CN117611364A - 投入成本预估偏差测算方法及其系统 - Google Patents
投入成本预估偏差测算方法及其系统 Download PDFInfo
- Publication number
- CN117611364A CN117611364A CN202311454125.7A CN202311454125A CN117611364A CN 117611364 A CN117611364 A CN 117611364A CN 202311454125 A CN202311454125 A CN 202311454125A CN 117611364 A CN117611364 A CN 117611364A
- Authority
- CN
- China
- Prior art keywords
- cost
- project
- personnel
- estimated
- characteristic parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011161 development Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012827 research and development Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000002071 nanotube Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06Q30/0283—Price estimation or determination
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及计算机技术领域,提供一种投入成本预估偏差测算方法及其系统,该方法包括:获取用户终端输入的项目特征数据,并将项目特征数据输入至成本估算模型中,得到成本估算模型输出的成本估算策略;基于成本估算策略和项目特征数据,计算预估人员成本;根据项目和人员类型,配置人员成本单价,并基于人员成本单价确定项目实际人员成本;基于预估人员成本和项目实际人员成本预估偏差率。本申请实施例提供的投入成本预估偏差测算方法,只需要输入项目特征数据,即可得到预估人员成本和项目实际人员成本,从而准确地测算研发人员投入成本预估偏差。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种投入成本预估偏差测算方法及其系统。
背景技术
在过去的数年中,软件的规模和功能经历了巨大的增长。为了提升效率、产生更高价值,研发流程也在不断演变进化。如瀑布模式、敏捷模式、精益模式等开发模式,以及各类开发工具、运维工具、项目管理工具等的应用。随着市场趋于饱和,行业红利逐渐消失,营收增速逐渐放缓,“降本增效”成为企业关注的重点。在这一阶段,成本控制与价值管理开始承担重要作用。
成本估算在软件开发的整个周期中扮演着重要的角色,它是在开发周期开始之前应该完成的必要任务,并且可能在整个软件生命周期中运行。对项目进行准确的估计,有助于获得恰当的费用和交付日期,以及确定开发应用程序所需的工作,从而确保项目的接受或拒绝。研究表明,大约60%的项目的成本超出了最初的估计,15%的项目由于极度错误的估计而失败。因此,对预期成本进行适当而准确的分析并制定相应的计划就变得至关重要。评估基本上是对完成项目开发所需的预期时间、精力、人力和资金的预测。因此,主要目标是在成本和质量之间取得良好的平衡。评估方法的准确性也是非常重要的因素,准确的预估值(接近实际成本),可以防止资源的误用,减少不必要的时间、金钱浪费,从而影响最终的质量。在敏捷开发中,工作量估算还包括规模估算因素。
发明内容
本申请实施例提供一种投入成本预估偏差测算方法及其系统,旨在准确地测算研发人员投入成本预估偏差。
第一方面,本申请实施例提供一种投入成本预估偏差测算方法,包括:
获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
基于所述预估人员成本和所述项目实际人员成本预估偏差率。
第二方面,本申请实施例提供一种投入成本预估偏差测算系统,包括:
成本估算策略获取模块,用于获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
预估人员成本计算模块,用于基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
实际成本计算模块,用于根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
偏差率预估模块,用于基于所述预估人员成本和所述项目实际人员成本预估偏差率。
第三方面,本申请实施例提供一种电子设备,所述电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面所述的投入成本预估偏差测算方法。
第四方面,本申请实施例提供一种非暂态计算机可读存储介质,非暂态计算机可读存储介质包括计算机程序,所述计算机程序被处理器执行时实现第一方面所述的投入成本预估偏差测算方法。
本申请实施例提供的投入成本预估偏差测算方法及其系统,获取用户终端输入的项目特征数据,并将项目特征数据输入至成本估算模型中,得到成本估算模型输出的成本估算策略;基于成本估算策略和项目特征数据,计算预估人员成本;根据项目和人员类型,配置人员成本单价,并基于人员成本单价确定项目实际人员成本;基于预估人员成本和项目实际人员成本预估偏差率。在投入成本预估偏差测算的过程中,只需要输入项目特征数据,即可得到预估人员成本和项目实际人员成本,从而准确地测算研发人员投入成本预估偏差。
附图说明
为了更清楚地说明本申请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一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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。
图1是本申请实施例提供的投入成本预估偏差测算方法的流程示意图;
图2是本申请实施例提供的项目打标流程示意图;
图3是本申请实施例提供的投入成本预估偏差测算系统的结构示意图;
图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
可选的,参照图1,图1是本申请实施例提供的投入成本预估偏差测算方法的流程示意图。本申请实施例提供一种投入成本预估偏差测算方法,包括:
步骤101,获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
步骤102,基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
步骤103,根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
步骤104,基于所述预估人员成本和所述项目实际人员成本预估偏差率。
具体地,根据机器学习分类算法,将公司内部积累的历史项目数据、行业案例项目数据作为样本,每个样本包含多个参数,如开发模式、功能类型、功能复杂度、质量要求、工期、管理水平、研发团队规模、资源等级、资源工作效率、物价、风险等(数据集示例见下表1-1和表1-2),最后将这些样本按照成本估算法分类。通过提取分别使用各预估算法的项目的特征,实现在下一次给出一个新的项目样本的时候,能根据已有数据判断出新项目适用于哪一种成本预估方法。
表1-1项目数据集参数示例
表1-2项目数据集参数示例(续)
项目 | 质量要求 | 功能类型 | 项目经理级别 | 高级人员占比 | 采购费用占比 | 其他参数 |
A | Medium | 新增 | Medium | 20% | 60% | …… |
B | High | 新增 | Low | 60% | 20% | …… |
C | High | 新增 | Medium | 80% | 10% | …… |
D | Low | 修改 | Medium | 30% | 30% | …… |
E | Medium | 修改 | High | 20% | 50% | …… |
表2变量表示例
利用波动分析,计算各特征参数对成分估算法选型的贡献度(影响程度)
(1)将变量“成本预估策略”的值变换到向量代数的空间表达;
其中,Feature到Target的向量表征总体趋势,/>表征各特征参数趋势。总体趋势可由任意特征参数的特征参数趋势积分得到,因此各特征参数贡献度之和为1,i,j表示每个变量的取值范围,i的取值范围是[1,N],j的取值范围是[1,M]。dj代表对变量进行变换,将原来的变量替换成新的变量,以便更好地计算积分。
(2)根据实际业务场景,选择合适的公式计算基尼系数,基于一阶或高阶特征参数项的基尼系数找到波动最大的特征参数。例如:
数据集共包含H类参数,数据集中第i个类别的数量Yi,数据集中第j个类别的数量Yj,第i类参数的概率是Pi,第j类参数的概率是Pj。其中,GRSV是根据已有公式计算得到的各特征参数的基尼系数,基尼系数数值越大,波动越大。
(3)通过贡献率再定位对项目选取特定“成本预估策略”造成最大影响的特征参数项,进一步定位各特征参数对“成本预估策略”的影响程度。
其中,是贡献率(影响程度),/>是总体向量方向,/>是各特征参数向量方向,/>的方向由/>方向和/>方向共同决定,当总体方向和特征参数方向不同时,则贡献率为负。/>表示总体方向和特征参数方向不同,/>表示总体方向和特征参数方向相同。
用户输入项目基本信息,系统根据各特征值权重,匹配合适的成本预估算法
用户编辑项目基础信息,如功能复杂度、质量要求、工期、管理水平、资源等级、资源工作效率、物价、风险等,系统结合用户所填项目的特征值,根据已有数据判断出新项目适用于哪一种成本预估方法,自动评估项目成本。
统计算预估人员成本
根据选择的预估算法,计算得到项目预估人员成本。
项目预估成本=开发工作量*开发费用/人月
其中:开发工作量=估算工作量*风险系数*复用系数,开发费用/人月=【工资+国家规定的福利+奖金以及奖励+办公成本+人力资源成本+设备/基础设施+税金和利润】*管理系数*优质系数。例如,使用NESMA估算功能点法,估算出功能点为345.87,经规模调整后为480.75,基准生产率为4.52人时/功能点,那么工作量=480.75功能点*4.52人时/功能点=2172.99人时=2172.99/7=310.4271人天。
可选的,参照图2,图2是本申请实施例提供的项目打标流程示意图。
采集数据:通过平台自建功能、系统对接或数据中台等方式,采集研发项目数据、人员数据、工时数据。
根据业务需求定义标签类型,为项目数据打标:
原始项目标签类型由用户定义:用户根据业务需求,通过数据字典配置项目标签,支持用户根据实际研发场景与业务管理需要,修改分类或增加子级标签。可通过标签管理功能,为采集到的项目数据、人员数据打标,实现对研发项目、人员进行分类,根据业务规则,区分自有人员、外包人员,研发类项目、事务类项目等。
系统自动打标:根据机器学习分类算法,将公司内部积累的历史项目数据作为样本,每个样本包含多个参数,如纳管平台、创建时间、计划完成时间、归属部门、成员数量、计划版本数、关联需求数、是否立项、预算金额、项目标签等(数据集示例见表3),最后将这些样本按照项目标签分类。通过提取每类标签下的项目的特征,实现在下一次给出一个新的项目样本的时候,能根据已有数据判断出新项目特征与哪些标签项目特征相匹配,从而实现自动打标。(原理和匹配成本预估算法相同)
用户可对已添加的项目标签进行增加、删除操作。
表3-1项目数据集参数示例
项目 | 纳管平台 | 创建时间 | 计划完成时间 | 成员数量 | 计划版本数 | 关联需求数 |
A | 禅道 | 2020-12-22 | 2021-12-22 | 6 | 10 | 22 |
B | 自研交付 | 2021-01-24 | 2023-01-24 | 8 | 3 | 24 |
C | 禅道 | 2021-01-12 | 2022-01-12 | 12 | 1 | 1 |
D | 禅道 | 2022-05-19 | 2022-12-31 | 3 | 1 | 1 |
E | 自研交付 | 2022-04-13 | 2022-07-31 | 2 | 1 | 2 |
表3-2项目数据集参数示例(续)
根据项目、人员类型,配置人员成本单价,根据企业实际情况,为不同标签配置成本系数,例如自有成员的成本单价是x元/人月,外包成员的成本单价是y元/人月。
根据日志时间,设置标签有效期。获取第一项目标签的第一时间,第一项目标签为重点项目标签,获取第二项目标签的第二时间,第二项目标签为非重点项目标签。将第一时间和所述第二时间之间的项目标签,确定为重点项目标签,并将第二时间之后的项目标签,确定为非重点项目标签。例如,在a年x月y日,对项目A打标“重点”,在b年x月y日,对项目A打标“非重点”,则项目A在时间段(a年x月y日~b年x月y-1日)内属于重点项目,成本根据重点项目的系数、规则计算,自b年x月y日起,项目A属于非重点项目,成本根据非重点项目的系数、规则计算。
计算实际人员成本:采集项目管理工具的工时日志数据,统计不同维度(项目维度、团队维度)的人员投入,如人月、人天、人时等。项目实际人员成本=∑单个类型人员的人月*成本单价
偏差测算:预估偏差率=(实际人员成本-预估人员成本)/预估人员成本*100%。当偏差值超出阈值时,用户(项目经理)需要进行成本预算和成本计划变更。在项目开发过程中,用户确认过预估偏差率后,系统自动返回成本预估模块,用户重新编辑项目基础信息,如功能复杂度、质量要求、工期、管理水平、资源等级、资源工作效率、物价、风险等多种影响成本估算方法选型的参数,系统重新评估成本。
本申请实施例提供的投入成本预估偏差测算方法及其系统,获取用户终端输入的项目特征数据,并将项目特征数据输入至成本估算模型中,得到成本估算模型输出的成本估算策略;基于成本估算策略和项目特征数据,计算预估人员成本;根据项目和人员类型,配置人员成本单价,并基于人员成本单价确定项目实际人员成本;基于预估人员成本和项目实际人员成本预估偏差率。在投入成本预估偏差测算的过程中,只需要输入项目特征数据,即可得到预估人员成本和项目实际人员成本,从而准确地测算研发人员投入成本预估偏差。
下面对本申请实施例提供的投入成本预估偏差测算系统进行描述,下文描述的投入成本预估偏差测算系统与上文描述的投入成本预估偏差测算方法可相互对应参照。参考图3,图3是本申请实施例提供的投入成本预估偏差测算系统的结构示意图,本申请实施例提供的投入成本预估偏差测算系统包括:
成本估算策略获取模块301,用于获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
预估人员成本计算模块302,用于基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
实际成本计算模块303,用于根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
偏差率预估模块304,用于基于所述预估人员成本和所述项目实际人员成本预估偏差率。
本申请实施例只需要输入项目特征数据,即可得到预估人员成本和项目实际人员成本,从而准确地测算研发人员投入成本预估偏差。
在一实施例中,成本估算策略获取模块301还用于:
基于所述项目特征数据将目标变量的值变换到向量代数的空间表达:
其中,表征项目特征数据Feature到目标变量Target的向量的总体趋势,/>表征各特征参数趋势,各特征参数的贡献度之和为1,i,j表示每个变量的取值范围,i的取值范围是[1,N],j的取值范围是[1,M],dj代表对变量进行变换;
根据业务场景计算基尼系数,并基于基尼系数找到波动最大的特征参数,其中,基尼系数的计算公式为:
其中,数据集共包含H类参数,数据集中第i个类别的数量Yi,数据集中第j个类别的数量Yj,第i类参数的概率是Pi,第j类参数的概率是Pj,GRSV是根据已有公式计算得到的各特征参数的基尼系数;
通过贡献率定位对成本估算策略最大影响的特征参数项,并确定特征参数项的影响程度,具体公式为:
其中,是贡献率,/>是总体向量方向,/>是各特征参数向量方向,/>的方向由/>方向和/>方向共同决定,当总体方向和特征参数方向不同时,贡献率为负,表示总体方向和特征参数方向不同,/>表示总体方向和特征参数方向相同。
本申请提供的投入成本预估偏差测算系统的具体实施例与投入成本预估偏差测算方法各实施例基本相同,在此不作赘述。
图4示例了一种电子设备的实体结构图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communication Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的计算机程序,以执行投入成本预估偏差测算方法的步骤,例如包括:
获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
基于所述预估人员成本和所述项目实际人员成本预估偏差率。
在一可选实施例中,将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略,包括:
基于所述项目特征数据将目标变量的值变换到向量代数的空间表达:
其中,表征项目特征数据Feature到目标变量Target的向量的总体趋势,/>表征各特征参数趋势,各特征参数的贡献度之和为1,i,j表示每个变量的取值范围,i的取值范围是[1,N],j的取值范围是[1,M],dj代表对变量进行变换;
根据业务场景计算基尼系数,并基于基尼系数找到波动最大的特征参数,其中,基尼系数的计算公式为:
其中,数据集共包含H类参数,数据集中第i个类别的数量Yi,数据集中第j个类别的数量Yj,第i类参数的概率是Pi,第j类参数的概率是Pj,GRSV是根据已有公式计算得到的各特征参数的基尼系数;
通过贡献率定位对成本估算策略最大影响的特征参数项,并确定特征参数项的影响程度,具体公式为:
其中,是贡献率,/>是总体向量方向,/>是各特征参数向量方向,/>的方向由/>方向和/>方向共同决定,当总体方向和特征参数方向不同时,贡献率为负,/>表示总体方向和特征参数方向不同,/>表示总体方向和特征参数方向相同。
在一可选实施例中,训练所述成本估算模型的具体步骤包括:
获取历史项目数据和行业案例项目数据;
以所述历史项目数据和所述行业案例项目数据作为样本对预设网络模型进行训练,得到所述成本估算模型;每个样本包含多个参数,多个参数包括开发模式、功能类型、功能复杂度、质量要求、工期、管理水平、研发团队规模、资源等级、资源工作效率、物价和风险。
在一可选实施例中,投入成本预估偏差测算方法还包括:
获取第一项目标签的第一时间;第一项目标签为重点项目标签;
获取第二项目标签的第二时间;第二项目标签为非重点项目标签;
将所述第一时间和所述第二时间之间的项目标签,确定为重点项目标签,并将所述第二时间之后的项目标签,确定为非重点项目标签。
在一可选实施例中,基于所述预估人员成本和所述项目实际人员成本预估偏差率的计算公式为:预估偏差率=(实际人员成本-预估人员成本)/预估人员成本*100%。
此外,上述的存储器430中的逻辑指令可以通过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。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请实施例还提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质包括计算机程序,所述计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各实施例所提供的投入成本预估偏差测算方法的步骤,例如包括:
获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
基于所述预估人员成本和所述项目实际人员成本预估偏差率。
在一可选实施例中,将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略,包括:
基于所述项目特征数据将目标变量的值变换到向量代数的空间表达:
其中,表征项目特征数据Feature到目标变量Target的向量的总体趋势,/>表征各特征参数趋势,各特征参数的贡献度之和为1,i,j表示每个变量的取值范围,i的取值范围是[1,N],j的取值范围是[1,M],dj代表对变量进行变换;
根据业务场景计算基尼系数,并基于基尼系数找到波动最大的特征参数,其中,基尼系数的计算公式为:
其中,数据集共包含H类参数,数据集中第i个类别的数量Yi,数据集中第j个类别的数量Yj,第i类参数的概率是Pi,第j类参数的概率是Pj,GRSV是根据已有公式计算得到的各特征参数的基尼系数;
通过贡献率定位对成本估算策略最大影响的特征参数项,并确定特征参数项的影响程度,具体公式为:
其中,是贡献率,/>是总体向量方向,/>是各特征参数向量方向,/>的方向由/>方向和/>方向共同决定,当总体方向和特征参数方向不同时,贡献率为负,表示总体方向和特征参数方向不同,/>表示总体方向和特征参数方向相同。/>
在一可选实施例中,训练所述成本估算模型的具体步骤包括:
获取历史项目数据和行业案例项目数据;
以所述历史项目数据和所述行业案例项目数据作为样本对预设网络模型进行训练,得到所述成本估算模型;每个样本包含多个参数,多个参数包括开发模式、功能类型、功能复杂度、质量要求、工期、管理水平、研发团队规模、资源等级、资源工作效率、物价和风险。
在一可选实施例中,投入成本预估偏差测算方法还包括:
获取第一项目标签的第一时间;第一项目标签为重点项目标签;
获取第二项目标签的第二时间;第二项目标签为非重点项目标签;
将所述第一时间和所述第二时间之间的项目标签,确定为重点项目标签,并将所述第二时间之后的项目标签,确定为非重点项目标签。
在一可选实施例中,基于所述预估人员成本和所述项目实际人员成本预估偏差率的计算公式为:预估偏差率=(实际人员成本-预估人员成本)/预估人员成本*100%。
另一方面,本申请实施例还提供一种计算机产品,所述计算机产品包括计算机程序,所述计算机程序可存储在计算机产品上,所述计算机程序被处理器执行时,计算机能够执行上述各实施例所提供的投入成本预估偏差测算方法的步骤,例如包括:
获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
基于所述预估人员成本和所述项目实际人员成本预估偏差率。
在一可选实施例中,将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略,包括:
基于所述项目特征数据将目标变量的值变换到向量代数的空间表达:
其中,表征项目特征数据Feature到目标变量Target的向量的总体趋势,/>表征各特征参数趋势,各特征参数的贡献度之和为1,i,j表示每个变量的取值范围,i的取值范围是[1,N],j的取值范围是[1,M],dj代表对变量进行变换;
根据业务场景计算基尼系数,并基于基尼系数找到波动最大的特征参数,其中,基尼系数的计算公式为:
其中,数据集共包含H类参数,数据集中第i个类别的数量Yi,数据集中第j个类别的数量Yj,第i类参数的概率是Pi,第j类参数的概率是Pj,GRSV是根据已有公式计算得到的各特征参数的基尼系数;
通过贡献率定位对成本估算策略最大影响的特征参数项,并确定特征参数项的影响程度,具体公式为:
其中,是贡献率,/>是总体向量方向,/>是各特征参数向量方向,/>的方向由/>方向和/>方向共同决定,当总体方向和特征参数方向不同时,贡献率为负,表示总体方向和特征参数方向不同,/>表示总体方向和特征参数方向相同。
在一可选实施例中,训练所述成本估算模型的具体步骤包括:
获取历史项目数据和行业案例项目数据;
以所述历史项目数据和所述行业案例项目数据作为样本对预设网络模型进行训练,得到所述成本估算模型;每个样本包含多个参数,多个参数包括开发模式、功能类型、功能复杂度、质量要求、工期、管理水平、研发团队规模、资源等级、资源工作效率、物价和风险。
在一可选实施例中,投入成本预估偏差测算方法还包括:
获取第一项目标签的第一时间;第一项目标签为重点项目标签;
获取第二项目标签的第二时间;第二项目标签为非重点项目标签;
将所述第一时间和所述第二时间之间的项目标签,确定为重点项目标签,并将所述第二时间之后的项目标签,确定为非重点项目标签。
在一可选实施例中,基于所述预估人员成本和所述项目实际人员成本预估偏差率的计算公式为:预估偏差率=(实际人员成本-预估人员成本)/预估人员成本*100%。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种投入成本预估偏差测算方法,其特征在于,包括:
获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
基于所述预估人员成本和所述项目实际人员成本预估偏差率。
2.根据权利要求1所述的投入成本预估偏差测算方法,其特征在于,所述将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略,包括:
基于所述项目特征数据将目标变量的值变换到向量代数的空间表达:
其中,表征项目特征数据Feature到目标变量Target的向量的总体趋势,表征各特征参数趋势,各特征参数的贡献度之和为1,i,j表示每个变量的取值范围,i的取值范围是[1,N],j的取值范围是[1,M],dj代表对变量进行变换;
根据业务场景计算基尼系数,并基于基尼系数找到波动最大的特征参数,其中,基尼系数的计算公式为:
其中,数据集共包含H类参数,数据集中第i个类别的数量Yi,数据集中第j个类别的数量Yj,第i类参数的概率是Pi,第j类参数的概率是Pj,GRSV是根据已有公式计算得到的各特征参数的基尼系数;
通过贡献率定位对成本估算策略最大影响的特征参数项,并确定特征参数项的影响程度,具体公式为:
其中,CRi j是贡献率,是总体向量方向,/>是各特征参数向量方向,CRi j的方向由/>方向和/>方向共同决定,当总体方向和特征参数方向不同时,贡献率为负,表示总体方向和特征参数方向不同,/>表示总体方向和特征参数方向相同。
3.根据权利要求1所述的投入成本预估偏差测算方法,其特征在于,训练所述成本估算模型的具体步骤包括:
获取历史项目数据和行业案例项目数据;
以所述历史项目数据和所述行业案例项目数据作为样本对预设网络模型进行训练,得到所述成本估算模型;每个样本包含多个参数,多个参数包括开发模式、功能类型、功能复杂度、质量要求、工期、管理水平、研发团队规模、资源等级、资源工作效率、物价和风险。
4.根据权利要求1所述的投入成本预估偏差测算方法,其特征在于,所述方法还包括:
获取第一项目标签的第一时间;第一项目标签为重点项目标签;
获取第二项目标签的第二时间;第二项目标签为非重点项目标签;
将所述第一时间和所述第二时间之间的项目标签,确定为重点项目标签,并将所述第二时间之后的项目标签,确定为非重点项目标签。
5.根据权利要求1所述的投入成本预估偏差测算方法,其特征在于,所述基于所述预估人员成本和所述项目实际人员成本预估偏差率的计算公式为:预估偏差率=(实际人员成本-预估人员成本)/预估人员成本*100%。
6.一种投入成本预估偏差测算系统,其特征在于,包括:
成本估算策略获取模块,用于获取用户终端输入的项目特征数据,并将所述项目特征数据输入至成本估算模型中,得到所述成本估算模型输出的成本估算策略;
预估人员成本计算模块,用于基于所述成本估算策略和所述项目特征数据,计算预估人员成本;
实际成本计算模块,用于根据项目和人员类型,配置人员成本单价,并基于所述人员成本单价确定项目实际人员成本;
偏差率预估模块,用于基于所述预估人员成本和所述项目实际人员成本预估偏差率。
7.根据权利要求6所述的投入成本预估偏差测算系统,其特征在于,所述成本估算策略获取模块还用于:
基于所述项目特征数据将目标变量的值变换到向量代数的空间表达:
其中,表征项目特征数据Feature到目标变量Target的向量的总体趋势,表征各特征参数趋势,各特征参数的贡献度之和为1,i,j表示每个变量的取值范围,i的取值范围是[1,N],j的取值范围是[1,M],dj代表对变量进行变换;
根据业务场景计算基尼系数,并基于基尼系数找到波动最大的特征参数,其中,基尼系数的计算公式为:
其中,数据集共包含H类参数,数据集中第i个类别的数量Yi,数据集中第j个类别的数量Yj,第i类参数的概率是Pi,第j类参数的概率是Pj,GRSV是根据已有公式计算得到的各特征参数的基尼系数;
通过贡献率定位对成本估算策略最大影响的特征参数项,并确定特征参数项的影响程度,具体公式为:
其中,CRi j是贡献率,是总体向量方向,/>是各特征参数向量方向,CRi j的方向由/>方向和/>方向共同决定,当总体方向和特征参数方向不同时,贡献率为负,表示总体方向和特征参数方向不同,/>表示总体方向和特征参数方向相同。
8.根据权利要求6所述的投入成本预估偏差测算系统,其特征在于,还包括训练模块,用于:
获取历史项目数据和行业案例项目数据;
以所述历史项目数据和所述行业案例项目数据作为样本对预设网络模型进行训练,得到所述成本估算模型;每个样本包含多个参数,多个参数包括开发模式、功能类型、功能复杂度、质量要求、工期、管理水平、研发团队规模、资源等级、资源工作效率、物价和风险。
9.一种电子设备,所述电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的投入成本预估偏差测算方法。
10.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5任一项所述的投入成本预估偏差测算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311454125.7A CN117611364A (zh) | 2023-11-03 | 2023-11-03 | 投入成本预估偏差测算方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311454125.7A CN117611364A (zh) | 2023-11-03 | 2023-11-03 | 投入成本预估偏差测算方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117611364A true CN117611364A (zh) | 2024-02-27 |
Family
ID=89958726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311454125.7A Pending CN117611364A (zh) | 2023-11-03 | 2023-11-03 | 投入成本预估偏差测算方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117611364A (zh) |
-
2023
- 2023-11-03 CN CN202311454125.7A patent/CN117611364A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khedmati et al. | An online portfolio selection algorithm using clustering approaches and considering transaction costs | |
KR101708831B1 (ko) | 펀드 투자 배분 방법 및 서버 및 컴퓨터 판독 가능한 기록 매체 | |
US20210065128A1 (en) | System and method for recruitment candidate equity modeling | |
CN107609771A (zh) | 一种供应商价值评价方法 | |
CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
CN109583729B (zh) | 用于平台在线模型的数据处理方法和装置 | |
CN108734567A (zh) | 一种基于大数据人工智能风控的资产管理系统及其评估方法 | |
CN107944905A (zh) | 一种施工企业材料采购价格分析的方法与系统 | |
CN112884590A (zh) | 基于机器学习算法的电网企业融资决策方法 | |
CN109583773A (zh) | 一种纳税信用积分确定的方法、系统及相关装置 | |
CN117611364A (zh) | 投入成本预估偏差测算方法及其系统 | |
CN115293867A (zh) | 财务报销用户画像优化方法、装置、设备及存储介质 | |
CN114693428A (zh) | 数据确定方法、装置、计算机可读存储介质及电子设备 | |
CN113657945A (zh) | 用户价值预测方法、装置、电子设备和计算机存储介质 | |
CN114155072A (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
CN113656707A (zh) | 一种理财产品推荐方法、系统、存储介质及设备 | |
CN112801410A (zh) | 基于大数据技术的电费流入预测分析方法 | |
CN117196695B (zh) | 一种目标产品的销量数据的预测方法及装置 | |
CN117408742B (zh) | 用户筛分方法及系统 | |
CN111080456B (zh) | 一种基于环境效应反馈的erp项目辅助决策支持系统及方法 | |
CN117035430A (zh) | 供应商风险预测方法及系统 | |
CN115130924A (zh) | 一种源网荷储背景下微电网电力设备资产评估方法及系统 | |
CN116934160A (zh) | 一种数据要素资产价值评估方法及系统 | |
Ivan et al. | Estimating the Complexity of IT Projects. | |
CN117910801A (zh) | 一种基于大数据的财务数据管理方法 |
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 |