CN113987022A - 考勤数据分析方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种考勤数据分析方法、装置、计算机设备和存储介质。所述方法包括：获取各员工的考勤数据；对各所述员工的考勤数据进行分析，获得各所述员工的考勤数据分析结果，所述考勤数据分析结果包括各所述员工的每天同进数据、每天同出数据、每天同进同出数据以及隔天同进同出数据中的至少一种；获取与所述考勤数据分析结果对应的考勤规则；基于与所述考勤数据分析结果对应的考勤规则，对所述考勤数据分析结果进行分析，确定是否存在异常考勤。采用本方法能够提高考勤的分析精度。

Description

考勤数据分析方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种考勤数据分析方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，在工作中，为了对员工的考勤进行记录，各企业通常会设置考勤系统，通过考勤系统来记录员工的考勤情况。

然而，现有的考勤系统只记录员工的打卡记录，如果员工代打卡，如员工A使用员工B的芯片卡进行打卡，则无法根据打卡记录分析出异常数据，且传统的考勤系统采用数据库的方式进行数据分析，性能较差，可能导致无法得到精确的数据处理结果。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高数据分析精度的考勤数据分析方法、装置、计算机设备和存储介质。

一种考勤数据分析方法，所述方法包括：

获取各待处理数据，任意一条待处理数据包括：相关联的用户标识、记录日期、第一记录时间点和第二记录时间点，所述第一记录时间点早于所述第二记录时间点，所述第一记录时间点为所述记录日期中的第一时间点，所述第二记录时间点为所述记录日期中的第二时间点；

对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，所述数据分析结果包括：各所述用户标识的第一关联记录数据、第二关联记录数据、第三关联记录数据、以及第四关联记录数据中的至少一种，所述第一关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第一记录时间点相同的待处理数据，所述第二关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第二记录时间点相同的待处理数据，所述第三关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据，所述第四关联记录数据为与所述用户标识的关联的待处理数据的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的待处理数据；

获取与所述数据分析结果对应的异常分析规则；

基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据。

在其中一个实施例中，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，包括：

选取所述待处理数据中的任意一条待处理数据作为初始待处理数据；

将所述初始待处理数据的记录日期、第一记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第一记录时间点进行比较，在得到与所述初始待处理数据的记录日期相同、且第一记录时间点相同的其他待处理数据时，将该其它待处理数据作为所述初始待处理数据的用户标识的第一关联记录数据；

当所述初始待处理数据的记录日期、第一记录时间点与各所述待处理数据中，其他待处理数据的记录日期、第一记录时间点比较完成之后，选取所述其他待处理数据中的任意一条待处理数据作为初始待处理数据，并返回将所述初始待处理数据的记录日期、第一记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第一记录时间点进行比较的步骤，直至各所述待处理数据均比较完成。

在其中一个实施例中，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：

选取所述待处理数据中的任意一条数据作为初始待处理数据；

将所述初始待处理数据的记录日期、第二记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第二记录时间点进行比较，在得到与所述初始待处理数据的记录日期相同、且第二记录时间点相同的其他待处理数据时，将该其它待处理数据作为所述初始待处理数据的用户标识的第二关联记录数据；

当所述初始待处理数据的记录日期、第二记录时间点与各所述待处理数据中，其他待处理数据的记录日期、第二记录时间点比较完成之后，选取所述其他待处理数据中的任意一条待处理数据作为初始待处理数据，并返回将所述初始待处理数据的记录日期、第二记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第二记录时间点进行比较的步骤，直至各所述待处理数据均比较完成。

在其中一个实施例中，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：

从各所述第一关联记录数据中选取任意一个用户标识关联的记录日期、第一记录时间点，作为第一关联记录数据比较数据；

从各所述第二关联记录数据中选取与该用户标识关联的记录日期、第二记录时间点，作为第二关联记录数据比较数据；

将所述第一关联记录数据比较数据和所述第二关联记录数据比较数据进行比较，确定该用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据为第三关联记录数据，直至各所述用户标识的第一关联记录数据、第二关联记录数据均比较完成。

在其中一个实施例中，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：

从各所述第一关联记录数据中选取任意一个用户标识关联的记录日期、第一记录时间点，作为第一关联记录数据比较数据；

从各所述第二关联记录数据中选取与该用户标识关联的记录日期、第二记录时间点，作为第二关联记录数据比较数据；

将所述第一关联记录数据比较数据和所述第二关联记录数据比较数据进行比较，确定该用户标识关联的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的为第四关联记录数据，直至各所述用户标识的第一关联记录数据、第二关联记录数据均比较完成。

在其中一个实施例中，所述基于所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据之前，包括：

接收异常规则条件设定指令，基于所述异常规则条件设定指令，确定与所述异常分析规则对应的异常规则条件，所述异常规则指令携带异常规则次数。

在其中一个实施例中，所述基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据，包括：

基于与所述数据分析结果对应的异常分析规则，判断各所述数据分析结果是否满足对应的异常分析规则的异常规则条件；

当存在数据分析结果满足异常分析规则对应的异常规则条件时，确定存在异常记录数据。

一种考勤数据分析装置，所述装置包括：

数据获取模块，用于获取各待处理数据，任意一条待处理数据包括：相关联的用户标识、记录日期、第一记录时间点和第二记录时间点，所述第一记录时间点早于所述第二记录时间点；

第一数据分析模块，用于对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，所述数据分析结果包括：各所述用户标识的第一关联记录数据、第二关联记录数据、第三关联记录数据、以及第四关联记录数据中的至少一种，所述第一关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第一记录时间点相同的待处理数据，所述第二关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第二记录时间点相同的待处理数据，所述第三关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据，所述第四关联记录数据为与所述用户标识的关联的待处理数据的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的待处理数据；

规则获取模块，用于获取与所述数据分析结果对应的异常分析规则；

第二数据分析模块，用于基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据。

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考勤数据分析方法的步骤。

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考勤数据分析方法的步骤。

上述考勤数据分析方法、装置、计算机设备和存储介质，通过获取各待处理数据，对各待处理数据进行分析，从而可以获得数据分析结果，最后获取与数据分析结果对应的异常分析规则，通过异常分析规则对数据分析结果进行分析，确定是否存在异常记录数据。从而通过上述方法可以提高数据的分析精度。

附图说明

图1为一个实施例中考勤数据分析方法的应用环境图；

图2为一个实施例中考勤数据分析方法的流程示意图；

图3为一个实施例中考勤数据分析装置的结构框图；

图4为一个实施例中计算机设备的内部结构图；

图5为一个实施例中计算机设备的内部结构图。

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。

本申请提供的考勤数据分析方法，可以应用于如图1所示的应用环境中。其中，该应用环境可以涉及到打卡芯片102以及计算机设备104，其中，打卡芯片102可以包括打卡芯片A、打卡芯片B…打卡芯片N，其中，打卡芯片A可以对应A员工，打卡芯片B可以对应B员工，打卡芯片N可以对应N员工，例如，A员工可以通过打卡芯片A完成打卡，当A员工打卡后，计算机设备104可以记录考勤数据，并对A员工的打卡数据进行分析，获得相应的分析结果。

在其中一个实施例中，A员工可以通过打卡芯片A完成打卡，也可以在自己完成打卡后，通过B员工的打卡芯片B帮B员工完成打卡，通过N员工的打开芯片N帮N员工完成打卡，从而A员工可以帮B员工、N员工代打卡。其中，计算机设备104可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，计算机设备104也可以为服务器，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

具体的，计算机设备通过获取各待处理数据，对各待处理数据进行分析，从而可以获得数据分析结果，最后获取与数据分析结果对应的异常分析规则，通过异常分析规则对数据分析结果进行分析，确定是否存在异常记录数据。

在一个实施例中，如图2所示，提供了一种考勤数据分析方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：

步骤S202，获取各待处理数据，任意一条待处理数据包括：相关联的用户标识、记录日期、第一记录时间点和第二记录时间点，所述第一记录时间点早于所述第二记录时间点，所述第一记录时间点为所述记录日期中的第一时间点，所述第二记录时间点为所述记录日期中的第二时间点。

在其中一个实施例中，各待处理数据可以指员工的考勤数据，可以实时获取各待处理数据，也可以获取预设时间段内的待处理数据，如获取一个星期的中产生的各待处理数据，具体的，可以根据实际情况获取待处理数据。

在其中一个实施例中，任意一条待处理数据包括：相关联的用户标识、记录日期、第一记录时间点和第二记录时间点，第一记录时间点早于第二记录时间点，第一记录时间点为记录日期中的第一时间点，第二记录时间点为所述记录日期中的第二时间点，其中，用户标识可以用于区分不同的用户，用户标识可以为特征码、数字以及字母等任意标识符，记录日期可以为xx年xx月xx日xx时xx分xx秒，记录日期可以包括第一记录时间点和第二记录时间点。

步骤S204，对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，所述数据分析结果包括：各所述用户标识的第一关联记录数据、第二关联记录数据、第三关联记录数据、以及第四关联记录数据中的至少一种，所述第一关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第一记录时间点相同的待处理数据，所述第二关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第二记录时间点相同的待处理数据，所述第三关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据，所述第四关联记录数据为与所述用户标识的关联的待处理数据的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的待处理数据。

在其中一个实施例中，可以采用spark(计算)算子对待处理数据进行分析，具体的，spark算子可以为join(关联)算子、partitionBy(分组)算子、foreach(遍历数组)算子、filter(过滤)算子等，通过spark算子，可以获得数据分析结果。其中，join算子为用于对各条待处理数据进行关联的关联算子，partitionBy算子为用户对待处理数据进行分组的算子，foreach算子为对待处理数据进行遍历运算的算子，filter算子为对待处理数据进行过滤处理的算子。

步骤S206，获取与所述数据分析结果对应的异常分析规则。

在其中一个实施例中，异常分析规则是指预先设定的数据分析结果应当满足的条件，例如，异常分析规则可以为一个月内每日同进同出、一个月内每日同进、一个月内每日同出以及一个月内隔天同进同出等，异常分析规则可以根据实际情况进行调整，异常分析规则可以预先存储于数据库中，在其中一个实施例中，可以通过应用程序接口调用存储于数据库中的异常分析规则。

步骤S208，基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据。

在其中一个实施例中，异常记录数据是指数据分析结果存在异常状况，异常状况可以是存在员工帮他人打卡等，数据分析结果与异常分析规则对应，通过获取与数据分析结果对应的异常分析规则，对数据分析结果进行分析，从而可以确定是否存在异常记录数据。

上述考勤数据分析方法中，通过获取各待处理数据，对各待处理数据进行分析，从而可以获得数据分析结果，最后获取与数据分析结果对应的异常分析规则，通过异常分析规则对数据分析结果进行分析，确定是否存在异常记录数据。从而通过上述方法可以提高数据的分析精度。

在其中一个实施例中，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，包括：

选取所述待处理数据中的任意一条待处理数据作为初始待处理数据；

将所述初始待处理数据的记录日期、第一记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第一记录时间点进行比较，在得到与所述初始待处理数据的记录日期相同、且第一记录时间点相同的其他待处理数据时，将该其它待处理数据作为所述初始待处理数据的用户标识的第一关联记录数据；

当所述初始待处理数据的记录日期、第一记录时间点与各所述待处理数据中，其他待处理数据的记录日期、第一记录时间点比较完成之后，选取所述其他待处理数据中的任意一条待处理数据作为初始待处理数据，并返回将所述初始待处理数据的记录日期、第一记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第一记录时间点进行比较的步骤，直至各所述待处理数据均比较完成。

在其中一个实施例中，以待处理数据为待处理考勤数据为例进行说明，考勤数据中可以包括各员工的员工编号、各员工每天的打卡时间、各员工的打卡地点等，其中，参考表1所示，为各员工的考勤数据表：

表1

如表1所示，可以选取考勤数据中的任意一条待处理数据作为初始考勤数据，然后基于join算子、partitionBy算子展开处理，其中，Join算子和partitionBy算子的输入可以是各考勤数据，将初始考勤数据的记录日期、第一记录时间点依次与待处理考勤数据中，其他待处理考勤数据的记录日期、第一记录时间点进行比较，在得到与初始待处理考勤数据的记录日期相同、且第一记录时间点相同的其他待处理考勤数据时，将该其它待处理考勤数据作为初始待处理考勤数据的用户标识的第一关联记录数据，并在比较完成后，选取其他待处理考勤数据中的任意一条待处理考勤数据作为初始待处理考勤数据，重复上述比较过程，直至各待处理考勤数据均比较完成，Join算子和partitionBy算子的输出可以是第一关联记录数据，从而可以得到如表2所示的第一关联记录数据，第一关联记录数据为与用户标识的关联的待处理数据的记录日期相同、且第一记录时间点相同的待处理数据。从而通过上述方法可以实现去重。

表2

在其中一个实施例中，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：选取所述待处理数据中的任意一条数据作为初始待处理数据；将所述初始待处理数据的记录日期、第二记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第二记录时间点进行比较，在得到与所述初始待处理数据的记录日期相同、且第二记录时间点相同的其他待处理数据时，将该其它待处理数据作为所述初始待处理数据的用户标识的第二关联记录数据；当所述初始待处理数据的记录日期、第二记录时间点与各所述待处理数据中，其他待处理数据的记录日期、第二记录时间点比较完成之后，选取所述其他待处理数据中的任意一条待处理数据作为初始待处理数据，并返回将所述初始待处理数据的记录日期、第二记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第二记录时间点进行比较的步骤，直至各所述待处理数据均比较完成。

其中，以待处理数据为考勤数据为例进行说明，可以采用join算子、partitionBy算子，获得如表2所示的第二关联记录数据，第二关联记录数据为与用户标识的关联的待处理数据的记录日期相同、且第二记录时间点相同的待处理数据。

在其中一个实施例中，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：从各所述第一关联记录数据中选取任意一个用户标识关联的记录日期、第一记录时间点，作为第一关联记录数据比较数据；从各所述第二关联记录数据中选取与该用户标识关联的记录日期、第二记录时间点，作为第二关联记录数据比较数据；将所述第一关联记录数据比较数据和所述第二关联记录数据比较数据进行比较，确定该用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据为第三关联记录数据，直至各所述用户标识的第一关联记录数据、第二关联记录数据均比较完成。

其中，以待处理数据为待处理考勤数据为例进行说明，表3为A员工的每天同进数据、每天同出数据表，从表3中可知，A员工在2021年8月10日、2021年8月9日的同进员工为B员工，A员工在2021年8月10日、2021年8月9日的同出员工为B员工。

表3

在其中一个实施例中，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：从各所述第一关联记录数据中选取任意一个用户标识关联的记录日期、第一记录时间点，作为第一关联记录数据比较数据；从各所述第二关联记录数据中选取与该用户标识关联的记录日期、第二记录时间点，作为第二关联记录数据比较数据；将所述第一关联记录数据比较数据和所述第二关联记录数据比较数据进行比较，确定该用户标识关联的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的为第四关联记录数据，直至各所述用户标识的第一关联记录数据、第二关联记录数据均比较完成。

在其中一个实施例中，以A、B以及C三位员工为例进行说明，在得到A、B以及C三位员工的每日同进数据、每日同出数据之后，还可以基于join算子获得A、B以及C三位员工的每天同进同出数据、隔天同进同出数据，如表4所示，为A员工的每天同进同出数据，表4中包括了A员工在2021年8月10号的同进同出数据、A员工在2021年8月9号的同进同出数据，从而通过上述方法可以获得各员工的勤数据分析结果。

表4

在其中一个实施例中，如表5所示，为A员工的隔天同进同出数据，表5中包括了A员工在2021年8月10号的隔天同进同出数据。

表5

在其中一个实施例中，所述基于所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据之前，包括：接收异常规则条件设定指令，基于所述异常规则条件设定指令，确定与所述异常分析规则对应的异常规则条件，所述异常规则指令携带异常规则次数。

在其中一个实施例中，异常规则条件设定指令是设定异常规则条件的指令，其中，异常规则条件可以预先设定，也可以在对数据分析结果进行分析时，根据数据分析结果的实际情况，进行相应的更改，例如，当对企业内各员工一个月内当天同进的数据进行分析时，若需要更严格的管控员工的打卡情况，则可以设置异常规则为“一个月同进”的异常规则条件为“忽略5次及以下”，若需要放松对员工的考勤的管控，可以设置异常规则为“一个月同进”的异常规则条件为“忽略10次及以下”。从而通过上述方法可以更精确的对数据分析结果进行分析。

在其中一个实施例中，所述基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据，包括：

基于与所述数据分析结果对应的异常分析规则，判断各所述数据分析结果是否满足对应的异常分析规则的异常规则条件；

当存在数据分析结果满足异常分析规则对应的异常规则条件时，确定存在异常记录数据。

在其中一个实施例中，异常分析规则可以为考勤规则，异常规则条件可以为考勤规则对应的考勤规则条件，数据分析结果可以为考勤数据分析结果，具体的，考勤规则可以包括：每天同进规则、每天同出规则、每天同进同出规则等，勤数据分析结果可以包括各员工的每天同出数据、各员工的每天同出数据、各员工的每天同进同出数据以及各员工的隔天同进同出数据，每天同进规则可以为一个月同进，其对应的考勤规则条件可以为：忽略7次及以下。每天同出规则可以为一个月同出，其对应的考勤规则条件可以为：忽略7次及以下，每天同进同出规则可以为一个月同进同出，其对应的考勤规则条件可以为：忽略2次及以下，即任意一个员工，在一个月内，其每天同进同出数据小于等于2次，则可以认定其考勤正常，其每天同出数据大于2次，则可以认定其考勤异常。隔天同进同出规则可以为一个月同进同出，其对应的考勤规则条件可以为：忽略2次及以下，一个月内隔天同进同出，忽略2次及以下。

在其中一个实施例中，当考勤数据分析结果包括各员工的每天同进数据时，判断每天同进数据是否满足每天同进规则的每天同进规则条件，若满足每天同进规则条件，确定存在异常考勤。例如，当每天同进规则为一个月同进，其对应的考勤规则条件为：忽略7次及以下时，针对任意一个员工，在一个月内，其每天同进数据小于等于7次，则可以认定其考勤正常，其每天同进数据大于7次，则可以认定其考勤异常。从而通过上述方法可以确定是否存在异常考勤。

在其中一个实施例中，当考勤数据分析结果包括各员工的每天同出数据时，判断每天同出数据是否满足每天同进规则的每天同进规则条件，若满足每天同出规则条件，确定存在异常考勤。例如，当每天同进规则为一个月同出，其对应的考勤规则条件为：忽略7次及以下时，针对任意一个员工，在一个月内，其每天同出数据小于等于7次，则可以认定其考勤正常，其每天同出数据大于7次，则可以认定其考勤异常。从而通过上述方法可以确定是否存在异常考勤。

在其中一个实施例中，当考勤数据分析结果包括各员工的每天同进同出数据时，判断每天同进同出数据是否满足每天同进同出规则的每天同进同出规则条件，若满足每天同进同出规则条件，确定存在异常考勤。例如，当每天同进同出规则为一个月同进同出，其对应的考勤规则条件为：忽略2次及以下，即任意一个员工，在一个月内，其每天同进同出数据小于等于2次，则可以认定其考勤正常，其每天同出数据大于2次，则可以认定其考勤异常。从而通过上述方法可以确定是否存在异常考勤。

在其中一个实施例中，当考勤数据分析结果包括各员工的隔天同进同出数据时，判断隔天同进同出数据是否满足隔天同进同出规则的隔天同进同出规则条件，若满足每天同出规则条件，确定存在异常考勤。例如，当隔天同进同出规则为一个月隔天同进同出，其对应的考勤规则条件为：忽略2次及以下，即在其中一个实施例中，当考勤数据分析结果包括各员工的每天同进同出数据时，判断每天同进同出数据是否满足每天同进同出规则的每天同进规则条件，若满足每天同出规则条件，确定存在异常考勤。例如，当每天同进规则为一个月同出，其对应的考勤规则条件为：忽略2次及以下，即任意一个员工，在一个月内，其隔天同进同出数据小于等于2次，则可以认定其考勤正常，其隔天同进同出数据大于2次，则可以认定其考勤异常。从而通过上述方法可以确定是否存在异常考勤。

在其中一个实施例中，所述方法还包括：当确定存在异常考勤时，输出对应的考勤数据分析结果。

在其中一个实施例中，在确定存在异常考勤时，可以通过websocket(全双工通信协议)将异常考勤对应的考勤数据分析结果实时推送到人机交互页面(如微信客户端、显示屏等)，实时更新异常考勤看板。

在其中一个实施例中，还可以将异常考勤对应的考勤数据分析结果通过邮件的方式发送至管理人员，从而管理人员可以根据实际情况进行相关处理。

在其中一个实施例中，所述基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据，还包括获取待检测的用户图像；将各所述用户图像输入至预先训练的神经网络模型，获得各所述用户图像的图像信息；基于所述图像信息和所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据。

其中，图像可以是通过摄像头获取的用户的人脸图片，通过将图像输入至预先训练的神经网络模型，可以确定图像的图像信息，如确定用户的身份，并将用户与异常分析规则进行结合，对数据分析结果进行分析，如存在有数据分析结果不满足异常分析规则对应的异常规则条件时，结合图像信息，来确定是否存在异常记录。

应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图3所示，提供了一种考勤数据分析装置，包括：考勤数据获取模块、考勤数据分析模块、考勤规则获取模块和考勤结果确定模块，其中：

数据获取模块302，用于获取各待处理数据，任意一条待处理数据包括：相关联的用户标识、记录日期、第一记录时间点和第二记录时间点，所述第一记录时间点早于所述第二记录时间点，所述第一记录时间点为所述记录日期中的第一时间点，所述第二记录时间点为所述记录日期中的第二时间点。

第一数据分析模块304，用于对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，所述数据分析结果包括：各所述用户标识的第一关联记录数据、第二关联记录数据、第三关联记录数据、以及第四关联记录数据中的至少一种，所述第一关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第一记录时间点相同的待处理数据，所述第二关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第二记录时间点相同的待处理数据，所述第三关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据，所述第四关联记录数据为与所述用户标识的关联的待处理数据的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的待处理数据。

规则获取模块306，用于获取与所述数据分析结果对应的异常分析规则。

第二数据分析模块308，用于基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据。

在其中一个实施例中，第一数据分析模块，用于选取所述待处理数据中的任意一条待处理数据作为初始待处理数据；将所述初始待处理数据的记录日期、第一记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第一记录时间点进行比较，在得到与所述初始待处理数据的记录日期相同、且第一记录时间点相同的其他待处理数据时，将该其它待处理数据作为所述初始待处理数据的用户标识的第一关联记录数据；当所述初始待处理数据的记录日期、第一记录时间点与各所述待处理数据中，其他待处理数据的记录日期、第一记录时间点比较完成之后，选取所述其他待处理数据中的任意一条待处理数据作为初始待处理数据，并返回将所述初始待处理数据的记录日期、第一记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第一记录时间点进行比较的步骤，直至各所述待处理数据均比较完成。

在其中一个实施例中，第一数据分析模块，用于选取所述待处理数据中的任意一条数据作为初始待处理数据；将所述初始待处理数据的记录日期、第二记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第二记录时间点进行比较，在得到与所述初始待处理数据的记录日期相同、且第二记录时间点相同的其他待处理数据时，将该其它待处理数据作为所述初始待处理数据的用户标识的第二关联记录数据；当所述初始待处理数据的记录日期、第二记录时间点与各所述待处理数据中，其他待处理数据的记录日期、第二记录时间点比较完成之后，选取所述其他待处理数据中的任意一条待处理数据作为初始待处理数据，并返回将所述初始待处理数据的记录日期、第二记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第二记录时间点进行比较的步骤，直至各所述待处理数据均比较完成。

在其中一个实施例中，第一数据分析模块，用于从各所述第一关联记录数据中选取任意一个用户标识关联的记录日期、第一记录时间点，作为第一关联记录数据比较数据；从各所述第二关联记录数据中选取与该用户标识关联的记录日期、第二记录时间点，作为第二关联记录数据比较数据；将所述第一关联记录数据比较数据和所述第二关联记录数据比较数据进行比较，确定该用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据为第三关联记录数据，直至各所述用户标识的第一关联记录数据、第二关联记录数据均比较完成。

在其中一个实施例中，第一数据分析模块，用于从各所述第一关联记录数据中选取任意一个用户标识关联的记录日期、第一记录时间点，作为第一关联记录数据比较数据；从各所述第二关联记录数据中选取与该用户标识关联的记录日期、第二记录时间点，作为第二关联记录数据比较数据；将所述第一关联记录数据比较数据和所述第二关联记录数据比较数据进行比较，确定该用户标识关联的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的为第四关联记录数据，直至各所述用户标识的第一关联记录数据、第二关联记录数据均比较完成。

在其中一个实施例中，所述装置还包括：

异常规则条件处理模块，用于接收异常规则条件设定指令，基于所述异常规则条件设定指令，确定与所述异常分析规则对应的异常规则条件，所述异常规则指令携带异常规则次数。

在其中一个实施例中，第二数据分析模块，用于基于与所述数据分析结果对应的异常分析规则，判断各所述数据分析结果是否满足对应的异常分析规则的异常规则条件；当存在数据分析结果满足异常分析规则对应的异常规则条件时，确定存在异常记录数据。

在其中一个实施例中，第二数据分析模块，还用于获取待检测的用户图像；将各所述用户图像输入至预先训练的神经网络模型，获得各所述用户图像的图像信息；基于所述图像信息和所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据。

关于考勤数据分析装置的具体限定可以参见上文中对于考勤数据分析方法的限定，在此不再赘述。上述考勤数据分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备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。该内存储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存储考勤数据。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考勤数据分析方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5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、通信接口、显示屏和输入装置。其中，该计算机设备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和计算机程序。该内存储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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种考勤数据分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图4、5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述考勤数据分析方法的步骤。

在一个实施例中，提供了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上述考勤数据分析方法的步骤。

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，本申请所提供的各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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种考勤数据分析方法，其特征在于，所述方法包括：

获取各待处理数据，任意一条待处理数据包括：相关联的用户标识、记录日期、第一记录时间点和第二记录时间点，所述第一记录时间点、所述第二记录时间点为所述记录日期对应的时间范围内的时间点，所述第一记录时间点早于所述第二记录时间点；

对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，所述数据分析结果包括：各所述用户标识的第一关联记录数据、第二关联记录数据、第三关联记录数据、以及第四关联记录数据中的至少一种，所述第一关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第一记录时间点相同的待处理数据，所述第二关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第二记录时间点相同的待处理数据，所述第三关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据，所述第四关联记录数据为与所述用户标识的关联的待处理数据的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的待处理数据；

获取与所述数据分析结果对应的异常分析规则；

基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据。

2.根据权利要求1所述的方法，其特征在于，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，包括：

选取所述待处理数据中的任意一条待处理数据作为初始待处理数据；

将所述初始待处理数据的记录日期、第一记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第一记录时间点进行比较，在得到与所述初始待处理数据的记录日期相同、且第一记录时间点相同的其他待处理数据时，将该其它待处理数据作为所述初始待处理数据的用户标识的第一关联记录数据；

当所述初始待处理数据的记录日期、第一记录时间点与各所述待处理数据中，其他待处理数据的记录日期、第一记录时间点比较完成之后，选取所述其他待处理数据中的任意一条待处理数据作为初始待处理数据，并返回将所述初始待处理数据的记录日期、第一记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第一记录时间点进行比较的步骤，直至各所述待处理数据均比较完成。

3.根据权利1所述方法，其特征在于，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：

选取所述待处理数据中的任意一条数据作为初始待处理数据；

将所述初始待处理数据的记录日期、第二记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第二记录时间点进行比较，在得到与所述初始待处理数据的记录日期相同、且第二记录时间点相同的其他待处理数据时，将该其它待处理数据作为所述初始待处理数据的用户标识的第二关联记录数据；

当所述初始待处理数据的记录日期、第二记录时间点与各所述待处理数据中，其他待处理数据的记录日期、第二记录时间点比较完成之后，选取所述其他待处理数据中的任意一条待处理数据作为初始待处理数据，并返回将所述初始待处理数据的记录日期、第二记录时间点依次与所述待处理数据中，其他待处理数据的记录日期、第二记录时间点进行比较的步骤，直至各所述待处理数据均比较完成。

4.根据权利要求1所述的方法，其特征在于，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：

从各所述第一关联记录数据中选取任意一个用户标识关联的记录日期、第一记录时间点，作为第一关联记录数据比较数据；

从各所述第二关联记录数据中选取与该用户标识关联的记录日期、第二记录时间点，作为第二关联记录数据比较数据；

将所述第一关联记录数据比较数据和所述第二关联记录数据比较数据进行比较，确定该用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据为第三关联记录数据，直至各所述用户标识的第一关联记录数据、第二关联记录数据均比较完成。

5.根据权利要求1所述的方法，其特征在于，所述对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，还包括：

从各所述第一关联记录数据中选取任意一个用户标识关联的记录日期、第一记录时间点，作为第一关联记录数据比较数据；

从各所述第二关联记录数据中选取与该用户标识关联的记录日期、第二记录时间点，作为第二关联记录数据比较数据；

将所述第一关联记录数据比较数据和所述第二关联记录数据比较数据进行比较，确定该用户标识关联的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的为第四关联记录数据，直至各所述用户标识的第一关联记录数据、第二关联记录数据均比较完成。

6.根据权利要求1所述的方法，其特征在于，所述基于所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据之前，包括：

接收异常规则条件设定指令，基于所述异常规则条件设定指令，确定与所述异常分析规则对应的异常规则条件，所述异常规则指令携带异常规则次数。

7.根据权利要求1所述的方法，其特征在于，所述基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据，包括：

基于与所述数据分析结果对应的异常分析规则，判断各所述数据分析结果是否满足对应的异常分析规则的异常规则条件；

当存在数据分析结果满足异常分析规则对应的异常规则条件时，确定存在异常记录数据。

8.一种考勤数据分析装置，其特征在于，所述装置包括：

数据获取模块，用于获取各待处理数据，任意一条待处理数据包括：相关联的用户标识、记录日期、第一记录时间点和第二记录时间点，所述第一记录时间点早于所述第二记录时间点；

第一数据分析模块，用于对各所述待处理数据进行分析，获得各所述用户标识的数据分析结果，所述数据分析结果包括：各所述用户标识的第一关联记录数据、第二关联记录数据、第三关联记录数据、以及第四关联记录数据中的至少一种，所述第一关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第一记录时间点相同的待处理数据，所述第二关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、且第二记录时间点相同的待处理数据，所述第三关联记录数据为与所述用户标识的关联的待处理数据的记录日期相同、第一记录时间点相同且第二记录时间点相同的待处理数据，所述第四关联记录数据为与所述用户标识的关联的待处理数据的记录日期间隔预设天数、第一记录时间点相同且第二记录时间点相同的待处理数据；

规则获取模块，用于获取与所述数据分析结果对应的异常分析规则；

第二数据分析模块，用于基于与所述数据分析结果对应的异常分析规则，对所述数据分析结果进行分析，确定是否存在异常记录数据。

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中任一项所述的方法的步骤。

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。

Images