CN116822754B - 一种基于企业服务项目模块化分类的数据规范分析系统 - Google Patents
一种基于企业服务项目模块化分类的数据规范分析系统 Download PDFInfo
- Publication number
- CN116822754B CN116822754B CN202311106263.6A CN202311106263A CN116822754B CN 116822754 B CN116822754 B CN 116822754B CN 202311106263 A CN202311106263 A CN 202311106263A CN 116822754 B CN116822754 B CN 116822754B
- Authority
- CN
- China
- Prior art keywords
- efficiency
- enterprise
- sales
- index
- business
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 12
- 238000011161 development Methods 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims description 67
- 238000000034 method Methods 0.000 claims description 64
- 238000007726 management method Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于企业服务项目模块化分类的数据规范分析系统,涉及企业服务技术领域,目的在于实现数据规范与业务流程的集成研究,通过模块化分类单元建立数据质量管理模型,信息采集单元采集业务流程信息,预处理单元对业务流程信息进行预处理,从而判断数据质量,再通过信息分析单元对业务流程信息进一步分析,判断业务效率,再通过预测提升单元建立企服效能模型,将数据质量与业务效率相结合,判定当前企服效能,并预测企服效能的未来发展趋势,还通过对当前企服效能进行效能提升操作,建立效能提升预测模型,获取企服效能的预测提升效果,实现数据驱动企业服务项目的管理决策。
Description
技术领域
本发明涉及企业服务技术领域,尤其涉及一种基于企业服务项目模块化分类的数据规范分析系统。
背景技术
企业服务项目是指企业制定的一套符合标准且可向客户提供的服务内容,以满足客户需求,但是,企业服务项目在实施过程中,由于业务效率和数据质量难以进行数字化监测和把控,无法对企业服务效能进行可视化判定,会导致企业服务效能不明确,难以对企服效能进行提前预测和针对性提升,影响企业服务项目的管理决策,造成现有企业运行状况效率较低;
针对上述的技术背景,现提出一种解决方案。
发明内容
本发明的目的在于将数据规范与企服项目的业务流程集成,使得数据规范能够与业务流程的执行相结合,提升企业的业务效率和数据质量,进而提升企服效能。
为了实现上述目的,本发明采用了如下技术方案:一种基于企业服务项目模块化分类的数据规范分析系统,包括模块化分类单元、信息采集单元、预处理单元、信息分析单元和预测提升单元,模块化分类单元、信息采集单元、预处理单元、信息分析单元和预测提升单元之间信号连接;
模块化分类单元用于建立数据质量管理模型:通过对企业服务项目的业务流程进行模块化分类,生成n个业务子模块,并针对不同的业务子模块,设定相应的参数预设区间,其中,业务子模块包括渠道子模块、运营子模块和销售子模块;
信息采集单元用于采集业务流程信息,通过业务子模块采集业务流程信息,其中,业务流程信息包括渠道参数、运营参数和销售参数,通过渠道子模块、运营子模块和销售子模块分别采集渠道参数、运营参数和销售参数;
预处理单元用于对业务流程信息进行预处理,通过数据质量管理模型判断信息准确度,将业务流程信息内的各项参数与相应的参数预设区间进行对比,若参数不在预设区间内时,则判定参数的数据有误并生成提示信号,当生成提示信号后,进行数据更正操作,并通过提示信号的生成次数,获取数据质量指数;
信息分析单元用于对预处理后的业务流程信息进一步分析,通过渠道参数、运营参数和销售参数分别获取渠道效率指数、运营效率指数和销售效率指数,再通过渠道效率指数、运营效率指数和销售效率指数相结合,获取业务效率指数,再通过业务效率指数与数据质量指数相结合,获取企服效能指数;
预测提升单元建立企服效能模型,通过采集现有的业务流程信息,判定当前企服效能,并预测未来一定时间段内的发展趋势,通过对当前企服效能进行效能提升操作,建立效能提升预测模型,获取企服效能的预测提升效果,以实现数据驱动企业服务项目的管理决策。
优选的,业务流程信息的具体采集过程如下:
由于业务流程信息包括渠道参数、运营参数和销售参数;
其中,渠道参数包括总渠道成本、总渠道金额和渠道频率;运营参数包括物资投入量、项目完成量和人力资源投入量;销售参数包括销售额、销售成本、销售人员数量;
设定信息采集周期f,将业务流程信息录入相应的业务子模块内,通过信息采集单元定时采集业务流程信息。
优选的,获取渠道效率指数、运营效率指数和销售效率指数的具体过程如下:
先建立参数分析模型,具体过程为;
s1:设置输入信息为A集合,集合A中包括若干个元素,其中,i为大于0的自然数,集合A={a1、a2……ai};
s2:通过A集合内的若干个元素,分别获取元素对应的影响因子系数Xi;
预设影响因子系数Xi的公式为:;
其中,λi为权重指数,且λi大于0;
s3:通过若干个影响因子系数Xi求和,获取效率指数Z;
预设效率指数Z的公式为:;
再将渠道参数、运营参数和销售参数分别转化为相应的输入信息,通过参数分析模型,分别获取相应的效率指数:
A1:将渠道参数转化为渠道输入信息;
设定总渠道成本为C1、总渠道金额为C2、渠道频率为F1;
设定渠道成本比CG=总渠道成本C1/总渠道金额C2;
将渠道成本比CG与渠道频率F1设置为渠道输入信息,通过参数分析模型获取渠道效率指数Zc;
A2:将运营参数转化为运营输入信息;
设定物资投入量为L1、项目完成量为L2、人力资源投入量为L3;
设定物资出入比CR=项目完成量为L2/物资投入量L1;
设定人力资源产出比RL=项目完成量为L2/人力资源投入量为L3;
将物资出入比CR与人力资源产出比RL设置为运营输入信息,通过参数分析模型获取运营效率指数Zy;
A3:将销售参数转化为销售输入信息;
设定销售额为E1、销售成本为E2、销售人员数量为S1;
设定销售出入比XR=销售额E1/销售成本E2;
设定销售产出比XC=销售额E1/销售人员数量S1;
将销售出入比XR与销售产出比XC设置为销售输入信息,通过参数分析模型获取销售效率指数Zx。
优选的,获取业务效率指数与数据质量指数的具体过程如下:
B1:通过渠道效率指数Zc、运营效率指数Zy和销售效率指数Zx相结合,获取业务效率指数Zyw;
预设业务效率指数Zyw的公式为:
其中,μ1、μ2、μ3分别为渠道效率指数Zc、运营效率指数Zy和销售效率指数Zx的权重因子系数,且μ1、μ2、μ3均大于0;
B2:通过提示信号的生成次数M,获取数据质量指数Zsj;
通过信息采集周期f获取提示信号的采集周期T,T=f,在提示信号的采集周期T内对提示信号的生成次数M进行计数,获取提示信号的总数Mz,Mz=∑M;
预设数据质量指数Zsj的公式为:
其中,k为提示信号的总数Mz的转换系数,且k大于0。
优选的,获取企服效能指数的具体过程如下:
通过业务效率指数Zyw与数据质量指数Zsj相结合,获取企服效能指数Zqf;
预设企服效能指数Zqf的公式为:
其中,i1、i2分别为业务效率指数Zyw与数据质量指数Zsj的权重指数,且i1、i2大于0。
优选的,建立企服效能模型的具体过程如下:
C1:通过采集业务流程信息并进行预处理和进一步分析,获取企服效能指数Zqf;
C2:对企服效能指数Zqf设置阈值,通过阈值对比,判定当前阶段的企服效能;
C3:建立企服效能指数Zqf-信息采集周期f的动态曲线图,并获取曲线的增长率K,具体过程为:
C3-1:先选择曲线任意一点标记为p,确定该点的坐标值p(x0,y0),再选择该点的相邻点q,确定该点的坐标值q(x1,y1);
C3-2:再计算曲线在两个点之间的平均增长率Zn,平均增长率Zn即为综合故障因素增长率:;
C3-3:通过连续的两个点,重复上述计算,得到N个平均增长率,将平均增长率Zn进行平均以得到曲线的增长率K:;
C4:通过企服效能指数Zqf与曲线的增长率K相结合,建立企服效能预测指数Zyc;
预设企服效能预测指数Zyc的公式为:
其中,Tz为当前时间节点到预测时间节点的时间值,且Tz大于0。
优选的,建立效能提升预测模型的具体过程如下:
D1:设置培训周期H,在培训周期内对相关人员进行数据规范和业务流程的培训工作,获取培训师资P1和培训时长P2;
D2:通过培训师资P1和培训时长P2,获取培训工作的强度值Q;
强度值Q=e培训师资P1/>培训时长P2,其中,e为培训师资P1与培训时长P2转化为强度值Q的转化系数,且e大于0;
D3:设置培训提升周期Ts,并将培训提升周期Ts平均划分成X个培训子周期Tx,在X个培训子周期Tx内由低到高分别进行X个不同强度值Q的培训工作,并进行相应的企服效能指数Zq的测算;
D4:建立企服效能指数Zq-强度值Q的动态曲线变化图,获取企服效能指数的最大值Zf及其对应的培训强度值Qm,按照培训强度值Qm进行企服效能的效能提升操作;
D5:在进行效能提升操作时,通过企服效能模型建立企服效能指数-信息采集周期的动态曲线图,获取企服效能预测指数,为企服效能预测指数设定预设区间,判定企服效能的预测提升效果。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明的目的在于实现数据规范与业务流程的集成研究,通过模块化分类单元建立数据质量管理模型,信息采集单元采集业务流程信息,预处理单元对业务流程信息进行预处理,从而判断数据质量,再通过信息分析单元对业务流程信息进一步分析,判断业务效率,再通过预测提升单元建立企服效能模型,将数据质量与业务效率相结合,判定当前企服效能,并预测企服效能的未来发展趋势,还通过对当前企服效能进行效能提升操作,建立效能提升预测模型,获取企服效能的预测提升效果,实现数据驱动企业服务项目的管理决策。
附图说明
图1为本发明的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
实施例:
如图1所示,一种基于企业服务项目模块化分类的数据规范分析系统,包括模块化分类单元、信息采集单元、预处理单元、信息分析单元和预测提升单元,模块化分类单元、信息采集单元、预处理单元、信息分析单元和预测提升单元之间信号连接;
工作步骤如下:
S1:模块化分类单元用于建立数据质量管理模型:通过对企业服务项目的业务流程进行模块化分类,生成n个业务子模块,并针对不同的业务子模块,设定相应的参数预设区间,其中,业务子模块包括渠道子模块、运营子模块和销售子模块;
例如,通过渠道子模块获取渠道参数,渠道参数中包括渠道成本,对于渠道成本设置参数预设区间Y(y1,y2),将获取的渠道成本数据值与渠道成本的参数预设区间进行对比,用于判定渠道成本的数据准确度;
S2:信息采集单元用于采集业务流程信息,通过业务子模块采集业务流程信息,其中,业务流程信息包括渠道参数、运营参数和销售参数,通过渠道子模块、运营子模块和销售子模块分别采集渠道参数、运营参数和销售参数;
业务流程信息的具体采集过程如下:
由于业务流程信息包括渠道参数、运营参数和销售参数;
其中,渠道参数包括总渠道成本、总渠道金额和渠道频率;运营参数包括物资投入量、项目完成量和人力资源投入量;销售参数包括销售额、销售成本、销售人员数量;
设定信息采集周期f,将业务流程信息录入相应的业务子模块内,通过信息采集单元定时采集业务流程信息;
S3:预处理单元用于对业务流程信息进行预处理,通过数据质量管理模型判断信息准确度,将业务流程信息内的各项参数与相应的参数预设区间进行对比,若参数不在预设区间内时,则判定参数的数据有误并生成提示信号,当生成提示信号后,进行数据更正操作,并通过提示信号的生成次数,获取数据质量指数;
通过提示信号的生成次数M,获取数据质量指数Zsj;
通过信息采集周期f获取提示信号的采集周期T,T=f,在提示信号的采集周期T内对提示信号的生成次数M进行计数,获取提示信号的总数Mz,Mz=∑M;
当提示信号的总数Mz越高,则表示数据质量越差,进而使得数据质量指数Zsj越低;
预设数据质量指数Zsj的公式为:
其中,k为提示信号的总数Mz的转换系数,且k大于0;
数据更正操作是在可视化终端进行错误提示,从而提醒工作人员对于该参数的数值进行更正调整,而后将校正后的数据参与信息分析;
S4:信息分析单元用于对预处理后的业务流程信息进一步分析,通过渠道参数、运营参数和销售参数分别获取渠道效率指数、运营效率指数和销售效率指数,再通过渠道效率指数、运营效率指数和销售效率指数相结合,获取业务效率指数,再通过业务效率指数与数据质量指数相结合,获取企服效能指数;
S4-1:获取渠道效率指数、运营效率指数和销售效率指数的具体过程如下:
S4-11:先建立参数分析模型,具体过程为;
s1:设置输入信息为A集合,集合A中包括若干个元素,其中,i为大于0的自然数,集合A={a1、a2……ai};
s2:通过A集合内的若干个元素,获取影响因子系数Xi;
预设影响因子系数Xi的公式为:;
其中,λi为权重指数,且λi大于0;
s3:通过若干个影响因子系数Xi求和,获取效率指数Z;
预设效率指数Z的公式为:;
S4-12:再将渠道参数、运营参数和销售参数分别转化为相应的输入信息,通过参数分析模型,分别获取相应的效率指数:
A1:将渠道参数转化为渠道输入信息;
设定总渠道成本为C1、总渠道金额为C2、渠道频率为F1;
设定渠道成本比CG=总渠道成本C1/总渠道金额C2;
将渠道成本比CG与渠道频率F1设置为渠道输入信息,获取渠道效率指数Zc;
预设渠道效率指数Zc的公式为:
其中,α1、α2分别为渠道成本比CG与渠道频率F1的权重指数,且α1、α2均大于0;
渠道成本比CG与渠道频率F1对渠道效率的影响关系为:当渠道成本比CG越高时,则表示实现总渠道金额目标所花费的总渠道成本资源越低,进而表示渠道效率越高;
A2:将运营参数转化为运营输入信息;
设定物资投入量为L1、项目完成量为L2、人力资源投入量为L3;
设定物资出入比CR=项目完成量为L2/物资投入量L1;
设定人力资源产出比RL=项目完成量为L2/人力资源投入量为L3;
将物资出入比CR与人力资源产出比RL设置为运营输入信息,通过参数分析模型获取运营效率指数Zy;
预设运营效率指数Zy的公式为:
其中,β1、β2分别为物资出入比CR与人力资源产出比RL的权重指数,且β1、β2均大于0;
物资出入比CR与人力资源产出比RL对运营效率的影响关系为:当物资出入比CR越高时,表示企业在同样物资投入资源条件下,产出资源的效率越高,进而表示运营效率越高;当人力资源产出比RL越高时,表示企业利用劳动力资源实现产出的能力越高,进而表示运营效率越高;
A3:将销售参数转化为销售输入信息;
设定销售额为E1、销售成本为E2、销售人员数量为S1;
设定销售出入比XR=销售额E1/销售成本E2;
设定销售产出比XC=销售额E1/销售人员数量S1;
将销售出入比XR与销售产出比XC设置为销售输入信息,获取销售效率指数为Zx;
预设销售效率指数Zx的公式为:
其中,ω1、ω2分别为销售出入比XR与销售产出比XC的权重指数,且ω1、ω2均大于0;
销售出入比XR与销售产出比XC对销售效率的影响关系为:当销售出入比XR越高时,表示企业实现销售目标额花费的成本资源越少,进而表示销售效率越高;当销售产出比XC越高时,表示企业销售人员实现产出的能力越高,进而表示销售效率越高;
S4-2:获取业务效率指数Zyw的过程如下:
B1:通过渠道效率指数Zc、运营效率指数Zy和销售效率指数Zx相结合,获取业务效率指数Zyw;
当渠道效率指数Zc越高、运营效率指数Zy越高、销售效率指数Zx越高时,则表示业务效率越高,进而使得业务效率指数Zyw越高;
预设业务效率指数Zyw的公式为:
其中,μ1、μ2、μ3分别为渠道效率指数Zc、运营效率指数Zy和销售效率指数Zx的权重因子系数,且μ1、μ2、μ3均大于0;
S4-3:获取企服效能指数的具体过程如下:
通过业务效率指数Zyw与数据质量指数Zsj相结合,获取企服效能指数Zqf;
当业务效率指数Zyw越高、数据质量指数Zsj越高时,则表示企业服务项目的效能越高,企服效能指数Zqf越高;
预设企服效能指数Zqf的公式为:
其中,i1、i2分别为业务效率指数Zyw与数据质量指数Zsj的权重指数,且i1、i2大于0;
S5:预测提升单元建立企服效能模型,通过采集现有的业务流程信息,判定当前企服效能,并预测未来一定时间段内的发展趋势,通过对当前企服效能进行效能提升操作,建立效能提升预测模型,获取企服效能的预测提升效果,以实现数据驱动企业服务项目的管理决策;
S5-1:建立企服效能模型的具体过程如下:
C1:通过采集业务流程信息并进行预处理和进一步分析,获取企服效能指数Zqf;
C2:对企服效能指数Zqf设置阈值,通过阈值对比,判定当前阶段的企服效能;
其中,设定企服效能指数Zqf阈值为q,当企服效能指数Zqf≥阈值q时,判定当前阶段的企服效能好,则无需进行效能提升操作;当企服效能指数Zqf<阈值q时,判定当前阶段的企服效能差,则需要进行效能提升操作;
C3:建立企服效能指数Zqf-信息采集周期f的动态曲线图,并获取曲线的增长率K,具体过程为:
C3-1:先选择曲线任意一点标记为p,确定该点的坐标值p(x0,y0),再选择该点的相邻点q,确定该点的坐标值q(x1,y1)
C3-2:再计算曲线在两个点之间的平均增长率Zn,平均增长率Zn即为综合故障因素增长率:
C3-3:通过连续的两个点,重复上述计算,得到N个平均增长率,将平均增长率Zn进行平均以得到曲线的增长率K:
C4:通过企服效能指数Zqf与曲线的增长率K相结合,建立企服效能预测指数Zyc;
预设企服效能预测指数Zyc的公式为:
其中,Tz为当前时间节点到预测时间节点的时间值,且Tz大于0;
S5-2:建立效能提升预测模型的具体过程如下:
D1:设置培训周期H,在培训周期内对相关人员进行数据规范和业务流程的培训工作,获取培训师资P1和培训时长P2;
其中,在培训周期H内安排的培训老师投入量称为培训师资P1,在培训周期H内安排的培训工作总时长称为培训时长P2;
D2:通过培训师资P1和培训时长P2,获取培训工作的强度值Q;
强度值Q=e培训师资P1/>培训时长P2,其中,e为培训师资P1与培训时长P2转化为强度值Q的转化系数,且e大于0;
D3:设置培训提升周期Ts,并将培训提升周期Ts平均划分成X个培训子周期Tx,在X个培训子周期Tx内由低到高分别进行X个不同强度值Q的培训工作,并进行相应的企服效能指数Zq的测算;
D4:建立企服效能指数Zq-强度值Q的动态曲线变化图,获取企服效能指数的最大值Zf及其对应的培训强度值Qm,按照培训强度值Qm进行企服效能的效能提升操作;
企服效能的效能提升操作是对相关人员进行数据规范和业务流程的培训,提升其对数据规范的理解和执行能力,并加强与业务部门的沟通与协作,促进数据规范与业务流程的有效结合,通过将数据规范与企业的业务流程有机结合,可以优化数据管理和业务流程,提升企业的业务效率和数据质量,实现更高水平的数据驱动决策和运营管理;
D5:在进行效能提升操作时,通过企服效能模型建立企服效能指数-信息采集周期的动态曲线图,获取企服效能预测指数,为企服效能预测指数设定预设区间,判定企服效能的预测提升效果。
例如,为企服效能预测指数设定一级预设区间[z0,z1)和二级预设区间[z1,z2),当企服效能预测指数属于一级预设区间[z0,z1)时,判定企服效能的预测提升效果为中级;当企服效能预测指数属于二级预设区间[z1,z2)时,判定企服效能的预测提升效果为高级;
当培训强度值Q越大,表示投入的培训师资P1与培训时长P2越多,培训师资P1属于投入的人力资源,从一定程度上会导致运营效率指数Zy降低,而培训强度值Q越高,渠道效率和销售效率会提高,会使得运营效率指数Zy升高;
因此,需要寻求到企服效能指数Zq的最大值,即为当前企服效能的效能提升操作的最优解,通过对企服效能进行提升操作,对企业服务项目的实施工作进行优化,保证企业服务项目的业务效率,并通过数据监测与预测模型,实现企服效能提升效果的最优化。
综合上述技术方案,本发明通过模块化分类单元建立数据质量管理模型,信息采集单元采集业务流程信息,预处理单元对业务流程信息进行预处理,从而判断数据质量,再通过信息分析单元对业务流程信息进一步分析,判断业务效率,再通过预测提升单元建立企服效能模型,将数据质量与业务效率相结合,判定当前企服效能,并预测企服效能的未来发展趋势,还通过对当前企服效能进行效能提升操作,建立效能提升预测模型,获取企服效能的预测提升效果,实现数据驱动企业服务项目的管理决策;
本发明整体实现了数据规范与业务流程的集成研究,将数据规范与企业的业务流程集成,使得数据规范能够与业务流程的执行相结合,提升企业的业务效率和数据质量。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种基于企业服务项目模块化分类的数据规范分析系统,其特征在于:包括模块化分类单元、信息采集单元、预处理单元、信息分析单元和预测提升单元,模块化分类单元、信息采集单元、预处理单元、信息分析单元和预测提升单元之间信号连接;
模块化分类单元用于建立数据质量管理模型:通过对企业服务项目的业务流程进行模块化分类,生成n个业务子模块,并针对不同的业务子模块,设定相应的参数预设区间,其中,业务子模块包括渠道子模块、运营子模块和销售子模块;
信息采集单元用于采集业务流程信息,通过业务子模块采集业务流程信息,其中,业务流程信息包括渠道参数、运营参数和销售参数,通过渠道子模块、运营子模块和销售子模块分别采集渠道参数、运营参数和销售参数;
预处理单元用于对业务流程信息进行预处理,通过数据质量管理模型判断信息准确度,将业务流程信息内的各项参数与相应的参数预设区间进行对比,若参数不在预设区间内时,则判定参数的数据有误并生成提示信号,当生成提示信号后,进行数据更正操作,并通过提示信号的生成次数,获取数据质量指数;
信息分析单元用于对预处理后的业务流程信息进一步分析,建立参数分析模型,通过渠道参数、运营参数和销售参数分别获取渠道效率指数、运营效率指数和销售效率指数,进而获取业务效率指数,再通过业务效率指数与数据质量指数相结合,获取企服效能指数;
预测提升单元建立企服效能模型,通过采集现有的业务流程信息,判定当前企服效能,并预测未来一定时间段内的发展趋势,通过对当前企服效能进行效能提升操作,建立效能提升预测模型,获取企服效能的预测提升效果,以实现数据驱动企业服务项目的管理决策;
业务流程信息的具体采集过程如下:
由于业务流程信息包括渠道参数、运营参数和销售参数;
其中,渠道参数包括总渠道成本、总渠道金额和渠道频率;运营参数包括物资投入量、项目完成量和人力资源投入量;销售参数包括销售额、销售成本、销售人员数量;
设定信息采集周期f,将业务流程信息录入相应的业务子模块内,通过信息采集单元定时采集业务流程信息;
获取渠道效率指数、运营效率指数和销售效率指数的具体过程如下:
先建立参数分析模型,具体过程为;
s1:设置输入信息为A集合,集合A中包括若干个元素ai,其中,i为大于0的自然数,集合A={a1、a2……ai};
s2:通过A集合内的若干个元素,分别获取元素对应的影响因子系数Xi;
预设影响因子系数Xi的公式为:;
其中,λi为权重指数,且λi大于0;
s3:通过若干个影响因子系数Xi求和,获取效率指数Z;
预设效率指数Z的公式为:;
再将渠道参数、运营参数和销售参数分别转化为相应的输入信息,通过参数分析模型,分别获取相应的效率指数:
A1:将渠道参数转化为渠道输入信息;
设定总渠道成本为C1、总渠道金额为C2、渠道频率为F1;
设定渠道成本比CG=总渠道成本C1/总渠道金额C2;
将渠道成本比CG与渠道频率F1设置为渠道输入信息,通过参数分析模型获取渠道效率指数Zc;
A2:将运营参数转化为运营输入信息;
设定物资投入量为L1、项目完成量为L2、人力资源投入量为L3;
设定物资出入比CR=项目完成量为L2/物资投入量L1;
设定人力资源产出比RL=项目完成量为L2/人力资源投入量为L3;
将物资出入比CR与人力资源产出比RL设置为运营输入信息,通过参数分析模型获取运营效率指数Zy;
A3:将销售参数转化为销售输入信息;
设定销售额为E1、销售成本为E2、销售人员数量为S1;
设定销售出入比XR=销售额E1/销售成本E2;
设定销售产出比XC=销售额E1/销售人员数量S1;
将销售出入比XR与销售产出比XC设置为销售输入信息,通过参数分析模型获取销售效率指数Zx;
获取业务效率指数与数据质量指数的具体过程如下:
B1:通过渠道效率指数Zc、运营效率指数Zy和销售效率指数Zx相结合,获取业务效率指数Zyw;
预设业务效率指数Zyw的公式为:
;
中,μ1、μ2、μ3分别为渠道效率指数Zc、运营效率指数Zy和销售效率指数Zx的权重因子系数,且μ1、μ2、μ3均大于0;
B2:通过提示信号的生成次数M,获取数据质量指数Zsj;
通过信息采集周期f获取提示信号的采集周期T,T=f,在提示信号的采集周期T内对提示信号的生成次数M进行计数,获取提示信号的总数Mz,Mz=∑M;
预设数据质量指数Zsj的公式为:
;
其中,k为提示信号的总数Mz的转换系数,且k大于0;
获取企服效能指数的具体过程如下:
通过业务效率指数Zyw与数据质量指数Zsj相结合,获取企服效能指数Zqf;
预设企服效能指数Zqf的公式为:
;
其中,i1、i2分别为业务效率指数Zyw与数据质量指数Zsj的权重指数,且i1、i2大于0;
建立企服效能模型的具体过程如下:
C1:通过采集业务流程信息并进行预处理和进一步分析,获取企服效能指数Zqf;
C2:对企服效能指数Zqf设置阈值,通过阈值对比,判定当前阶段的企服效能;
C3:建立企服效能指数Zqf-信息采集周期f的动态曲线图,并获取曲线的增长率K,具体过程为:
C3-1:先选择曲线任意一点标记为p,确定该点的坐标值p(x0,y0),再选择该点的相邻点q,确定该点的坐标值q(x1,y1);
C3-2:再计算曲线在两个点之间的平均增长率Zn,平均增长率Zn即为综合故障因素增长率:;
C3-3:通过连续的两个点,重复上述计算,得到N个平均增长率,将平均增长率Zn进行平均以得到曲线的增长率K:;
C4:通过企服效能指数Zqf与曲线的增长率K相结合,建立企服效能预测指数Zyc;
预设企服效能预测指数Zyc的公式为:
;
其中,Tz为当前时间节点到预测时间节点的时间值,且Tz大于0;
建立效能提升预测模型的具体过程如下:
D1:设置培训周期H,在培训周期内对相关人员进行数据规范和业务流程的培训工作,获取培训师资P1和培训时长P2;
D2:通过培训师资P1和培训时长P2,获取培训工作的强度值Q;
强度值Q=e*培训师资P1*培训时长P2,其中,e为培训师资P1与培训时长P2转化为强度值Q的转化系数,且e大于0;
D3:设置培训提升周期Ts,并将培训提升周期Ts平均划分成X个培训子周期Tx,在X个培训子周期Tx内由低到高分别进行X个不同强度值Q的培训工作,并进行相应的企服效能指数Zq的测算;
D4:建立企服效能指数Zq-强度值Q的动态曲线变化图,获取企服效能指数的最大值Zf及其对应的培训强度值Qm,按照培训强度值Qm进行企服效能的效能提升操作;
D5:在进行效能提升操作时,通过企服效能模型建立企服效能指数-信息采集周期的动态曲线图,获取企服效能预测指数,为企服效能预测指数设定预设区间,判定企服效能的预测提升效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311106263.6A CN116822754B (zh) | 2023-08-30 | 2023-08-30 | 一种基于企业服务项目模块化分类的数据规范分析系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311106263.6A CN116822754B (zh) | 2023-08-30 | 2023-08-30 | 一种基于企业服务项目模块化分类的数据规范分析系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116822754A CN116822754A (zh) | 2023-09-29 |
CN116822754B true CN116822754B (zh) | 2023-12-15 |
Family
ID=88117049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311106263.6A Active CN116822754B (zh) | 2023-08-30 | 2023-08-30 | 一种基于企业服务项目模块化分类的数据规范分析系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116822754B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273668B (zh) * | 2023-11-22 | 2024-04-09 | 曼巴创服(吉林省)科技发展有限公司 | 一种基于孵化器运营的资源配置优化管理系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008117127A (ja) * | 2006-11-02 | 2008-05-22 | Nippon Telegr & Teleph Corp <Ntt> | 業務プロセスにおける業務効率低下の原因侯補を抽出する方法、その装置およびプログラム |
CN102521652A (zh) * | 2012-01-10 | 2012-06-27 | 武汉大学 | 一种电网运营效率评价决策方法 |
CN107844901A (zh) * | 2017-11-01 | 2018-03-27 | 前海梧桐(深圳)数据有限公司 | 一种企业运营自动化分析的方法及其系统 |
CN110163621A (zh) * | 2018-02-10 | 2019-08-23 | 广州供电局有限公司 | 一种电力客服大数据决策支持系统 |
CN111080101A (zh) * | 2019-12-04 | 2020-04-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于ahp对供电渠道服务效能多维度评价的方法 |
CN114155072A (zh) * | 2021-11-23 | 2022-03-08 | 安徽经邦软件技术有限公司 | 基于大数据分析的财务预测模型构建方法及系统 |
CN114202138A (zh) * | 2020-09-18 | 2022-03-18 | 国网上海市电力公司 | 一种基于多维数据分析的线上渠道运营评估方法 |
CN114202250A (zh) * | 2022-01-20 | 2022-03-18 | 瀚云科技有限公司 | 一种企业评估系统、方法及电子设备 |
CN115222448A (zh) * | 2022-07-13 | 2022-10-21 | 融道知变数据科技集团股份有限公司 | 基于大数据分析的制造行业企业市场能力量化分析方法、分析模型 |
CN115392771A (zh) * | 2022-09-16 | 2022-11-25 | 亿家商业科创产业管理(湖北)有限公司 | 一种园区内企业效能管理系统及方法 |
CN115619498A (zh) * | 2022-10-19 | 2023-01-17 | 中国水利水电第三工程局有限公司 | 一种供应链采购服务一体化采购平台 |
CN115934515A (zh) * | 2022-11-23 | 2023-04-07 | 上海浦东发展银行股份有限公司 | 一种互联网金融业务全流程测试方法 |
CN116010579A (zh) * | 2023-02-07 | 2023-04-25 | 安徽同徽信息技术有限公司 | 一种企业业务数据分析处理系统 |
CN116070920A (zh) * | 2022-12-13 | 2023-05-05 | 北京国联视讯信息技术股份有限公司 | 一种全渠道智慧运维管理方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090248490A1 (en) * | 2008-03-26 | 2009-10-01 | Moncreiff Craig T | System and method of competitive business analysis |
US10345764B2 (en) * | 2015-04-27 | 2019-07-09 | Baker Hughes, A Ge Company, Llc | Integrated modeling and monitoring of formation and well performance |
-
2023
- 2023-08-30 CN CN202311106263.6A patent/CN116822754B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008117127A (ja) * | 2006-11-02 | 2008-05-22 | Nippon Telegr & Teleph Corp <Ntt> | 業務プロセスにおける業務効率低下の原因侯補を抽出する方法、その装置およびプログラム |
CN102521652A (zh) * | 2012-01-10 | 2012-06-27 | 武汉大学 | 一种电网运营效率评价决策方法 |
CN107844901A (zh) * | 2017-11-01 | 2018-03-27 | 前海梧桐(深圳)数据有限公司 | 一种企业运营自动化分析的方法及其系统 |
CN110163621A (zh) * | 2018-02-10 | 2019-08-23 | 广州供电局有限公司 | 一种电力客服大数据决策支持系统 |
CN111080101A (zh) * | 2019-12-04 | 2020-04-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于ahp对供电渠道服务效能多维度评价的方法 |
CN114202138A (zh) * | 2020-09-18 | 2022-03-18 | 国网上海市电力公司 | 一种基于多维数据分析的线上渠道运营评估方法 |
CN114155072A (zh) * | 2021-11-23 | 2022-03-08 | 安徽经邦软件技术有限公司 | 基于大数据分析的财务预测模型构建方法及系统 |
CN114202250A (zh) * | 2022-01-20 | 2022-03-18 | 瀚云科技有限公司 | 一种企业评估系统、方法及电子设备 |
CN115222448A (zh) * | 2022-07-13 | 2022-10-21 | 融道知变数据科技集团股份有限公司 | 基于大数据分析的制造行业企业市场能力量化分析方法、分析模型 |
CN115392771A (zh) * | 2022-09-16 | 2022-11-25 | 亿家商业科创产业管理(湖北)有限公司 | 一种园区内企业效能管理系统及方法 |
CN115619498A (zh) * | 2022-10-19 | 2023-01-17 | 中国水利水电第三工程局有限公司 | 一种供应链采购服务一体化采购平台 |
CN115934515A (zh) * | 2022-11-23 | 2023-04-07 | 上海浦东发展银行股份有限公司 | 一种互联网金融业务全流程测试方法 |
CN116070920A (zh) * | 2022-12-13 | 2023-05-05 | 北京国联视讯信息技术股份有限公司 | 一种全渠道智慧运维管理方法及系统 |
CN116010579A (zh) * | 2023-02-07 | 2023-04-25 | 安徽同徽信息技术有限公司 | 一种企业业务数据分析处理系统 |
Non-Patent Citations (2)
Title |
---|
基于大数据分析的供电营业厅运营效率评估;杨帆;李显忠;潘可佳;龚艳;曾愚;刘捷;赵以兵;;电力信息与通信技术(02);全文 * |
基于跨专业数据挖掘的电网企业管理监测模式创新研究;冯昊;叶玲节;;企业管理(S1);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116822754A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104835354B (zh) | 一种管制负荷管理系统及其管制员工作负荷的评估方法 | |
CN103295075B (zh) | 一种超短期电力负荷预测与预警方法 | |
CN116822754B (zh) | 一种基于企业服务项目模块化分类的数据规范分析系统 | |
CN104992298A (zh) | 能源管理系统 | |
WO2021007871A1 (zh) | 一种基于云边协同的氧化铝生产运行优化系统及方法 | |
CN117411039A (zh) | 一种智能储能充电系统 | |
CN115908046A (zh) | 基于航站楼bim的可视化配电系统 | |
CN115511656A (zh) | 一种基于挖掘电网数据价值的需求规划辅助决策系统 | |
CN114936732A (zh) | 一种基于互联网的信息化资源管理系统 | |
CN110187247A (zh) | 一种光伏逆变器的电弧故障检测系统及检测方法 | |
CN110264009B (zh) | 一种共享汽车调度系统及其调度方法 | |
CN117668772A (zh) | 基于大数据的线损检测方法及系统 | |
CN117371789A (zh) | 一种用于电力营销的风险防控方案生成系统 | |
CN107274100A (zh) | 基于电力大数据的经济预警分析方法 | |
CN111064277A (zh) | 一种基于大数据的营销台区线损应用平台 | |
CN115438958A (zh) | 一种基于互联网的智慧能效管理系统及其管理方法 | |
CN114693265A (zh) | 一种云切平台的供应链多用户对接方法及系统 | |
CN105469180A (zh) | 基于tps的产业集群企业生产协同管理评价系统 | |
CN109359825B (zh) | 银行数字化运营产品价值分析方法 | |
CN113191569A (zh) | 一种基于大数据的企业管理方法及系统 | |
CN105160461A (zh) | 输电网运营经济性评价系统 | |
CN112202845A (zh) | 一种面向配用电业务的边缘计算网关负荷系统、分析方法以及其配电系统 | |
CN118071303B (zh) | 一种基于人工智能的智慧政务协同配合监管系统 | |
CN118485311A (zh) | 基于云的数控设备管理系统及方法 | |
Chen et al. | Digital Power Grid Technology Maturity Assessment Based on the Delphi Method |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 430000 Leke Workshop Incubator, Building 1, Lianchuang Technology Center, No. 55 Haitang Road, Wuhan Economic and Technological Development Zone, Hubei Province (Ji-LKGC-B636) Applicant after: Yijia Commercial Science and Innovation Industry Management (Hubei) Co.,Ltd. Address before: No. 724 Luoyu Road, Hongshan District, Wuhan City, Hubei Province 430000, West 5-01, Annex 2 Applicant before: Yijia Commercial Science and Innovation Industry Management (Hubei) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |