CN114066015A - 一种部门人员组成优化方法、设备及介质 - Google Patents

Abstract

本申请公开了一种部门人员组成优化方法、设备及介质，方法包括：确定部门人员组成的评价指标；通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在评价指标下的评价值以及部门的总评价值；将总评价值最高的部门的在评价指标下的评价值，以雷达图的方式进行展示，并将总评价值最高的部门在雷达图中的展示图像作为参照模型；将其他部门中各部门在评价指标下的评价值，分别在雷达图上进行展示，并将各部门在雷达图中的展示图像作为计算模型；在雷达图中，通过将计算模型与参照模型进行匹配，对部门人员组成进行优化。本申请实施例能够对企业中的各部门人员组成进行合理化的配置。

Description

一种部门人员组成优化方法、设备及介质

技术领域

本申请涉及信息管理技术领域，尤其涉及一种部门人员组成优化方法、设备及介质。

背景技术

目前，大多数企业是依靠经验、法则或者事后调整等配置人力资源，很容易造成短视，很难从企业战略发展的全局角度对部门进行岗位和人员的合理配置，研究人员往往只是在理论上给决策者提供依据，实用性与可操作性不强。

因此，如何对部门人员组成进行合理化的配置，成为亟需解决的问题。

发明内容

本申请实施例提供一种部门人员组成优化方法、设备及介质，用于解决无法对部门人员组成进行合理化的配置的问题。

本申请实施例采用下述技术方案：

一方面，本申请实施例提供了一种部门人员组成优化方法，该方法包括：确定部门人员组成的评价指标；通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在所述评价指标下的评价值以及所述部门的总评价值；将总评价值最高的部门的在所述评价指标下的评价值，以雷达图的方式进行展示，并将所述总评价值最高的部门在所述雷达图中的展示图像作为参照模型；将其他部门中各部门在所述评价指标下的评价值，分别在所述雷达图上进行展示，并将所述各部门在所述雷达图中的展示图像作为计算模型；在所述雷达图中，通过将所述计算模型与所述参照模型进行匹配，对部门人员组成进行优化。

一个示例中，所述通过将所述计算模型与所述参照模型进行匹配，对部门人员组成进行优化，具体包括：通过将所述计算模型与所述参照模型进行匹配，确定部门的待优化评价指标，并在所述部门人员信息中，确定待优化人员；所述待优化人员为低于待优化评价指标的数据阈值的人员；确定与所述待优化评价指标关联的目标管理集群；所述目标管理群中包括与所述待优化指标相关的多个部门中的人员信息；在所述目标管理群中，将高于所述待优化评价指标的数据阈值的人员作为目标流动人员；基于所述目标流动人员所属部门对应的雷达图以及所述目标流动人员的信息，将所述待优化人员与所述目标流动人员进行匹配，以对部门人员组成进行优化。

一个示例中，所述通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在所述评价指标下的评价值以及所述部门的总评价值，具体包括：在所述评价指标下设置所述部门人员组成的参考指标；通过层次分析法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的主观权重，将所述部门人员信息与所述主观权重进行计算，确定部门在所述评价指标下的主观评分；以及根据所述部门人员信息，通过熵权法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的客观权重，将所述部门人员信息与所述客观权重进行计算，确定部门在所述评价指标下的客观评分；根据所述主观评分与所述客观评分，确定所述部门在所述评价指标下的评价值；根据所述部门在所述评价指标下的评价值，确定所述部门的总评价值。

一个示例中，所述通过层次分析法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的主观权重，具体包括：获取来自于业务专家对所述评价指标与所述参考指标分别对应的的打分；所述打分用于表示所述评价指标与所述参考指标的重要程度；根据所述打分，通过层次分析法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的主观权重。

一个示例中，所述将所述部门人员信息与所述主观权重进行计算，确定部门在所述评价指标下的主观评分，具体包括：确定所述部门的各人员信息；将所述各人员信息先与所述参考指标的主观权重进行相乘，再与所述评价指标的主观权重进行相乘，得到所述部门的各人员信息在所述评价指标下的得分；求取所述各人员信息在所述评价指标下的得分的平均值，得到所述部门在所述评价指标下的主观评分。

一个示例中，所述根据所述部门人员信息，通过熵权法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的客观权重，具体包括：根据所述部门人员信息，确定评价指标数据与参考指标数据；根据所述评价指标数据与所述参考指标数据，构建数据矩阵，并对所述数据矩阵中的数据进行归一化；根据归一化的评价指标数据与参考指标数据，确定所述评价指标与所述参考指标分别对应的熵；根据所述评价指标与所述参考指标分别对应的熵，确定所述所述评价指标与所述参考指标分别对应的客观权重。

一个示例中，所述将所述部门人员信息与所述客观权重进行计算，确定部门在所述评价指标下的客观评分，具体包括：确定所述部门的各人员信息；将所述各人员信息先与所述参考指标的客观权重进行相乘，再与所述评价指标的客观权重进行相乘，得到所述部门的各人员信息在所述评价指标下的得分；求取所述各人员信息在所述评价指标下的得分的平均值，得到所述部门在所述评价指标下的客观评分。

一个示例中，所述根据所述主观评分与所客观评分，确定所述部门在所述评价指标下的评价值，具体包括：通过业务专家的反馈，获取所述主观评分的权重与所述客观评分的权重；以及将所述主观评分与所述客观评分进行修正，以确定所述主观评分与所述客观评分为同一数量级；对修正后的主观评分与所述主观评分的权重进行计算，确定更新的主观评分；以及对修正后的客观评分与所述客观评分的权重进行计算，确定更新的客观评分；将所述更新的主观评分与所述更新的客观评分进行求和，并将求和后的评分映射至预设分数区间，确定所述部门在所述评价指标下的评价值。

另一方面，本申请实施例提供了一种部门人员组成优化设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：确定部门人员组成的评价指标；通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在所述评价指标下的评价值以及所述部门的总评价值；将总评价值最高的部门的在所述评价指标下的评价值，以雷达图的方式进行展示，并将所述总评价值最高的部门在所述雷达图中的展示图像作为参照模型；将其他部门中各部门在所述评价指标下的评价值，分别在所述雷达图上进行展示，并将所述各部门在所述雷达图中的展示图像作为计算模型；在所述雷达图中，通过将所述计算模型与所述参照模型进行匹配，对部门人员组成进行优化。

另一方面，本申请实施例提供了一种部门人员组成优化非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：确定部门人员组成的评价指标；通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在所述评价指标下的评价值以及所述部门的总评价值；将总评价值最高的部门的在所述评价指标下的评价值，以雷达图的方式进行展示，并将所述总评价值最高的部门在所述雷达图中的展示图像作为参照模型；将其他部门中各部门在所述评价指标下的评价值，分别在所述雷达图上进行展示，并将所述各部门在所述雷达图中的展示图像作为计算模型；在所述雷达图中，通过将所述计算模型与所述参照模型进行匹配，对部门人员组成进行优化。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

本申请实施例能够通过预先构建的部门人员组成优化模型获取到确定部门在所述评价指标下的评价值以及所述部门的总评价值，能够及时了解各部门人员组成情况，并提高了评估部门人员组成合理性水平的可靠性，并且通过雷达图的方式，生成计算模型与参照模型，能够实现在雷达图中对比部门的多个评价指标，对企业中的各部门人员组成进行合理化的配置，同时更直观地为用户提供了部门人员组成的优化方向。

附图说明

为了更清楚地说明本申请的技术方案，下面将结合附图来对本申请的部分实施例进行详细说明，附图中：

图1为本申请实施例提供的一种部门人员组成优化方法的流程示意图；

图2为本申请实施例提供的一种部门人员组成优化设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

下面参照附图来对本申请的一些实施例进行详细说明。

本申请实施例涉及的分析方法的实现可以为终端设备，也可以为服务器，本申请对此不作特殊限制。为了方便理解和描述，以下实施例均以服务器为例进行详细描述。

需要说明的是，该服务器可以是单独的一台设备，可以是有多台设备组成的系统，即，分布式服务器，本申请对此不做具体限定。

图1为本申请实施例提供的一种部门人员组成优化方法的流程示意图。

S101：确定部门人员组成的评价指标。

具体地，基于用户的操作，服务器获取部门人员组成的评价指标。

需要说明的是，评价指标可以根据实际需要进行设置，在此不作限定，比如，评价指标包括年龄结构、学历结构、专业结构、其他结构、资历结构。

S102：通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在评价指标下的评价值以及部门的总评价值。

其中，部门在评价指标下的评价值用于表示部门人员组成的不平衡状况，部门的总评价值用于表示部门人员组成的综合实力。

此外，部门人员信息包括本企业的多个部门中的人员信息。

S103：将总评价值最高的部门的在评价指标下的评价值，以雷达图的方式进行展示，并将总评价值最高的部门在雷达图中的展示图像作为参照模型。

其中，雷达图是以从同一点开始的轴上表示的三个或更多个定量变量的二维图表的形式显示多变量数据的图形方法。轴的相对位置和角度通常是无信息的。

具体地，服务器在得到各部门的总评价值之后，首先会对各部门的总评价值进行排序，确定总评价值最高的部门。然后，服务器采用Echart技术，在雷达图上展示总评价值最高的部门在评价指标下的评价值，从而使用户能够一目了然地获取总评价值最高的部门所对应的人员组成的具体分布情况。

S104：将其他部门中各部门在评价指标下的评价值，分别在雷达图上进行展示，并将各部门在雷达图中的展示图像作为计算模型。

也就是说，服务器为其他部门中的各部门分别生成对应的雷达图，在各雷达图中，会展示总评价值最高的部门的人员组成的具体分布情况，以及其他部门中各部门的人员组成的具有分布情况。

此外，服务器为不同用户设置不同的权限，比如，A部门只能看到总评价值最高的部门在评价指标下的评价值，以及本部门在评价指标下的评价值，但是对于企业的监管领导来讲，能够看到其他部门中的各部门分别对应的雷达图。

S105：在雷达图中，通过将计算模型与参照模型进行匹配，对部门人员组成进行优化。

具体地，服务器在雷达图中，对计算模型与参照模型进行匹配，能够确定待优化指标，即，部门不足的指标。然后，在所述部门人员信息中，确定待优化人员，所述待优化人员为低于待优化评价指标的数据阈值的人员。然后，确定与所述待优化评价指标关联的目标管理集群，所述目标管理群中包括与所述待优化指标相关的多个部门中的人员信息，其中，各评价指标均关联对应的目标管理集群。

然后，服务器在目标管理群中，将高于所述待优化评价指标的数据阈值的人员作为目标流动人员，获取基于所述目标流动人员所属部门对应的雷达图。其中，可能有多个目标流动人员。

然后，服务器通过对雷达图进行分析，判断待优化评价指标在所述目标流动人员所属部门中是否也需要进行优化，若是，则排除该目标流动人员，若否，则获取目标流动人员的信息，然后根据待优化人员的信息以及目标流动人员的信息，综合评估目标流动人员与待优化人员之间的调配关系，并将调配关系向相关的部门进行通知，对相应部门提醒部门人员组成的优化方向。

此外，服务器在确定待优化指标后，提出对外招聘的策略，对相应部门提醒部门人员组成进行优化，比如，本部门的计算模型相对于参照模型的匹配时，学历结构的评价指标，匹配度低于预设阈值，说明本部门平均学历较低，因此建议本部门招聘更高学历人才。

通过在确定部门的待优化指标之后，不仅向部门提出通过招聘的策略，也会生成企业内部的人员调配策略，从而能够节省人力，物力，并且及时对部门人员组成进行优化。

需要说明的是，虽然本申请实施例是参照图1来对步骤S101至步骤S105依次进行介绍说明的，但这并不代表步骤S101至步骤S105必须按照严格的先后顺序执行。本申请实施例之所以按照图1中所示的顺序对步骤S101至步骤S105依次进行介绍说明，是为了方便本领域技术人员理解本申请实施例的技术方案。换句话说，在本申请实施例中，步骤S101至步骤S105之间的先后顺序可以根据实际需要进行适当调整。

通过图1的方法，能够通过预先构建的部门人员组成优化模型获取到确定部门在所述评价指标下的评价值以及所述部门的总评价值，能够及时了解各部门人员组成情况，并提高了部门人员组成信息的可靠性，并且通过雷达图的方式，生成计算模型与参照模型，能够实现在雷达图中对比部门的多个评价指标，对企业中的各部门人员组成进行合理化的配置，同时更直观地为用户提供了部门人员组成的优化方向。

基于图1的方法，本申请实施例还提供了该方法的一些具体实施方案和扩展方案，下面继续进行说明。

在本申请的一些实施例中，由于在进行部门人员优化时，存在标准不统一、操作难度较大、评估信度效度较低的问题，因此，服务器通过预先构建部门人员组成优化模型，能够更加合理科学的评估部门人员组成的情况。

首先，服务器基于用户的操作，将在评价指标下设置部门人员组成的参考指标。也就是说，评价指标为一级指标，在一级指标下设置二级指标，以及在二级指标下设置三级指标等。

其次，服务器通过层次分析法对评价指标与参考指标进行分析，确定评价指标与参考指标分别对应的主观权重，然后将部门人员信息与主观权重进行计算，确定部门在评价指标下的主观评分。此外，服务器在获取到多个部门的人员信息之后，通过熵权法对评价指标与参考指标进行分析，确定评价指标与参考指标分别对应的客观权重，将部门人员信息与客观权重进行计算，确定部门在评价指标下的客观评分，然后根据主观评分与客观评分，确定部门在评价指标下的评价值。

最后，服务器在得到部门在评价指标下的评价值后，将部门在各评价指标下的评价值进行求和，得到求和后的评价值，然后将求和后的评价值映射至预设分数区间，从而得到部门的总评价值。比如，预设分数区间为[60-100]。

其中，服务器通过获取来自于业务专家对评价指标与参考指标分别对应的的打分，打分用于表示评价指标与参考指标的重要程度，然后根据打分，通过层次分析法对评价指标与参考指标进行分析，确定评价指标与参考指标分别对应的主观权重，从而通过融合业务专家经验，能够提高评估评价指标与参考指标的重要程度的准确性。

进一步地，服务器通过确定部门的各人员信息，然后将各人员信息先与参考指标的主观权重进行相乘，再与评价指标的主观权重进行相乘，得到部门的各人员信息在评价指标下的得分，最后求取各人员信息在评价指标下的得分的平均值，从而得到部门在评价指标下的主观评分。

其中，服务器通过根据部门人员信息，确定评价指标数据与参考指标数据，然后根据评价指标数据与参考指标数据，构建数据矩阵，并对数据矩阵中的数据进行归一化，根据归一化的评价指标数据与参考指标数据，确定评价指标与参考指标分别对应的熵，最后根据评价指标与参考指标分别对应的熵，确定评价指标与参考指标分别对应的客观权重。

进一步地，服务器通过确定部门的各人员信息，将各人员信息先与参考指标的客观权重进行相乘，再与评价指标的客观权重进行相乘，得到部门的各人员信息在评价指标下的得分，最后求取各人员信息在评价指标下的得分的平均值，得到部门在评价指标下的客观评分。

其中，服务器在得到主观评分与客观评分后，由于主观评分与客观评分的数量级并不统一，以及主观评分与客观评分相比，所对应的权重并不合理，比如，主观评分的占比较少，而客观评分的占比较高，但是，由于主观评分融合了专家经验，因此，主观评分的占比应较高。

因此，服务器将主观评分与客观评分进行修正，以确定主观评分与客观评分为同一数量级。并且获取业务专家的反馈，从而获取业务专家反馈的主观评分的权重与客观评分的权重，然后对修正后的主观评分与主观评分的权重进行计算，确定更新的主观评分，并且对修正后的客观评分与客观评分的权重进行计算，确定更新的客观评分，最后，将更新的主观评分与更新的客观评分进行求和，并将求和后的评分映射至预设分数区间，确定部门在评价指标下的评价值，从而能够进一步提高主观评分与客观评分的合理性。

本申请实施例通过釆用基于熵权法与层次分析法相结合地主客观组合赋权法，即主观权重和客观权重相结合的方法，构建部门人员组成优化模型，能够准确并客观地评价部门人员组成的合理水平，提高了。

基于同样的思路，本申请的一些实施例还提供了上述方法对应的设备和非易失性计算机存储介质。

图2为本申请实施例提供的一种部门人员组成优化设备的结构示意图，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

确定部门人员组成的评价指标；

通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在评价指标下的评价值以及部门的总评价值；

将总评价值最高的部门的在评价指标下的评价值，以雷达图的方式进行展示，并将总评价值最高的部门在雷达图中的展示图像作为参照模型；

将其他部门中各部门在评价指标下的评价值，分别在雷达图上进行展示，并将各部门在雷达图中的展示图像作为计算模型；

在雷达图中，通过将计算模型与参照模型进行匹配，对部门人员组成进行优化。

本申请的一些实施例提供的一种部门人员组成优化非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

确定部门人员组成的评价指标；

通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在评价指标下的评价值以及部门的总评价值；

将总评价值最高的部门的在评价指标下的评价值，以雷达图的方式进行展示，并将总评价值最高的部门在雷达图中的展示图像作为参照模型；

将其他部门中各部门在评价指标下的评价值，分别在雷达图上进行展示，并将各部门在雷达图中的展示图像作为计算模型；

在雷达图中，通过将计算模型与参照模型进行匹配，对部门人员组成进行优化。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、方法、商品或者设备不仅包括那些要素，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、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请技术原理之内所作的任何修改、等同替换、改进等，均应落入本申请的保护范围之内。

Claims (10)

1.一种部门人员组成优化方法，其特征在于，所述方法包括：

确定部门人员组成的评价指标；

通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在所述评价指标下的评价值以及所述部门的总评价值；

将总评价值最高的部门的在所述评价指标下的评价值，以雷达图的方式进行展示，并将所述总评价值最高的部门在所述雷达图中的展示图像作为参照模型；

将其他部门中各部门在所述评价指标下的评价值，分别在所述雷达图上进行展示，并将所述各部门在所述雷达图中的展示图像作为计算模型；

在所述雷达图中，通过将所述计算模型与所述参照模型进行匹配，对部门人员组成进行优化。

2.根据权利要求1所述的方法，其特征在于，所述通过将所述计算模型与所述参照模型进行匹配，对部门人员组成进行优化，具体包括：

通过将所述计算模型与所述参照模型进行匹配，确定部门的待优化评价指标，并在所述部门人员信息中，确定待优化人员；所述待优化人员为低于待优化评价指标的数据阈值的人员；

确定与所述待优化评价指标关联的目标管理集群；所述目标管理群中包括与所述待优化指标相关的多个部门中的人员信息；

在所述目标管理群中，将高于所述待优化评价指标的数据阈值的人员作为目标流动人员；

基于所述目标流动人员所属部门对应的雷达图以及所述目标流动人员的信息，将所述待优化人员与所述目标流动人员进行匹配，以对部门人员组成进行优化。

3.根据权利要求1所述的方法，其特征在于，所述通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在所述评价指标下的评价值以及所述部门的总评价值，具体包括：

在所述评价指标下设置所述部门人员组成的参考指标；

通过层次分析法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的主观权重，将所述部门人员信息与所述主观权重进行计算，确定部门在所述评价指标下的主观评分；以及

根据所述部门人员信息，通过熵权法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的客观权重，将所述部门人员信息与所述客观权重进行计算，确定部门在所述评价指标下的客观评分；

根据所述主观评分与所述客观评分，确定所述部门在所述评价指标下的评价值；

根据所述部门在所述评价指标下的评价值，确定所述部门的总评价值。

4.根据权利要求3所述的方法，其特征在于，所述通过层次分析法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的主观权重，具体包括：

获取来自于业务专家对所述评价指标与所述参考指标分别对应的的打分；所述打分用于表示所述评价指标与所述参考指标的重要程度；

根据所述打分，通过层次分析法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的主观权重。

5.根据权利要求4所述的方法，其特征在于，所述将所述部门人员信息与所述主观权重进行计算，确定部门在所述评价指标下的主观评分，具体包括：

确定所述部门的各人员信息；

将所述各人员信息先与所述参考指标的主观权重进行相乘，再与所述评价指标的主观权重进行相乘，得到所述部门的各人员信息在所述评价指标下的得分；

求取所述各人员信息在所述评价指标下的得分的平均值，得到所述部门在所述评价指标下的主观评分。

6.根据权利要求3所述的方法，其特征在于，所述根据所述部门人员信息，通过熵权法对所述评价指标与所述参考指标进行分析，确定所述评价指标与所述参考指标分别对应的客观权重，具体包括：

根据所述部门人员信息，确定评价指标数据与参考指标数据；

根据所述评价指标数据与所述参考指标数据，构建数据矩阵，并对所述数据矩阵中的数据进行归一化；

根据归一化的评价指标数据与参考指标数据，确定所述评价指标与所述参考指标分别对应的熵；

根据所述评价指标与所述参考指标分别对应的熵，确定所述所述评价指标与所述参考指标分别对应的客观权重。

7.根据权利要求6所述的方法，其特征在于，所述将所述部门人员信息与所述客观权重进行计算，确定部门在所述评价指标下的客观评分，具体包括：

确定所述部门的各人员信息；

将所述各人员信息先与所述参考指标的客观权重进行相乘，再与所述评价指标的客观权重进行相乘，得到所述部门的各人员信息在所述评价指标下的得分；

求取所述各人员信息在所述评价指标下的得分的平均值，得到所述部门在所述评价指标下的客观评分。

8.根据权利要求3所述的方法，其特征在于，所述根据所述主观评分与所客观评分，确定所述部门在所述评价指标下的评价值，具体包括：

通过业务专家的反馈，获取所述主观评分的权重与所述客观评分的权重；以及将所述主观评分与所述客观评分进行修正，以确定所述主观评分与所述客观评分为同一数量级；

对修正后的主观评分与所述主观评分的权重进行计算，确定更新的主观评分；以及对修正后的客观评分与所述客观评分的权重进行计算，确定更新的客观评分；

将所述更新的主观评分与所述更新的客观评分进行求和，并将求和后的评分映射至预设分数区间，确定所述部门在所述评价指标下的评价值。

9.一种部门人员组成优化设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

确定部门人员组成的评价指标；

通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在所述评价指标下的评价值以及所述部门的总评价值；

将总评价值最高的部门的在所述评价指标下的评价值，以雷达图的方式进行展示，并将所述总评价值最高的部门在所述雷达图中的展示图像作为参照模型；

将其他部门中各部门在所述评价指标下的评价值，分别在所述雷达图上进行展示，并将所述各部门在所述雷达图中的展示图像作为计算模型；

在所述雷达图中，通过将所述计算模型与所述参照模型进行匹配，对部门人员组成进行优化。

10.一种部门人员组成优化非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

确定部门人员组成的评价指标；

通过预先构建的部门人员组成优化模型对部门人员信息进行分析，确定部门在所述评价指标下的评价值以及所述部门的总评价值；

将总评价值最高的部门的在所述评价指标下的评价值，以雷达图的方式进行展示，并将所述总评价值最高的部门在所述雷达图中的展示图像作为参照模型；

将其他部门中各部门在所述评价指标下的评价值，分别在所述雷达图上进行展示，并将所述各部门在所述雷达图中的展示图像作为计算模型；

在所述雷达图中，通过将所述计算模型与所述参照模型进行匹配，对部门人员组成进行优化。

Images