CN112966890A - 一种用于企业员工监督的智能分析系统及方法 - Google Patents
一种用于企业员工监督的智能分析系统及方法 Download PDFInfo
- Publication number
- CN112966890A CN112966890A CN202011239771.8A CN202011239771A CN112966890A CN 112966890 A CN112966890 A CN 112966890A CN 202011239771 A CN202011239771 A CN 202011239771A CN 112966890 A CN112966890 A CN 112966890A
- Authority
- CN
- China
- Prior art keywords
- personal
- index
- target
- information
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title abstract description 13
- 238000012216 screening Methods 0.000 claims description 18
- 230000002567 autonomic effect Effects 0.000 claims description 13
- 230000005484 gravity Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 20
- 230000004044 response Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 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
- G06Q10/0639—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
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种用于企业员工监督的智能分析系统及方法,包括步骤S1,获取目标员工的员工基本信息、查实问题数据及勤奋监督基础数据;步骤S2,提取所述关键信息点归类为个人勤奋参数或自律个人自律参数;按照预设策略将所述关键信息点转化为对应的分值,将所有个人勤奋参数的总分值作为个人勤奋指数,将所有自律个人自律参数的总分值作为个人勤奋指数;以及按照预设比例相加计算的总分值作为个人公正指数;步骤S3,将所述员工基本信息与个人公正指数进行关联后发送至存储单元进行存储;步骤S4,响应于接收到查询指令查询所述存储单元获得员工基本信息以及个人公正指数。本发明依据规则单独形成每个员工的勤奋指数,提供全面、客观、高质高效的勤奋评价。
Description
技术领域
本发明涉及软件信息技术领域,特别是涉及一种用于企业员工监督的智能分析系统及方法。
背景技术
在大数据技术广泛应用的今天,尚缺乏监督领域全方位、多层级、网格化的勤奋评价体系。现有的评价系统多采用电子问卷形式构建评价系统,数据收集方式以用户主观评价信息为主,且需人工录入大量数据,不适合应用于形成企业客观公平公正的纪检勤奋指数。
为建立企业客观公平公正的纪检勤奋指数,需基于监督发现自律问题和业务问题、工作成效、奖惩情况等方面客观信息数据的多维度勤奋评价体系,从“勤”与“廉”两方面对员工进行评价。不仅需要以业务问题、工作成效和奖惩情况为基础数据形成员工勤政指数,还需要以监督工作中发现或纪检机构查办的自律问题为基础数据,才可形成员工自律指数,才能有效的实现监督发现自律问题和业务问题、工作成效、奖惩情况联动影响员工勤奋指数,全面、客观、高质高效运转的勤奋评价体系。因此如何准确、有效而且多维度的对勤奋指数进行评估是目前的一大问题。
发明内容
本发明的目的在于,提出一种用于企业员工监督的智能分析系统及方法,以解决现有勤奋指数评估方式需人工录入大量数据,且评估结果不够客观公正的技术问题。
本发明的一方面,提供一种用于企业员工监督的智能分析方法,包括以下步骤:
步骤S1,获取目标员工的员工基本信息、查实问题数据及勤奋监督基础数据;其中,所述勤奋监督基础数据至少包括提醒谈话信息、教育谈话信息、先进表彰信息、通报批评信息、成绩处分信息;
步骤S2,根据所述目标员工的员工基本信息、所述勤奋监督基础数据按照预设规则计算目标员工的个人勤奋指数、自律个人自律指数;其中,提取所述提醒谈话信息、所述教育谈话信息、所述先进表彰信息、所述通报批评信息、所述成绩处分信息的关键信息点,并将所述关键信息点归类为个人勤奋参数或自律个人自律参数;按照预设策略将所述关键信息点转化为对应的分值,将所有个人勤奋参数的总分值作为个人勤奋指数,将所有自律个人自律参数的总分值作为个人勤奋指数;所述关键信息点为预设的关键字信息;
步骤S3,将目标员工的个人勤奋指数和自律个人自律指数按照预设比例相加计算的总分值作为个人公正指数;并将所述员工基本信息与个人公正指数进行关联后发送至存储单元进行存储。
优选地,还包括:筛选目标员工的员工基础信息,获取所有目标员工对应的部门信息,根据所述部门信息将属于同一部门的目标员工归为一类;按照第一预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应部门的部门公正指数。
优选地,还包括:筛选目标员工的员工基础信息,获取所有目标员工对应的地理区域信息,根据所述地理区域信息将属于同一地理区域的目标员工归为一类;按照第二预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应地理区域的公正指数。
优选地,还包括:根据所述部门公正指数在相应地图中进行显示;其中,当所述部门公正指数范围为大于90时,显示为正常指数并标记为绿色;当所述部门公正指数范围为大于80且小于90时,显示为黄色预警并标记为黄色;当所述部门公正指数范围为大于70且小于80时,显示为橙色预警并标记为橙色;当所述部门公正指数范围为小于70时,显示为红色预警并标记为红色;以及根据所述地理区域的公正指数对相应的地理区域进行排序,将排序结果按照由低到高或由高到低的顺序进行显示。
优选地,还包括:筛选目标员工的员工基础信息,获取所有目标员工的年龄信息、工龄信息及相关联的个人公正指数,将目标员工的个人公正指数与所述工龄信息的关联结果以坐标图进行展示;其中,将工龄信息作为X轴,目标员工的个人公正指数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数,并将同一年份的目标员工的个人公正指数以相同颜色进行标记,以及将不同年份目标员工的个人公正指数以不同颜色进行标记。
优选地,还包括:筛选目标员工的员工基础信息,获取所有目标员工的学历类型及相关联的个人公正指数,将目标员工根据学历类型进行分类,统计每个学历类型中目标员工人数;根据第一预设阈值将每个学历类型中目标员工按照个人公正指数进行预警等级归类并确定每个预警等级的人数占总人数的比重值;以及将所述学历类型、每个学历类型中每个预警等级的人数占总人数的比重值通过雷达图进行展示;其中,所述预警等级包括正常指数、黄色预警、橙色预警及红色预警;当目标员工的个人公正指数范围为大于90时,归类为正常指数并标记为绿色;当目标员工的个人公正指数范围为大于80且小于90时,归类为黄色预警并标记为黄色;当目标员工的个人公正指数范围为大于70且小于80时,归类为橙色预警并标记为橙色;当目标员工的个人公正指数范围为小于70时,归类为红色预警并标记为红色。
优选地,还包括:获取目标员工的个人公正指数并根据第二预设阈值判断所述目标员工是否存在异常情况并根据判断结果对所述目标员工进行异常标记;根据所述个人公正指数、相应的个人勤奋指数、相应的自律个人自律指数及相应的年份信息对目标员工的个人历年勤奋指数趋势以坐标图进行展示;其中,将年份信息作为X轴,指数数值参数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数、个人勤奋指数及自律个人自律指数,并将个人公正指数或个人勤奋指数或自律个人自律指数以相同颜色进行标记。
本发明还提供一种用于企业员工监督的智能分析系统,用于实现所述的智能分析方法,包括:
数据采集模块,用以获取目标员工的员工基本信息、查实问题数据及勤奋监督基础数据;其中,所述勤奋监督基础数据至少包括提醒谈话信息、教育谈话信息、先进表彰信息、通报批评信息、成绩处分信息;
指数计算模块,用以根据所述目标员工的员工基本信息、所述勤奋监督基础数据,提取所述提醒谈话信息、所述教育谈话信息、所述先进表彰信息、所述通报批评信息、所述成绩处分信息的关键信息点,并将所述关键信息点归类为个人勤奋参数或自律个人自律参数;按照预设策略将所述关键信息点转化为对应的分值,将所有个人勤奋参数的总分值作为个人勤奋指数,将所有自律个人自律参数的总分值作为个人勤奋指数;将目标员工的个人勤奋指数和自律个人自律指数按照预设比例相加计算的总分值作为个人公正指数;所述关键信息点为预设的关键字信息;
指数关联模块,用以将所述员工基本信息与个人公正指数进行关联后发送至存储单元进行存储。
优选地,所述指数计算模块用于筛选目标员工的员工基础信息,获取所有目标员工对应的部门信息,根据所述部门信息将属于同一部门的目标员工归为一类;按照第一预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应部门的部门公正指数;以及根据所述部门公正指数在相应地图中进行显示;其中,当所述部门公正指数范围为大于90时,显示为正常指数并标记为绿色;当所述部门公正指数范围为大于80且小于90时,显示为黄色预警并标记为黄色;当所述部门公正指数范围为大于70且小于80时,显示为橙色预警并标记为橙色;当所述部门公正指数范围为小于70时,显示为红色预警并标记为红色;
并筛选目标员工的员工基础信息,获取所有目标员工对应的地理区域信息,根据所述地理区域信息将属于同一地理区域的目标员工归为一类;按照第二预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应地理区域的公正指数;以及根据所述地理区域的公正指数对相应的地理区域进行排序,将排序结果按照由低到高或由高到低的顺序进行显示。
优选地,所述指数计算模块还用于筛选目标员工的员工基础信息,获取所有目标员工的年龄信息、工龄信息及相关联的个人公正指数,将目标员工的个人公正指数与所述工龄信息的关联结果以坐标图进行展示;其中,将工龄信息作为X轴,目标员工的个人公正指数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数,并将同一年份的目标员工的个人公正指数以相同颜色进行标记,以及将不同年份目标员工的个人公正指数以不同颜色进行标记;
并筛选目标员工的员工基础信息,获取所有目标员工的学历类型及相关联的个人公正指数,将目标员工根据学历类型进行分类,统计每个学历类型的目标员工人数;根据第一预设阈值将每个学历类型的目标员工按照个人公正指数进行预警等级归类并确定每个预警等级的人数占总人数的比重值;以及将所述学历类型、每个学历类型中每个预警等级的人数占总人数的比重值以雷达图进行展示;其中,所述预警等级包括正常指数、黄色预警、橙色预警及红色预警;当目标员工的个人公正指数范围为大于90时,归类为正常指数并标记为绿色;当目标员工的个人公正指数范围为大于80且小于90时,归类为黄色预警并标记为黄色;当目标员工的个人公正指数范围为大于70且小于80时,归类为橙色预警并标记为橙色;当目标员工的个人公正指数范围为小于70时,归类为红色预警并标记为红色;
以及获取目标员工的个人公正指数并根据预设阈值判断所述目标员工是否存在异常并根据判断结果对所述目标员工进行异常标记;根据所述个人公正指数、相应的个人勤奋指数和自律个人自律指数及相应的年份信息对目标员工的个人历年勤奋指数趋势以坐标图进行展示;其中,将年份信息作为X轴,数值参数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数、个人勤奋指数及自律个人自律指数,并将个人公正指数或个人勤奋指数或自律个人自律指数以相同颜色进行标记。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的用于企业员工监督的智能分析系统及方法,通过数据抽取,汇总与分析,根据监督工作实际规则形成一套灵活客观的评分规则,并依据规则单独形成每个员工的勤奋指数;可视化展示评价结果,实现监督发现自律问题和业务问题、工作成效、奖惩情况联动影响员工勤奋指数,建立了全面、客观、高质高效的勤奋评价体系。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种用于企业员工监督的智能分析方法的流程示意图。
图2为本发明实施例中一种用于企业员工监督的智能分析系统的结构示意图。
图3为本发明实施例中各层级勤奋分析结果展示的示意图。
图4为本发明实施例中勤奋指数关联分析结果展示的示意图。
图5为本发明实施例中个人勤奋分析结果展示的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明提供的一种用于企业员工监督的智能分析方法的一个实施例的示意图。在该实施例中,包括以下步骤:
步骤S1,获取目标员工的员工基本信息、查实问题数据及勤奋监督基础数据;其中,所述勤奋监督基础数据至少包括提醒谈话信息、教育谈话信息、先进表彰信息、通报批评信息、成绩处分信息;可以理解的是,抽取企业员工基本信息,通过同步或直接录入查实问题数据,获取责任人员接受的提醒谈话、诫勉谈话、先进表彰、通报批评、党政纪处分等信息,作为评价的数据支撑。
步骤S2,根据所述目标员工的员工基本信息、所述勤奋监督基础数据按照预设规则计算目标员工的个人勤奋指数、自律个人自律指数;其中,提取所述提醒谈话信息、所述教育谈话信息、所述先进表彰信息、所述通报批评信息、所述成绩处分信息的关键信息点,并将所述关键信息点归类为个人勤奋参数或自律个人自律参数;按照预设策略将所述关键信息点转化为对应的分值,将所有个人勤奋参数的总分值作为个人勤奋指数,将所有自律个人自律参数的总分值作为个人勤奋指数;所述关键信息点为预设的关键字信息;例如,获得先进表彰,赋予一定的加分,又例如,被通报批评一次,扣除一定的分值,具体可以设置一个合理的信息和分值之间的转化策略,本实施例中不做具体限定。可以理解的是,对待评估人员分布、廉政情况等多个维度的分析,将这些分析的数据结果以图形化的形式展现在用户面前,清晰直观,为干部任用、提拔提供有效的参考依据。同时,通过横向对比分析,及时掌握特定区域内的四风问题多发、易发领域,同时经过深入分析比对和研判数据异常的规律特点。
如图3所示,具体实施例中,对各层级勤奋进行分析时,筛选目标员工的员工基础信息,获取所有目标员工对应的部门信息(如第一业主项目部、项目管理中心、信息中心等),根据所述部门信息将属于同一部门的目标员工归为一类;按照第一预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应部门的部门公正指数;根据所述部门公正指数在相应地图中进行显示;其中,当所述部门公正指数范围为大于90时,显示为正常指数并标记为绿色;当所述部门公正指数范围为大于80且小于90时,显示为黄色预警并标记为黄色;当所述部门公正指数范围为大于70且小于80时,显示为橙色预警并标记为橙色;当所述部门公正指数范围为小于70时,显示为红色预警并标记为红色。以及筛选目标员工的员工基础信息,获取所有目标员工对应的地理区域信息(如南山供电局、福田供电局等),根据所述地理区域信息将属于同一地理区域的目标员工归为一类;按照第二预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应地理区域的公正指数;根据所述地理区域的公正指数对相应的地理区域进行排序,将排序结果按照由低到高或由高到低的顺序进行显示;可以理解的是,通过评价系统计算得出的个人勤奋指数、自律指数,生成并可视化展示公司、单位、部门、个人多层分析图,利于分析勤、廉两方面指数在各层次情况,挖掘问题点,作为重点监督工作的依据。通过自律指数的历史情况展示分析自律指数变化趋势,为监督工作的开展提供方向指导。
如图4所示,具体实施例中,对勤奋指数进行关联分析时,筛选目标员工的员工基础信息,获取所有目标员工的年龄信息、工龄信息及相关联的个人公正指数,将目标员工的个人公正指数与所述工龄信息的关联结果以坐标图进行展示;其中,将工龄信息作为X轴,目标员工的个人公正指数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数,并将同一年份的目标员工的个人公正指数以相同颜色进行标记,以及将不同年份目标员工的个人公正指数以不同颜色进行标记。具体地,筛选目标员工的员工基础信息,获取所有目标员工的学历类型(如博士、硕士、本科等)及相关联的个人公正指数,将目标员工根据学历类型进行分类,统计每个学历类型中目标员工人数;根据第一预设阈值将每个学历类型中目标员工按照个人公正指数进行预警等级归类并确定每个预警等级的人数占总人数的比重值;以及将所述学历类型、每个学历类型中每个预警等级的人数占总人数的比重值通过雷达图进行展示;其中,所述预警等级包括正常指数、黄色预警、橙色预警及红色预警;当目标员工的个人公正指数范围为大于90时,归类为正常指数并标记为绿色;当目标员工的个人公正指数范围为大于80且小于90时,归类为黄色预警并标记为黄色;当目标员工的个人公正指数范围为大于70且小于80时,归类为橙色预警并标记为橙色;当目标员工的个人公正指数范围为小于70时,归类为红色预警并标记为红色。可以理解的是,对评价体系计算的员工个人勤奋指数与员工的工作年限、年龄、学历、岗级、所在单位(部门)等方面的关联度进行多维度智能分析,该分析结果可运用于监督生态评价、自律风险防控、三不腐体制机制建设、自律工作考核建设等工作中。
如图5所示,具体实施例中,对个人勤奋进行分析时,获取目标员工的个人公正指数并根据第二预设阈值判断所述目标员工是否存在异常情况并根据判断结果对所述目标员工进行异常标记;根据所述个人公正指数、相应的个人勤奋指数、相应的自律个人自律指数及相应的年份信息对目标员工的个人历年勤奋指数趋势以坐标图进行展示;其中,将年份信息作为X轴,指数数值参数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数、个人勤奋指数及自律个人自律指数,并将个人公正指数或个人勤奋指数或自律个人自律指数以相同颜色进行标记。可以理解的是,通过评价系统计算得出的个人勤奋指数、自律指数,生成并可视化个人档案,易于分析个人在勤、廉两方面指数历史趋势与亮点不足,挖掘问题点,作为个人勤奋情况的重要依据。
层级勤奋模块,用以将所有待评估人员的个人勤奋指数或自律个人自律指数按照预设的层级划分进行归类,并根据归类的结果确定每个类别中所有待评估人员的个人勤奋指数或自律个人自律指数的平均值,并进行排序将排序结果以图表的形式输出。具体地,根据所述员工基本信息按照预设的层级划分标准,将所有待评估人员归类到多个类别中;并在每个类别中将所有待评估人员的个人勤奋指数或自律个人自律指数的平均值按照时间轴进行排序,将排序结果以图表的形式输出。计算得出的个人勤奋指数、自律指数,生成并可视化展示公司、单位、部门、个人多层分析图,利于分析勤、廉两方面指数在各层次情况,挖掘问题点,作为重点监督工作的依据。通过自律指数的历史情况展示分析自律指数变化趋势,为监督工作的开展提供方向指导。
步骤S3,将所述员工基本信息与个人公正指数进行关联后发送至存储单元进行存储。可以理解的是,数据存储模块,用以存储员工基本信息、查实问题数据及勤奋监督基础数据;还用以存储个人勤奋指数、自律个人自律指数、个人公正指数。
步骤S4,响应于接收到查询指令,根据所述查询指令查询所述存储单元获得员工基本信息以及个人公正指数,并输出显示。
如图2所示,本发明的实施例还提供一种用于企业员工监督的智能分析系统,用于实现所述的智能分析方法,包括:
数据采集模块,用以获取目标员工的员工基本信息、查实问题数据及勤奋监督基础数据;其中,所述勤奋监督基础数据至少包括提醒谈话信息、教育谈话信息、先进表彰信息、通报批评信息、成绩处分信息;
指数计算模块,用以根据所述目标员工的员工基本信息、所述勤奋监督基础数据,提取所述提醒谈话信息、所述教育谈话信息、所述先进表彰信息、所述通报批评信息、所述成绩处分信息的关键信息点,并将所述关键信息点归类为个人勤奋参数或自律个人自律参数;按照预设策略将所述关键信息点转化为对应的分值,将所有个人勤奋参数的总分值作为个人勤奋指数,将所有自律个人自律参数的总分值作为个人勤奋指数;将目标员工的个人勤奋指数和自律个人自律指数按照预设比例相加计算的总分值作为个人公正指数;所述关键信息点为预设的关键字信息;
具体实施例中,所述指数计算模块用于筛选目标员工的员工基础信息,获取所有目标员工对应的部门信息,根据所述部门信息将属于同一部门的目标员工归为一类;按照第一预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应部门的部门公正指数;以及根据所述部门公正指数在相应地图中进行显示;其中,当所述部门公正指数范围为大于90时,显示为正常指数并标记为绿色;当所述部门公正指数范围为大于80且小于90时,显示为黄色预警并标记为黄色;当所述部门公正指数范围为大于70且小于80时,显示为橙色预警并标记为橙色;当所述部门公正指数范围为小于70时,显示为红色预警并标记为红色;并筛选目标员工的员工基础信息,获取所有目标员工对应的地理区域信息,根据所述地理区域信息将属于同一地理区域的目标员工归为一类;按照第二预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应地理区域的公正指数;以及根据所述地理区域的公正指数对相应的地理区域进行排序,将排序结果按照由低到高或由高到低的顺序进行显示。
具体地,所述指数计算模块还用于筛选目标员工的员工基础信息,获取所有目标员工的年龄信息、工龄信息及相关联的个人公正指数,将目标员工的个人公正指数与所述工龄信息的关联结果以坐标图进行展示;其中,将工龄信息作为X轴,目标员工的个人公正指数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数,并将同一年份的目标员工的个人公正指数以相同颜色进行标记,以及将不同年份目标员工的个人公正指数以不同颜色进行标记;并筛选目标员工的员工基础信息,获取所有目标员工的学历类型及相关联的个人公正指数,将目标员工根据学历类型进行分类,统计每个学历类型的目标员工人数;根据第一预设阈值将每个学历类型的目标员工按照个人公正指数进行预警等级归类并确定每个预警等级的人数占总人数的比重值;以及将所述学历类型、每个学历类型中每个预警等级的人数占总人数的比重值以雷达图进行展示;其中,所述预警等级包括正常指数、黄色预警、橙色预警及红色预警;当目标员工的个人公正指数范围为大于90时,归类为正常指数并标记为绿色;当目标员工的个人公正指数范围为大于80且小于90时,归类为黄色预警并标记为黄色;当目标员工的个人公正指数范围为大于70且小于80时,归类为橙色预警并标记为橙色;当目标员工的个人公正指数范围为小于70时,归类为红色预警并标记为红色;以及获取目标员工的个人公正指数并根据预设阈值判断所述目标员工是否存在异常并根据判断结果对所述目标员工进行异常标记;根据所述个人公正指数、相应的个人勤奋指数和自律个人自律指数及相应的年份信息对目标员工的个人历年勤奋指数趋势以坐标图进行展示;其中,将年份信息作为X轴,数值参数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数、个人勤奋指数及自律个人自律指数,并将个人公正指数或个人勤奋指数或自律个人自律指数以相同颜色进行标记。
指数关联模块,用以将所述员工基本信息与个人公正指数进行关联后发送至存储单元进行存储。
查询模块,用以响应于接收到查询指令,根据所述查询指令查询所述存储单元获得员工基本信息以及个人公正指数,并输出显示。
本实施例中,还包括,存储单元,用以存储员工基本信息、查实问题数据及勤奋监督基础数据;还用以存储数据处理模块输出的个人勤奋指数、自律个人自律指数、个人公正指数。可以理解的是,不同于传统的信息化系统只采用单一型的关系数据库存放数据,平台需要存储不同特点的数据,为此平台基于云架构上的数据库和存储服务,采用了不同的存储技术。具体地,采用ORACLE数据库为结构性数据存储提供支撑,作为一个关系数据库或分布式数据库它实现了分布式处理功能以及数据之间的关联。当系统的用户访问量增大时,系统面临着大规模数据访问时,磁盘I/O往往成为性能瓶颈,从而导致过高的响应延迟。分布式缓存将高速内存作为数据对象的存储介质,理想情况下可以获得DRAM级的读写性能。在图片文件存储方面,因图片文件存储需要考虑带宽、存储空间方面的压力,成熟的分布式文件系统可随着文件数量的增长,方便地动态线性扩展。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的用于企业员工监督的智能分析系统,通过数据抽取,汇总与分析,根据监督工作实际规则形成一套灵活客观的评分规则,并依据规则单独形成每个员工的勤奋指数;可视化展示评价结果,实现监督发现自律问题和业务问题、工作成效、奖惩情况联动影响员工勤奋指数,建立了全面、客观、高质高效的勤奋评价体系。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种用于企业员工监督的智能分析方法,其特征在于,包括以下步骤:
步骤S1,获取目标员工的员工基本信息、查实问题数据及勤奋监督基础数据;其中,所述勤奋监督基础数据至少包括提醒谈话信息、教育谈话信息、先进表彰信息、通报批评信息、成绩处分信息;
步骤S2,根据所述目标员工的员工基本信息、所述勤奋监督基础数据按照预设规则计算目标员工的个人勤奋指数、自律个人自律指数;其中,提取所述提醒谈话信息、所述教育谈话信息、所述先进表彰信息、所述通报批评信息、所述成绩处分信息的关键信息点,并将所述关键信息点归类为个人勤奋参数或自律个人自律参数;按照预设策略将所述关键信息点转化为对应的分值,将所有个人勤奋参数的总分值作为个人勤奋指数,将所有自律个人自律参数的总分值作为个人勤奋指数;以及将目标员工的个人勤奋指数和自律个人自律指数按照预设比例相加计算的总分值作为个人公正指数;所述关键信息点为预设的关键字信息;
步骤S3,将所述员工基本信息与个人公正指数进行关联后发送至存储单元进行存储;
步骤S4,响应于接收到查询指令,根据所述查询指令查询所述存储单元获得员工基本信息以及个人公正指数,并输出显示。
2.根据权利要求1所述的用于企业员工监督的智能分析方法,其特征在于,所述步骤S2包括:筛选目标员工的员工基础信息,获取所有目标员工对应的部门信息,根据所述部门信息将属于同一部门的目标员工归为一类;按照第一预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应部门的部门公正指数。
3.根据权利要求1所述的用于企业员工监督的智能分析方法,其特征在于,所述步骤S2还包括:筛选目标员工的员工基础信息,获取所有目标员工对应的地理区域信息,根据所述地理区域信息将属于同一地理区域的目标员工归为一类;按照第二预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应地理区域的公正指数。
4.根据权利要求3所述的用于企业员工监督的智能分析方法,其特征在于,所述步骤S2还包括:根据所述部门公正指数在相应地图中进行显示;其中,当所述部门公正指数范围为大于90时,显示为正常指数并标记为绿色;当所述部门公正指数范围为大于80且小于90时,显示为黄色预警并标记为黄色;当所述部门公正指数范围为大于70且小于80时,显示为橙色预警并标记为橙色;当所述部门公正指数范围为小于70时,显示为红色预警并标记为红色;以及根据所述地理区域的公正指数对相应的地理区域进行排序,将排序结果按照由低到高或由高到低的顺序进行显示。
5.根据权利要求1所述的用于企业员工监督的智能分析方法,其特征在于,所述步骤S2包括:筛选目标员工的员工基础信息,获取所有目标员工的年龄信息、工龄信息及相关联的个人公正指数,将目标员工的个人公正指数与所述工龄信息的关联结果以坐标图进行展示;其中,将工龄信息作为X轴,目标员工的个人公正指数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数,并将同一年份的目标员工的个人公正指数以相同颜色进行标记,以及将不同年份目标员工的个人公正指数以不同颜色进行标记。
6.根据权利要求5所述的用于企业员工监督的智能分析方法,其特征在于,所述步骤S2还包括:筛选目标员工的员工基础信息,获取所有目标员工的学历类型及相关联的个人公正指数,将目标员工根据学历类型进行分类,统计每个学历类型中目标员工人数;根据第一预设阈值将每个学历类型中目标员工按照个人公正指数进行预警等级归类并确定每个预警等级的人数占总人数的比重值;以及将所述学历类型、每个学历类型中每个预警等级的人数占总人数的比重值通过雷达图进行展示;其中,所述预警等级包括正常指数、黄色预警、橙色预警及红色预警;当目标员工的个人公正指数范围为大于90时,归类为正常指数并标记为绿色;当目标员工的个人公正指数范围为大于80且小于90时,归类为黄色预警并标记为黄色;当目标员工的个人公正指数范围为大于70且小于80时,归类为橙色预警并标记为橙色;当目标员工的个人公正指数范围为小于70时,归类为红色预警并标记为红色。
7.根据权利要求5所述的用于企业员工监督的智能分析方法,其特征在于,所述步骤S2还包括:获取目标员工的个人公正指数并根据第二预设阈值判断所述目标员工是否存在异常情况并根据判断结果对所述目标员工进行异常标记;根据所述个人公正指数、相应的个人勤奋指数、相应的自律个人自律指数及相应的年份信息对目标员工的个人历年勤奋指数趋势以坐标图进行展示;其中,将年份信息作为X轴,指数数值参数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数、个人勤奋指数及自律个人自律指数,并将个人公正指数或个人勤奋指数或自律个人自律指数以相同颜色进行标记。
8.一种用于企业员工监督的智能分析系统,用于实现权利要求1-7任一项所述的智能分析方法,其特征在于,包括:
数据采集模块,用以获取目标员工的员工基本信息、查实问题数据及勤奋监督基础数据;其中,所述勤奋监督基础数据至少包括提醒谈话信息、教育谈话信息、先进表彰信息、通报批评信息、成绩处分信息;
指数计算模块,用以根据所述目标员工的员工基本信息、所述勤奋监督基础数据,提取所述提醒谈话信息、所述教育谈话信息、所述先进表彰信息、所述通报批评信息、所述成绩处分信息的关键信息点,并将所述关键信息点归类为个人勤奋参数或自律个人自律参数;按照预设策略将所述关键信息点转化为对应的分值,将所有个人勤奋参数的总分值作为个人勤奋指数,将所有自律个人自律参数的总分值作为个人勤奋指数;将目标员工的个人勤奋指数和自律个人自律指数按照预设比例相加计算的总分值作为个人公正指数;所述关键信息点为预设的关键字信息;
指数关联模块,用以将所述员工基本信息与个人公正指数进行关联后发送至存储单元进行存储;以及
查询模块,用以响应于接收到查询指令,根据所述查询指令查询所述存储单元获得员工基本信息以及个人公正指数,并输出显示。
9.根据权利要求8所述的用于企业员工监督的智能分析系统,其特征在于,所述指数计算模块用于筛选目标员工的员工基础信息,获取所有目标员工对应的部门信息,根据所述部门信息将属于同一部门的目标员工归为一类;按照第一预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应部门的部门公正指数;以及根据所述部门公正指数在相应地图中进行显示;其中,当所述部门公正指数范围为大于90时,显示为正常指数并标记为绿色;当所述部门公正指数范围为大于80且小于90时,显示为黄色预警并标记为黄色;当所述部门公正指数范围为大于70且小于80时,显示为橙色预警并标记为橙色;当所述部门公正指数范围为小于70时,显示为红色预警并标记为红色;
并筛选目标员工的员工基础信息,获取所有目标员工对应的地理区域信息,根据所述地理区域信息将属于同一地理区域的目标员工归为一类;按照第二预设规则统计任一类中所有目标员工的个人公正指数的总分值作为对应地理区域的公正指数;以及根据所述地理区域的公正指数对相应的地理区域进行排序,将排序结果按照由低到高或由高到低的顺序进行显示。
10.根据权利要求9所述的用于企业员工监督的智能分析系统,其特征在于,所述指数计算模块还用于筛选目标员工的员工基础信息,获取所有目标员工的年龄信息、工龄信息及相关联的个人公正指数,将目标员工的个人公正指数与所述工龄信息的关联结果以坐标图进行展示;其中,将工龄信息作为X轴,目标员工的个人公正指数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数,并将同一年份的目标员工的个人公正指数以相同颜色进行标记,以及将不同年份目标员工的个人公正指数以不同颜色进行标记;
并筛选目标员工的员工基础信息,获取所有目标员工的学历类型及相关联的个人公正指数,将目标员工根据学历类型进行分类,统计每个学历类型的目标员工人数;根据第一预设阈值将每个学历类型的目标员工按照个人公正指数进行预警等级归类并确定每个预警等级的人数占总人数的比重值;以及将所述学历类型、每个学历类型中每个预警等级的人数占总人数的比重值以雷达图进行展示;其中,所述预警等级包括正常指数、黄色预警、橙色预警及红色预警;当目标员工的个人公正指数范围为大于90时,归类为正常指数并标记为绿色;当目标员工的个人公正指数范围为大于80且小于90时,归类为黄色预警并标记为黄色;当目标员工的个人公正指数范围为大于70且小于80时,归类为橙色预警并标记为橙色;当目标员工的个人公正指数范围为小于70时,归类为红色预警并标记为红色;
以及获取目标员工的个人公正指数并根据预设阈值判断所述目标员工是否存在异常并根据判断结果对所述目标员工进行异常标记;根据所述个人公正指数、相应的个人勤奋指数和自律个人自律指数及相应的年份信息对目标员工的个人历年勤奋指数趋势以坐标图进行展示;其中,将年份信息作为X轴,数值参数作为Y轴;在坐标图中标记每个目标员工多个年份的个人公正指数、个人勤奋指数及自律个人自律指数,并将个人公正指数或个人勤奋指数或自律个人自律指数以相同颜色进行标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239771.8A CN112966890B (zh) | 2020-11-09 | 2020-11-09 | 一种用于企业员工监督的智能分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011239771.8A CN112966890B (zh) | 2020-11-09 | 2020-11-09 | 一种用于企业员工监督的智能分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112966890A true CN112966890A (zh) | 2021-06-15 |
CN112966890B CN112966890B (zh) | 2023-11-14 |
Family
ID=76271199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011239771.8A Active CN112966890B (zh) | 2020-11-09 | 2020-11-09 | 一种用于企业员工监督的智能分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112966890B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183393A (ja) * | 2000-12-12 | 2002-06-28 | Sumisho Computer Systems Corp | 勤怠管理システム及びこれに用いるサーバ装置、勤怠管理方法、記録媒体 |
US20140342341A1 (en) * | 2013-02-04 | 2014-11-20 | Willie Frank Rea | Student assessment scoring |
CN105574678A (zh) * | 2015-12-23 | 2016-05-11 | 上海云睦网络科技有限公司 | 一种基于执行力指数的员工考评数据自动处理系统 |
CN107767050A (zh) * | 2017-10-24 | 2018-03-06 | 网智天元科技集团股份有限公司 | 一种员工勤奋度获取方法及装置 |
CN108470241A (zh) * | 2018-03-06 | 2018-08-31 | 畅享时代(深圳)文化发展有限公司 | 一种行为量化的绩效和股权评估系统 |
CN108596413A (zh) * | 2017-10-12 | 2018-09-28 | 苏州大学文正学院 | 学生管理综合量化考评系统 |
CN110400207A (zh) * | 2019-07-31 | 2019-11-01 | 华北电力大学(保定) | 一种基于大数据的财务在线监督系统及其方法 |
CN110414854A (zh) * | 2019-08-01 | 2019-11-05 | 康秀娜 | 一种基于区块链的企业员工档案管理评估系统 |
CN111738672A (zh) * | 2020-05-18 | 2020-10-02 | 国网河北省电力有限公司物资分公司 | 用于评标工作的智能协调系统 |
-
2020
- 2020-11-09 CN CN202011239771.8A patent/CN112966890B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183393A (ja) * | 2000-12-12 | 2002-06-28 | Sumisho Computer Systems Corp | 勤怠管理システム及びこれに用いるサーバ装置、勤怠管理方法、記録媒体 |
US20140342341A1 (en) * | 2013-02-04 | 2014-11-20 | Willie Frank Rea | Student assessment scoring |
CN105574678A (zh) * | 2015-12-23 | 2016-05-11 | 上海云睦网络科技有限公司 | 一种基于执行力指数的员工考评数据自动处理系统 |
CN108596413A (zh) * | 2017-10-12 | 2018-09-28 | 苏州大学文正学院 | 学生管理综合量化考评系统 |
CN107767050A (zh) * | 2017-10-24 | 2018-03-06 | 网智天元科技集团股份有限公司 | 一种员工勤奋度获取方法及装置 |
CN108470241A (zh) * | 2018-03-06 | 2018-08-31 | 畅享时代(深圳)文化发展有限公司 | 一种行为量化的绩效和股权评估系统 |
CN110400207A (zh) * | 2019-07-31 | 2019-11-01 | 华北电力大学(保定) | 一种基于大数据的财务在线监督系统及其方法 |
CN110414854A (zh) * | 2019-08-01 | 2019-11-05 | 康秀娜 | 一种基于区块链的企业员工档案管理评估系统 |
CN111738672A (zh) * | 2020-05-18 | 2020-10-02 | 国网河北省电力有限公司物资分公司 | 用于评标工作的智能协调系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112966890B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107203872B (zh) | 基于大数据的区域人才需求量化分析方法 | |
CN107239892B (zh) | 基于大数据的区域人才供需平衡量化分析方法 | |
Ogor | Student academic performance monitoring and evaluation using data mining techniques | |
Wang et al. | Understanding the spatial distribution of crime based on its related variables using geospatial discriminative patterns | |
CN114066242A (zh) | 一种企业风险的预警方法及装置 | |
CN107203849B (zh) | 基于大数据的区域人才供给量化分析方法 | |
CN102043847A (zh) | 基于条件检索的公司股东投资关系自动分析系统及方法 | |
Al‐Shaikh | Strategic planning process in developing countries: The case of United Arab Emirates business firms | |
Kara | A contemporary approach for strategic management in tourism sector: pestel analysis on the city Muğla, Turkey | |
Rahutomo et al. | Building Datawarehouse for Educational Institutions in 9 Steps | |
Yu et al. | Decision tree method in financial analysis of listed logistics companies | |
CN112966890A (zh) | 一种用于企业员工监督的智能分析系统及方法 | |
Chen et al. | A study on the rare factors exploration of learning effectiveness by using fuzzy data mining | |
Kendig | Cluster analysis to classify residential areas: A Los Angeles application | |
Dong et al. | Evaluation of Input‐Output Efficiency of Sports Industry Based on SWOT‐PEST Model | |
CN111861284A (zh) | 一种社会治理单元风险评估及预警方法 | |
Storfinger et al. | Robustness of clustering methods for identification of potential falsifications in survey data | |
Cui | Research on Credit Risk Control of Commercial Banks Based on Data Mining Technology | |
Repollo et al. | Applying Clustering Algorithm on Poverty Analysis in a Community in the Philippines | |
Harper et al. | Towards a context-dependent framework for visualizing mental models | |
Zhu et al. | Identification of Impoverished College Students Based on LR-RF Dual Indicators | |
CN114490624B (zh) | 一种基于大数据的人房企智慧统计方法、系统及可读存储介质 | |
Kasinadh et al. | Building fuzzy OLAP using multi-attribute summarization | |
US20240020781A1 (en) | Analytical platform for improving the education quality | |
Cao et al. | Leadership Improvement in Public Crisis Management: A Study of China Petrochemical Corporation |
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 |