CN114723280A - 任务目标分配方法、装置、电子设备及可读存储介质 - Google Patents
任务目标分配方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN114723280A CN114723280A CN202210356015.6A CN202210356015A CN114723280A CN 114723280 A CN114723280 A CN 114723280A CN 202210356015 A CN202210356015 A CN 202210356015A CN 114723280 A CN114723280 A CN 114723280A
- Authority
- CN
- China
- Prior art keywords
- historical
- performance data
- task
- preference
- user
- 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
- G06Q10/0631—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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析领域,揭露一种任务目标分配方法、装置、设备以及存储介质,包括:根据目标用户的历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好,计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比,获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比,获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。本发明可以提高用户的工作积极性及工作效率。
Description
技术领域
本发明涉及数据分析领域,尤其涉及一种任务目标分配方法、装置、电子设备及可读存储介质。
背景技术
任务目标指的是用户在一定时间内需要完成的绩效目标,例如保险公司的保险代理人需要在一个月内完成三十次保险产品销售等。
目前常见的任务目标分配方法是根据公司整体任务目标,逐层往下确定用户的任务目标,但是由于这种方法没有考虑到用户的个体差异性及用户的能力区别,从而导致分配不均匀,造成工作效率降低。
发明内容
本发明提供一种任务目标分配方法、装置、电子设备及计算机可读存储介质,其目的在于提高用户的工作积极性及工作效率。
为实现上述目的,本发明提供的一种任务目标分配方法,包括:
获取目标用户的历史绩效数据,并根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好;
计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比;
获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据;
计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比;
获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。
可选地,所述根据所述历史绩效数据,对所述目标用户进行偏好分析,包括:
根据所述历史绩效数据,分别构建用户与任务和时间的张量、时间与任务的矩阵及任务与特征的矩阵;
协同利用所述时间与任务的矩阵及所述任务与特征的矩阵对所述用户与任务和时间的张量进行分解,得到分解结果;
根据所述分解结果,填充所述用户与任务和时间的张量中的缺失值,得到目标用户与任务和时间的张量;
根据所述目标用户与任务和时间的张量,利用线性分析算法计算所述用户的用户偏好。
可选地,所述根据所述历史绩效数据,对所述目标用户进行偏好分析,包括:
对所述历史绩效数据进行数据成分分析,得到所述用户的历史绩效任务种类及相应完成时间;
根据所述历史绩效任务种类及相应完成时间,对历史任务进行标签,得到历史任务标签;
根据所述历史任务标签,分析所述用户的偏好,得到用户偏好。
可选地,所述所述计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,包括:
根据所述历史任务标签,查找符合所述用户偏好的历史绩效数据,得到历史偏好绩效数据;
利用下述公式计算所述历史偏好绩效数据在所述历史绩效数据中的占比Q:
其中,A是所述历史偏好绩效数据中的历史任务数量,B是完成每一件历史偏好绩效数据中的历史任务对应的平均时间,C是所述历史绩效数据中除去历史偏好绩效数据剩下的历史任务数量,D是完成每一件历史绩效数据中除去历史偏好绩效数据剩下的历史任务的平均时间。
可选地,所述按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,包括:
根据所述用户偏好,查找相对应的历史偏好绩效数据;
搜寻所述历史总绩效数据中与所述历史偏好绩效数据的历史任务标签相符的历史绩效数据,得到历史分类绩效数据。
可选地,所述根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果,包括:
利用下述公式计算对所述所述任务分配结果Z;
Z=ab*X
其中,ab分别是第一占比及第二占比,X是任务总数。
可选地,所述利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果之后,所述方法还包括:
接收所述目标用户输入的任务分配意见,根据所述任务分配意见,对所述任务目标预测模型进行参数调整,并重复步骤获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果,直至目标用户不输入任务分配意见。
为了解决上述问题,本发明还提供一种任务目标分配装置,所述装置包括:
第一占比计算模块,用于获取目标用户的历史绩效数据,并根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好,计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比;
第二占比计算模块,用于获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比;
任务目标分配模块,用于获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的任务目标分配方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的任务目标分配方法。
本发明实施例提出的任务目标分配方法、装置、设备及存储介质通过获取用户的历史绩效数据,并根据所述历史绩效数据,对所述用户进行偏好分析,得到用户偏好,计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比,获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比,获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果,所述任务分配结果充分考虑了用户偏好及个人能力的情况,使得任务分配更为有效,提高了用户的积极性,从而提高了用户的工作效率。
附图说明
图1为本发明一实施例提供的任务目标分配方法的流程示意图;
图2为本发明一实施例提供的任务目标分配装置的模块示意图;
图3为本发明一实施例提供的实现任务目标分配方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种任务目标分配方法。所述任务目标分配方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述任务目标分配方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端可以包括独立的服务器,也可以包括提供云服务、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、内容分发网络(ContentDelivery Network,CDN)、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。
参照图1所示的本发明一实施例提供的任务目标分配方法的流程示意图,在本发明实施例中,所述任务目标分配方法包括:
S1、获取目标用户的历史绩效数据,并根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好。
本发明实施例中,所述目标用户可以是公司企业内部进行产品销售或产品代理的用户。所述历史绩效数据可以是所述目标用户近期一段时间内的绩效数据,例如,销售用户上个月的销售产品数量及销售额、代理用户去年的代理产品数量和代理产品种类等。
本发明可选实施例中,通过查找公司企业用户绩效数据库可以获取目标用户的历史绩效数据,减少人工收集历史绩效数据的时间,并确保历史绩效数据的准确性,便于精确定位目标用户的用户偏好。
本发明实施例根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好,确保进行任务目标分配时能考虑到用户个体差异及个人爱好,提高所述用户的积极性,提高用户的工作效率。
进一步地,作为本发明一可选实施例,所述根据所述历史绩效数据,对所述目标用户进行偏好分析,包括:
根据所述历史绩效数据,分别构建用户与任务和时间的张量、时间与任务的矩阵及任务与特征的矩阵;
协同利用所述时间与任务的矩阵及所述任务与特征的矩阵对所述用户与任务和时间的张量进行分解,得到分解结果;
根据所述分解结果,填充所述用户与任务和时间的张量中的缺失值,得到目标用户与任务和时间的张量;
根据所述目标用户与任务和时间的张量,利用线性分析算法计算所述用户的用户偏好。
除此之外,所述根据所述历史绩效数据,对所述目标用户进行偏好分析,还包括:
对所述历史绩效数据进行数据成分分析,得到所述用户的历史绩效任务种类及相应完成时间;
根据所述历史绩效任务种类及相应完成时间,对历史任务进行标签,得到历史任务标签;
根据所述历史任务标签,分析所述用户的偏好,得到用户偏好。
本发明实施例中,所述历史绩效任务种类可以是按照公司企业制定的任务划分规则对历史绩效任务进行分类的结果。所述完成时间可以是每种历史绩效任务从接手到完成的时间。所述历史任务标签可以是历史绩效任务的简短介绍。
本发明可选实施例中,通过计算所述历史绩效数据中哪种历史任务标签占比最多,从而确定所述用户的偏好,实现根据所述历史任务标签,分析所述用户的偏好,得到用户偏好,确保后续任务分配能够充分考虑用户的个体差异、个人爱好等问题。
S2、计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比。
本发明实施例中,所述历史偏好绩效数据可以是与所述用户偏好相符的历史售产品数量和历史产品销售额等数据。
本发明实施例通过计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,从而确定所述用户的偏好所占比例,提高任务分配的准确性,提高用户的工作积极性。
进一步地,作为本发明一可选实施例,所述计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,包括:
根据所述历史任务标签,查找符合所述用户偏好的历史绩效数据,得到历史偏好绩效数据;
利用下述公式计算所述历史偏好绩效数据在所述历史绩效数据中的占比Q:
其中,A是所述历史偏好绩效数据中的历史任务数量,B是完成每一件历史偏好绩效数据中的历史任务对应的平均时间,C是所述历史绩效数据中除去历史偏好绩效数据剩下的历史任务数量,D是完成每一件历史绩效数据中除去历史偏好绩效数据剩下的历史任务的平均时间。
本发明可选实施例中,通过查找与所述用户偏好匹配的历史任务标签,并根据所述历史任务标签,查找相对应的历史任务,进一步获取所述历史任务的历史绩效数据,得到历史偏好绩效数据。
S3、获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据。
本发明实施例中,所述历史总绩效数据可以是公司企业目标用户的全部历史销售产品数量和历史产品销售额等数据。
本发明可选实施例中,目标用户的全部历史绩效数据均可以从公司企业用户绩效数据库中获取,从而确保数据的准确性,使得计算结果能够有效的提高用户的工作积极性。
本发明实施例按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,从而计算所述历史分类绩效数据在所述历史总绩效数据中的占比情况,进一步考虑到了用户的自身情况,从而使得任务目标分配更为合理。
进一步地,作为本发明一可选实施例,所述按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,包括:
根据所述用户偏好,查找相对应的历史偏好绩效数据;
搜寻所述历史总绩效数据中与所述历史偏好绩效数据的历史任务标签相符的历史绩效数据,得到历史分类绩效数据。
本发明可选实施例中,根据所述用户偏好,查找相对应的历史偏好绩效数据,进一步地,搜寻所述历史总绩效数据中与所述历史偏好绩效数据的历史任务标签相符的历史绩效数据,得到历史分类绩效数据,从而判断所述用户在历史总绩效数据中的占比情况,便于后续任务分配。
S4、计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比。
本发明可选实施例中,由于部分用户的用户偏好可能相同,但任务分配时,与所述用户偏好相符的分类绩效数据为一个固定数值,因此,还需要计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,从而,使得任务目标分配更为合理,促进用户的工作积极性,从而提高用户的工作效率,为公司企业创造更高的营收。
本发明实施例中,所述计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比与所述计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比相似,故此不赘述。
S5、获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。
本发明实施例中,所述任务总数可以是当前时间节点,公司企业制定的需要完成的任务数量或任务目标。所述预构建的任务目标预测模型可以是基于深度学习的回归模型。
本发明可选实施例中,可以通过接收相关邮件或公司企业通知获取任务总数,从而确保用户任务分配符合公司企业安排,确保公司利益。
本发明实施例根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,充分考虑了用户的个体差异及个人能力问题,确保用户能够最大限度地分配到与自己偏好相同的任务目标,从而刺激用户的工作积极性,提高用户的工作效率。
进一步地,作为本发明一可选实施例,所述根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果,包括:
利用下述公式计算对所述所述任务分配结果Z;
Z=ab*X
其中,ab分别是第一占比及第二占比,X是任务总数。
进一步地,本发明可选实施例中,当所述目标用户收到由任务目标预测模型计算的任务分配结果时,可能不符合目标用户的实际情况,因此,还需要根据目标用户的意见进行模型参数修改。
详细地,所述利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果之后,所述方法还包括:
接收所述目标用户输入的任务分配意见,根据所述任务分配意见,对所述任务目标预测模型进行参数调整,并重复步骤S5。
本发明实施例提出的任务目标分配方法、装置、设备及存储介质通过获取用户的历史绩效数据,并根据所述历史绩效数据,对所述用户进行偏好分析,得到用户偏好,计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比,获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比,获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述用户的任务目标进行分配,得到任务分配结果,所述任务分配结果充分考虑了用户偏好及个人能力的情况,使得任务分配更为有效,提高了用户的工作积极性,从而提高了用户的工作效率。
如图2所示,是本发明任务目标分配装置的功能模块图。
本发明所述任务目标分配装置100可以安装于电子设备中。根据实现的功能,所述任务目标分配装置可以包括第一占比计算模块101、第二占比计算模块102及任务目标分配模块103,本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述第一占比计算模块101用于获取目标用户的历史绩效数据,并根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好,计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比。
本发明实施例中,所述目标用户可以是公司企业内部进行产品销售或产品代理的用户。所述历史绩效数据可以是所述目标用户近期一段时间内的绩效数据,例如,销售用户上个月的销售产品数量及销售额、代理用户去年的代理产品数量和代理产品种类等。
本发明可选实施例中,通过查找公司企业用户绩效数据库可以获取目标用户的历史绩效数据,减少人工收集历史绩效数据的时间,并确保历史绩效数据的准确性,便于精确定位目标用户的用户偏好。
本发明实施例根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好,确保进行任务目标分配时能考虑到用户个体差异及个人爱好,提高所述用户的积极性,提高用户的工作效率。
进一步地,作为本发明一可选实施例,所述根据所述历史绩效数据,对所述目标用户进行偏好分析,包括:
根据所述历史绩效数据,分别构建用户与任务和时间的张量、时间与任务的矩阵及任务与特征的矩阵;
协同利用所述时间与任务的矩阵及所述任务与特征的矩阵对所述用户与任务和时间的张量进行分解,得到分解结果;
根据所述分解结果,填充所述用户与任务和时间的张量中的缺失值,得到目标用户与任务和时间的张量;
根据所述目标用户与任务和时间的张量,利用线性分析算法计算所述用户的用户偏好。
除此之外,所述根据所述历史绩效数据,对所述目标用户进行偏好分析,还包括:
对所述历史绩效数据进行数据成分分析,得到所述用户的历史绩效任务种类及相应完成时间;
根据所述历史绩效任务种类及相应完成时间,对历史任务进行标签,得到历史任务标签;
根据所述历史任务标签,分析所述用户的偏好,得到用户偏好。
本发明实施例中,所述历史绩效任务种类可以是按照公司企业制定的任务划分规则对历史绩效任务进行分类的结果。所述完成时间可以是每种历史绩效任务从接手到完成的时间。所述历史任务标签可以是历史绩效任务的简短介绍。
本发明可选实施例中,通过计算所述历史绩效数据中哪种历史任务标签占比最多,从而确定所述用户的偏好,实现根据所述历史任务标签,分析所述用户的偏好,得到用户偏好,确保后续任务分配能够充分考虑用户的个体差异、个人爱好等问题。
本发明实施例中,所述历史偏好绩效数据可以是与所述用户偏好相符的历史售产品数量和历史产品销售额等数据。
本发明实施例通过计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,从而确定所述用户的偏好所占比例,提高任务分配的准确性,提高用户的工作积极性。
进一步地,作为本发明一可选实施例,所述计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,包括:
根据所述历史任务标签,查找符合所述用户偏好的历史绩效数据,得到历史偏好绩效数据;
利用下述公式计算所述历史偏好绩效数据在所述历史绩效数据中的占比Q:
其中,A是所述历史偏好绩效数据中的历史任务数量,B是完成每一件历史偏好绩效数据中的历史任务对应的平均时间,C是所述历史绩效数据中除去历史偏好绩效数据剩下的历史任务数量,D是完成每一件历史绩效数据中除去历史偏好绩效数据剩下的历史任务的平均时间。
本发明可选实施例中,通过查找与所述用户偏好匹配的历史任务标签,并根据所述历史任务标签,查找相对应的历史任务,进一步获取所述历史任务的历史绩效数据,得到历史偏好绩效数据。
所述第二占比计算模块102用于获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比。
本发明实施例中,所述历史总绩效数据可以是公司企业所有目标用户的全部历史销售产品数量和历史产品销售额等数据。
本发明可选实施例中,目标用户的全部历史绩效数据均可以从公司企业用户绩效数据库中获取,从而确保数据的准确性,使得计算结果能够有效的提高用户的工作积极性。
本发明实施例按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,从而计算所述历史分类绩效数据在所述历史总绩效数据中的占比情况,进一步考虑到了用户的自身情况,从而使得任务目标分配更为合理。
进一步地,作为本发明一可选实施例,所述按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,包括:
根据所述用户偏好,查找相对应的历史偏好绩效数据;
搜寻所述历史总绩效数据中与所述历史偏好绩效数据的历史任务标签相符的历史绩效数据,得到历史分类绩效数据。
本发明可选实施例中,根据所述用户偏好,查找相对应的历史偏好绩效数据,进一步地,搜寻所述历史总绩效数据中与所述历史偏好绩效数据的历史任务标签相符的历史绩效数据,得到历史分类绩效数据,从而判断所述用户在历史总绩效数据中的占比情况,便于后续任务分配。
本发明可选实施例中,由于部分用户的用户偏好可能相同,但任务分配时,与所述用户偏好相符的分类绩效数据为一个固定数值,因此,还需要计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,从而,使得任务目标分配更为合理,促进用户的工作积极性,从而提高用户的工作效率,为公司企业创造更高的营收。
本发明实施例中,所述计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比与所述计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比相似,故此不赘述。
所述任务目标分配模块103用于获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。
本发明实施例中,所述任务总数可以是当前时间节点,公司企业制定的需要完成的任务数量或任务目标。所述预构建的任务目标预测模型可以是基于深度学习的回归模型。
本发明可选实施例中,可以通过接收相关邮件或公司企业通知获取任务总数,从而确保用户任务分配符合公司企业安排,确保公司利益。
本发明实施例根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,充分考虑了用户的个体差异及个人能力问题,确保用户能够最大限度地分配到与自己偏好相同的任务目标,从而刺激用户的工作积极性,提高用户的工作效率。
进一步地,作为本发明一可选实施例,所述根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果,包括:
利用下述公式计算对所述所述任务分配结果Z;
Z=ab*X
其中,ab分别是第一占比及第二占比,X是任务总数。
进一步地,本发明可选实施例中,当所述目标用户收到由任务目标预测模型计算的任务分配结果时,可能不符合目标用户的实际情况,因此,还需要根据目标用户的意见进行模型参数修改。
详细地,所述利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果之后,所述方法还包括:
接收所述目标用户输入的任务分配意见,根据所述任务分配意见,对所述任务目标预测模型进行参数调整,并重复步骤获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果,直至目标用户不输入任务分配意见。
如图3所示,是本发明实现任务目标分配方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如任务目标分配程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如任务目标分配程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如任务目标分配程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,所述通信接口13还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的任务目标分配程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取目标用户的历史绩效数据,并根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好;
计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比;
获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据;
计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比;
获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的,也可以是易失性的。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取目标用户的历史绩效数据,并根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好;
计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比;
获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据;
计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比;
获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。
进一步地,所述计算机标准存储介质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、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种任务目标分配方法,其特征在于,所述方法包括:
获取目标用户的历史绩效数据,并根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好;
计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比;
获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据;
计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比;
获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。
2.如权利要求1所述的任务目标分配方法,其特征在于,所述根据所述历史绩效数据,对所述目标用户进行偏好分析,包括:
根据所述历史绩效数据,分别构建用户与任务和时间的张量、时间与任务的矩阵及任务与特征的矩阵;
协同利用所述时间与任务的矩阵及所述任务与特征的矩阵对所述用户与任务和时间的张量进行分解,得到分解结果;
根据所述分解结果,填充所述用户与任务和时间的张量中的缺失值,得到目标用户与任务和时间的张量;
根据所述目标用户与任务和时间的张量,利用线性分析算法计算所述用户的用户偏好。
3.如权利要求1所述的任务目标分配方法,其特征在于,所述根据所述历史绩效数据,对所述目标用户进行偏好分析,包括:
对所述历史绩效数据进行数据成分分析,得到所述用户的历史绩效任务种类及相应完成时间;
根据所述历史绩效任务种类及相应完成时间,对历史任务进行标签,得到历史任务标签;
根据所述历史任务标签,分析所述用户的偏好,得到用户偏好。
5.如权利要求1所述的任务目标分配方法,其特征在于,所述按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,包括:
根据所述用户偏好,查找相对应的历史偏好绩效数据;
搜寻所述历史总绩效数据中与所述历史偏好绩效数据的历史任务标签相符的历史绩效数据,得到历史分类绩效数据。
6.如权利要求1所述的任务目标分配方法,其特征在于,所述根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果,包括:
利用下述公式计算对所述所述任务分配结果Z;
Z=ab*X
其中,ab分别是第一占比及第二占比,X是任务总数。
7.如权利要求1所述的任务目标分配方法,其特征在于,所述利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果之后,所述方法还包括:
接收所述目标用户输入的任务分配意见,根据所述任务分配意见,对所述任务目标预测模型进行参数调整,并重复步骤获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果,直至目标用户不输入任务分配意见。
8.一种任务目标分配装置,其特征在于,包括:
第一占比计算模块,用于获取目标用户的历史绩效数据,并根据所述历史绩效数据,对所述目标用户进行偏好分析,得到用户偏好,计算符合所述用户偏好的历史偏好绩效数据在所述历史绩效数据中的占比,得到第一占比;
第二占比计算模块,用于获取所述目标用户的全部历史绩效数据,得到历史总绩效数据,并按照所述用户偏好,对所述历史总绩效数据进行分类,得到历史分类绩效数据,计算所述历史偏好绩效数据在相对应的历史分类绩效数据中的占比,得到第二占比;
任务目标分配模块,用于获取任务总数,根据所述第一占比及第二占比,利用预构建的任务目标预测模型对所述目标用户分配任务目标,得到所述目标用户的任务分配结果。
9.一种电子设备,其特征在于,所述电子设备包括:
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,
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令,所述计算机程序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执行如权利要求1至7中任一项所述的任务目标分配方法。
10.一种计算机可读存储介质,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如权利要求1至7中任一项所述的任务目标分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356015.6A CN114723280A (zh) | 2022-04-06 | 2022-04-06 | 任务目标分配方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210356015.6A CN114723280A (zh) | 2022-04-06 | 2022-04-06 | 任务目标分配方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114723280A true CN114723280A (zh) | 2022-07-08 |
Family
ID=82242710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210356015.6A Pending CN114723280A (zh) | 2022-04-06 | 2022-04-06 | 任务目标分配方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723280A (zh) |
-
2022
- 2022-04-06 CN CN202210356015.6A patent/CN114723280A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112541745A (zh) | 用户行为数据分析方法、装置、电子设备及可读存储介质 | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN113688923A (zh) | 订单异常智能检测方法、装置、电子设备及存储介质 | |
CN114881616A (zh) | 业务流程执行方法、装置、电子设备及存储介质 | |
CN113807553A (zh) | 预约服务的数量分析方法、装置、设备及存储介质 | |
CN111694844A (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
CN113868529A (zh) | 知识推荐方法、装置、电子设备及可读存储介质 | |
CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
CN114781832A (zh) | 课程推荐方法、装置、电子设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN115081538A (zh) | 基于机器学习的客户关系识别方法、装置、设备及介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN114880368A (zh) | 数据查询方法、装置、电子设备及可读存储介质 | |
CN114844844A (zh) | 延时消息处理方法、装置、设备及存储介质 | |
CN113919738A (zh) | 业务办理窗口分配方法、装置、电子设备及可读存储介质 | |
CN113313211A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
CN114625975B (zh) | 一种基于知识图谱的客户行为分析系统 | |
CN113435746B (zh) | 用户工作量的评分方法、装置、电子设备及存储介质 | |
CN113657499B (zh) | 基于特征选择的权益分配方法、装置、电子设备及介质 | |
CN115238179A (zh) | 项目推送方法、装置、电子设备及计算机可读存储介质 | |
CN114817408A (zh) | 调度资源识别方法、装置、电子设备及存储介质 | |
CN114387021A (zh) | 业务状态生成方法、装置、设备及存储介质 | |
CN113657546A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113918296A (zh) | 模型训练任务调度执行方法、装置、电子设备及存储介质 |
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 |