将每一个所述员工的所述员工评价数据、组织经营数据及能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据，然后根据岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度，最后根据各个所述员工分别对应的目标匹配度和匹配度阈值，确定目标岗位候选人，从而快速准确的从组织内识别出岗位候选人，有利于有效的开展组织架构管理。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存岗位候选人的确定方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种岗位候选人的确定方法。所述岗位候选人的确定方法，包括：获取在组织任职的各个员工的工作相关信息，所述工作相关信息包括：员工评价数据、组织经营数据及能力指标排位评分数据，所述员工评价数据是所述员工对应的关联人员对所述员工的评价数据；分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据；获取岗位画像数据和匹配度阈值；根据所述岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度；根据各个所述员工分别对应的目标匹配度和所述匹配度阈值，确定目标岗位候选人。
本实施例通过分别将每一个所述员工的所述员工评价数据、组织经营数据及能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据，然后根据岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度，最后根据各个所述员工分别对应的目标匹配度和匹配度阈值，确定目标岗位候选人，从而快速准确的从组织内识别出岗位候选人，有利于有效的开展组织架构管理。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种岗位候选人的确定方法，包括步骤：获取在组织任职的各个员工的工作相关信息，所述工作相关信息包括：员工评价数据、组织经营数据及能力指标排位评分数据，所述员工评价数据是所述员工对应的关联人员对所述员工的评价数据；分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据；获取岗位画像数据和匹配度阈值；根据所述岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度；根据各个所述员工分别对应的目标匹配度和所述匹配度阈值，确定目标岗位候选人。
上述执行的岗位候选人的确定方法，通过分别将每一个所述员工的所述员工评价数据、组织经营数据及能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据，然后根据岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度，最后根据各个所述员工分别对应的目标匹配度和匹配度阈值，确定目标岗位候选人，从而快速准确的从组织内识别出岗位候选人，有利于有效的开展组织架构管理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种岗位候选人的确定方法，其特征在于，所述方法包括：
获取在组织任职的各个员工的工作相关信息，所述工作相关信息包括：员工评价数据、组织经营数据及能力指标排位评分数据，所述员工评价数据是所述员工对应的关联人员对所述员工的评价数据；
分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据；
获取岗位画像数据和匹配度阈值；
根据所述岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度；
根据各个所述员工分别对应的目标匹配度和所述匹配度阈值，确定目标岗位候选人。
2.根据权利要求1所述的岗位候选人的确定方法，其特征在于，所述获取在组织任职的各个员工的工作相关信息的步骤之前，还包括：
获取各个所述员工的任职岗位；
分别根据每一个所述员工的所述任职岗位，确定各个所述员工分别对应的组织经营数据获取规则；
分别根据每一个所述员工的所述组织经营数据获取规则获取组织经营数据，得到各个所述员工分别对应的所述组织经营数据。
3.根据权利要求1所述的岗位候选人的确定方法，其特征在于，所述获取在组织任职的各个员工的工作相关信息的步骤之前，还包括：
获取各个所述员工发送的能力指标排位数据；
分别对每一个所述能力指标排位数据进行评分及统计，得到各个所述员工分别对应的所述能力指标排位评分数据。
4.根据权利要求3所述的岗位候选人的确定方法，其特征在于，所述分别对每一个所述能力指标排位数据进行评分及统计，得到各个所述员工分别对应的所述能力指标排位评分数据的步骤，包括：
分别对每一个所述能力指标排位数据进行评分，得到所述能力指标排位数据的单项评分；
分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行统计，得到各个所述员工分别对应的能力指标排位分；
将各个所述员工分别对应的所有所述能力指标排位分，作为各个所述员工分别对应的所述能力指标排位评分数据。
5.根据权利要求4所述的岗位候选人的确定方法，其特征在于，所述分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行统计，得到各个所述员工分别对应的能力指标排位分的步骤，包括：
根据工作关联关系分别对每一个所述员工的同一能力指标对应的所有所述单项评分进行分组，得到各个所述员工分别对应的多个单项评分组；
分别对每一个所述员工的每一个所述单项评分组进行平均值计算，得到各个所述员工分别对应的多个评分组平均值；
分别对每一个所述员工的所述多个评分组平均值进行加权求和，得到各个所述员工分别对应的所述能力指标排位分。
6.根据权利要求1所述的岗位候选人的确定方法，其特征在于，所述根据所述岗位画像数据、各个所述员工分别对应的能力画像数据，确定各个所述员工分别对应的目标匹配度的步骤，包括：
分别对每一个所述员工的能力画像数据与所述岗位画像数据进行相同能力标签的画像数据相减计算，得到各个所述员工分别对应的画像结果差值；
分别对每一个所述员工的所有所述画像结果差值进行加权求和，得到各个所述员工分别对应的所述目标匹配度。
7.根据权利要求1所述的岗位候选人的确定方法，其特征在于，所述分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据的步骤，包括：
分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据输入能力画像模型进行能力画像，得到各个所述员工分别对应的所述能力画像数据，其中，所述能力画像模型是基于指针生成网络训练得到的模型。
8.一种岗位候选人的确定装置，其特征在于，所述装置包括：
工作相关信息获取模块，用于获取在组织任职的各个员工的工作相关信息，所述工作相关信息包括：员工评价数据、组织经营数据及能力指标排位评分数据，所述员工评价数据是所述员工对应的关联人员对所述员工的评价数据；
能力画像模块，用于分别将每一个所述员工的所述员工评价数据、所述组织经营数据及所述能力指标排位评分数据进行能力画像，得到各个所述员工分别对应的能力画像数据；
匹配度确定模块，用于获取岗位画像数据和匹配度阈值，根据所述岗位画像数据、各个所述员工分别对应的能力画像数据进行对比分析，确定各个所述员工分别对应的目标匹配度；
岗位候选人确定模块，用于根据各个所述员工分别对应的目标匹配度和所述匹配度阈值，确定目标岗位候选人。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011233416.XA CN112348362A (zh) | 2020-11-06 | 2020-11-06 | 岗位候选人的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011233416.XA CN112348362A (zh) | 2020-11-06 | 2020-11-06 | 岗位候选人的确定方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112348362A true CN112348362A (zh) | 2021-02-09 |
Family
ID=74429311
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011233416.XA Pending CN112348362A (zh) | 2020-11-06 | 2020-11-06 | 岗位候选人的确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112348362A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113793046A (zh) * | 2021-09-18 | 2021-12-14 | 国能大渡河大数据服务有限公司 | 一种用于员工发展规划的方法、系统、终端及介质 |
| CN113837631A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技（深圳）有限公司 | 员工评价方法、装置、电子设备及可读存储介质 |
| CN114118859A (zh) * | 2021-12-06 | 2022-03-01 | 京东方科技集团股份有限公司 | 岗位分配系统、方法、电子设备及存储介质 |
| CN114372731A (zh) * | 2022-03-21 | 2022-04-19 | 成都明途科技有限公司 | 基于大数据的岗位目标制定方法、装置，设备及存储介质 |
| CN114399158A (zh) * | 2021-12-07 | 2022-04-26 | 国能大渡河流域水电开发有限公司 | 一种员工行为及能力维度的分析方法 |
| CN116011979A (zh) * | 2022-12-07 | 2023-04-25 | 深圳今日人才信息科技有限公司 | 一种基于复杂网络构建人才竞争力指数的方法 |
| CN116029684A (zh) * | 2023-02-23 | 2023-04-28 | 国投人力资源服务有限公司 | 一种用于衡量员工人岗匹配程度的分析方法及系统 |
| CN116307340A (zh) * | 2022-11-28 | 2023-06-23 | 广州合道信息科技有限公司 | 岗位匹配的管理平台、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110297973A (zh) * | 2019-06-18 | 2019-10-01 | 中国平安财产保险股份有限公司 | 一种基于深度学习的数据推荐方法、装置及终端设备 |
| CN110310095A (zh) * | 2019-07-03 | 2019-10-08 | 广东倍智测聘网络科技股份有限公司 | 人力资源数据的管控方法及装置、电子设备 |
| CN110717327A (zh) * | 2019-09-29 | 2020-01-21 | 北京百度网讯科技有限公司 | 标题生成方法、装置、电子设备和存储介质 |
| CN111324728A (zh) * | 2020-01-22 | 2020-06-23 | 腾讯科技（深圳）有限公司 | 文本事件摘要的生成方法、装置、电子设备及存储介质 |
-
2020
- 2020-11-06 CN CN202011233416.XA patent/CN112348362A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110297973A (zh) * | 2019-06-18 | 2019-10-01 | 中国平安财产保险股份有限公司 | 一种基于深度学习的数据推荐方法、装置及终端设备 |
| CN110310095A (zh) * | 2019-07-03 | 2019-10-08 | 广东倍智测聘网络科技股份有限公司 | 人力资源数据的管控方法及装置、电子设备 |
| CN110717327A (zh) * | 2019-09-29 | 2020-01-21 | 北京百度网讯科技有限公司 | 标题生成方法、装置、电子设备和存储介质 |
| CN111324728A (zh) * | 2020-01-22 | 2020-06-23 | 腾讯科技（深圳）有限公司 | 文本事件摘要的生成方法、装置、电子设备及存储介质 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113793046A (zh) * | 2021-09-18 | 2021-12-14 | 国能大渡河大数据服务有限公司 | 一种用于员工发展规划的方法、系统、终端及介质 |
| CN113837631A (zh) * | 2021-09-29 | 2021-12-24 | 平安科技（深圳）有限公司 | 员工评价方法、装置、电子设备及可读存储介质 |
| CN113837631B (zh) * | 2021-09-29 | 2024-01-19 | 平安科技（深圳）有限公司 | 员工评价方法、装置、电子设备及可读存储介质 |
| CN114118859A (zh) * | 2021-12-06 | 2022-03-01 | 京东方科技集团股份有限公司 | 岗位分配系统、方法、电子设备及存储介质 |
| CN114399158A (zh) * | 2021-12-07 | 2022-04-26 | 国能大渡河流域水电开发有限公司 | 一种员工行为及能力维度的分析方法 |
| CN114372731A (zh) * | 2022-03-21 | 2022-04-19 | 成都明途科技有限公司 | 基于大数据的岗位目标制定方法、装置，设备及存储介质 |
| CN116307340A (zh) * | 2022-11-28 | 2023-06-23 | 广州合道信息科技有限公司 | 岗位匹配的管理平台、电子设备及存储介质 |
| CN116307340B (zh) * | 2022-11-28 | 2023-11-14 | 广州合道信息科技有限公司 | 岗位匹配的管理平台、电子设备及存储介质 |
| CN116011979A (zh) * | 2022-12-07 | 2023-04-25 | 深圳今日人才信息科技有限公司 | 一种基于复杂网络构建人才竞争力指数的方法 |
| CN116029684A (zh) * | 2023-02-23 | 2023-04-28 | 国投人力资源服务有限公司 | 一种用于衡量员工人岗匹配程度的分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112348362A (zh) | 岗位候选人的确定方法、装置、设备及介质 | |
| CN113268561B (zh) | 一种基于多任务联合训练的问题生成方法 | |
| CN112001162B (zh) | 基于小样本学习的智能审判系统 | |
| CN118035431B (zh) | 一种文字客服过程用户情绪预测方法、介质及系统 | |
| CN117035456B (zh) | 一种智慧工地监控管理方法及系统 | |
| CN111737486A (zh) | 基于知识图谱、深度学习的人岗匹配方法、存储装置 | |
| CN113742733A (zh) | 阅读理解漏洞事件触发词抽取和漏洞类型识别方法及装置 | |
| CN114742520A (zh) | 岗位匹配方法、装置、设备及存储介质 | |
| CN112860895A (zh) | 一种基于多级生成模型的纳税人行业分类方法 | |
| CN116737581A (zh) | 测试文本的生成方法、装置、存储介质及电子设备 | |
| CN112035629B (zh) | 基于符号化知识与神经网络的问答模型的实现方法 | |
| CN113011961B (zh) | 公司关联信息风险监测方法、装置、设备及存储介质 | |
| CN116975910A (zh) | 数据表的安全等级确定方法、装置、设备及介质 | |
| CN111353728A (zh) | 一种风险分析方法和系统 | |
| CN114692785B (zh) | 行为分类方法、装置、设备及存储介质 | |
| JP2020140521A (ja) | 人的判断の予測装置、予測プログラム及び予測方法 | |
| CN115688775A (zh) | 一种基于注意力机制的电网运检领域命名实体识别方法 | |
| CN113918692A (zh) | 业务问答数据处理方法、装置、计算机设备、存储介质 | |
| CN111754103A (zh) | 企业风险画像方法、装置、计算机设备和可读存储介质 | |
| Simmonds et al. | Uncertainty propagation in matrix population models: Gaps, importance and guidelines | |
| CN114818659B (zh) | 一种文本情感来源分析方法、系统及存储介质 | |
| CN117151117B (zh) | 电网轻量级非结构化文档内容自动识别方法、装置及介质 | |
| JP7518313B1 (ja) | 検索支援システム、検索支援方法及びプログラム | |
| CN117455518B (zh) | 一种欺诈交易检测方法和装置 | |
| US20230315769A1 (en) | A method for address matching and related electronic device |
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 |