CN113344431A - 一种动态派工的方法、装置、计算机设备及存储介质 - Google Patents
一种动态派工的方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113344431A CN113344431A CN202110723297.4A CN202110723297A CN113344431A CN 113344431 A CN113344431 A CN 113344431A CN 202110723297 A CN202110723297 A CN 202110723297A CN 113344431 A CN113344431 A CN 113344431A
- Authority
- CN
- China
- Prior art keywords
- task
- dispatching
- dispatched
- staff
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 59
- 238000012216 screening Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 8
- 238000003058 natural language processing Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 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
- G06Q10/063112—Skill-based matching of a person or a group to a task
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种动态派工的方法、装置、计算机设备及存储介质,其中方法包括如下步骤:利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集;从当前派工任务数据中提取出任务目标指标数据,利用任务目标指标数据生成第二特征数据集;根据第二特征数据集对多个第一特征数据集进行筛选处理,将至少一个第一特征数据集作为目标特征数据集;将当前派工任务与目标特征数据集中的待派工人员进行匹配,以确定指定派工人员;将当前派工任务分配至指定派工人员。本发明通过大数据处理方式根据待派工人员实际情况和派工任务情况进行精准化、智能化派工,以保证派工任务的高质量和快速地完成,极大提升了用户满意度。
Description
技术领域
本发明涉及大数据处理技术领域,更为具体来说,本发明能够提供一种动态派工的方法、装置、计算机设备及存储介质。
背景技术
目前,任务派发工作往往依靠负责人进行主观地分配,这种常规方式不仅易受到人为主观意识和情绪等因素的严重影响,而且经常出现分配的任务不适合被分配的处理人,例如当前处理人由于其他任务或条件影响而无时间处理当前被分配的任务,从而导致派工任务执行效率过低,影响了处理人的任务处理时效。因此,如何能够客观地进行派工和提高任务执行效率,成为了本领域技术人员亟待解决的技术问题和始终研究的重点。
发明内容
为解决常规任务派发方式存在的任务执行效率低、主观性过强等技术问题,本发明具体可提供一种动态派工的方法、装置、计算机设备及存储介质,以达到提高派工任务执行效率和客观地进行任务派发等技术目的。
为实现上述的技术目的,本发明能够提供一种动态派工的方法,该方法可包括但不限于如下的一个或多个步骤。
利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集;
从获取的当前派工任务数据中提取出任务目标指标数据,并利用所述任务目标指标数据生成第二特征数据集;
根据所述第二特征数据集对所述多个第一特征数据集进行筛选处理,以将至少一个所述第一特征数据集作为目标特征数据集;
将当前派工任务与所述目标特征数据集中的待派工人员进行匹配,以确定与所述当前派工任务匹配程度最高的待派工人员作为指定派工人员;
将所述当前派工任务分配至所述指定派工人员,以通过所述指定派工人员处理所述当前派工任务。
进一步地,所述利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集,包括:
基于所述历史派工任务数据和待派工人员数据形成多个标签;
以所述标签作为分类依据对当前所有所述待派工人员进行划分;
利用隶属于同一类别的待派工人员数据形成第一特征数据集。
进一步地,所述以所述标签作为分类依据对当前所有所述待派工人员进行划分包括:
按照对所述当前派工任务的影响程度对所有标签进行排序;
对排序结果中的各个标签依次地设置权重值;
基于所述标签及其权重值对当前所有所述待派工人员进行划分。
进一步地,所述基于所述标签及其权重值对当前所有所述待派工人员进行划分包括:
读取各个标签分别对应的指标值;
归一化处理所述指标值,以使不同指标值映射到同一数值区间;
根据标签的权重值和归一化处理后的指标值计算最终分类值;
确定处于相同设定范围的最终分类值的待派工人员,以划分在同一类别中。
进一步地,所述从获取的当前派工任务数据中提取出任务目标指标数据包括:
从所述当前派工任务数据中提取出派工备注信息;
基于自然语言处理的方式对所述派工备注信息进行内容识别处理,以确定派工要求信息;
根据所述派工要求信息对所述当前派工任务数据进行数据抽取处理,以得到任务目标指标数据。
进一步地,所述根据所述第二特征数据集对所述多个第一特征数据集进行筛选处理包括:
计算第二特征数据集中的任务目标指标数据对应的目标分数值,所述目标分数值用于表示任务要求程度;
根据所述目标分数值对所述多个第一特征数据集进行筛选处理。
进一步地,所述将所述当前派工任务分配至所述指定派工人员包括:
向所述指定派工人员的终端发送当前派工任务的信息;
根据接收的所述终端反馈的任务接收确认信息,按照预设频率向所述终端发出任务倒计时提醒信息。
为实现上述的技术目的,本发明还能够提供一种动态派工的装置,该装置包括但不限于人员分类处理模块、任务目标获取模块、数据筛选处理模块、任务人员匹配模块以及派工任务发送模块。
人员分类处理模块,用于利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集。
任务目标获取模块,用于从获取的当前派工任务数据中提取出任务目标指标数据,并用于利用所述任务目标指标数据生成第二特征数据集。
数据筛选处理模块,用于根据所述第二特征数据集对所述多个第一特征数据集进行筛选处理,以将至少一个所述第一特征数据集作为目标特征数据集。
任务人员匹配模块,用于将当前派工任务与所述目标特征数据集中的待派工人员进行匹配,以确定与所述当前派工任务匹配程度最高的待派工人员作为指定派工人员。
派工任务发送模块,用于将所述当前派工任务分配至所述指定派工人员,以通过所述指定派工人员处理所述当前派工任务。
为实现上述的技术目的,本发明可提供一种计算机设备,计算机设备包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行本发明任一实施例中所述动态派工的方法的步骤。
为实现上述的技术目的,本发明还可提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行本发明任一实施例中所述动态派工的方法的步骤。
本发明的有益效果为:
本发明通过由任务目标指标数据形成的第二特征数据集对由待派工人员数据形成的第一特征数据集进行筛选,即通过大数据处理方式根据待派工人员实际情况和派工任务情况进行精准化、智能化派工。通过对所有待派工人员的层层筛选,本发明能够从最有可能符合当前派工任务的部分待派工人员中确定最佳待派工人员,即确定指定派工人员,从而保证派工任务的高质量和快速地完成。而且本发明基于多维度的角度对派工任务和派工人员进行了分析和考虑,充分满足了不同用户的不同任务要求,实现定制化地为每项派工任务都能够分配最合适的待派工人员进行处理,以从根本上保证了派工任务的及时性和有针对性地应对,极大提升了用户满意度和用户的体验。特别对于保险行业下的核保场景等,本发明能够实现多维度地进行核保人派工调度,满足用户需求的同时有效降低了企业派工的成本,兼顾了用户满意度和核保人的满意度。
附图说明
图1示出了本发明一个或多个实施例中动态派工的方法的流程示意图。
图2示出了本发明一个或多个实施例中生成多个第一特征数据集的流程示意图。
图3示出了本发明一个或多个实施例中对当前所有待派工人员进行划分的流程示意图。
图4示出了本发明一个或多个实施例中从获取的当前派工任务数据中提取出任务目标指标数据的流程示意图。
图5示出了本发明一个或多个实施例中动态派工的装置的组成示意图。
图6示出了本发明一个或多个实施例中计算机设备的内部结构示意图。
具体实施方式
下面结合说明书附图对本发明所提供的一种动态派工的方法、装置、计算机设备及存储介质进行详细的解释和说明。
对于常规派工方式存在的任务处理效率低、任务分配不合理以及受到人为主观因素影响大等技术问题,本发明能够提供一种动态派工的方法、装置、计算机设备及存储介质,以克服现有技术存在的一个或多个问题。
如图1所示,本发明一个或多个实施例具体能够提供一种动态派工的方法,该方法可包括但不限于如下的一个或多个步骤。
步骤100,本发明利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集。
其中,本实施例的第一特征数据集中的元素为待派工人员数据,历史派工任务数据为随着各个派工任务的进行而在不断动态变化的数据。
如图2所示,本发明一个或多个实施例中利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集,包括但不限于步骤110~130,具体说明如下。
步骤110,基于获取的历史派工任务数据和待派工人员数据形成多个标签。本实施例中标签包括但不限于任务种类、任务重要度、任务数量、完成任务时长、响应任务时间、人员工龄、人员职位级别及人员性别等,以待派工人员是保险行业下核保场景中的核保人员为例,标签具体可包括但不限于核单时间、核单种类以及核单时效等。
步骤120,以标签作为分类依据对当前所有待派工人员进行划分,以基于历史任务情况和待派工人员情况区分不同的待派工人员。
如图3所示,本发明一个或多个实施例中以标签作为分类依据对当前所有待派工人员进行划分包括步骤121~123。
步骤121,按照对当前派工任务的影响程度对所有标签进行排序;本实施例能够得到按照影响程度由高到低的排序结果或按照影响程度由低到高的排序结果。
步骤122,对排序结果中的各个标签依次地设置权重值。本实施例对派工任务影响程度高的标签设置更大的权重值,以及对派工任务影响程度低的标签设置更小的权重值;对排序后的标签设置权重值的过程更高效。
步骤123,基于标签及其权重值对当前所有待派工人员进行划分。本发明通过标签智能化区分待派工人员,通过权重值将标签与派工任务之间紧密联系起来,本发明实现以派工任务为依据对派工人员进行有效划分。
具体地,本发明实施例中基于标签及其权重值对当前所有待派工人员进行划分包括:读取各个标签分别对应的指标值,其中指标值例如可包括人员工龄为5年、响应任务时间为10小时、人员职位级别为C级、人员性别男、任务数量为12等;归一化处理指标值,以使不同指标值映射到同一数值区间,本实施例中同一数值区间为[0,1],例如工龄5年归一化处理后为0.5,响应任务时间10小时归一化处理后为0.1,人员职位级别C级(例如级别A>级别B>级别C)归一化处理后为0.3,人员性别为男归一化处理后对应0.35,任务数量12归一化处理后为0.12;具体归一化计算方式根据实际情况而设定,本实施例不再进行赘述;根据标签的权重值和归一化处理后的指标值计算最终分类值,并确定处于相同设定范围的最终分类值的待派工人员,以划分在同一类别中;本实施例中最终分类值其中qi表示第i个归一化处理后的指标值,wi表示与qi对应的第i个权重值,n表示指标值数量。
由此可以看出:本发明能够实现对不同待派工人员情况的量化计算或度量,达到精细化区分不同待派工人员的目的,为本发明实现精准化派工方案提供了可靠的数据支持。
可选地,为提高人员分类速度和减少计算量,本发明另一些实施例中以标签作为分类依据对当前所有待派工人员进行划分包括:将具有预设数量相同标签的不同待派工人员划分在同一类别中,预设数量大于或等于3。
步骤130,利用隶属于同一类别的待派工人员数据形成第一特征数据集。由此可见,本发明能利用任务实际情况和人员相关数据形成的大数据作为客观依据,从而通过标签方式对待派工人员进行多维度地合理区分。
步骤200,从当前已获取的当前派工任务数据中提取出任务目标指标数据,并利用任务目标指标数据生成第二特征数据集。
其中,本实施例的第二特征数据集中的元素为任务目标指标数据,该任务目标指标数据用于描述当前派工任务的要求。任务目标指标数据例如包括但不限于本发明当前派工任务最大允许处理时长数据、当前派工任务最晚允许处理时间数据、当前派工任务要求派工人员最低职位级别数据等相关的数据,当然并不限于此。
如图4所示,本发明一个或多个实施例从获取的当前派工任务数据中提取出任务目标指标数据包括步骤210~230。
步骤210,从当前派工任务数据中提取出派工备注信息;该派工备注信息例如包括但不限于“要求任务处理须按期完成”、“VIP客户指定人员级别”等。
步骤220,基于自然语言处理(NPL,Natural Language Processing)的方式对当前派工备注信息进行内容识别处理,以确定派工要求信息。具体使用的自然语言处理算法可根据需要进行选择,本实施例不再赘述。
步骤230,根据派工要求信息对当前派工任务数据进行数据抽取处理,以得到任务目标指标数据;例如,抽取出任务完成期限相关数据、待派工人员级别相关数据等。可见本发明实施例能够根据实际情况按需备注派工要求相关信息,该方式能够为派工技术方案带来极大的灵活度和自由度,进而根据动态变化的任务和要求而随之进行动态地派工,可见本发明具有适应性较强、智能化程度高以及应用范围广等突出优点。
可选地,本发明另一些实施例中从获取的当前派工任务数据中提取出任务目标指标数据包括:读取与任务目标指令数据一同形成的表单数据,表单数据中记录有当前任务的派工要求信息,该表单数据为结构化数据;然后从表单数据中获取一条或多条派工要求信息,一般获取所有派工要求信息;最后根据派工要求信息对派工任务数据进行数据抽取处理,以通过数据抽取的方式得到任务目标指标数据。基于与派工任务数据一同形成的结构化表单数据,本发明能够更便捷、更准确地确定当前派工任务的要求,并能够降低数据处理难度和提高数据处理速度,可见本发明还具有可靠性较强、稳定性较高以及执行效率高等突出优点。
步骤300,根据本发明生成的第二特征数据集对多个第一特征数据集进行筛选处理,以将至少一个第一特征数据集作为目标特征数据集。可见本发明通过第一特征数据集的选择缩小数据范围,即缩小待派工人员范围。
可选地,本发明一个或多个实施例中根据第二特征数据集对多个第一特征数据集进行筛选处理可包括:计算第二特征数据集中的任务目标指标数据对应的目标分数值,本发明目标分数值用于表示任务要求程度;根据目标分数值对多个第一特征数据集进行筛选处理,本实施例将目标分数值与各个第一特征数据集所处的分类值范围分别进行比较,并根据比较结果确定筛选结果,例如确定最终分类值范围大于目标分数值的至少一个第一特征数据集作为筛选结果;其中,第一特征数据集所处的分类值范围是指第一特征数据集中待派工人员的最终分类值所处的数值范围。
可选地,本发明一个或多个实施例中的计算第二特征数据集中的任务目标指标数据对应的目标分数值包括:获取当前确定的派工要求信息,该派工要求信息基于派工备注信息或表单数据得到;对获取的派工要求信息进行归一化处理,以使各派工要求信息对应的数据映射到同一数值区间,该过程可与指标值的归一化处理过程相同,同一数值区间也可为[0,1],例如“请于24小时内处理”信息归一化处理后为0.24,“VIP客户请最低指派高级经理”归一化处理后为0.9,当然不限于此。最后本实施例能够通过累加计算派工要求信息所对应的分数值或其他方式得到目标分数值。
可选地,本发明一个或多个实施例将目标分数值与各个第一特征数据集所处的分类值范围分别进行比较包括:按照所处最终分类值的范围由大到小地逐一选择第一特征数据集,即本实施例将所处分类值范围大的第一特征数据集优先选择,将所处分类值范围小的第一特征数据集滞后选择;按照选择顺序将第一特征数据集所处分类值范围的上限值与目标分数值进行逐一比较;根据当前上限值大于或等于目标分数值进行下一个上限值与目标分数值的比较,或根据当前上限值小于目标分数值结束比较步骤。
步骤400,将当前派工任务与目标特征数据集中的待派工人员进行匹配,以确定与当前派工任务匹配程度最高的一个待派工人员作为指定派工人员。
可选地,本发明一个或多个实施例中当前派工任务与待派工人员匹配过程可包括:读取当前派工任务的任务目标指标数据,将目标特征数据集中的待派工人员数据(经过上述筛选过程后此时可选择人员数量比较少)分别与任务目标指标数据进行逐一地匹配,以核保业务为例,要求的核单时间与人员历史核单时间比较、要求的核单种类与人员历史核单种类比较、要求的核单时效与人员历史核单时效比较等等,以得到综合匹配结果,并能够根据综合匹配结果确定匹配程度最高的待派工人员。其中,本发明实施例可基于训练完成的遗传算法模型将得到的目标特征数据集视为一个种群,种群中的个体为待派工人员,基于遗传算法模型对任务目标指标数据和待派工人员数据进行选择、交叉以及变异操作,以能够更为快速地从种群中确定最佳个体,即本实施例的综合匹配结果。
步骤500,将当前派工任务分配至指定派工人员,以通过该指定派工人员处理当前派工任务。
可选地,将当前派工任务分配至指定派工人员包括:向指定派工人员的终端发送当前派工任务的信息;并根据接收的终端反馈的任务接收确认信息,按照预设频率向终端发出任务倒计时提醒信息,提醒人员按期处理。
如图5所示,与动态派工的方法基于同一发明技术构思,本发明一个或多个实施例还能够提供一种动态派工的装置。
该装置可包括但不限于人员分类处理模块、任务目标获取模块、数据筛选处理模块、任务人员匹配模块以及派工任务发送模块,具体说明如下。
人员分类处理模块可用于利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集。人员分类处理模块具体能够用于基于历史派工任务数据和待派工人员数据形成多个标签,并用于以标签作为分类依据对当前所有待派工人员进行划分,以及用于利用隶属于同一类别的待派工人员数据形成第一特征数据集。
可选地,人员分类处理模块可用于按照对当前派工任务的影响程度对所有标签进行排序,并用于对排序结果中的各个标签依次地设置权重值,以及用于基于标签及其权重值对当前所有待派工人员进行划分。
可选地,人员分类处理模块可用于读取各个标签分别对应的指标值和归一化处理指标值,以使不同指标值映射到同一数值区间;人员分类处理模块还用于根据标签的权重值和归一化处理后的指标值计算最终分类值,以及能够用于确定处于相同设定范围的最终分类值的待派工人员,以划分在同一类别中。
任务目标获取模块用于从获取的当前派工任务数据中提取出任务目标指标数据,并用于利用任务目标指标数据生成第二特征数据集。
可选地,任务目标获取模块具体可用于从当前派工任务数据中提取出派工备注信息,并能够用于基于自然语言处理的方式对派工备注信息进行内容识别处理,以确定派工要求信息;任务目标获取模块还用于具体根据派工要求信息对当前派工任务数据进行数据抽取处理,以能得到用于生成第二特征数据集的任务目标指标数据。
数据筛选处理模块用于根据第二特征数据集对多个第一特征数据集进行筛选处理,以将至少一个第一特征数据集作为目标特征数据集。数据筛选处理模块具体用于计算第二特征数据集中的任务目标指标数据对应的目标分数值,并可用于根据目标分数值对多个第一特征数据集进行筛选处理,目标分数值用于表示任务要求程度。
任务人员匹配模块用于将当前派工任务与目标特征数据集中的待派工人员进行匹配,以确定与当前派工任务匹配程度最高的待派工人员作为指定派工人员。
派工任务发送模块用于将当前派工任务分配至指定派工人员,以通过指定派工人员处理当前派工任务。
可选地,派工任务发送模块用于向指定派工人员的终端发送当前派工任务的信息,并能够用于根据接收的终端反馈的任务接收确认信息,按照预设频率向终端发出任务倒计时提醒信息。
如图6所示,与动态派工的方法基于同一发明技术构思,本发明一个或多个实施例可提供一种计算机设备,该计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行本发明任一实施例中动态派工的方法的步骤。其中动态派工的方法包括但不限于如下的一个或多个步骤:步骤100,本发明利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集。如图2所示,利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集,包括步骤110~130。步骤110,基于历史派工任务数据和待派工人员数据形成多个标签。步骤120,以标签作为分类依据对当前所有待派工人员进行划分。如图3所示,以标签作为分类依据对当前所有待派工人员进行划分包括步骤121~123。步骤121,按照对当前派工任务的影响程度对所有标签进行排序;步骤122,对排序结果中的各个标签依次地设置权重值;步骤123,基于标签及其权重值对当前所有待派工人员进行划分。具体地,本实施例基于标签及其权重值对当前所有待派工人员进行划分包括:读取各个标签分别对应的指标值,归一化处理指标值,以使不同指标值映射到同一数值区间;根据标签的权重值和归一化处理后的指标值计算最终分类值,确定处于相同设定范围的最终分类值的待派工人员,以划分在同一类别中。步骤130,利用隶属于同一类别的待派工人员数据形成第一特征数据集。步骤200,从当前已获取的当前派工任务数据中提取出任务目标指标数据,并利用任务目标指标数据生成第二特征数据集。如图4所示,从获取的当前派工任务数据中提取出任务目标指标数据包括步骤210~230。步骤210,从当前派工任务数据中提取出派工备注信息;步骤220,基于自然语言处理的方式对派工备注信息进行内容识别处理,以确定派工要求信息;步骤230,根据派工要求信息对当前派工任务数据进行数据抽取处理,以得到任务目标指标数据。步骤300,根据本发明生成的第二特征数据集对多个第一特征数据集进行筛选处理,以将至少一个第一特征数据集作为目标特征数据集。可选地,本发明一个或多个实施例中根据第二特征数据集对多个第一特征数据集进行筛选处理包括:计算第二特征数据集中的任务目标指标数据对应的目标分数值,目标分数值用于表示任务要求程度;根据目标分数值对多个第一特征数据集进行筛选处理。步骤400,将当前派工任务与目标特征数据集中的待派工人员进行匹配,以确定与当前派工任务匹配程度最高的一个待派工人员作为指定派工人员。步骤500,将当前派工任务分配至指定派工人员,以通过该指定派工人员处理当前派工任务。可选地,将当前派工任务分配至指定派工人员包括:向指定派工人员的终端发送当前派工任务的信息;根据接收的终端反馈的任务接收确认信息,按照预设频率向终端发出任务倒计时提醒信息。
与动态派工的方法基于同一发明技术构思,本发明一个或多个实施例还能够提供一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行本发明任一实施例中动态派工的方法的步骤。其中动态派工的方法包括但不限于如下的一个或多个步骤:步骤100,本发明利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集。如图2所示,利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集,包括步骤110~130。步骤110,基于历史派工任务数据和待派工人员数据形成多个标签。步骤120,以标签作为分类依据对当前所有待派工人员进行划分。如图3所示,以标签作为分类依据对当前所有待派工人员进行划分包括步骤121~123。步骤121,按照对当前派工任务的影响程度对所有标签进行排序;步骤122,对排序结果中的各个标签依次地设置权重值;步骤123,基于标签及其权重值对当前所有待派工人员进行划分。具体地,本实施例基于标签及其权重值对当前所有待派工人员进行划分包括:读取各个标签分别对应的指标值,归一化处理指标值,以使不同指标值映射到同一数值区间;根据标签的权重值和归一化处理后的指标值计算最终分类值,确定处于相同设定范围的最终分类值的待派工人员,以划分在同一类别中。步骤130,利用隶属于同一类别的待派工人员数据形成第一特征数据集。步骤200,从当前已获取的当前派工任务数据中提取出任务目标指标数据,并利用任务目标指标数据生成第二特征数据集。如图4所示,从获取的当前派工任务数据中提取出任务目标指标数据包括步骤210~230。步骤210,从当前派工任务数据中提取出派工备注信息;步骤220,基于自然语言处理的方式对派工备注信息进行内容识别处理,以确定派工要求信息;步骤230,根据派工要求信息对当前派工任务数据进行数据抽取处理,以得到任务目标指标数据。步骤300,根据本发明生成的第二特征数据集对多个第一特征数据集进行筛选处理,以将至少一个第一特征数据集作为目标特征数据集。可选地,本发明一个或多个实施例中根据第二特征数据集对多个第一特征数据集进行筛选处理包括:计算第二特征数据集中的任务目标指标数据对应的目标分数值,目标分数值用于表示任务要求程度;根据目标分数值对多个第一特征数据集进行筛选处理。步骤400,将当前派工任务与目标特征数据集中的待派工人员进行匹配,以确定与当前派工任务匹配程度最高的一个待派工人员作为指定派工人员。步骤500,将当前派工任务分配至指定派工人员,以通过该指定派工人员处理当前派工任务。可选地,将当前派工任务分配至指定派工人员包括:向指定派工人员的终端发送当前派工任务的信息;根据接收的终端反馈的任务接收确认信息,并按照预设频率向终端发出任务倒计时提醒信息。
综上所述,本发明提供的技术方案能通过由任务目标指标数据形成的第二特征数据集对由待派工人员数据形成的第一特征数据集进行筛选,即通过大数据处理方式根据待派工人员实际情况和派工任务情况进行精准化、智能化派工。通过对所有待派工人员的层层筛选,本发明能够从最有可能符合当前派工任务的部分待派工人员中确定最佳待派工人员,即确定指定派工人员,从而保证了派工任务的高质量和快速地完成。而且本发明基于多维度的角度对派工任务和派工人员进行了分析和考虑,充分满足了不同用户的不同任务要求,并能实现定制化地为每项派工任务都能够分配最合适的待派工人员进行处理,以从根本上保证了派工任务的及时性和有针对性地应对,极大提升了用户满意度和用户的体验。特别对于保险行业涉及的核保场景等,本发明能够实现多维度地进行核保人派工调度,满足用户需求的同时还能够有效降低了企业派工的成本,兼顾了用户满意度和核保人的满意度。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读存储介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读存储介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读存储介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM,Random Access Memory),只读存储器(ROM,Read-Only Memory),可擦除可编辑只读存储器(EPROM,Erasable Programmable Read-Only Memory,或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM,Compact Disc Read-Only Memory)。另外,计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA,Programmable Gate Array),现场可编程门阵列(FPGA,Field Programmable Gate Array)等。
在本说明书的描述中,参考术语“本实施例”、“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明实质内容上所作的任何修改、等同替换和简单改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种动态派工的方法,其特征在于,包括:
利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集;
从获取的当前派工任务数据中提取出任务目标指标数据,并利用所述任务目标指标数据生成第二特征数据集;
根据所述第二特征数据集对所述多个第一特征数据集进行筛选处理,以将至少一个所述第一特征数据集作为目标特征数据集;
将当前派工任务与所述目标特征数据集中的待派工人员进行匹配,以确定与所述当前派工任务匹配程度最高的待派工人员作为指定派工人员;
将所述当前派工任务分配至所述指定派工人员,以通过所述指定派工人员处理所述当前派工任务。
2.根据权利要求1所述的动态派工的方法,其特征在于,所述利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集,包括:
基于所述历史派工任务数据和待派工人员数据形成多个标签;
以所述标签作为分类依据对当前所有所述待派工人员进行划分;
利用隶属于同一类别的待派工人员数据形成第一特征数据集。
3.根据权利要求2所述的动态派工的方法,其特征在于,所述以所述标签作为分类依据对当前所有所述待派工人员进行划分包括:
按照对所述当前派工任务的影响程度对所有标签进行排序;
对排序结果中的各个标签依次地设置权重值;
基于所述标签及其权重值对当前所有所述待派工人员进行划分。
4.根据权利要求3所述的动态派工的方法,其特征在于,所述基于所述标签及其权重值对当前所有所述待派工人员进行划分包括:
读取各个标签分别对应的指标值;
归一化处理所述指标值,以使不同指标值映射到同一数值区间;
根据标签的权重值和归一化处理后的指标值计算最终分类值;
确定处于相同设定范围的最终分类值的待派工人员,以划分在同一类别中。
5.根据权利要求1所述的动态派工的方法,其特征在于,所述从获取的当前派工任务数据中提取出任务目标指标数据包括:
从所述当前派工任务数据中提取出派工备注信息;
基于自然语言处理的方式对所述派工备注信息进行内容识别处理,以确定派工要求信息;
根据所述派工要求信息对所述当前派工任务数据进行数据抽取处理,以得到任务目标指标数据。
6.根据权利要求1所述的动态派工的方法,其特征在于,所述根据所述第二特征数据集对所述多个第一特征数据集进行筛选处理包括:
计算第二特征数据集中的任务目标指标数据对应的目标分数值,所述目标分数值用于表示任务要求程度;
根据所述目标分数值对所述多个第一特征数据集进行筛选处理。
7.根据权利要求1所述的动态派工的方法,其特征在于,所述将所述当前派工任务分配至所述指定派工人员包括:
向所述指定派工人员的终端发送当前派工任务的信息;
根据接收的所述终端反馈的任务接收确认信息,按照预设频率向所述终端发出任务倒计时提醒信息。
8.一种动态派工的装置,其特征在于,包括:
人员分类处理模块,用于利用待派工人员的历史派工任务数据对待派工人员进行分类处理,以生成多个第一特征数据集;
任务目标获取模块,用于从获取的当前派工任务数据中提取出任务目标指标数据,并用于利用所述任务目标指标数据生成第二特征数据集;
数据筛选处理模块,用于根据所述第二特征数据集对所述多个第一特征数据集进行筛选处理,以将至少一个所述第一特征数据集作为目标特征数据集;
任务人员匹配模块,用于将当前派工任务与所述目标特征数据集中的待派工人员进行匹配,以确定与所述当前派工任务匹配程度最高的待派工人员作为指定派工人员;
派工任务发送模块,用于将所述当前派工任务分配至所述指定派工人员,以通过所述指定派工人员处理所述当前派工任务。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述动态派工的方法的步骤。
10.一种存储有计算机可读指令的存储介质,其特征在于,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1至7中任一项权利要求所述动态派工的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110723297.4A CN113344431A (zh) | 2021-06-28 | 2021-06-28 | 一种动态派工的方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110723297.4A CN113344431A (zh) | 2021-06-28 | 2021-06-28 | 一种动态派工的方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344431A true CN113344431A (zh) | 2021-09-03 |
Family
ID=77481180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110723297.4A Pending CN113344431A (zh) | 2021-06-28 | 2021-06-28 | 一种动态派工的方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344431A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685389A (zh) * | 2019-01-02 | 2019-04-26 | 日立楼宇技术(广州)有限公司 | 电梯故障派工方法、装置、服务器、存储介质及系统 |
CN110020757A (zh) * | 2018-01-08 | 2019-07-16 | 北大方正集团有限公司 | 派单方法、系统、计算机设备及可读存储介质 |
CN110414778A (zh) * | 2019-06-17 | 2019-11-05 | 中国平安财产保险股份有限公司 | 案件派工方法和装置 |
CN110796343A (zh) * | 2019-10-10 | 2020-02-14 | 深圳中集智能科技有限公司 | 智能派工方法及装置、系统 |
CN111553582A (zh) * | 2020-04-24 | 2020-08-18 | 青岛融贯汇众软件有限公司 | 基于区域范围和服务匹配度的助老预约服务派单系统 |
CN112258065A (zh) * | 2020-10-29 | 2021-01-22 | 上海电气集团股份有限公司 | 一种确定维修派工顺序的方法、装置及设备 |
-
2021
- 2021-06-28 CN CN202110723297.4A patent/CN113344431A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020757A (zh) * | 2018-01-08 | 2019-07-16 | 北大方正集团有限公司 | 派单方法、系统、计算机设备及可读存储介质 |
CN109685389A (zh) * | 2019-01-02 | 2019-04-26 | 日立楼宇技术(广州)有限公司 | 电梯故障派工方法、装置、服务器、存储介质及系统 |
CN110414778A (zh) * | 2019-06-17 | 2019-11-05 | 中国平安财产保险股份有限公司 | 案件派工方法和装置 |
CN110796343A (zh) * | 2019-10-10 | 2020-02-14 | 深圳中集智能科技有限公司 | 智能派工方法及装置、系统 |
CN111553582A (zh) * | 2020-04-24 | 2020-08-18 | 青岛融贯汇众软件有限公司 | 基于区域范围和服务匹配度的助老预约服务派单系统 |
CN112258065A (zh) * | 2020-10-29 | 2021-01-22 | 上海电气集团股份有限公司 | 一种确定维修派工顺序的方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180173788A1 (en) | System And Method For Providing Inclusion-Based Electronically Stored Information Item Classification Suggestions With The Aid Of A Digital Computer | |
US9916584B2 (en) | Method and system for automatic assignment of sales opportunities to human agents | |
CN109670666A (zh) | 理赔案件的自动分配方法、装置、终端及存储介质 | |
CN110288193B (zh) | 任务监控处理方法、装置、计算机设备及存储介质 | |
JP2020507135A (ja) | 専属エージェントプール配分方法、電子装置及びコンピューター読取可能な記憶媒体 | |
CN107562546B (zh) | 任务分配方法、装置及即时通信工具 | |
CN114334169B (zh) | 医疗对象的类别决策方法、装置、电子设备及存储介质 | |
CN107622326A (zh) | 用户分类、可用资源预测方法、装置及设备 | |
CN110764902A (zh) | 基于ai的虚拟资源分配方法、装置、计算机设备及存储介质 | |
CN113344431A (zh) | 一种动态派工的方法、装置、计算机设备及存储介质 | |
CN111160647B (zh) | 一种洗钱行为预测方法及装置 | |
CN110765110A (zh) | 泛化能力处理方法、装置、设备及存储介质 | |
CN111882113A (zh) | 一种企业手机银行用户的预测方法和装置 | |
CN115544250B (zh) | 一种数据处理方法及系统 | |
CN116596277A (zh) | 任务规划的方法、装置、设备以及存储介质 | |
CN114298460A (zh) | 素材工单分派处理方法、装置、设备及存储介质 | |
CN112434140A (zh) | 一种答复信息处理方法及系统 | |
CN113379257A (zh) | 一种销售线索自动智能分配的方法 | |
CN110443305A (zh) | 自适应特征处理方法及装置 | |
CN112580538B (zh) | 客服人员调度方法、装置、设备及存储介质 | |
JP2003507794A (ja) | スケジューリング方法及び装置 | |
CN116523222A (zh) | 工单分派方法、装置、电子设备及存储介质 | |
CN116977130A (zh) | 房地产线索智能化管理方法、装置及存储介质 | |
CN115759875A (zh) | 一种公共资源交易的供应商分类分级管理方法及系统 | |
CN114418024A (zh) | 学历预测方法、系统、终端设备及存储介质 |
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 |