CN114493716A - 一种业务预测的方法、装置、电子设备及存储介质 - Google Patents

一种业务预测的方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114493716A
CN114493716A CN202210117051.7A CN202210117051A CN114493716A CN 114493716 A CN114493716 A CN 114493716A CN 202210117051 A CN202210117051 A CN 202210117051A CN 114493716 A CN114493716 A CN 114493716A
Authority
CN
China
Prior art keywords
data
employee
historical
business
target object
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
Application number
CN202210117051.7A
Other languages
English (en)
Inventor
兰颖
李育辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Strontium Technology Co ltd
Original Assignee
Beijing Strontium Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Strontium Technology Co ltd filed Critical Beijing Strontium Technology Co ltd
Priority to CN202210117051.7A priority Critical patent/CN114493716A/zh
Publication of CN114493716A publication Critical patent/CN114493716A/zh
Pending legal-status Critical Current

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请属于预测技术领域，公开了一种业务预测的方法、装置、电子设备及存储介质，该方法包括，获取目标对象的员工状态数据；基于员工状态数据，预测目标对象的业务数据。因为，员工状态数据在很大程度上对业务数据有着一定的影响，所以，通过根据员工状态数据这一维度来预测业务数据，可以提高预测业务的准确度。

Description

一种业务预测的方法、装置、电子设备及存储介质
技术领域
本申请涉及预测技术领域，具体而言，涉及一种业务预测的方法、装置、电子设备及存储介质。
背景技术
随着各行业的发展，其业务量会因多种因素的影响而出现波动，因此，各行业会通过提前预测业务量来制定改善方案，避免对业务量的影响。
现有技术下，通常会以市场因素来预测业务量。
但是，只考虑市场因素预测业务，会使预测业务结果不准确。
由此，在对业务进行预测时，如何提高业务预测的准确度，是一个需要解决的技术问题。
发明内容
本申请的目的在于提供一种业务预测的方法、装置、电子设备及存储介质，用以在对业务进行预测时，可以提高业务预测的准确度。
一方面，提供一种业务预测的方法，包括：获取目标对象的员工状态数据；基于员工状态数据，预测目标对象的业务数据。
在上述实现过程中，可以从员工状态数据这一维度来预测业务数据，以提高预测业务的准确度。
一种实施方式中，基于员工状态数据，预测目标对象的业务数据，包括：
获取员工状态数据中至少一个员工状态数据分别对应的每一业务系数；
基于每一业务系数，对至少一个员工状态数据进行加权就和，获得加权求和结果；
根据加权求和结果，获得目标对象的预测业务数据。
在上述实现过程中，可以根据业务系数以及员工状态数据，更加准确的获得加权求和结果，并提高了根据加权求和结果预测业务数据的准确度。
一种实施方式中，获取员工状态数据中至少一个员工状态数据分别对应的每一业务系数，包括：
分别获取目标对象的历史员工状态数据以及历史业务数据，其中，历史员工状态数据包括目标对象的至少一个员工状态在多个时间段内的历史状态值，历史业务数据包括目标对象的至少一个员工状态在多个时间段内的历史状态值对应的历史业务值；
分别针对每一员工状态，执行以下步骤：
对一个员工状态在多个时间段内的历史状态值，以及相应的历史业务值进行线性回归分析，获得每一员工状态对应的业务系数。
在上述实现过程中，可以根据多个时间段内的历史状态值以及相应的历史业务值，获得每一员工状态对应的业务系数，提高了确定业务系数的准确度。
一种实施方式中，在根据加权求和结果，获得预测业务数据之后，还包括：
获取目标对象的实际业务数据；
确定预测目标对象的业务数据与实际业务数据之间的差值；
基于差值，对业务系数进行调整。
在上述实现过程中，通过对员工状态数据对应的业务系数进行不断的调整和优化，提高了目标对象的预测业务数据的准确度。
一种实施方式中，在基于员工状态数据，预测目标对象的业务数据之后，还包括：
获取目标对象的历史业务数据；
若预测业务数据与历史业务数据之间的差值小于预设阈值，则表征预测业务数据正常；
若预测业务数据与历史业务数据之间的差值不小于预设阈值，则表征预测业务数据异常。
在上述实现过程中，可以根据预测业务数据和历史业务数据之间的差值，更加准确的确定预测业务数据是否正常，进而间接性的使目标对象可以准确了解到业务预警信息，使其能够确定主要影响业务数据的员工状态，有助于后续的发展。
一方面，提供一种业务预测的装置，包括：获取单元：用于获取目标对象的员工状态数据；预测单元：用于基于员工状态数据，预测目标对象的业务数据。
一种实施方式中，预测单元用于:
获取员工状态数据中至少一个员工状态数据分别对应的每一业务系数；
基于每一业务系数，对至少一个员工状态数据进行加权就和，获得加权求和结果；
根据加权求和结果，获得目标对象的预测业务数据。
一种实施方式中，预测单元用于:
分别获取目标对象的历史员工状态数据以及历史业务数据，其中，历史员工状态数据包括目标对象的至少一个员工状态在多个时间段内的历史状态值，历史业务数据包括目标对象的至少一个员工状态在多个时间段内的历史状态值对应的历史业务值；
分别针对每一员工状态，执行以下步骤：
对一个员工状态在多个时间段内的历史状态值，以及相应的历史业务值进行线性回归分析，获得每一员工状态对应的业务系数。
一种实施方式中，预测单元还用于:
获取目标对象的实际业务数据；
确定预测目标对象的业务数据与实际业务数据之间的差值；
基于差值，对业务系数进行调整。
一种实施方式中，预测单元还用于:
若预测业务数据与历史业务数据之间的差值小于预设阈值，则表征预测业务数据正常；
若预测业务数据与历史业务数据之间的差值不小于预设阈值，则表征预测业务数据异常。
一方面，提供了一种电子设备，包括处理器以及存储器，存储器存储有计算机可读取指令，当计算机可读取指令由处理器执行时，运行如上述任一种业务预测的各种可选实现方式中提供的方法的步骤。
一方面，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时运行如上述任一种业务预测的各种可选实现方式中提供的方法的步骤。
一方面，提供了一种计算机程序产品，计算机程序产品在计算机上运行时，使得计算机执行如上述任一种业务预测的各种可选实现方式中提供的方法的步骤。
本申请实施例中，通过获取目标对象的员工状态数据，并基于员工状态数据，预测目标对象的业务数据。这样，通过根据员工状态数据这一维度来预测业务数据，可以提高预测业务数据的准确度，进而可以根据预测业务数据制定方案，提升业务。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种业务预测的系统的架构示意图；
图2为本申请实施例提供的一种业务预测的方法的实施流程图；
图3为本申请实施例提供的一种业务预测的方法的详细实施流程图；
图4为本申请实施例提供的一种业务预测的装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
首先对本申请实施例中涉及的部分用语进行说明，以便于本领域技术人员理解。
终端设备：可以是移动终端、固定终端或便携式终端，例如移动手机、站点、单元、设备、多媒体计算机、多媒体平板、互联网节点、通信器、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、个人通信系统设备、个人导航设备、个人数字助理、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者其任意组合，包括这些设备的配件和外设或者其任意组合。还可预见到的是，终端设备能够支持任意类型的针对用户的接口(例如可穿戴设备)等。
服务器：可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务以及大数据和人工智能平台等基础云计算服务的云服务器。
为了在对业务进行预测时，可以提高业务预测的准确度，本申请实施例提供了一种业务预测的方法、装置、电子设备及存储介质。
参阅图1所示，为本申请实施例一种业务预测的系统的架构示意图，该业务预测的系统包括终端设备和业务预测设备。
终端设备：用于提供目标对象的员工状态数据。
业务预测设备：用于获取目标对象的员工状态数据，并基于员工状态数据，预测目标对象的业务数据。
本申请实施例中，执行主体可以为图1所示的业务预测的系统中的业务预测设备，实际应用中，业务预测设备可以为终端设备以及服务器等电子设备，在此不作限制。
参阅图2所示，为本申请实施例提供的一种业务预测的方法的实施流程图，结合图1所示的业务预测设备，该方法的具体实施流程如下：
步骤200：获取目标对象的员工状态数据。
具体的，业务预测设备通过问卷调查的方式，获取目标对象的员工状态数据。
需要说明的是，目标对象的员工状态数据包含至少一个员工状态对应的员工状态值。
可选的，员工状态数据可以为员工满意度指数、员工敬业度指数、员工压力指数以及员工健康指数中的至少一种。
一种实施方式中，业务预测设备向目标对象对应的终端设备发放满意度问卷，基于接收到的终端设备返回的满意度问卷结果，获取目标对象的员工满意度指数。
一种实施方式中，业务预测设备基于问卷调查获取到的员工状态数据的数量不符合指定员工状态数据数量时，则根据历史员工状态数据获取预测员工数据，将基于调查问卷获取到的员工状态数据和预测员工状态数据作为目标对象的员工状态数据。
需要说明的是，指定员工状态数据数量可以根据实际应用场景进行设置，例如，指定员工状态数据数量为6，在此不作限制。
一种实施方式中，业务预测设备基于问卷调查获取到员工敬业指数、员工健康指数以及员工满意度指数，但指定数量为4，则通过员工历史压力指数数据预测员工压力指数，将员工敬业指数、员工健康指数、员工满意度指数以及预测员工压力指数作为公司(目标对象)的员工状态数据。
一种实施方式中，业务预测设备获取预先存储的目标对象的员工状态数据。
一种实施方式中，业务预测设备根据历史员工状态数据以及历史业务数据，确定影响业务数据的关键指标，例如，关键指标为员工敬业度指数，则基于关键指标对当前获取到的员工状态数据进行筛选，获得目标对象的员工状态数据。
一种实施方式中，采用回归分析的方式，选取回归系数大于预设阈值，且P值(用来判定假设检验结果的一个参数)小于0.05时，对应的员工状态数据。
需要说明的是，预设阈值可以根据实际应用场景进行设置，例如，0.7在此不作限制。
一种实施方式中，回归系数可以根据以下公式获得：
Figure BDA0003496816880000081
其中，R2表示回归系数，SSE(Sum of Squares for Error，SSE)表示残差平方和，SST(Sum of Squares for Total，SST)表示总平方和，SSE和SST可以根据以下公式获得：
Figure BDA0003496816880000082
Figure BDA0003496816880000083
其中，yi表示业务数据，
Figure BDA0003496816880000084
表示预测业务数据，
Figure BDA0003496816880000085
表示业务数据的平均值，i＝1……n，n为正整数。
一种实施方式中，若经问卷调查获取到的员工状态数据的数量不符合指定数量，则获取预测员工状态数据进行补充以符合指定数量，将问卷调查得到的员工状态数据与预测员工状态数据作为目标对象的员工状态数据。
这样，就可以通过各种渠道获取目标对象的员工状态数据，便于后续直接根据员工的状态数据对业务数据进行预测。
步骤201：基于员工状态数据，预测目标对象的业务数据。
具体的，在执行步骤201时，可以执行以下步骤：
S2011：获取员工状态数据中至少一个员工状态数据分别对应的每一业务系数。
具体的，在执行步骤S2011时，可以执行以下步骤：
步骤1：分别获取目标对象的历史员工状态数据以及历史业务数据。
具体的，业务预测设备分别获取目标对象的历史员工状态数据以及历史业务数据。
需要说明的是，历史员工状态数据包括目标对象的至少一个员工状态在多个时间段内的历史状态值，历史业务数据包括目标对象的至少一个员工状态在多个时间段内的历史状态值对应的历史业务值。
一种实施方式中，业务预测设备通过历史问卷调查结果获取目标对象的历史员工状态数据，根据业务数据存储地址获取历史业务数据。
这样，在后续确定业务系数时，就可以根据获取到的历史员工状态数据和历史业务数据，提高确定业务系数的准确度。
步骤2：分别针对每一员工状态，执行以下步骤：
对一个员工状态在多个时间段内的历史状态值，以及相应的历史业务值进行线性回归分析，获得每一员工状态对应的业务系数。
具体的，将历史员工状态数据和历史业务数据输入回归方程，确定至少一个员工状态参数分别对应的业务系数。
一种实施方式中，将获取到的A公司员工的历史员工状态数据作为因变量，将销售数据(历史业务数据)作为自变量，输入至线性回归方程：
Yi＝β0+β1Xi1+β2Xi2+…+βnXin
获得员工状态参数对应的业务系数，其中，Yi为自变量，表示销售数据(即历史业务数据)，β0……βn表示员工状态参数对应的业务系数，Xi1……Xin为因变量，表示历史员工状态数据，i＝1……n，n为正整数。
参阅表1所示，为一种员工状态数据和业务数据汇总表，其中，每行为A公司在2019年的每个月份，每列为A公司在每月的销售额、满意度指数、敬业度指数、压力指数、健康指数、总人数、总离职率以及体验指数。
表1
Figure BDA0003496816880000091
需要说明的是，表1中的满意度指数、敬业度指数、压力指数以及健康指数均为平均值，销售额的单位为万/月。
S2012：基于每一业务系数，对至少一个员工状态数据进行加权求和，获得加权求和结果。
具体的，将每一员工状态数据以及每一员工状态数据对应的每一业务系数输入至线性回归方程，获得加权求和结果。
这样，就可以根据业务系数以及员工状态数据，更加准确的获得加权求和结果，提高了后续根据加权求和结果预测业务数据的准确度。
S2013：根据加权求和结果，获得目标对象的预测业务数据。
具体的，在执行步骤S2013之后，还可以执行以下步骤：
步骤A：获取目标对象的实际业务数据。
具体的，业务预测设备根据设定的数据获取方式，获取目标对象的实际业务数据。
可选的，设定的数据获取方式可以为问卷调查方式，也可以根据存储地址获取，实际应用中，设定的数据获取方式可以根据实际应用场景进行设置，在此不作限制。
这样，通过设定的数据获取方式可以确保获取到的实际数据的真实性。
步骤B：确定目标对象的预测业务数据与实际业务数据之间的差值。
这样，就可以根据实际业务数据和预测目标对象的业务数据之间的差值，确定预测目标对象的业务数据的准确度。
进一步的，在执行步骤S2013之后，还可以执行以下步骤：
步骤1：获取目标对象的历史业务数据。
具体的，业务预测设备通过指定的获取方式，获取目标对象的历史业务数据。
需要说明的是，指定的获取方式可以根据实际应用场景进行设置，在此不作限制。
这样，就可以根据获取到的实际的历史业务数据来评估预测业务数据的准确度。
步骤2：判断目标对象的预测业务数据与历史业务数据之间的差值是否小于预设阈值，若小于，则表征预测业务数据正常，否则表征预测业务数据异常。
需要说明的是，预设阈值可以根据实际应用场景进行设置，在此不作限制。
这样，可以根据预测业务数据和历史业务数据之间的差值，更加准确的确定预测业务数据是否正常，进而间接性的使目标对象可以准确了解到业务预警信息，使其能够确定主要影响业务数据的员工状态，有助于后续的发展。
步骤C：基于差值，对业务系数进行调整。
具体的，业务预测设备基于目标对象的预测业务数据与实际业务数据之间的差值，对至少一个员工状态数据对应的至少一个业务系数进行调整。
这样，通过对员工状态数据对应的业务系数进行不断的调整和优化，提高了目标对象的预测业务数据的准确度。
本申请实施例中，通过获取目标对象的员工状态数据，并基于员工状态数据，预测目标对象的业务数据。这样，通过根据员工状态数据这一维度来预测业务数据，可以提高预测业务数据的准确度，进而可以根据预测业务数据制定方案，提升业务。
参阅图3所示，为本申请实施例提供的一种业务预测的方法的详细实施流程图，该方法的具体实施流程如下：
步骤300：获取目标对象的员工状态数据。
步骤301：获取员工状态数据中至少一个员工状态数据分别对应的每一业务系数。
步骤302：基于每一业务系数，对至少一个员工状态数据进行加权求和，获得加权求和结果。
步骤303：根据加权求和结果，获得预测业务数据。
步骤304：获取目标对象的历史业务数据。
步骤305：判断预测业务数据与历史业务数据之间的差值是否小于预设阈值，若是，则执行步骤306，否则，执行步骤307。
步骤306：表征预测业务数据正常。
步骤307：表征预测业务数据异常。
具体的，执行步骤300-步骤307时，具体步骤参见上述步骤200-步骤201，在此不做赘述。
参阅图4所示，为本申请实施例提供的一种业务预测的装置的结构示意图，包括：
获取单元401：用于获取目标对象的员工状态数据；
预测单元402：用于基于员工状态数据，预测目标对象的业务数据。
一种实施方式中，预测单元402用于:
获取员工状态数据中至少一个员工状态数据分别对应的每一业务系数；
基于每一业务系数，对至少一个员工状态数据进行加权求和，获得加权求和结果；
根据加权求和结果，获得预测业务数据。
一种实施方式中，预测单元402用于:
分别获取目标对象的历史员工状态数据以及历史业务数据；
其中，历史员工状态数据包括目标对象的至少一个员工状态在多个时间段内的历史状态值，历史业务数据包括至少一个员工状态在多个时间段内的历史状态值对应的历史业务值；
分别针对每一员工状态，执行以下步骤：
对一个员工状态在多个时间段内的历史状态值，以及相应的历史业务值进行线性回归分析，获得每一员工状态对应的业务系数。
一种实施方式中，预测单元402还用于:
获取目标对象的实际业务数据；
确定预测目标对象的业务数据与实际业务数据之间的差值；
基于差值，对业务系数进行调整。
一种实施方式中，预测单元402还用于:
若预测业务数据与历史业务数据之间的差值小于预设阈值，则表征预测业务数据正常；
若预测业务数据与历史业务数据之间的差值不小于预设阈值，则表征预测业务数据异常。
参阅图5所示，为本申请实施例提供的一种电子设备的结构示意图。
电子设备5000包括：处理器5010以及存储器5020，可选的，还可以包括电源5030、显示单元5040、输入单元5050。
处理器5010是电子设备5000的控制中心，利用各种接口和线路连接各个部件，通过运行或执行存储在存储器5020内的软件程序和/或数据，执行电子设备5000的各种功能，从而对电子设备5000进行整体监控。
本申请实施例中，处理器5010调用存储器5020中存储的计算机程序时执行如图2中所示的实施例提供的一种预测业务量的方法。
可选的，处理器5010可包括一个或多个处理单元；优选的，处理器5010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器5010中。在一些实施例中，处理器、存储器、可以在单一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
存储器5020可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、各种应用等；存储数据区可存储根据电子设备5000的使用所创建的数据等。此外，存储器5020可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等。
电子设备5000还包括给各个部件供电的电源5030(比如电池)，电源可以通过电源管理系统与处理器5010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
显示单元5040可用于显示由用户输入的信息或提供给用户的信息以及电子设备5000的各种菜单等，本发明实施例中主要用于显示电子设备5000中各应用的显示界面以及显示界面中显示的文本、图片等对象。显示单元5040可以包括显示面板5041。显示面板5041可以采用液晶显示屏(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置。
输入单元5050可用于接收用户输入的数字或字符等信息。输入单元5050可包括触控面板5051以及其他输入设备5052。其中，触控面板5051，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触摸笔等任何适合的物体或附件在触控面板5051上或在触控面板5051附近的操作)。
具体的，触控面板5051可以检测用户的触摸操作，并检测触摸操作带来的信号，将这些信号转换成触点坐标，发送给处理器5010，并接收处理器5010发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板5051。其他输入设备5052可以包括但不限于物理键盘、功能键(比如音量控制按键、开关机按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
当然，触控面板5051可覆盖显示面板5041，当触控面板5051检测到在其上或附近的触摸操作后，传送给处理器5010以确定触摸事件的类型，随后处理器5010根据触摸事件的类型在显示面板5041上提供相应的视觉输出。虽然在图5中，触控面板5051与显示面板5041是作为两个独立的部件来实现电子设备5000的输入和输出功能，但是在某些实施例中，可以将触控面板5051与显示面板5041集成而实现电子设备5000的输入和输出功能。
电子设备5000还可包括一个或多个传感器，例如压力传感器、重力加速度传感器、接近光传感器等。当然，根据具体应用中的需要，上述电子设备5000还可以包括摄像头等其它部件，由于这些部件不是本申请实施例中重点使用的部件，因此，在图5中没有示出，且不再详述。
本领域技术人员可以理解，图5仅仅是电子设备的举例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
本申请实施例中，一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，使得通信设备可以执行上述实施例中的各个步骤。
为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本申请时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。
本申请是参照根据本申请实施例的方法、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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (12)

1.一种业务预测的方法，其特征在于，包括：
获取目标对象的员工状态数据；
基于所述员工状态数据，预测所述目标对象的业务数据。
2.根据权利要求1所述的方法，其特征在于，所述基于所述员工状态数据，预测所述目标对象的业务数据，包括：
获取所述员工状态数据中至少一个员工状态数据分别对应的每一业务系数；
基于所述每一业务系数，对所述至少一个员工状态数据进行加权求和，获得加权求和结果；
根据所述加权求和结果，获得所述目标对象的预测业务数据。
3.根据权利要求2所述的方法，其特征在于，所述获取所述员工状态数据中至少一个员工状态数据分别对应的每一业务系数，包括：
分别获取所述目标对象的历史员工状态数据以及历史业务数据，其中，所述历史员工状态数据包括所述目标对象的至少一个员工状态在多个时间段内的历史状态值，所述历史业务数据包括所述至少一个员工状态在多个时间段内的历史状态值对应的历史业务值；
分别针对每一员工状态，执行以下步骤：
对一个员工状态在所述多个时间段内的历史状态值，以及相应的历史业务值进行线性回归分析，获得所述每一员工状态对应的业务系数。
4.根据权利要求3所述的方法，其特征在于，在所述根据所述加权求和结果，获得所述目标对象的预测业务数据之后，还包括：
获取所述目标对象的实际业务数据；
确定所述目标对象的预测业务数据与所述实际业务数据之间的差值；
基于所述差值，对所述业务系数进行调整。
5.根据权利要求2所述的方法，其特征在于，在基于所述员工状态数据，预测所述目标对象的业务数据之后，还包括：
获取所述目标对象的历史业务数据；
若所述预测业务数据与所述历史业务数据之间的差值小于预设阈值，则表征所述预测业务数据正常；
若所述预测业务数据与所述历史业务数据之间的差值不小于所述预设阈值，则表征所述预测业务数据异常。
6.一种业务预测的装置，其特征在于，包括：
获取单元，用于获取目标对象的员工状态数据；
预测单元，用于基于所述员工状态数据，预测所述目标对象的业务数据。
7.根据权利要求6所述的装置，其特征在于，所述预测单元具体用于：
获取所述员工状态数据中至少一个员工状态数据分别对应的每一业务系数；
基于所述每一业务系数，对所述至少一个员工状态数据进行加权求和，获得加权求和结果；
根据所述加权求和结果，获得所述目标对象的预测业务数据。
8.根据权利要求7所述的装置，其特征在于，所述预测单元具体用于:
分别获取所述目标对象的历史员工状态数据以及历史业务数据，其中，所述历史员工状态数据包括所述目标对象的至少一个员工状态在多个时间段内的历史状态值，所述历史业务数据包括所述至少一个员工状态在多个时间段内的历史状态值对应的历史业务值；
分别针对每一员工状态，执行以下步骤：
对一个员工状态在所述多个时间段内的历史状态值，以及相应的历史业务值进行线性回归分析，获得所述每一员工状态对应的业务系数。
9.根据权利要求8所述的装置，其特征在于，所述预测单元还用于:
获取所述目标对象的实际业务数据；
确定所述预测所述目标对象的业务数据与所述实际业务数据之间的差值；
基于所述差值，对所述业务系数进行调整。
10.根据权利要求7所述的装置，其特征在于，所述预测单元还用于：
获取所述目标对象的历史业务数据；
若所述预测业务数据与所述历史业务数据之间的差值小于预设阈值，则表征所述预测业务数据正常；
若所述预测业务数据与所述历史业务数据之间的差值不小于所述预设阈值，则表征所述预测业务数据异常。
11.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行权利要求1-5任一所述方法。
12.一种存储介质，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运行如权利要求1-5任一所述方法。
CN202210117051.7A 2022-02-07 2022-02-07 一种业务预测的方法、装置、电子设备及存储介质 Pending CN114493716A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210117051.7A CN114493716A (zh) 2022-02-07 2022-02-07 一种业务预测的方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210117051.7A CN114493716A (zh) 2022-02-07 2022-02-07 一种业务预测的方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114493716A true CN114493716A (zh) 2022-05-13

Family

ID=81478944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210117051.7A Pending CN114493716A (zh) 2022-02-07 2022-02-07 一种业务预测的方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114493716A (zh)

Similar Documents

Publication Publication Date Title
US10332184B2 (en) Personalized application recommendations
CN111143697B (zh) 一种内容推荐的方法以及相关装置
CN109993627B (zh) 推荐方法、推荐模型的训练方法、装置和存储介质
CN113870083A (zh) 政策匹配的方法、装置、系统、电子设备及可读存储介质
CN110956505B (zh) 一种广告库存的预估方法以及相关装置
CN109635029A (zh) 基于标签指标体系的数据处理方法、装置、设备及介质
CN114595124B (zh) 时序异常检测模型评估方法、相关装置及存储介质
CN111027854A (zh) 一种基于企业大数据的综合画像指数生成方法及相关设备
CN112540996A (zh) 一种业务数据的校验方法、装置、电子设备及存储介质
CN115022098B (zh) 人工智能安全靶场内容推荐方法、装置及存储介质
CN106557178B (zh) 用于更新输入法词条的方法及装置
CN107807940B (zh) 信息推荐方法和装置
CN112766995A (zh) 物品推荐方法、装置、终端设备及存储介质
CN113922998A (zh) 一种漏洞风险评估方法、装置、电子设备及可读存储介质
CN114493716A (zh) 一种业务预测的方法、装置、电子设备及存储介质
CN116048331A (zh) 一种菜单排序方法、装置、电子设备及存储介质
CN114817742A (zh) 基于知识蒸馏的推荐模型配置方法、装置、设备、介质
CN114430504A (zh) 一种媒体内容的推荐方法以及相关装置
CN114547242A (zh) 一种问卷调研的方法、装置、电子设备及可读存储介质
CN113326436A (zh) 确定推荐资源的方法、装置、电子设备和存储介质
CN110322039B (zh) 一种点击率预估方法、服务器及计算机可读存储介质
CN114529087A (zh) 一种行为预测的方法、装置、电子设备及可读存储介质
US20170323318A1 (en) Entity-specific value optimization tool
CN112765479B (zh) 一种信息推荐的方法、装置、电子设备和可读存储介质
CN114357140A (zh) 问答信息推送的方法、装置、电子设备及可读存储介质

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