CN114723277A - 绩效评价的方法、装置、设备、介质和程序产品 - Google Patents
绩效评价的方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN114723277A CN114723277A CN202210352040.7A CN202210352040A CN114723277A CN 114723277 A CN114723277 A CN 114723277A CN 202210352040 A CN202210352040 A CN 202210352040A CN 114723277 A CN114723277 A CN 114723277A
- Authority
- CN
- China
- Prior art keywords
- index
- level
- layer
- indexes
- weight
- 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
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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种绩效评价方法,包括:获取与绩效评价相关的历史相关数据,历史相关数据包括多个用户在该绩效评价时所使用的多个指标;基于历史相关数据确定用于绩效评价的多个目标指标;利用多个目标指标搭建多层指标模型,多层指标模型包括目标层、中间层和方案层,中间层包括与目标层关联的多级指标,方案层包括与中间层关联的至少一个三级指标;利用层次分析法为所搭建的多层指标模型中的每个指标配置权重,其中每个指标的权重为该指标与相关联的上一级指标之间的相对权重;根据预设规则对至少一个三级指标进行量纲归一化处理,以得到每个三级指标的归一化量纲;以及基于每个指标的权重和至少一个三级指标的归一化量纲,确定目标层的绩效信息。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种绩效评价的方法、装置、设备、介质和程序产品。
背景技术
加权平均以进行综合评价的方法被应用于不同的领域,在现在的加权平均评价方法中需要专家对不同量纲的评价指标进行评分,然后根据每个评价指标的分数以及其占据的权重通过加权平均的方式逐层计算以得到最终的评估结果。
在这样的方法中,最终评估结果往往依赖于专家的经验,因此如何提高综合评估的客观性是进一步改进的方向。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种绩效评价的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种绩效评价的方法,包括:获取与所述绩效评价相关的历史相关数据,所述历史相关数据包括多个用户在该绩效评价时所使用的多个指标;基于历史相关数据确定用于绩效评价的多个目标指标;利用所述多个目标指标搭建多层指标模型,所述多层指标模型包括目标层、中间层和方案层,所述中间层包括与所述目标层关联的多级指标,所述多级指标包括至少一个一级指标,所述至少一个一级指标中的每一个具有关联的至少一个二级指标,所述方案层包括与所述中间层关联的至少一个三级指标,并且其中,所述至少一个三级指标具有至少一种量纲;利用层次分析法为所搭建的多层指标模型中的每个指标配置权重,其中每个指标的权重为该指标与相关联的上一级指标之间的相对权重;根据预设规则对所述至少一个三级指标进行量纲归一化处理,以得到每个三级指标的归一化量纲;以及基于每个指标的所述权重和所述至少一个三级指标的归一化量纲,确定所述目标层的绩效信息。
根据本公开的另一方面,提供了一种绩效评价的装置,包括:指标确定模块,被配置为基于历史相关数据确定用于绩效评价的多个目标指标,历史相关数据包括多个用户在该绩效评价时所使用的多个指标;模型构建模块,被配置为利用所述多个目标指标搭建多层指标模型,所述多层指标模型包括目标层、中间层和方案层,所述中间层包括与所述目标层关联的多级指标,所述多级指标包括至少一个一级指标,所述至少一个一级指标中的每一个具有关联的至少一个二级指标,所述方案层包括与所述中间层关联的至少一个三级指标,并且其中,所述至少一个三级指标具有至少一种量纲;权重确定模块,被配置为利用层次分析法为所搭建的多层指标模型中的每个指标配置权重,其中每个指标的权重为该指标与相关联的上一级指标之间的相对权重;归一化模块,被配置为根据预设规则对所述至少一个三级指标进行量纲归一化处理,以得到每个三级指标的归一化量纲;以及评价模块,被配置为基于每个指标的所述权重和所述至少一个三级指标的归一化量纲,确定所述目标层的绩效信息。
根据本公开的又一方面,提供了一种电子设备,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计算机程序,所述计算机程序在被所述至少一个处理器执行时实现上述方法。
根据本公开的又一方面,提供了一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被处理器执行时实现上述方法。
根据本公开的再一方面,提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现上述方法。
根据本公开的一个或多个实施例,提供了一种评价指标按需生成、计算方式灵活可选、指标权重全域可配的绩效评价方法,为用户提供了一套标准化、体系化的绩效评价指标管理、应用的新机制。并且其中,将具有不同量纲的三级指标进行归一化处理,从而消除了不同三级指标之间的量纲影响,使得不同量纲的三级指标之间具备可比性。因此,扩展了三级指标配置的灵活性和广泛性,使得绩效评价的结果更加综合和全面。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。在附图中:
图1示出了根据本公开实施例的绩效评价方法的流程图;
图2示出了根据本公开实施例的多层指标模型的示意图;
图3示出了根据本公开实施例的利用层次分析法配置权重的方法的流程图;
图4示出了根据本公开实施例的绩效评价装置的框图;
图5示出了根据本公开实施例的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
发明人注意到,相关技术中需要专家对不同量纲的评价指标进行评分,然后根据每个评价指标的分数以及其占据的权重通过加权平均的方式逐层计算以得到最终的评估结果。在这样的方法中,最终评估结果往往依赖于专家的经验,因此该最终评估结果容易缺乏客观性。
为了解决上述技术问题,根据本公开的一个或多个实施例,提出一种新的绩效评价方法。
该方法与相关技术中专家对不同量纲的评价指标进行评分不同,该方法采用了预设规则对不同量纲的评价指标进行归一化处理,然后根据每个评价指标的归一化结果以及其占据的权重,以加权的方式逐层地由下层往上层进行计算,得到最终评估结果。上述预设规则的使用使得经归一化处理后的评价指标更加客观,并且可以消除了不同指标之间的量纲影响,使得不同量纲的指标之间具备可比性,大大扩展了三级指标配置的灵活性和广泛性,使得绩效评价的结果更加综合和全面。
下面结合附图详细描述本公开的示例性实施例。
图1示出了根据本公开实施例的绩效评价方法100的流程图。以下参考图1详细描述该绩效评价方法100的各个步骤:
在步骤S110,获取与绩效评价相关的历史相关数据,历史相关数据包括多个用户在该绩效评价时所使用的多个指标。
在一些实施例中,历史相关数据还包括多个指标中每个指标的使用信息,该使用信息包括每个指标的使用频率以及每次使用的时长,并且其中基于历史相关数据确定用于绩效评价的多个指标包括:基于多个用户在绩效评价时使用的多个指标及其使用信息,确定用于绩效评价的多个指标。
在步骤S120,基于历史相关数据确定用于绩效评价的多个目标指标。
在一些实施例中,可以基于本地区本行业的常用指标,采用内容推荐算法进行分析组合以确定用于绩效评价的多个指标。例如,针对上海地区某信息科技领域的常用评估指标,分析组合后得出以下常用指标项:服务器在线数、产品开发周期、技术人员数等。
在另一些实施例中,可以使用协同过滤算法根据用户在某一些常用指标项的使用频率、停留时间,推断用户会选用的指标概率,从而将用户可能想选择的指标推荐给用户。例如:在用户手动输入3个指标项之后,根据当前配置的指标关键词,可以提供给用户参考的指标列表,展示该行业领域最常用的若干项指标。
采用上述协同过滤算法和内容推荐算法来确定用于绩效评价的多个指标可以简化用户配置指标操作,提高选择指标的效率。在另一些实施例中,用户也可以不采纳大数据推荐算法推荐的指标,而是完全手动配置指标。
在步骤S130,利用多个目标指标搭建多层指标模型,多层指标模型包括目标层、中间层和方案层,中间层包括与目标层关联的多级指标,多级指标包括至少一个一级指标,至少一个一级指标中的每一个具有关联的至少一个二级指标,方案层包括与中间层关联的至少一个三级指标,并且其中,至少一个三级指标具有至少一种量纲。
接下来参考图2详细描述多层指标模型的结构。如图2所示,多层指标模型包括目标层,中间层和方案层。其中,目标层为待评价的目标企业,例如可以是信息化企业或者传统制造业企业。目标层下设置有中间层,中间层包括与目标层相关联的多级指标。其中,中间层包括至少一个一级指标(准则1、准则2……准则N),该至少一个一级指标中的每一个具有关联的至少一个二级指标(子准则1、子准则2……子准则M)。中间层下设置有方案层,方案层包括与中间层相关联的至少一个三级指标(方案1、方案2……方案W)。并且其中,至少一个三级指标具有至少一种量纲。
在一些实施例中,目标层的目标值可以包括数量要求、率值要求和时间要求中的一项。其中,数量要求针对人员、设备、物资等指标中的实体信息,率值要求针对任务、对象的比例、倍数等指标,时间要求针对工作安排、完成效果等指标。
在一些实施例中,一级指标可以包括资源储备、资源利用和资源组织等指标。这些指标相互独立,使得可以从不同的方面对目标层进行评价。资源储备、资源利用和资源组织等指标下可以根据具体业务场景进行多维度拓展。
在一些实施例中,多层指标模型的评估目标可以为信息化企业。以下参考表1介绍用于该信息化企业的示例性多层指标模型。
在该多层指标模型中,目标层为信息化企业。中间层中的一级指标为资源储备、资源利用和资源组织。其中,与资源储备相关联的二级指标可以包括硬件数和人员比例。与资源利用相关联的二级指标可以包括产出比。与资源组织相关联的二级指标可以包括会议数。方案层中,与硬件数相关联的三级指标可以包括电脑和服务器,与人员比例相关联的三级指标可以包括管理类人员数量和技术类人员数量,与产出比相关联的三级指标可以包括软件产品、投入开发人员数和开发周期,与会议数相关联的三级指标可以包括产品讨论会议次数和管理总结会议次数。从表1中可以看出,不同的三级指标可以具有不同的量纲,例如与数量相关的量纲(电脑的台数、人员的人数、产品的个数等等),或者与时间相关的量纲(开发周期的时长)。
在另一些实施例中,多层指标模型的评估目标可以为传统制造业企业。以下参考表2介绍用于该传统制造业企业的示例性多层指标模型。
在该多层指标模型中,目标层为传统制造业企业。中间层中的一级指标为资源储备、资源利用和资源组织。其中,与资源储备相关联的二级指标可以包括硬件数和人员数。与资源利用相关联的二级指标可以包括转化率。与资源组织相关联的二级指标可以包括培训率和持证率。方案层中,与硬件数相关联的三级指标可以包括生产线数量、运输车辆数和生产车间数,与人员数相关联的三级指标可以包括车间生产人员,与转化率相关联的三级指标可以包括原材料消耗量、出厂产品数和生产周期,与培训率相关联的三级指标可以包括生产人员岗前培训比例。与持证率相关联的三级指标可以包括管理人员持证率。从表2中可以看出,不同的三级指标可以具有不同的量纲,例如与数量相关的量纲(生产线的数量、车间生产人员的人数、原材料消耗量等等),或者与时间相关的量纲(生产周期的时长),或者与率值相关的量纲(管理人员持证率)。
可以理解的,本公开实施例中以信息化企业和传统制造业企业为例来具体描述本公开的技术方案,并不限定本公开的技术方案仅适用于信息化企业和传统制造业企业。
在步骤S140,利用层次分析法为所搭建的多层指标模型中的每个指标配置权重,其中每个指标的权重为该指标与相关联的上一级指标之间的相对权重。
图3示出了根据本公开实施例的利用层次分析法配置权重的方法300的流程图。以下参考图3详细描述方法300的各个步骤。
在步骤310,根据同一层级内不同指标之间的相对重要性构建判断矩阵。
判断矩阵公式如下:
其中,ui、uj(i,j=1,2,…,n)表示同一层级内的不同的指标。在传统制造业企业的实施例中,当要确定与二级指标硬件数相关联的三级指标项生产线数量、运输车辆数、生产车间数的权重时,u1可以是生产线数量,u2可以是运输车辆数,u3可以是生产车间数。uij表示ui对uj的相对重要性数值,uji表示uj对ui的相对重要性数值。uij和uji互为倒数,并且是使用Satty的1-9标度方法对指标进行两两打分。仍然以传统制造业企业的实施例为例,当要确定与二级指标硬件数相关联的三级指标项生产线数量、运输车辆数、生产车间数的权重时,如果认为三级指标生产线数量u1比三级指标运输车辆数u2更加重要,则可以设置u12为k(k为大于1的数值),对应的u21则为1/k。根据上述方法最终可以得到为由uij和uji组成A-U判断矩阵P。
在目标层为信息化企业的实施例中,当判断矩阵P为信息化企业时,矩阵中则为一级指标项(即资源储备、资源利用、资源组织)之间的相对重要性。当判断矩阵P为一级指标项资源储备时,矩阵中则为二级指标项(硬件数、人员比例)之间的相对重要性。当判断矩阵P为二级指标项硬件数时,矩阵中则为三级指标项(电脑数量、服务器数量)之间的相对重要性。
在步骤320,计算判断矩阵的最大特征根以及最大特征根对应的特征向量。
以上述判断矩阵P为例,求出该判断矩阵P的最大特征根λmax,并求出所对应的特征向量w。
在步骤330,响应于判断矩阵满足层次单排序一致性要求和/或层次总排序一致性要求,对特征向量进行归一化处理,以得到同一层级内的多个指标的重要性排序。
判断权重分配是否合理,首先需要对判断矩阵进行层次单排序一致性检验。检验使用以下公式:
其中,CR为判断矩阵的随机一致性比率。CI为判断矩阵的一致性指标,它由下式给出:
其中,n为判断矩阵的阶数。
RI为判断矩阵的平均随机一致性指标,1~9阶的判断矩阵的RI值参见下表
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 |
当判断矩阵的CR<0.1时或者当λmax=n,CI=0时,可以认为判断矩阵具有满意的一致性,否则需调整判断矩阵中的元素以使其具有满意的一致性。
在完成判断矩阵的一致性检验之后,需要对判断矩阵进行层次总排序一致性检验。层次分析法总排序是为了获得层次结构中某一层元素对于总体目标组合权重和它们与上层元素的相互影响,需要利用该层所有层次单排序的结果,然后计算出该层元素的组合权重。
层次总排序需要从上到下逐层排序进行,最终计算得到最底层元素,即要决策方案优先次序的相对权重。层次总排序的检验公式如下:
当总排序一致性CR<0.1时,则表示通过总排序一致性检验,否则需要重新考虑模型或重新构造那些一致性比率CR较大的判断矩阵。
响应于判断矩阵满足层次单排序一致性要求和/或层次总排序一致性要求,对特征向量进行归一化处理以得到权重,以得到同一层级内的多个指标的重要性排序。重要性排序公式如下所示:
Pw=λmax·w (4)
其中,Pw是同一层级内的多个指标对目标层的组合权重,λmax为同一层级内的多个指标相应的判断矩阵P的最大特征根,w为λmax所对应的特征向量。基于组合权重可以确定同一层级内的多个指标对目标层的重要性,得到重要性排序。
在步骤340,基于重要性排序为同一层级内的多个指标配置权重。
在确定判断矩阵满足上述的层次单排序一致性要求和层次总排序一致性要求后,可以进一步计算权重,即将所求得的特征向量w进行归一化,从而得到权重分配。
重复上述步骤S310至S340,从而由下层往上层逐层地获得不同二级指标下不同三级指标的权重以及不同一级指标下不同二级指标的权重。
在一些实施例中,可以采用大数据推荐算法的内容推荐算法来推荐给用户合适的权重。依据权重配置的历史数据和此地区的本行业的用户操作权重值的数据,可以使用内容推荐算法将该地区该行业领域的常用指标的权重值的习惯进行分析组合,将前述算法推荐的指标项给予默认赋权重值。例如,对上海地区某信息科技领域的常用评估指标,分析组合后得出资源储备指标下的人员比例的指标项的权重值:管理人员数量权重30%、技术人员数权重50%、其他人员权重20%。采用大数据推荐算法推荐权重的方式可以简化用户配置权重的操作,并且提高权重配置的效率。在另一些实施例中,用户也可以不采纳大数据推荐算法推荐的权重,而是完全手动配置权重。
返回参考图1,在步骤S150,根据预设规则对至少一个三级指标进行量纲归一化处理,以得到每个三级指标的归一化量纲。
为适应跨业务领域和应用场景需求,三级指标包括正向性指标和逆向性指标。正向性指标包含数值越大越好,逆向性指标时数值越小越好。
经归一化处理后的至少一个三级指标可以为最大值正向性指标、目标值正向性指标、平均值正向性指标和最小值逆向性指标中的一项。
在一些实施例中,经归一化处理后的三级指标可以为最大值正向性指标。对于取指标最大值的正向性单项指标,可以采用以下公式实现量纲归一:
其中,Yi为第i项指标的标准化数值;Xi为第i项指标的实际值;XMax为第i项指标的最大值,一般是同行业领域的最大值,以某一个市区的征兵人数女性占比为例,则需要考虑该省其他市区的女性最大占比,具体获取最大值的范围视情况而定;XMin为第i项指标的最小值,其一般有两种来源:一是行业领域常规取值,例如事故率肯定是越小越好,那么某一个市区的事故率最小值肯定需要参考同一领域,具体获取最小值的范围视情况而定;二是专家打分取值,例如食品成分的含量数值,这种数据一般来源于专家或参考含量最低值。下文使用的XMax和XMin也具备相同的含义。
在一些实施例中,经归一化处理后的三级指标可以为目标值正向性指标。对于取指标目标值的正向性单项指标,可以采用以下公式实现量纲归一:
其中,Yi为第i项指标的标准化数值;Xi为第i项指标的实际值;Xexp为第i项指标的目标值,一般是具体业务部门给出数据;XMin为第i项指标的最小值。
在一些实施例中,经归一化处理后的三级指标可以为平均值正向性指标。对于取指标平均值的正向性单项指标,可以采用以下公式实现量纲归一:
其中,Yi为第i项指标的标准化数值;Xi为第i项指标的实际值;XAvg为第i项指标的平均值;XMax为第i项指标的最大值;XMin为第i项指标的最小值。
并且其中,XAvg的计算公式如下
其中,c为计算指标省份数量,k为省份总数,并且1<c≦k。
在一些实施例中,经归一化处理后的三级指标可以为最小值逆向性指标。对于逆向性单项指标(指标数值越小越好,如事故率、退兵率等),可以采用以下公式实现量纲归一:
其中,Yi为第i项指标的标准化数值;Xi为第i项指标的实际值;XMax为第i项指标的最大值,XMin为第i项指标的最小值。经过上述归一化处理后,指标标准化数值Yi满足0≦Yi≦1。并且且Yi越大,表明该项指标越接近目标水平。
通过上述归一化处理方法,使得经归一化处理后的评价指标更加客观,并且可以消除了不同指标之间的量纲影响,使得不同量纲的指标之间具备可比性,大大扩展了三级指标配置的灵活性和广泛性,使得绩效评价的结果更加综合和全面。
在步骤S160,基于每个指标的权重和至少一个三级指标的归一化量纲,确定目标层的绩效信息。
目标层绩效信息的计算公式如下:
其中,E为一个省统计指标体系的一级指标综合分值,m为某一个一级指标中的二级指标数量;n为一个某二级指标中的三级指标数量;i为二级内指标序号,且1≦i≦m;j为三级内指标序号,且1≦j≦n;Wi为二级内第i项指标权重;Wij为第i项二级指标中第j项三级指标权重;Yi为第i项二级指标的分值;Yij为第i项二级指标中第j项三级指标的分值。并且其中,ΣWi=1,ΣWij=1,0<Wi<1,0<Wij<1。
根据以上公式,可以从三级指标开始逐层地往上层进行计算,最终得到一级指标的综合评价值,该评价值可用于评价目标层中的目标。
图4示出了根据本公开实施例的绩效评价装置400的框图,包括:指标确定模块410,被配置为基于历史相关数据确定用于绩效评价的多个目标指标,所述历史相关数据包括多个用户在该绩效评价时所使用的多个指标;模型构建模块420,配置为利用所述多个目标指标搭建多层指标模型,所述多层指标模型包括目标层、中间层和方案层,所述中间层包括与所述目标层关联的多级指标,所述多级指标包括至少一个一级指标,所述至少一个一级指标中的每一个具有关联的至少一个二级指标,所述方案层包括与所述中间层关联的至少一个三级指标,并且其中,所述至少一个三级指标具有至少一种量纲;权重确定模块430,被配置为利用层次分析法为所搭建的多层指标模型中的每个指标配置权重,其中每个指标的权重为该指标与相关联的上一级指标之间的相对权重;归一化模块440,被配置为根据预设规则对所述至少一个三级指标进行量纲归一化处理,以得到每个三级指标的归一化量纲;以及评价模块450,被配置为基于每个指标的所述权重和所述至少一个三级指标的归一化量纲,确定所述目标层的绩效信息。
根据一些实施例,绩效评价装置400还可以包括展示模块,其被配置为可视化地展示评价结果。
根据本公开的另一方面,还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有计算机程序,计算机程序在被至少一个处理器执行时实现根据上述的方法。
根据本公开的另一方面,还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,计算机程序在被处理器执行时实现根据上述的方法。
根据本公开的另一方面,还提供一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现根据上述的方法。
参见图5,现将描述可以作为本公开的电子设备500的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备可以是不同类型的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
图5示出了根据本公开实施例的电子设备的框图。如图5所示,电子设备500可以包括能够通过系统总线503彼此通信的至少一个处理器501、工作存储器502、输入单元504、显示单元505、扬声器506、存储单元507、通信单元508以及其它输出单元509。
处理器501可以是单个处理单元或多个处理单元,所有处理单元可以包括单个或多个计算单元或者多个核心。处理器501可以被实施成一个或更多微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来操纵信号的任何设备。处理器501可以被配置成获取并且执行存储在工作存储器502、存储单元507或者其他计算机可读介质中的计算机可读指令,诸如操作系统502a的程序代码、应用程序502b的程序代码等。
工作存储器502和存储单元507是用于存储指令的计算机可读存储介质的示例,指令由处理器501执行来实施前面所描述的各种功能。工作存储器502可以包括易失性存储器和非易失性存储器二者(例如RAM、ROM等等)。此外,存储单元507可以包括硬盘驱动器、固态驱动器、可移除介质、包括外部和可移除驱动器、存储器卡、闪存、软盘、光盘(例如CD、DVD)、存储阵列、网络附属存储、存储区域网等等。工作存储器502和存储单元507在本文中都可以被统称为存储器或计算机可读存储介质,并且可以是能够把计算机可读、处理器可执行程序指令存储为计算机程序代码的非暂态介质,计算机程序代码可以由处理器501作为被配置成实施在本文的示例中所描述的操作和功能的特定机器来执行。
输入单元506可以是能向电子设备500输入信息的任何类型的设备,输入单元506可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示单元505、扬声器506以及其它输出单元509,其它输出单元509可以但不限于包括视频/音频输出终端、振动器和/或打印机。通信单元508允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
工作寄存器502中的应用程序502b可以被加载执行上文所描述的各个方法和处理。例如,在一些实施例中,图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元507。在一些实施例中,计算机程序的部分或者全部可以经由存储单元507和/或通信单元508而被载入和/或安装到电子设备500上。当计算机程序被加载并由处理器501执行时,可以执行上文描述的图像处理方法的一个或多个步骤。备选地,在其他实施例中,处理器501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (13)
1.一种绩效评价方法,包括:
获取与所述绩效评价相关的历史相关数据,所述历史相关数据包括多个用户在该绩效评价时所使用的多个指标;
基于历史相关数据确定用于绩效评价的多个目标指标;
利用所述多个目标指标搭建多层指标模型,所述多层指标模型包括目标层、中间层和方案层,所述中间层包括与所述目标层关联的多级指标,所述多级指标包括至少一个一级指标,所述至少一个一级指标中的每一个具有关联的至少一个二级指标,所述方案层包括与所述中间层关联的至少一个三级指标,并且其中,所述至少一个三级指标具有至少一种量纲;
利用层次分析法为所搭建的多层指标模型中的每个指标配置权重,其中每个指标的权重为该指标与相关联的上一级指标之间的相对权重;
根据预设规则对所述至少一个三级指标进行量纲归一化处理,以得到每个三级指标的归一化量纲;以及
基于每个指标的所述权重和所述至少一个三级指标的归一化量纲,确定所述目标层的绩效信息。
2.根据权利要求1所述的方法,其中,所述经处理后的至少一个三级指标为下列多项中的一项:
最大值正向性指标;
目标值正向性指标;
平均值正向性指标;
最小值逆向性指标。
3.根据权利要求1所述的方法,其中,所述利用层次分析法为每个指标配置权重包括:
根据同一层级内不同指标之间的相对重要性构建判断矩阵;
计算所述判断矩阵的最大特征根以及所述最大特征根对应的特征向量;以及
响应于所述判断矩阵满足层次单排序一致性要求和/或层次总排序一致性要求,对所述特征向量进行归一化处理,以得到所述同一层级内的多个指标的重要性排序;
基于所述重要性排序为所述同一层级内的多个指标配置权重。
4.根据权利要求1所述的方法,其中,所述目标层包括下列多项中的一项:
数量要求、率值要求和时间要求。
5.根据权利要求1所述的方法,其中,所述至少一个一级指标包括资源储备、资源利用和资源组织。
6.根据权利要求5所述的方法,其中,与资源储备关联的至少一个二级指标包括硬件数和人员比例,与资源利用关联的至少一个二级指标包括产出比,与资源组织关联的至少一个二级指标包括会议数,
与硬件数关联的至少一个三级指标包括电脑和服务器,与人员比例关联的至少一个三级指标包括管理类人员数量和技术类人员数量,与产出比关联的至少一个三级指标包括软件产品、投入开发人员数和开发周期,与会议数关联的至少一个三级指标包括产品讨论会议次数和管理总结会议次数。
7.根据权利要求5所述的方法,其中,与资源储备关联的至少一个二级指标包括硬件数和人员数,与资源利用关联的至少一个二级指标包括转化率,与资源组织关联的至少一个二级指标包括培训率和持证率,
与硬件数关联的至少一个三级指标包括生产线数量、运输车辆数和生产车间书,与人员数关联的至少一个三级指标包括车间生产人员,与转化率关联的至少一个三级指标包括原材料消耗量、出厂产品数和生产周期,与培训率关联的至少一个三级指标包括生产人员岗前培训比例,与持证率关联的至少一个三级指标包括管理人员持证率。
8.根据权利要求1所述的方法,其中,所述历史相关数据还包括所述多个指标中每个指标的使用信息,所述使用信息包括每个指标的使用频率以及每次使用的时长,并且其中基于历史相关数据确定用于绩效评价的多个指标包括:
基于所述多个用户在绩效评价时使用的多个指标及其使用信息,确定用于绩效评价的多个指标。
9.一种绩效评价装置,包括:
指标确定模块,被配置为基于历史相关数据确定用于绩效评价的多个目标指标,所述历史相关数据包括多个用户在该绩效评价时所使用的多个指标;
模型构建模块,被配置为利用所述多个目标指标搭建多层指标模型,所述多层指标模型包括目标层、中间层和方案层,所述中间层包括与所述目标层关联的多级指标,所述多级指标包括至少一个一级指标,所述至少一个一级指标中的每一个具有关联的至少一个二级指标,所述方案层包括与所述中间层关联的至少一个三级指标,并且其中,所述至少一个三级指标具有至少一种量纲;
权重确定模块,被配置为利用层次分析法为所搭建的多层指标模型中的每个指标配置权重,其中每个指标的权重为该指标与相关联的上一级指标之间的相对权重;
归一化模块,被配置为根据预设规则对所述至少一个三级指标进行量纲归一化处理,以得到每个三级指标的归一化量纲;以及
评价模块,被配置为基于每个指标的所述权重和所述至少一个三级指标的归一化量纲,确定所述目标层的绩效信息。
10.根据权利要求9所述的装置,还包括:
展示模块,被配置为可视化地展示评价结果。
11.一种电子设备,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
所述存储器存储有计算机程序,所述计算机程序在被所述至少一个处理器执行时实现根据权利要求1-8中任一项所述的方法。
12.一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352040.7A CN114723277A (zh) | 2022-04-02 | 2022-04-02 | 绩效评价的方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210352040.7A CN114723277A (zh) | 2022-04-02 | 2022-04-02 | 绩效评价的方法、装置、设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114723277A true CN114723277A (zh) | 2022-07-08 |
Family
ID=82241306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210352040.7A Pending CN114723277A (zh) | 2022-04-02 | 2022-04-02 | 绩效评价的方法、装置、设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723277A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116521026A (zh) * | 2023-06-30 | 2023-08-01 | 北京机械工业自动化研究所有限公司 | 一种绿色工厂评价的可视化方法、装置和设备 |
-
2022
- 2022-04-02 CN CN202210352040.7A patent/CN114723277A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116521026A (zh) * | 2023-06-30 | 2023-08-01 | 北京机械工业自动化研究所有限公司 | 一种绿色工厂评价的可视化方法、装置和设备 |
CN116521026B (zh) * | 2023-06-30 | 2023-10-03 | 北京机械工业自动化研究所有限公司 | 一种绿色工厂评价的可视化方法、装置和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Parmigiani et al. | Complementarity, capabilities, and the boundaries of the firm: the impact of within‐firm and interfirm expertise on concurrent sourcing of complementary components | |
Jiao et al. | Product portfolio identification based on association rule mining | |
An et al. | Target intermediate products setting in a two-stage system with fairness concern | |
Yadav et al. | A review on industrial applications of TOPSIS approach | |
Tian et al. | A fuzzy TOPSIS model via chi-square test for information source selection | |
CN106682809A (zh) | 企业bim技术应用能力量化评估方法 | |
US20170372389A1 (en) | Adaptive and tunable risk processing system and method | |
CN113537807B (zh) | 一种企业智慧风控方法及设备 | |
JP2023534474A (ja) | 機械学習特徴量推薦 | |
WO2023103527A1 (zh) | 一种访问频次的预测方法及装置 | |
CN112818484A (zh) | 一种物理实体数字孪生综合实施能力评估方法及评估系统 | |
US20200050982A1 (en) | Method and System for Predictive Modeling for Dynamically Scheduling Resource Allocation | |
Liu et al. | An exact expected value-based method to prioritize engineering characteristics in fuzzy quality function deployment | |
CN114723277A (zh) | 绩效评价的方法、装置、设备、介质和程序产品 | |
Shiri Daryani et al. | Inverse DEA in two-stage systems based on allocative efficiency | |
Wu et al. | A group consensus decision making based sustainable supplier selection method by combing DEMATEL and VIKOR | |
Shnorr | Integral assessment of retail digitalization | |
CN113822517A (zh) | 基于能力匹配的分案方法、装置 | |
Datta et al. | Comparative study on application of utility concept and VIKOR method for vendor selection | |
CN115879829A (zh) | 一种应用于平台创新能力审核的评审专家筛选方法 | |
CN116187675A (zh) | 任务分配方法、装置、设备及存储介质 | |
US11144881B2 (en) | Computer-generated team based metrics for candidate onboarding and retention | |
CN113159634A (zh) | 一种金融产品管理方法、装置及电子设备 | |
JP2023534475A (ja) | 機械学習特徴量推薦 | |
Murad et al. | Application Engineer Selection using Simple Additive Weighting Method Approach |
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 |