CN115829301A - 一种基于组织团队配置的辅助管理方法、设备及介质 - Google Patents
一种基于组织团队配置的辅助管理方法、设备及介质 Download PDFInfo
- Publication number
- CN115829301A CN115829301A CN202310145642.XA CN202310145642A CN115829301A CN 115829301 A CN115829301 A CN 115829301A CN 202310145642 A CN202310145642 A CN 202310145642A CN 115829301 A CN115829301 A CN 115829301A
- Authority
- CN
- China
- Prior art keywords
- project
- data
- information
- organization
- level
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于组织团队配置的辅助管理方法、设备及介质,属于人力资源管理辅助技术领域,用于解决现有的人力配置系统,难以让组织管理者在面对不同的任务时,能够动态地调整团队成员配置的,造成了团队多维度绩效不能很好的达到最优化状态的技术问题。方法包括:根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息;对项目信息进行有关语句的多层面去重复操作,得到不含重复语句的多层面项目信息;根据项目的发展阶段,将多层面项目信息进行阶段划分,得到团队组织结构;根据团队组织结构,将项目信息进行数据整理,并结合预设推荐算法,确定出辅助决策者使用的项目最佳团队推荐方案。
Description
技术领域
本申请涉及人力资源管理辅助领域,尤其涉及一种基于组织团队配置的辅助管理方法、设备及介质。
背景技术
在现有的HRIS(人力资源信息系统与装置)技术领域中,主要功能服务于人力资源领域中的组织发展OD(Organizational Development)和团队发展TD(Team Development)业务领域。
目前,大部分市场公司在准备创建一个具有高度创新型、面向的市场需求且不能够充分被定义的任务时,往往采用分部门的职能型团队结构,利用分部门的、垂直的、职能型的团队结构来构建需求任务,该种方法在对应任务需求时,往往比较被动,难以准确的定位适合该项需求人员的团队成员,不能很好的将实际需求任务与相匹配的需求人才进行结合,不能很好的向该项目的决策者构建出适合该需求任务高绩效组织团队,难以为决策者提供决策的支撑。
发明内容
本申请实施例提供了一种基于组织团队配置的辅助管理方法、设备及介质,用于解决如下技术问题:现有的人力配置系统,难以让组织管理者在面对不同的任务时,能够动态地调整团队成员配置的,造成了团队多维度绩效不能很好的达到最优化状态。
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基于组织团队配置的辅助管理方法,包括:根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息;对所述项目信息进行有关语句的多层面去重复操作,得到不含重复语句的多层面项目信息;其中,所述多层面包括:项目描述层面、任务目标层面以及需要技能层面;根据所述项目的发展阶段,将所述多层面项目信息进行阶段划分,得到团队组织结构;根据所述团队组织结构,将所述项目信息进行数据整理,并结合预设推荐算法,确定出辅助决策者使用的项目最佳团队推荐方案。
本申请实施例通过构建基于人工智能推荐算法的面向不同的组织任务的团队建设与团队配置辅助决策系统,通过动态多维度绩效的辅助管理,能够让公司的管理组织根据不同的组织任务,在配置团队方面进行决策支撑,帮助组织管理者在面对不同的任务时,动态地调整团队成员配置的方案,使得团队多维度绩效能够达到最优化的状态。
在一种可行的实施方式中,根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息,具体包括:通过预设云端数据库,获取与项目相关的多种数据资料;其中,所述多种数据资料主要包括:项目流程说明资料、项目日志记录资料、项目日记账资料、项目成员焦点小组访谈资料以及项目观察员记录资料;基于所述多种数据资料,获取目标公司内部ERP系统中的内部项目文档信息;基于所述多种数据资料,获取与所述目标公司关联的业务公司中的关联项目文档信息;其中,所述关联项目文档信息为所述业务公司与所述目标公司相互业务往来所生成的项目文档;基于所述多种数据资料,获取外包调查公司中的外部样本项目文档信息;其中,所述外部样本项目文档信息为所述外包调查公司调查各行业数据所得到的各个行业的项目文档;其中,所述项目信息由所述内部项目文档信息、所述关联项目文档信息以及所述外部样本项目文档信息共同组成。
在一种可行的实施方式中,在根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息之后,所述方法还包括:对所述项目信息进行项目具体筹备资料信息的数据提取,确定出所述项目描述层面的数据特征;其中,所述项目具体筹备资料信息为在项目描述层面中与项目前期准备相关的资料信息;对所述项目信息进行项目所获经济效益资料信息的数据提取,确定出所述任务目标层面的数据特征;其中,所述项目所获经济效益资料信息为在任务目标层面中项目计划能够获取的利益信息;对所述项目信息进行项目所需关键技能资料信息的数据提取,确定出所述需要技能层面的数据特征;其中,所述项目所需关键技能资料信息为在需要技能层面中完成该项目所应具备的各种技能资料信息;其中,所述多层面由所述项目描述层面、所述任务目标层面以及所述需要技能层面所组成。
在一种可行的实施方式中,对所述项目信息进行有关语句的多层面去重复操作,得到不含重复语句的多层面项目信息,具体包括:获取所述项目信息中所述多层面的若干对应信息文本;对所述若干对应信息文本进行除噪声处理,得到简洁信息文本;其中,所述除噪声处理为去除所述对应信息文本中的语气助词、副词以及形容词;基于所述简洁信息文本,建立语料库,并将所述语料库中的简洁信息文本所包含的全部词汇转化为排序数值;根据所述排序数值,将所述简洁信息文本中的短语以及短句进行数值排序的矩阵转化,得到数值矩阵;通过所述数值矩阵,计算所述短语以及短句之间的平均欧式距离,得到若干组欧式距离;将若干组欧氏距离进行相互预设距离阈值的判断,并将符合所述预设距离阈值的组别进行合并,循环执行直至所述项目信息中的语句全部完成合并,得到所述多层面项目信息。
在一种可行的实施方式中,在得到所述多层面项目信息之后,所述方法还包括:根据所述项目信息中数据的多层面分类,将所述多层面项目信息进行数据的分类提取,得到项目描述结果数据、任务目标结果数据以及需要技能结果数据;其中,所述项目描述结果数据至少包括:技术服务性项目数据、综合性产品销售型项目数据以及专业服务型项目数据;所述任务目标结果数据至少包括:客户服务绩效数据、公共服务绩效数据、组织服务绩效数据以及市场销售绩效数据;所述需要技能结果数据至少包括:设计技能数据、创新观点生成技能数据、分析观点技能数据以及积极倾听技能数据。
在一种可行的实施方式中,根据所述项目的发展阶段,将所述多层面项目信息进行阶段划分,得到团队组织结构,具体包括:将所述多层面项目信息与所述项目的发展阶段进行匹配相关处理,得到项目整体阶段;其中,所述项目整体阶段包括:前期调研阶段、启动项目阶段、实施计划阶段、中期评估阶段、完成项目阶段以及反馈修正阶段;其中,所述项目的发展阶段包括:前期阶段、启动阶段、计划阶段、评估阶段、完成阶段以及修正阶段;根据预设项目的绩效团队结构形式,将所述前期调研阶段、启动项目阶段、实施计划阶段、中期评估阶段以及完成项目阶段确定为项目导向自主型组织,并将所述反馈修正阶段确定为职能导向矩阵型组织;其中,所述绩效团队结构形式包括:科层化职能型组织、职能导向矩阵型组织、项目导向矩阵型组织以及项目导向自主型组织;根据所述项目导向自主型组织以及所述职能导向矩阵型组织所组成的组织集合,得到基于所述多层面项目信息的团队组织结构。
在一种可行的实施方式中,根据所述团队组织结构,将所述项目信息进行数据整理,并结合预设推荐算法,确定出辅助决策者使用的项目最佳团队推荐方案,具体包括:基于所述所述团队组织结构中项目导向自主型组织以及职能导向矩阵型组织的组织集合格式,将所述项目信息进行数据的集合表示,得到项目大数据集;通过所述预设推荐算法,对所述项目大数据集进行多层面的数据推荐,生成决策推荐系统;通过所述决策推荐系统,对待执行项目进行最佳组织团队的配置,得到所述项目最佳团队推荐方案。
在一种可行的实施方式中,通过所述预设推荐算法,对所述项目大数据集进行多层面的数据推荐,生成决策推荐系统,具体包括:通过预设贝叶斯模型,将所述团队组织结构以及所述项目信息进行数据训练,得到训练后的贝叶斯模型;根据所述训练后的贝叶斯模型,对所述多层面中的项目描述层面、任务目标层面以及需要技能层面进行决策者需求的概率计算,得到每一个层面的最佳推荐数据;并根据所述最佳推荐数据,生成所述决策推荐系统。
第二方面,本申请实施例还提供了一种基于组织团队配置的辅助管理设备,所述设备包括: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,所述存储器存储有能够被所述至少一个处理器执行的指令,以使所述至少一个处理器能够执行上述任一实施方式所述的一种基于组织团队配置的辅助管理方法。
第三方面,本申请实施例还提供了一种非易失性计算机存储介质,其特征在于,所述存储介质为非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有至少一个程序,每个所述程序包括指令,所述指令当被终端执行时,使所述终端执行上述任一实施方式所述的一种基于组织团队配置的辅助管理方法。
本申请实施例提供了一种基于组织团队配置的辅助管理方法、设备及介质,通过构建基于人工智能推荐算法的面向不同的组织任务的团队建设与团队配置辅助决策系统,通过动态多维度绩效的辅助管理,能够让公司的管理组织根据不同的组织任务,在配置团队方面进行决策支撑,帮助组织管理者在面对不同的任务时,动态地调整团队成员配置的方案,使得团队多维度绩效能够达到最优化的状态。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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的附图。在附图中:
图1为本申请实施例提供的一种基于组织团队配置的辅助管理方法流程图;
图2为本申请实施例提供的一种基于组织团队配置的辅助管理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,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。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
本申请实施例提供了一种基于组织团队配置的辅助管理方法,如图1所示,基于组织团队配置的辅助管理方法具体包括步骤S101-S104:
S101、根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息。
具体地,通过云端数据库,获取与项目相关的多种数据资料。其中,多种数据资料主要包括:项目流程说明资料、项目日志记录资料、项目日记账资料、项目成员焦点小组访谈资料以及项目观察员记录资料。
在一个实施例中,从云端数据库下载多种与项目相关的数据资料,云端储存器中储存了与项目相关的各类数据资料,在获取资料过程中主要采用一次性获取的方法获取多种资料。
基于多种数据资料,获取目标公司内部ERP系统中的内部项目文档信息。基于多种数据资料,获取与目标公司关联的业务公司中的关联项目文档信息。其中,关联项目文档信息为业务公司与目标公司相互业务往来所生成的项目文档。基于多种数据资料,获取外包调查公司中的外部样本项目文档信息。其中,外部样本项目文档信息为外包调查公司调查各行业数据所得到的各个行业的项目文档。
其中,项目信息主要由内部项目文档信息、关联项目文档信息以及外部样本项目文档信息所共同组成的。
在一个实施例中,多种数据资料包括了与项目相关的多种类别文档,通过数据检索或者遍历数据等方式,对上述多种数据资料中的内部项目文档、关联项目文档以及部样本项目文档进行筛选搜寻,最终得到有关目标公司的多种项目文档。
在一个实施例中,项目信息的采集主要来自于3个部分,第一部分数量最大,主要来自于本案集团公司内部,集团公司内部ERP系统存储大量的内部项目文档信息,内部项目文档信息清晰地记录了项目每个阶段的负责人以及参加人,以及这些成员的学历、技能、工作经验等信息;第二部分来自于与本案公司关联的业务往来公司,向关联公司支付费用后,再获取关联项目文档信息;第三部分来自于通过调查公司支付咨询费后,再获取外部样本项目文档信息。获取的多种数据资料主要包括项目流程说明、项目日志记录、项目日记账、项目成员焦点小组访谈、项目观察员记录等形式的数据记录。最后通过上述三部分的数据采集,最终形成有关该项目的项目信息。
进一步地,在得到项目信息之后,对项目信息进行项目具体筹备资料信息的数据提取,确定出项目描述层面的数据特征。对项目信息进行项目所获经济效益资料信息的数据提取,确定出任务目标层面的数据特征。对项目信息进行项目所需关键技能资料信息的数据提取,确定出需要技能层面的数据特征。其中,多层面由项目描述层面、任务目标层面以及需要技能层面所组成。其中,具体筹备资料信息为在项目描述层面中与项目前期准备相关的资料信息,项目所获经济效益资料信息为在任务目标层面中项目计划能够获取的利益信息,项目所需关键技能资料信息为在需要技能层面中完成该项目所应具备的各种技能资料信息。
在一个实施例中,在任务目标层面的所获经济效应资料信息的数据提取方式,主要采用的是关键词与数字匹配的抽取方法,使用自然语言处理技术中的关键词识别法,识别“年总收入”、“年总利润”、“半年收入”、“半年利润”、“年总成本”、“半年成本”6项关键词以及关键词后缀的数字与货币单位,通过关键词与数字匹配的抽取方法,获取与每个项目预期计划的利益信息,并提取该利益信息中对应的数据特征。
在一个实施例中,需要技能层面的数据提取方式,主要采用的是项目组成员技能关键词提取与汇总方法,使用自然语言处理技术中的关键词识别方法,识别项目组成员“工作技能”字段后的关键词后,将所有项目组成员的关键词汇总,去除其中重复的关键词,得到的去除重复后的关键词集合,确定出项目所需要的技能层面的数据特征。
S102、对项目信息进行有关语句的多层面去重复操作,得到不含重复语句的多层面项目信息。其中,多层面包括:项目描述层面、任务目标层面以及需要技能层面。
具体地,获取项目信息中多层面的若干对应信息文本。对若干对应信息文本进行除噪声处理,得到简洁信息文本。其中,除噪声处理为去除对应信息文本中的语气助词、副词以及形容词。基于简洁信息文本,建立语料库,并将语料库中的简洁信息文本所包含的全部词汇转化为排序数值。其中,在建立语料库之后,将简洁信息文本按照输入顺序进行顺序编码,从0到N,N为最后一位输入语料库的词汇或者短语,通过比对词汇在语料库中的编码值,即可得到词汇对应的数值,由此全部词汇转化为排序数值。
进一步地,根据排序数值,将简洁信息文本中的短语以及短句进行数值排序的矩阵转化,得到数值矩阵。其中,语句由短语或短句构成,例如,假设一个短句由两个短语构成,那么,这个短句的矩阵就是由两个列向量、一个行向量构成的矩阵,两个列向量的列是这两个短语对应的排序数值,由此实现短句以及短语向数值矩阵的转化。然后通过数值矩阵,基于现有的欧式距离计算公式,计算每一个短语、短句与其他所有的短语、短句的平均欧式距离,得到若干组欧式距离。
进一步地,将若干组欧氏距离进行相互预设距离阈值的判断,并将符合预设距离阈值的组别进行合并,循环执行直至项目信息中的语句全部完成合并,得到多层面项目信息。
在一个实施例中,收集各个行业常见的项目信息后,然后将基于项目描述(PS)层面、任务目标(TG)层面和需要技能(SD)层面对应的常见项目信息文本中所包含的相似短语或者相似短句进行去重复操作,其中,去重复操作使用的是人工智能自然语言处理技术中的短语相似度检测技术,定义两条短语之间的相似度大于75%的即为相似短语,合并为同一个短语。相似度检测与去重复操作的具体操作方式为:首先,将先前整理好的项目信息文本进行去除噪声操作,即,将“的”、“了”、“么”等助词去除,接下来进一步将“地”、“得”、“非常”、“极其”等副词去除,再接下来将“精确”、“准确”等形容词去除;其次,建立语料库,将文本信息中所含有的词汇全部转化为排序的数值,随后将文本中的短语和短句使用上述排序的数值转化为一个数值矩阵;最后,计算每一个短语、短句与其他所有的短语、短句的平均欧式距离,比较每一组距离,距离小于平均欧式距离的75%的,定义为“相似度小于75%”。重复进行上述操作,最终形成不包含重复短语的多层面项目信息。
进一步地,根据项目信息中数据的多层面分类,将多层面项目信息进行数据的分类提取,得到项目描述结果数据、任务目标结果数据以及需要技能结果数据。
其中,项目描述结果数据至少包括:技术服务性项目数据、综合性产品销售型项目数据以及专业服务型项目数据。任务目标结果数据至少包括:客户服务绩效数据、公共服务绩效数据、组织服务绩效数据以及市场销售绩效数据;需要技能结果数据至少包括:设计技能数据、创新观点生成技能数据、分析观点技能数据以及积极倾听技能数据。
在一个实施例中,对多层面项目信息中的技术服务性项目数据、综合性产品销售型项目数据以及专业服务型项目数据进行对应信息数据的识别与提取,组合成项目描述结果数据。对客户服务绩效数据、公共服务绩效数据、组织服务绩效数据以及市场销售绩效数据进行对应信息数据的识别与提取,然后组合成任务目标结果数据。对设计技能、创新观点生成技能、分析观点技能以及积极倾听技能进行对应信息数据的识别与提取,然后组合成要技能结果数据。
作为一种可行的实施方式,分类提取不包含重复短语的多层面项目信息,得到关于项目描述(PS)的结果数据、任务目标(TG)的结果数据和需要技能(SD)的结果数据。
项目描述(PS)结果数据具体包括:技术服务型项目、综合性产品销售型项目、组成部分性质产品销售型项目、专业服务型项目、生活服务型项目等17种类型。
任务目标(TG)结果数据具体包括:任务绩效、客户服务绩效、公共服务绩效、组织服务绩效、市场销售绩效、成本绩效、能源绩效7项主要绩效类型,在每一种项目上,分别对应一个主要绩效,至多两个次要绩效,例如,“技术服务项目”,对应“客户服务绩效”为主要绩效,“成本绩效”和“能源绩效”为次要绩效。
需要技能(SD)结果数据具体包括:设计技能、创新观点生成技能、分析观点技能、积极倾听技能、技术性问题求解技能等175种类型的技能。
S103、根据项目的发展阶段,将多层面项目信息进行阶段划分,得到团队组织结构。
具体地,将多层面项目信息与项目的发展阶段进行匹配相关处理,得到项目整体阶段。其中,项目整体阶段包括:前期调研阶段、启动项目阶段、实施计划阶段、中期评估阶段、完成项目阶段以及反馈修正阶段。其中,项目的发展阶段包括:前期阶段、启动阶段、计划阶段、评估阶段、完成阶段以及修正阶段。
在一个实施例中,将多层面项目信息与项目的发展阶段进行匹配的方法为关键词匹配法,例如,多层面项目信息中的需要技能结果数据中有关键词涉及到设计技能数据或者创新观点生成技能数据,则将该关键词匹配到发展阶段中的前期阶段,生成项目整体阶段中的前期调研阶段。多层面项目信息中的任务目标结果数据中有关键词涉及到市场销售绩效数据,则将该关键词匹配到发展阶段中的完成阶段,生成项目整体阶段中的完成项目阶段。
进一步地,根据预设项目的绩效团队结构形式,将前期调研阶段、启动项目阶段、实施计划阶段、中期评估阶段以及完成项目阶段确定为项目导向自主型组织,并将反馈修正阶段确定为职能导向矩阵型组织。
其中,绩效团队结构形式包括:科层化职能型组织、职能导向矩阵型组织、项目导向矩阵型组织以及项目导向自主型组织。
进一步地,根据项目导向自主型组织以及职能导向矩阵型组织所组成的组织集合,得到基于多层面项目信息的团队组织结构。
在一个实施例中,将多层面项目信息与项目的发展阶段进行匹配,并按项目整体阶段分为“前期调研”、“启动项目”、“实施计划”、“中期评估”、“完成项目”、“反馈修正”6个阶段,分别定义项目在不同发展阶段下,完成主要绩效最高的团队结构形式,绩效团队结构形式主要包括以下类型:科层化职能型组织、职能导向矩阵型组织、项目导向矩阵型组织、项目导向自主型组织4种类型。根据上述项目整体6个阶段,分别定义6种组织结构:TSC1(Team Structure 1),TSC2,……,TSC6。然后参考绩效团队结构形式的4种类型,将项目整体阶段中的前5个阶段均采用项目导向自主型组织,最后1个阶段采用职能导向矩阵型组织,则组织集合为:{TSC1项目导向自主型组织,TSC2项目导向自主型组织,TSC3项目导向自主型组织,TSC4项目导向自主型组织,TSC5项目导向自主型组织,TSC6职能导向矩阵组织},并根据该组织集合确定出基于多层面项目信息的团队组织结构。
S104、根据团队组织结构,将项目信息进行数据整理,并结合预设推荐算法,确定出辅助决策者使用的项目最佳团队推荐方案。
具体地,基于团队组织结构中项目导向自主型组织以及职能导向矩阵型组织的组织集合格式,将项目信息进行数据的集合表示,得到项目大数据集。
在一个实施例中,基于团队组织结构中项目导向自主型组织以及职能导向矩阵型组织的组织集合格式,进一步深入使用项目信息中所收集的全国各个行业、各个企业的项目过程管理信息与案例,即多种数据资料,总计127650条案例信息,将上述案例信息按照{PS,TG,SD,TSC1,……,TSC6}的格式,形成127650条数据集。使用上述案例形成的项目大数据集。
进一步地,通过预设推荐算法,对项目大数据集进行多层面的数据推荐,生成决策推荐系统。其中,通过预设贝叶斯模型,将团队组织结构以及项目信息进行数据训练,得到训练后的贝叶斯模型。根据训练后的贝叶斯模型,对多层面中的项目描述层面、任务目标层面以及需要技能层面进行决策者需求的概率计算,得到每一个层面的最佳推荐数据。并根据最佳推荐数据,生成决策推荐系统。通过决策推荐系统,对决策者需要的待执行项目进行最佳组织团队的配置,得到项目最佳团队推荐方案。
在一个实施例中,该决策推荐系统中的推荐算法使用的计算模型为一个贝叶斯模型,贝叶斯模型的训练数据来自于前期收集的127650条案例,数据的结构为{PS,TG,SD,TSC1,……,TSC6}的格式,贝叶斯计算模型的计算规则为:。
其中,当项目描述(PS)既定,项目目标(TG)既定,组织结构TSC1-6既定,在这种条件下,使得项目描述(PS)最大化的对应需要技能(SD)为上述公式所计算的概率,在使得项目描述(PS)最大的条件下,应当推荐对应的需要技能(SD)的技能列表,然后确定出与技能列表对应的组织人员配置,最终得到了项目最佳团队推荐方案。
另外,本申请实施例还提供了一种基于组织团队配置的辅助管理设备,如图2所示,基于组织团队配置的辅助管理设备200具体包括:
至少一个处理器201;以及,与至少一个处理器201通信连接的存储器202;其中,存储器202存储有能够被至少一个处理器201执行的指令,以使至少一个处理器201能够执行:
根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息;
对项目信息进行有关语句的多层面去重复操作,得到不含重复语句的多层面项目信息;其中,多层面包括:项目描述层面、任务目标层面以及需要技能层面;
根据项目的发展阶段,将多层面项目信息进行阶段划分,得到团队组织结构;
根据团队组织结构,将项目信息进行数据整理,并结合预设推荐算法,确定出辅助决策者使用的项目最佳团队推荐方案。
本申请实施例通过构建基于人工智能推荐算法的面向不同的组织任务的团队建设与团队配置辅助决策系统,通过动态多维度绩效的辅助管理,能够让公司的管理组织根据不同的组织任务,在配置团队方面进行决策支撑,帮助组织管理者在面对不同的任务时,动态地调整团队成员配置的方案,使得团队多维度绩效能够达到最优化的状态。
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。
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。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于组织团队配置的辅助管理方法,其特征在于,所述方法包括:
根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息;
对所述项目信息进行有关语句的多层面去重复操作,得到不含重复语句的多层面项目信息;其中,所述多层面包括:项目描述层面、任务目标层面以及需要技能层面;
根据项目的发展阶段,将所述多层面项目信息进行阶段划分,得到团队组织结构;
根据所述团队组织结构,将所述项目信息进行数据整理,并结合预设推荐算法,确定出辅助决策者使用的项目最佳团队推荐方案。
2.根据权利要求1所述的一种基于组织团队配置的辅助管理方法,其特征在于,根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息,具体包括:
通过预设云端数据库,获取与项目相关的多种数据资料;其中,所述多种数据资料主要包括:项目流程说明资料、项目日志记录资料、项目日记账资料、项目成员焦点小组访谈资料以及项目观察员记录资料;
基于所述多种数据资料,获取目标公司内部ERP系统中的内部项目文档信息;
基于所述多种数据资料,获取与所述目标公司关联的业务公司中的关联项目文档信息;其中,所述关联项目文档信息为所述业务公司与所述目标公司相互业务往来所生成的项目文档;
基于所述多种数据资料,获取外包调查公司中的外部样本项目文档信息;其中,所述外部样本项目文档信息为所述外包调查公司调查各行业数据所得到的各个行业的项目文档;
其中,所述项目信息由所述内部项目文档信息、所述关联项目文档信息以及所述外部样本项目文档信息共同组成。
3.根据权利要求1所述的一种基于组织团队配置的辅助管理方法,其特征在于,在根据与项目相关的多种数据资料,对各个行业数据进行信息的收集,得到项目信息之后,所述方法还包括:
对所述项目信息进行项目具体筹备资料信息的数据提取,确定出所述项目描述层面的数据特征;其中,所述项目具体筹备资料信息为在项目描述层面中与项目前期准备相关的资料信息;
对所述项目信息进行项目所获经济效益资料信息的数据提取,确定出所述任务目标层面的数据特征;其中,所述项目所获经济效益资料信息为在任务目标层面中项目计划能够获取的利益信息;
对所述项目信息进行项目所需关键技能资料信息的数据提取,确定出所述需要技能层面的数据特征;其中,所述项目所需关键技能资料信息为在需要技能层面中完成该项目所应具备的各种技能资料信息;
其中,所述多层面由所述项目描述层面、所述任务目标层面以及所述需要技能层面所组成。
4.根据权利要求1所述的一种基于组织团队配置的辅助管理方法,其特征在于,对所述项目信息进行有关语句的多层面去重复操作,得到不含重复语句的多层面项目信息,具体包括:
获取所述项目信息中所述多层面的若干对应信息文本;
对所述若干对应信息文本进行除噪声处理,得到简洁信息文本;其中,所述除噪声处理为去除所述对应信息文本中的语气助词、副词以及形容词;
基于所述简洁信息文本,建立语料库,并将所述语料库中的简洁信息文本所包含的全部词汇转化为排序数值;
根据所述排序数值,将所述简洁信息文本中的短语以及短句进行数值排序的矩阵转化,得到数值矩阵;
通过所述数值矩阵,计算所述短语以及短句之间的平均欧式距离,得到若干组欧式距离;
将若干组欧氏距离进行相互预设距离阈值的判断,并将符合所述预设距离阈值的组别进行合并,循环执行直至所述项目信息中的语句全部完成合并,得到所述多层面项目信息。
5.根据权利要求4所述的一种基于组织团队配置的辅助管理方法,其特征在于,在得到所述多层面项目信息之后,所述方法还包括:
根据所述项目信息中数据的多层面分类,将所述多层面项目信息进行数据的分类提取,得到项目描述结果数据、任务目标结果数据以及需要技能结果数据;
其中,所述项目描述结果数据至少包括:技术服务性项目数据、综合性产品销售型项目数据以及专业服务型项目数据;所述任务目标结果数据至少包括:客户服务绩效数据、公共服务绩效数据、组织服务绩效数据以及市场销售绩效数据;所述需要技能结果数据至少包括:设计技能数据、创新观点生成技能数据、分析观点技能数据以及积极倾听技能数据。
6.根据权利要求1所述的一种基于组织团队配置的辅助管理方法,其特征在于,根据项目的发展阶段,将所述多层面项目信息进行阶段划分,得到团队组织结构,具体包括:
将所述多层面项目信息与所述项目的发展阶段进行匹配相关处理,得到项目整体阶段;其中,所述项目整体阶段包括:前期调研阶段、启动项目阶段、实施计划阶段、中期评估阶段、完成项目阶段以及反馈修正阶段;其中,所述项目的发展阶段包括:前期阶段、启动阶段、计划阶段、评估阶段、完成阶段以及修正阶段;
根据预设项目的绩效团队结构形式,将所述前期调研阶段、启动项目阶段、实施计划阶段、中期评估阶段以及完成项目阶段确定为项目导向自主型组织,并将所述反馈修正阶段确定为职能导向矩阵型组织;
其中,所述绩效团队结构形式包括:科层化职能型组织、职能导向矩阵型组织、项目导向矩阵型组织以及项目导向自主型组织;
根据所述项目导向自主型组织以及所述职能导向矩阵型组织所组成的组织集合,得到基于所述多层面项目信息的团队组织结构。
7.根据权利要求1所述的一种基于组织团队配置的辅助管理方法,其特征在于,根据所述团队组织结构,将所述项目信息进行数据整理,并结合预设推荐算法,确定出辅助决策者使用的项目最佳团队推荐方案,具体包括:
基于所述团队组织结构中项目导向自主型组织以及职能导向矩阵型组织的组织集合格式,将所述项目信息进行数据的集合表示,得到项目大数据集;
通过所述预设推荐算法,对所述项目大数据集进行多层面的数据推荐,生成决策推荐系统;
通过所述决策推荐系统,对待执行项目进行最佳组织团队的配置,得到所述项目最佳团队推荐方案。
8.根据权利要求7所述的一种基于组织团队配置的辅助管理方法,其特征在于,通过所述预设推荐算法,对所述项目大数据集进行多层面的数据推荐,生成决策推荐系统,具体包括:
通过预设贝叶斯模型,将所述团队组织结构以及所述项目信息进行数据训练,得到训练后的贝叶斯模型;
根据所述训练后的贝叶斯模型,对所述多层面中的项目描述层面、任务目标层面以及需要技能层面进行决策者需求的概率计算,得到每一个层面的最佳推荐数据;并根据所述最佳推荐数据,生成所述决策推荐系统。
9.一种基于组织团队配置的辅助管理设备,其特征在于,所述设备包括:
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,
所述存储器存储有能够被所述至少一个处理器执行的指令,以使所述至少一个处理器能够执行根据权利要求1-8任一项所述的一种基于组织团队配置的辅助管理方法。
10.一种非易失性计算机存储介质,其特征在于,所述存储介质为非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有至少一个程序,每个所述程序包括指令,所述指令当被终端执行时,使所述终端执行根据权利要求1-8任一项所述的一种基于组织团队配置的辅助管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310145642.XA CN115829301B (zh) | 2023-02-22 | 2023-02-22 | 一种基于组织团队配置的辅助管理方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310145642.XA CN115829301B (zh) | 2023-02-22 | 2023-02-22 | 一种基于组织团队配置的辅助管理方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115829301A true CN115829301A (zh) | 2023-03-21 |
CN115829301B CN115829301B (zh) | 2023-09-29 |
Family
ID=85522024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310145642.XA Active CN115829301B (zh) | 2023-02-22 | 2023-02-22 | 一种基于组织团队配置的辅助管理方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115829301B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246672A (zh) * | 2012-02-09 | 2013-08-14 | 中国科学技术大学 | 对用户进行个性化推荐的方法和装置 |
CN107274071A (zh) * | 2017-05-24 | 2017-10-20 | 华为技术有限公司 | 组建团队的方法及装置 |
CN110754075A (zh) * | 2017-10-13 | 2020-02-04 | 美的集团股份有限公司 | 用于提供个性化现场信息交换的方法和系统 |
CN111144673A (zh) * | 2018-11-05 | 2020-05-12 | 百度在线网络技术(北京)有限公司 | 组织人员结构评估方法、装置、设备及计算机可读介质 |
CN111309874A (zh) * | 2018-11-23 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备及存储介质 |
US20200320462A1 (en) * | 2019-04-03 | 2020-10-08 | International Business Machines Corporation | Calculating online social network distance between entities of an organization |
CN111831905A (zh) * | 2020-06-19 | 2020-10-27 | 中国科学院计算机网络信息中心 | 基于团队科研影响力及可持续性建模的推荐方法和装置 |
CN114118960A (zh) * | 2021-11-24 | 2022-03-01 | 中国建设银行股份有限公司 | 项目管理任务的智能推荐方法和智能推荐装置 |
CN115293536A (zh) * | 2022-07-23 | 2022-11-04 | 中湾慧科(深圳)科技有限公司 | 元宇宙下的数据处理方法、设备及存储介质 |
-
2023
- 2023-02-22 CN CN202310145642.XA patent/CN115829301B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246672A (zh) * | 2012-02-09 | 2013-08-14 | 中国科学技术大学 | 对用户进行个性化推荐的方法和装置 |
CN107274071A (zh) * | 2017-05-24 | 2017-10-20 | 华为技术有限公司 | 组建团队的方法及装置 |
CN110754075A (zh) * | 2017-10-13 | 2020-02-04 | 美的集团股份有限公司 | 用于提供个性化现场信息交换的方法和系统 |
CN111144673A (zh) * | 2018-11-05 | 2020-05-12 | 百度在线网络技术(北京)有限公司 | 组织人员结构评估方法、装置、设备及计算机可读介质 |
CN111309874A (zh) * | 2018-11-23 | 2020-06-19 | 北京嘀嘀无限科技发展有限公司 | 数据处理方法、装置、电子设备及存储介质 |
US20200320462A1 (en) * | 2019-04-03 | 2020-10-08 | International Business Machines Corporation | Calculating online social network distance between entities of an organization |
CN111831905A (zh) * | 2020-06-19 | 2020-10-27 | 中国科学院计算机网络信息中心 | 基于团队科研影响力及可持续性建模的推荐方法和装置 |
CN114118960A (zh) * | 2021-11-24 | 2022-03-01 | 中国建设银行股份有限公司 | 项目管理任务的智能推荐方法和智能推荐装置 |
CN115293536A (zh) * | 2022-07-23 | 2022-11-04 | 中湾慧科(深圳)科技有限公司 | 元宇宙下的数据处理方法、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张震: "基于LDA的中小企业科技需求关键信息提取方法", 电脑知识与技术, vol. 19, no. 2, pages 16 - 19 * |
Also Published As
Publication number | Publication date |
---|---|
CN115829301B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11663254B2 (en) | System and engine for seeded clustering of news events | |
Lovaglio et al. | Skills in demand for ICT and statistical occupations: Evidence from web‐based job vacancies | |
Choi et al. | Using machine learning to revisit the diversification–performance relationship | |
CN111767716B (zh) | 企业多级行业信息的确定方法、装置及计算机设备 | |
CN108153729B (zh) | 一种面向金融领域的知识抽取方法 | |
Akerkar et al. | Intelligent techniques for data science | |
US20130159348A1 (en) | Computer-Implemented Systems and Methods for Taxonomy Development | |
CN113535963B (zh) | 一种长文本事件抽取方法、装置、计算机设备及存储介质 | |
CN101566997A (zh) | 确定与给定的词集相关的词 | |
Rehan et al. | Employees reviews classification and evaluation (ERCE) model using supervised machine learning approaches | |
CN117668205B (zh) | 智慧物流客服处理方法、系统、设备及存储介质 | |
Weinzierl et al. | Predictive business process monitoring with context information from documents | |
Marrara et al. | A language modelling approach for discovering novel labour market occupations from the web | |
Malinova et al. | Automatic extraction of process categories from process model collections | |
Dutt et al. | Forecasting the Grant Duration of a Patent using Predictive Analytics | |
Jeyaraman et al. | Practical Machine Learning with R: Define, build, and evaluate machine learning models for real-world applications | |
CN111104422A (zh) | 一种数据推荐模型的训练方法、装置、设备及存储介质 | |
Debackere et al. | Scientometrics shaping science policy and vice versa, the ECOOM case | |
Roelands et al. | Classifying businesses by economic activity using web-based text mining | |
CN109062551A (zh) | 基于大数据开发命令集的开发框架 | |
CN115829301B (zh) | 一种基于组织团队配置的辅助管理方法、设备及介质 | |
KR20230099822A (ko) | Ai기반의 시장 조사 보고서 작성 시스템 및 이를 이용한 시장 조사 보고서 작성 방법 | |
CN114861655A (zh) | 数据挖掘处理方法、系统及存储介质 | |
CN114756617A (zh) | 一种工程档案结构化数据提取方法、系统、设备和存介质 | |
JPWO2018100700A1 (ja) | データ変換装置とデータ変換方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |