JP7389117B2 - 多面的人材配分アドバイザを提供するための方法及びシステム - Google Patents

多面的人材配分アドバイザを提供するための方法及びシステム Download PDF

Info

Publication number
JP7389117B2
JP7389117B2 JP2021527878A JP2021527878A JP7389117B2 JP 7389117 B2 JP7389117 B2 JP 7389117B2 JP 2021527878 A JP2021527878 A JP 2021527878A JP 2021527878 A JP2021527878 A JP 2021527878A JP 7389117 B2 JP7389117 B2 JP 7389117B2
Authority
JP
Japan
Prior art keywords
employee
data
skill
matched
employees
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
Application number
JP2021527878A
Other languages
English (en)
Other versions
JP2022510583A (ja
Inventor
サーニ、プラベーン
スレプコ、ブライアン
キューレン、フィリップ
ハードマン、ジェイソン
Original Assignee
リミニ ストリート、インコーポレイテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by リミニ ストリート、インコーポレイテッド filed Critical リミニ ストリート、インコーポレイテッド
Publication of JP2022510583A publication Critical patent/JP2022510583A/ja
Application granted granted Critical
Publication of JP7389117B2 publication Critical patent/JP7389117B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/06398—Performance of employee with respect to a job function

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (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)

Description

ビジネス、及び特に、取引先に専門サービスを提供するビジネスが直面する主要な難題の１つは、人材の効果的且つ効率的な配分、例えば、ビジネスの取引先の代わりに実施されることになる特定のタスク及びプロジェクトの要求及び要件に被雇用者のスキル・セットをマッチさせること、並びに、これらのタスク及びプロジェクトへの被雇用者及び仲間の配分である。これは、エンジニア、技術者、又は他の専門職などの、非常に熟練した及び／又は専門的な人員をビジネスが雇用するとき、特にやりがいのある且つ重要な課題である。
特定の例証的実例として、ビジネスの取引先のために様々なエンタープライズ・リソース・プランニング（ＥＲＰ：Ｅｎｔｅｒｐｒｉｓｅ Ｒｅｓｏｕｒｃｅ Ｐｌａｎｎｉｎｇ）関連のソフトウェア・システムをサポートし、様々なエンジニアリング及びサポート・サービスをこれらの取引先に提供するために、ビジネスがエンジニアを雇用することを考える。この特定の例証的実例では、各エンジニアの被雇用者は、非常に多くの専門スキルと、非常に多くの特定の製品、モジュール、並びに、これらの製品及びモジュールに関連付けられた特徴及び能力の経験とを潜在的に有している。潜在的に何百もの製品及びモジュールに関連付けられた潜在的に何百ものスキルを各エンジニアの被雇用者が有している可能性があることを考慮に入れると、たった１人のエンジニアの被雇用者のスキル・セットが、何百もの、又はことによると何千もの、個人スキルを含む可能性があることが往々にしてある。必然的に、所与のプロジェクト又はケースをサポートするのに最適な、すなわち、最適任なエンジニアの被雇用者の効率的且つ効果的な配分を保証することが、急速に複雑且つ非常に困難なタスクになる恐れがある。
実際、問題はとても複雑になり得るので、潜在的に何百もの、又はことによると何千もの、個人スキル、及び潜在的に何百ものビジネスの取引先についての複数の、ことによると何百もの、プロジェクト／ケースの要件がそれぞれにあり、潜在的に何百もの、又はことによると何千もの、ジョブ・スキル・セット要件並びに契約履行要件及び制限がそれぞれにある、複数の、ことによると何百もの、被雇用者のスキル・セットの間の相互作用及び関係を人間が正確に識別し、理解することは、現実的ではなく、ほとんどのケースで可能ではない。さらに、それぞれの適任な被雇用者の可用性及び作業負荷も考慮しなければならないとき、問題はさらにいっそう複雑になる。
その結果は、特定のタスク、プロジェクト、又はケースに人材を最も効果的且つ効率的に配分するのに必要な要因間の重要な関係及び相互連絡を人間が認識することを不可能にしている問題の複雑性である。
特定のタスク及びプロジェクトに人材を効果的且つ効率的に配分することについての現在の問題は、被雇用者が様々なプロジェクトに割り当てられ、様々なタスクを完了させ、これにより、新しいスキル及び価値のある経験を取得しながら、スキル・セット及び経験を絶えず変化させている被雇用者を、サポート・エンジニアを提供するビジネスなどの多くのビジネスが有していることが部分的に原因の、進行中且つ動的に変化する問題である。それでも、被雇用者スキル・セットの動的性質にもかかわらず、現在、被雇用者スキル・セット・データは、典型的には、被雇用者が最初に雇われたときに、被雇用者自身から最初に取得される。したがって、典型的には、被雇用者のスキル・セット・データは、良くても年１回など、まれにしか更新されない。これにより、少なくとも３つの理由で、被雇用者スキル・セット・データが不正確になる。
第１に、被雇用者が申告した被雇用者スキル・セット・データは、被雇用者が、スキル・セット・データを提供するときに１つ若しくは複数のスキルをうっかり省略してしまうこと、及び／又は、新しいスキル若しくは経験レベルを被雇用者にもたらした特定のチーム若しくはプロジェクトに過去に参加したことを認識していないことにより、不完全であることが多い。上述のように、場合によっては、被雇用者スキル・セットは、何百もの、及びことによると何千もの、特定のスキルを含む可能性があり、被雇用者がこれらのスキルを追跡すること、まして、雇用者ビジネスのためにこれらを忘れずにリスト化し、これらのスキル・セット・データを正確に更新することは非常に困難である。
第２に、上述のように、被雇用者は様々なプロジェクトで作業し、これらの雇用の過程でビジネスのためのタスクを実施するので、被雇用者は、既存のスキルを増大させる、より多くの経験を積むだけでなく、新しいスキルも獲得するが、しばしば、この事実を認識することさえない。現在、この「仕事中に」獲得した経験、及び「仕事中に」獲得した新しいスキルは、「現在の」被雇用者スキル・セット・データに反映されないことが多い。
第３に、報告した／既知のスキルについてさえ、複数の被雇用者のスキル・セットを、所与のプロジェクト、タスク、又はケースの要求と客観的に比較できるような、１人の被雇用者のスキルを別の被雇用者のスキルと客観的に比較するための方法又はシステムが現在ない。結果として、現在、複数の被雇用者のスキル・セット・データの何らかの比較及び分析は、被雇用者のスキルに関する何らかの「現実世界の」又は関連した「リアル・タイムの」見識、及び、所与のプロジェクト又は取引先の識別した要求を欠いている。
人材を効果的且つ効率的に配分しようとするときに遭遇した現在の困難さは、人材を配分することを望むビジネスにとって問題となるだけでなく、取引先のプロジェクトへの人材の非効率且つ非効果的な配分が、実施される作業の質、及びこの作業を完了させるのにかかる時間に悪影響を及ぼす恐れがあるという点で、ビジネスの取引先にとっても問題となる。必然的に、人材を配分するための効果的且つ効率的なシステムの欠如という長年の技術的問題は、ビジネスの雇用者と、このビジネスの取引先の両方にとって損失であり、期限及び基準の未達、工数の損失、コスト超過、並びに作業品質の低下につながる恐れがある。これは、次に、ビジネスの評判、ブランド戦略、及び、取引先／潜在的な取引先の印象に非常に否定的な影響を及ぼす恐れがある。
必要なものは、雇用者ビジネスと、このビジネスの取引先の両方に最大の利益をもたらす手法で、人材を効果的、効率的、且つ客観的に配分すること、すなわち、特定のタスク及びプロジェクトに最適任な被雇用者を割り当てることについての長年の技術的問題に対する技術的解決策である。
本開示の実施例は、多面的被雇用者割当て推奨を自動的に行う多面的人材配分アドバイザを開示することによって、特定のプロジェクト及びタスクに最適任な被雇用者を効果的、効率的、且つ客観的に割り当てることについての長年の技術的問題に対する１つ又は複数の技術的解決策を提供する。
１つの実施例では、本開示の多面的人材配分アドバイザは、初期の／被雇用者が申告したスキル・セット・データと、動的に集約した「仕事中に」獲得した被雇用者スキル・セット・データとの両方を含む全体的な被雇用者スキル・セット・データを取得するために、１つ又は複数の被雇用者スキル・セット・データ源と統合する。このように取得した全体的な被雇用者スキル・セット・データは、次に、集約済被雇用者スキル・セット・データとして集約され、処理され、格納される。
１つの実施例では、次に、１つ又は複数の機械学習アルゴリズムを使用して、所与のプロジェクト、ケース、又はタスクに必要であると識別したスキル・セット、及び所与のプロジェクト、タスク、又はケースに関連付けられた任意のジョブ固有要件について、集約済被雇用者スキル・セット・データを識別し、正規化し、ランク付けする。１つの実施例では、この処理によって、タスク、プロジェクト、又はケースについての識別した必要なスキル・セットにマッチするか、最も密接にマッチし、所与のプロジェクト、タスク、又はケースに関連付けられたジョブ固有要件を満たす、正規化済被雇用者スキル・セット・データを有すると判定した被雇用者のセットが識別される。
１つの実施例では、タスク、プロジェクト、又はケースについての識別した必要なスキル・セットにマッチするか、最も密接にマッチし、所与のプロジェクト、タスク、又はケースに関連付けられたジョブ固有要件を満たす、正規化済被雇用者スキル・セット・データを有すると判定した被雇用者のセットは、次に、プロジェクト、タスク、又はケースについての識別したスキル・セットにマッチするか、最も近くマッチし、必要なルール及び制約に準拠すると判定した、正規化済被雇用者スキル・セット・データを有する被雇用者のセットを識別するために、ビジネスの要件によって及び／若しくは取引先によって決定並びに／又は定義されたルール及び制約に基づいてフィルタにかけられる。
１つの実施例では、プロジェクト、タスク、又はケースについての識別したスキル・セットにマッチするか、最も近くマッチし、必要なルール及び制約に準拠すると判定した、正規化済被雇用者スキル・セット・データを有する被雇用者のセットは、次に、所与のプロジェクト、タスク、若しくはケースの優先度、及び／又は地域の考慮、及び／又は被雇用者の作業負荷バランス考慮について、被雇用者の力量に基づいて、さらに処理／フィルタにかけられる。
１つの実施例では、プロジェクト、タスク、又はケースについての識別したスキル・セットに最も密接に一致し、所与のプロジェクト、タスク、又はケースに関連付けられた必要なルール及び制約及び要件に準拠し、経験、地域、及び作業負荷バランス要件を満たす、正規化済スキル・セット・データを有する１人又は複数の被雇用者は、次に、所与のプロジェクト、タスク、又はケースへの割当て／配分のために推奨される。
必然的に、本開示の実施例は、機械学習アルゴリズム、ルール及び制約のフィルタリング、地域の考慮、並びに作業負荷バランスとともに、複数の情報源から取得した、正規化済多面的被雇用者スキル・セット・データを使用して、新しいプロジェクト又はケースに関連付けられたタスクを実施するのに必要なスキルを有し、プロジェクト又はケースに関連付けられたタスクを実施するために利用でき、且つ経験を有し、取引先及びビジネス要件、地域要件、並びに作業負荷バランス考慮に基づいて、新しいプロジェクト、タスク、又はケースに割り当てられるのに適格な、被雇用者を識別し、推奨する。したがって、本開示の実施例は、雇用者ビジネスの取引先の代わりに実施されている、プロジェクト、タスク、又はケースに人材を効果的且つ効率的に配分することについての長年の技術的問題への従来のアプローチに関連付けられた欠点のいくつかに対処する。
さらに、本開示の多面的システムは、静的でも固定的でもなく、むしろ、ユーザによりカスタマイズ可能且つ対応可能であるか、新しいデータ及び入力を動的且つほぼリアル・タイムに組み込んでいる。これにより、より多くのデータ、要素、及び広がりを追加して、複数の情報源の潜在的に変化するセットから取得した被雇用者の動的スキルをさらに洗練することが可能になる。
１つの実施例による、多面的人材配分アドバイザを提供するためのシステム及び方法の設計階層の図である。 １つの実施例による、多面的人材配分推奨を行うための処理の流れ図である。 １つの実施例による、多面的人材配分推奨を行うための処理の流れ図である。 １つの実施例による、多面的人材配分アドバイザを提供するためのシステムの様々な構成要素、及び様々な構成要素の全般的な相互作用を示す構成要素図である。 １つの実施例による、集約済被雇用者スキル・セット・データに含まれる、初期の／被雇用者が報告した被雇用者スキル・セット・データを含む初期の被雇用者／エンジニア・スキル・プロフィール・データの特定の例証的実例を示す図である。 １つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれる、被雇用者／エンジニア・プロフィール・データの特定の例証的実例を示す図である。 １つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれる、被雇用者／エンジニア製品モジュール・スキル・データの特定の例証的実例を示す図である。 １つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれる、被雇用者／エンジニア・ケース・タイプ・スキル・データの特定の例証的実例を示す図である。 １つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれる、被雇用者／エンジニア複雑性達成スキル・データの特定の例証的実例を示す図である。 １つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれる、被雇用者／エンジニア調査平均データの特定の例証的実例を示す図である。 １つの実施例による、多面的人材配分アドバイザを提供するためのシステムの事前処理サブシステムの様々な構成要素の相互作用を示す構成要素図である。 １つの実施例による、選択可能且つ編集可能なルール及び制約を示すケース割当てモデルに含まれる、ルール及び制約データの特定の例証的実例を示す図である。 １つの実施例による、ルール及び制約値を設定並びに編集するためのルール及び制約修正インターフェースの特定の例証的実例を示す図である。 １つの実施例による、ルール及び制約値を活性化、設定、並びに編集するための、ルール及び制約修正データ・エントリ・インターフェースの特定の例証的実例を示す図である。 １つの実施例による、多面的人材配分アドバイザを提供するためのシステムの、スキル・マッチング、正規化、及びランク付けサブシステムの様々な構成要素の相互作用を示す構成要素図である。 １つの実施例による、新規ケース・ベクトル要素の特定の例証的実例の説明図である。 １つの実施例による、図７のスキル・マッチング、正規化、及びランク付けサブシステムによって実施されるスキル発見、スキル正規化、及びスキル・ランク付けの特定の例証的実例の高レベル説明図である。 １つの実施例による、図７のスキル・マッチング、正規化、及びランク付けサブシステムによって実施される、図９Ａのスキル発見、スキル正規化、及びスキル・ランク付けからの数値結果の特定の例証的実例を示す図である。 １つの実施例による、図７のスキル・マッチング、正規化、及びランク付けサブシステムによって実施される、正規化処理の１つの例証的実例に関連付けられた正規化データ及び処理属性の特定の例証的実例を示す図である。 １つの実施例による、図７のスキル・マッチング、正規化、及びランク付けサブシステムによって実施される、スキル・マッチング処理の特定の例証的実例のステップのいくつかを示す図である。 １つの実施例による、正規化済被雇用者スキル・セット・ベクトル要素の特定の例証的実例の説明図である。 １つの実施例による、図３の新規ケース・データと図８の新規ケース・ベクトル要素、図３の集約済被雇用者スキル・セット・データと図１０の正規化済被雇用者スキル・セット・ベクトル要素、並びに図７のスキル・マッチング、正規化、及びランク付けサブシステムの相互作用及び関係の特定の例証的実例の説明図である。 １つの実施例による、多面的人材配分アドバイザを提供するためのシステムの、フィルタリング・サブシステムの様々な構成要素の相互作用を示す構成要素図である。 １つの実施例による、図１２のフィルタリング・サブシステムの特定の例証的実例の動作の簡素化した説明図である。 １つの実施例による、負荷分散サブシステムの、及び多面的人材配分アドバイザを提供するためのシステムの、様々な構成要素の相互作用を示す構成要素図である。 １つの実施例による、特定のケースに関連付けられた識別した必要なスキルにマッチするか、最も密接にマッチするスキル・セット・データを有する被雇用者の初期プールへの、図１２のフィルタリング・サブシステム及び図１４の負荷分散サブシステムのアプリケーションの累積的効果の高レベル説明図である。 １つの実施例による、多面的人材配分アドバイザを提供するためのシステムの、負荷分散及び被雇用者スキル開発サブシステムの様々な構成要素の相互作用を示す構成要素図である。 多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザ体感を示す性質をもつ１つの実施例による、ユーザ・インターフェース画面の特定の例証的実例の図である。 多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザ体感を示す性質をもつ１つの実施例による、ユーザ・インターフェース画面の特定の例証的実例の図である。 多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザ体感を示す性質をもつ１つの実施例による、ユーザ・インターフェース画面の特定の例証的実例の図である。 多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザ体感を示す性質をもつ１つの実施例による、ユーザ・インターフェース画面の特定の例証的実例の図である。 多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザ体感を示す性質をもつ１つの実施例による、ユーザ・インターフェース画面の特定の例証的実例の図である。 多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザ体感を示す性質をもつ１つの実施例による、ユーザ・インターフェース画面の特定の例証的実例の図である。 多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザ体感を示す性質をもつ１つの実施例による、ユーザ・インターフェース画面の特定の例証的実例の図である。
同様の要素を示すために、図及び詳細な説明の全体にわたって共通の参照番号を使用する。上記の図は実例であり、特許請求の範囲に記載されるように、本発明の特性及び特徴から逸脱することなく、他のアーキテクチャ、動作のモード、動作の順序、及び要素／機能を提供し、実行できることを、当業者は容易に認識するであろう。
次に、１つ又は複数の例示的実施例を描写する添付の図を参照しながら、実施例を論じる。実施例は、多くの異なる形で実行することができ、本明細書に示した、図に示した、及び／又は下記で説明する実施例に限定されるものと解釈されるべきではない。むしろ、これらの例示的実施例は、当業者に、特許請求の範囲に記載のように、本発明の諸原理を伝える完全な開示を可能にするように提供される。
全体像
上述のように、ビジネスが直面する主要な難題の１つは、人材の効果的且つ効率的な配分、すなわち、雇用者ビジネスの取引先の代わりに実施されることになる、特定のタスク、プロジェクト、又はケースの要求及び要件に被雇用者のスキル・セットをマッチさせること、並びに、これらのタスクへの被雇用者及び／又は仲間の配分である。これは、エンジニア、技術者、又は他の専門職などの、非常に熟練した及び／又は専門的な人員をビジネスが雇用するとき、特にやりがいのある且つ重要な課題である。
上記にも記したように、特定のタスク、プロジェクト、又はケースに人材を効果的且つ効率的に配分するという問題は、被雇用者が、様々なタスク、プロジェクト、又はケースに割り当てられ、これらを完了し、処理における新しいスキル及び価値のある経験を取得しながら、スキル・セット及び経験を絶えず変化させている被雇用者を、サポート・エンジニアを提供するビジネスなどの多くのビジネスが有していることが部分的に原因の、進行中且つ動的に変化する問題である。
上記にも記したように、被雇用者スキル・セットの動的性質にもかかわらず、現在、被雇用者スキル・セット・データは、典型的には、被雇用者が最初に雇われたときに、被雇用者自身から最初に取得される。したがって、典型的には、被雇用者のスキル・セット・データは、良くても年１回など、まれにしか更新されない。これにより、被雇用者が、スキル・セット・データを提供するときに１つ若しくは複数のスキルをうっかり省略してしまうこと、及び／又は、新しいスキル若しくは経験レベルを被雇用者にもたらした特定のチーム若しくはプロジェクトに過去に参加したことを認識していないことにより、被雇用者スキル・セット・データが不正確且つ不完全になる。さらに、上述のように、被雇用者が、自分の仕事の過程で、ビジネスのための様々なタスク、プロジェクト、又はケースで作業するので、被雇用者は、本明細書で動的スキルと呼ばれる、既存のスキルを増大させる、より多くの経験と、新しく「仕事中に」獲得したスキルの両方を得ることが多い。現在、「仕事中に」獲得したこれらの動的スキル及び経験は、被雇用者スキル・セット・データに反映されないことが多い。
人材を効率的且つ効果的に配分するという問題は、被雇用者が所与のタスク、プロジェクト、又はケースを実施することができ、実施するのに適格であるために、存在しなければならない特定の要件及び被雇用者スキル・セットを、多くのタスク、プロジェクト、又はケースが有することにより、さらに複雑である。これらのジョブ固有要件及び被雇用者スキル・セットは、取引先、及び／又は他の当事者、及び／又はタスク／プロジェクト／ケース関連の契約によって口述されることが多い。これらのジョブ固有要件及び被雇用者スキル・セットは、市民権要件、位置要件、言語（人間と機械の両方）要件、地理位置及び時間帯要件、フルタイム、パートタイム、又は契約被雇用者タイプ要件等を含むことができるがこれらに限定されない。現在、適任な被雇用者だけが所与のタスク、プロジェクト、又はケースに割り当てられることを保証するために、容易に識別されることさえない、まして、既存の被雇用者スキル・セット・データとマージされない、複数のデータ源にわたって、ジョブ固有要件データ及び被雇用者スキル・セット・データがやはり典型的に広がることから問題が生じる。
さらに、人材を効率的且つ効果的に配分することは、所与の被雇用者に、高い優先度のタスク、プロジェクト、若しくはケースを遂行するための経験があるか、及び／又は、より多くのタスク、プロジェクト、若しくはケースを引き受けるための余力があるかを表すいずれかのデータが、複数のデータ源にわたってやはり典型的に広がることによってさらに邪魔される。必然的に、正規のスキル・セットを有する被雇用者だけが、特定のタスク、プロジェクト、又はケースで作業するのに適任であり、所与のタスク、プロジェクト、又はケースを引き受けるための経験及び余力があり、このタスク、プロジェクト、又はケースに割り当てられることを保証するために、被雇用者の経験及び作業負荷データが、典型的には、容易に識別されることも、被雇用者スキル・セット・データ及びジョブ要件データとマージされることもない。
人材を効果的且つ効率的に配分するという問題は、被雇用者がビジネスのために完了させたことがあるタスクに関連付けられたスキル・セット・データ及び履歴実績データを含む被雇用者スキル・セット・データが、しばしば、同様に、複数のデータ源にわたって広がることによっても悪化する。典型的には、被雇用者スキル・セット・データのこれらの潜在的な情報源は、被雇用者の現在のスキルの統合リスト又はビューを提供するために、接続及び／又は統合されず、これらの情報源の大部分、及びこれらのデータは、典型的には、考慮されることすらない。
さらに、報告した／既知のスキルについてさえ、複数の被雇用者のスキル・セットを、所与のタスク、プロジェクト、又はケースの要求と客観的に比較できるように、１人の被雇用者のスキルを別の被雇用者のスキルに対して「正規化する」ための方法は現在ない。これは、被雇用者のスキル・セット、並びに潜在的なタスク、プロジェクト、若しくはケース、及び／又は取引先についての、履歴及び現在の「仕事中の」被雇用者実績、並びに被雇用者の動的作業経験パラメータの効果の考慮／統合についての現在の不足から生じる。
結果として、現在、現在の方法を使用して表した複数の被雇用者のスキル・セット・データの何らかの比較及び分析は、被雇用者の既知のスキル、及び、所与のタスク／プロジェクト／ケース又は取引先の識別した要求に関する、何らかの「現実世界の」及び「仕事中の」実績考慮を欠いている。必然的に、現在、「仕事中に」取得した動的被雇用者スキルを、一様に評価すること、まして、被雇用者のスキル・セット・データに統合することができる正規化した及び客観的な処理はない。
最後に、初期の／被雇用者が申告したスキルと、動的な「仕事中に」獲得したスキルの両方を使用して、新しいタスク、プロジェクト、又はケースについての最善の被雇用者のマッチを判定することは、このデータが利用可能だったとしても、やりがいのある且つ簡単でないタスクである。これは、初期の／被雇用者が申告したスキル・データ及び動的スキル・データを整理統合、訂正、及び統一することが、とても複雑で、人間の能力を超えているからである。それでも、スキル・セット・データの各情報源は、被雇用者スキルの統一ビューのために、並びにケース割当てのための決定及び判定を行うために重要な、被雇用者スキルの一意且つ異なる観点をもたらすスキルの広がりを提供する。
上述のように、人材を効果的且つ効率的に配分しようとするときに遭遇した現在の困難さは、人材を配分することを望むビジネスにとって極めて問題となるだけでなく、取引先のタスク、プロジェクト、又はケースへの人材の非効率且つ非効果的な配分が、実施される作業の質、及びこの作業を完了させるのにかかる時間に悪影響を及ぼす恐れがあるという点で、ビジネスの取引先にとっても問題となる。必然的に、人材を効果的且つ効率的に配分するための方法及びシステムの欠如という長年の技術的問題は、ビジネスの雇用者と、このビジネスの取引先の両方にとって損失であり、期限及び基準の未達、工数の損失、コスト超過、並びに作業品質の低下につながる恐れがある。これは、次に、ビジネスの評判、ブランド戦略、及び、取引先／潜在的な取引先の印象に非常に否定的な影響を及ぼす恐れがある。
本開示の実施例は、ビジネスの取引先の代わりに実施されているタスクに人材を効果的且つ効率的に配分することについての長年の技術的問題に対する１つ又は複数の技術的解決策を提供する。
１つの実施例では、多面的人材配分推奨を行うためのシステム、及びコンピューティング・システム実行方法は、被雇用者スキル・セット・データの１つ又は複数の情報源へのアクセスを取得するステップ、及びビジネスの被雇用者のセットについての集約済被雇用者スキル・セット・データを生成するために、被雇用者スキル・セット・データを集約するステップを含む。
１つの実施例では、ビジネスの取引先のためにビジネスの被雇用者によって実施されることになるタスクへのビジネスの被雇用者の割当てを規定するルール及び制約データが生成される。
１つの実施例では、ビジネスの取引先のためにビジネスの被雇用者によって実施されることになる新しいタスク又はプロジェクトを表す新規ケース・データが取得される。
１つの実施例では、新規ケース・データは、新規ケース・データによって表されたタスク又はプロジェクトに割り当てられることになるビジネスの被雇用者に必要な被雇用者スキル及び資格を表す新規ケース要件及びスキル・セット・データを生成するために処理される。
１つの実施例では、ビジネスの被雇用者のセットのうちの被雇用者のそれぞれについての集約済被雇用者スキル・セット・データ、並びに、新規ケース要件及びスキル・セット・データは、新規ケース要件及びスキル・セット・データに表された新規ケース・スキル及び要件にマッチした１つ又は複数のマッチしたスキルを有するスキル・セットにマッチした被雇用者のセットを表すスキル・セットにマッチした被雇用者データを識別するために処理される。
１つの実施例では、各スキル・セットにマッチした被雇用者について、スキル・セットにマッチした被雇用者についてのマッチしたスキルは、正規化済被雇用者スキル・セット・データを生成するために、及びこのスキル・セットにマッチした被雇用者のために正規化される。
１つの実施例では、各スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・データ、並びに新規ケース要件及びスキル・セット・データは、未加工のランク付けしたスキルにマッチした被雇用者のセットを表す未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成するために機械学習アルゴリズムに提供される。
１つの実施例では、未加工のランク付けしたスキルにマッチした被雇用者推奨データは、フィルタ後の及びランク付けしたスキルにマッチした被雇用者のセットを表す被雇用者推奨データを生成するために、ルール及び制約データを使用してフィルタにかけられる。
１つの実施例では、推奨される被雇用者データは、承認、編集、及び最終的な被雇用者割当て／配分のために意思決定者に提供される。様々な実施例では、新規ケースに推奨される被雇用者データを受け取る意思決定者は、承認、編集、及び最終的な被雇用者割当て／配分のためのアクセス権／意思決定者の許可を有する監督者若しくは他の被雇用者などの人間の意思決定者、承認、編集、及び最終的な被雇用者割当て／配分のために、並びに／若しくは、新規ケースに推奨される被雇用者データのさらなる処理のために使用される１つ若しくは複数のアプリケーション、並びに／又は、承認、編集、及び最終的な被雇用者割当て／配分を担う団体などの他の任意のエンティティ、のうちの１つ又は複数であることが可能であるが、これらに限定されない。
１つの実施例では、多面的人材配分アドバイザ、及び多面的人材配分推奨を行うためのシステム／方法が提供される。１つの実施例では、多面的人材配分アドバイザ、及び多面的人材配分推奨を行うためのシステムは、初期被雇用者スキル・セット・データと、これらの情報源から動的に集約した「仕事中に」獲得した被雇用者スキル・セット・データの両方の取得、処理、集約、及び正規化を行うために、１つ又は複数の被雇用者スキル・セット・データ源と統合する。
１つの実施例では、初期被雇用者スキル・セット・データは、被雇用者自身から自己申告及び報告したスキル・セット情報、並びに／又は、被雇用者の雇用記録、並びに／又は、被雇用者のＨＲ記録、並びに／又は、証明書及び学校教育の公文書、並びに／又は、専門ソーシャル・メディア・サイト及び／若しくは一般ソーシャル・メディア・サイトによる被雇用者アカウント、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、初期の、自己報告した、及び／若しくは比較的変化のない初期被雇用者スキル・セット・データの他の任意の情報源を含むがこれらに限定されない。
１つの実施例では、集約済の「仕事中に」獲得したスキル及び実績に関連付けられた被雇用者の動的被雇用者スキル・セット・データは、終了したタスク、プロジェクト、若しくはケースの総数を含む被雇用者に関連付けられた動的更新後のタスク、プロジェクト、若しくはケースの終了データ、タスク、プロジェクト、若しくはケースについての終了までの動的更新後の平均時間、顧客／製品／被雇用者ごとの動的更新後の平均取引先調査若しくはランク付けデータ、動的更新後の経験及びチーム参加データ、動的更新後のチーム・リーダシップ経験データ、動的更新後のケース優先度経験、被雇用者の現在のローディングを決定するための期間ごとの動的更新後のマイルストーン、並びに／又は、本明細書で論じられるか、図示されるような、出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、動的被雇用者スキル・セット・データの他の任意の情報源のうちの１つ又は複数に基づいて、製品ライン、製品、及びリリース又はバージョン・レベルで取得される。
１つの実施例では、被雇用者スキル・セットの整理統合は、次に、集約済被雇用者スキル・セット・データを生成し、集約済被雇用者スキル・セット・データが生成されると、集約済被雇用者スキル・セット・データを動的に更新するために、集約した被雇用者初期被雇用者スキル・セット・データ、被雇用者の動的被雇用者スキル・セット・データ、並びに、人材（ＨＲ：Ｈｕｍａｎ Ｒｅｓｏｕｒｃｅ）及び他の被雇用者記録データなどであるがこれらに限定されない他の被雇用者データの多面的分析に基づいて実施される。
１つの実施例では、雇用者／監督者が課したルール及び制約が定義され、雇用者／監督者が課したルール及び制約データが生成され、格納される。
１つの実施例では、新規ケース・データが取得される。１つの実施例では、新規ケース・データは、ビジネスの被雇用者及び／又はビジネスの取引先によって、新しいジョブ・リクエストを登録するために使用される、ケース採用及び管理システムから取得される。
１つの実施例では、取得した新規ケース・データに加えて、新規ケース・データに関連付けられた取引先についての履歴及び／又は現在の取引先データも取得される。様々な実施例では、取引先データが集約され、取引先データ及び取引先データの少なくとも一部が、新規ケース・データの一部として取得される。
１つの実施例では、新規ケース・データ及び取引先データは、次に、取引先の要求を満たすために、新規ケース及び新規ケースに割り当てられた被雇用者の必要なスキル・セットに関連付けられた新規ケース要件及び／又は契約上の義務を識別するために処理される。１つの実施例では、次に、新規ケースに関連付けられた識別した新規ケース要件及び／又は契約上の義務、並びに新規ケースに必要なスキル・セットを表す、新規ケース要件及びスキル・セット・データが生成される。
１つの実施例では、新規ケース要件及びスキル・セット・データは、取引先が課したルール及び制約を識別するためにさらに処理され、取引先が課したルール及び制約データが生成される。１つの実施例では、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データは、次に、新規ケース・ルール及び制約データを生成するために集約され、訂正される。
１つの実施例では、次に、所与のタスク、プロジェクト、又はケースに必要であると識別されたスキル・セットについての集約済被雇用者スキル・セット・データ、及び、新規ケース・データに関連付けられるものと判定された、所与のタスク、プロジェクト、又はケースに関連付けられた特定の要件を識別し、正規化し、ランク付けするために、機械学習アルゴリズムが使用される。
このために、１つの実施例では、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データは、新規ケースに理想的にマッチした仮定の被雇用者に必要なスキル及び要件を表す新規ケース・ベクトル・データを生成するために使用される。１つの実施例では、新規ケース・ベクトル・データは、２つ以上の、新規ケースに理想的な被雇用者ベクトル要素を含む。１つの実施例では、２つ以上の、新規ケースに理想的な被雇用者ベクトル要素のそれぞれは、新規ケース要件及びスキル・セット・データ要素のうちの１つに関係がある。
１つの実施例では、各被雇用者についての集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データは、新規ケース要件及びスキル・セット・データに示されたスキル・セットにマッチする、又は密接にマッチする、関連付けられたスキル・セット・データを有しているように見える被雇用者を表す、初期のスキル・セットにマッチした被雇用者データを、これらの関連付けられたスキル・セット・データとともに、識別するためにスキルにマッチされる。
１つの実施例では、被雇用者は、マッチしたスキル又はマッチしたスキル特徴とも呼ばれる、新規ケース要件及びスキル・セット・データと、集約済被雇用者スキル・セット・データの両方に存在する識別した共通スキルに基づいて、新規ケース要件及びスキル・セット・データに示されたスキル・セットにマッチする、又は密接にマッチすると最初に判定される。
１つの実施例では、初期のスキル・セットにマッチした被雇用者データに表された各被雇用者についてのスキル・セットに含まれるマッチしたスキルは、各被雇用者についての正規化済の初期のスキル・セットにマッチした被雇用者データを生成するために正規化される。１つの実施例では、正規化処理は、マッチしたスキルに関連付けられた被雇用者についての動的に集約した「仕事中に」獲得したスキル・セット・データに基づく。
必然的に、本開示の実施例は、複数の被雇用者のスキル・セットを、所与のタスク、プロジェクト、又はケースの要求と客観的に比較できるように、１人の被雇用者のスキルを別の被雇用者のスキルに対して「正規化する」ために提供する。これは、被雇用者の報告した／既知のスキル、並びに潜在的なタスク、プロジェクト、及びケース、並びに／又は取引先について、履歴及び現在の集約済の「仕事中の」被雇用者実績、及び被雇用者の作業経験パラメータの効果を動的に考慮し、統合することによって行われる。結果として、本開示の実施例を使用した、複数の被雇用者のスキル・セット・データの比較及び分析は、被雇用者の報告した／既知のスキル、及び所与の仕事又は取引先の識別した要求に関する、「現実世界の」及び集約済の「仕事中の」実績考慮を反映する。必然的に、本開示の正規化処理は、被雇用者のスキル・セット・データを一様に評価するために、「仕事中に」取得した集約済動的被雇用者スキルを統合する。
１つの実施例では、各初期にマッチした被雇用者についての正規化済の初期のスキル・セットにマッチした被雇用者データに表された正規化済マッチしたスキル・セット特徴は、次に、初期のスキル・セットにマッチした被雇用者データに表された、各被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データを生成するために使用される。１つの実施例では、正規化済被雇用者スキル・セット・ベクトル・データは、初期のスキル・セットにマッチした被雇用者データに表された、各初期にマッチした被雇用者に関連付けられた正規化済マッチしたスキル・セット特徴のそれぞれに関係がある正規化済被雇用者スキル・セット・ベクトル要素を含む。
１つの実施例では、新規ケース・ベクトル・データ、各初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ、並びに、新規ケース・ルール及び制約データは、予め訓練した機械学習モデルへの入力データとして使用される。
１つの実施例では、機械学習モデルの出力は、未加工のランク付けしたスキルにマッチした被雇用者推奨データである。１つの実施例では、未加工のランク付けしたスキルにマッチした被雇用者推奨データは、機械学習モデルを使用して、新規ケースにマッチした、又は最も密接にマッチした、被雇用者を表すデータを含む。
１つの実施例では、未加工のランク付けしたスキルにマッチした被雇用者推奨データは、次に、新規ケース・ルール及び制約データのルール及び制約にも準拠する新規ケースにマッチした、又は最も密接にマッチした、被雇用者を表す、フィルタ後のスキルにマッチした被雇用者推奨データを生成するために、新規ケース・ルール及び制約データに表されたルール及び制約に基づいてフィルタにかけられる。
１つの実施例では、フィルタ後のスキルにマッチした被雇用者推奨データは、次に、被雇用者の作業負荷バランス、及び／或いは地域の考慮、及び／或いは個々の被雇用者スキルをより完全に発展／拡大するという要求、及び／或いは所与のタスク、プロジェクト、若しくはケースに関連付けられた予想される要求又は問題に基づいて、新規ケースに推奨される被雇用者データを生成するためにさらに処理／フィルタにかけられる。
１つの実施例では、新規ケースに推奨される被雇用者データは、新規ケース・ルール及び制約に準拠し、経験、地域、及び／又は作業負荷バランス要件を満たし、したがって、新しいタスク、プロジェクト、若しくはケースへの割当て／配分に推奨される、新規ケース要件及びスキル・セット・データに最も密接にマッチする正規化済スキル・セット・データを有する１人又は複数の被雇用者を表すデータを含む。
１つの実施例では、新規ケースに推奨される被雇用者データ、及び／又は、推奨される被雇用者についての理由及びランク付けは、承認、編集、及び最終的な被雇用者割当て／配分のために意思決定者に提供される。様々な実施例では、新規ケースに推奨される被雇用者データを受け取る意思決定者は、承認、編集、及び最終的な被雇用者割当て／配分のためのアクセス権／意思決定者の許可を有する監督者若しくは他の被雇用者などの人間の意思決定者、承認、編集、及び最終的な被雇用者割当て／配分のために、並びに／若しくは、新規ケースに推奨される被雇用者データのさらなる処理のために使用される１つ若しくは複数のアプリケーション、並びに／又は、承認、編集、及び最終的な被雇用者割当て／配分を担う団体などの他の任意のエンティティ、のうちの１つ又は複数であることが可能であるが、これらに限定されない。
上記に示したように、本開示の実施例は、機械学習アルゴリズム、ルール及び制約のフィルタリング、並びに負荷分散とともに、複数の情報源から取得した、正規化済多面的被雇用者スキル・セット・データを使用して、雇用者ビジネスの取引先の代わりに実施されている、タスク、プロジェクト、又はケースに人材を効果的且つ効率的に配分することについての長年の技術的問題への従来のアプローチに関連付けられた欠点のいくつかに対処する。
さらに、本開示の多面的システムは、静的でも固定的でもなく、むしろ、ユーザによりカスタマイズ可能且つ対応可能であるか、新しいデータ及び入力を動的且つほぼリアル・タイムに組み込んでいる。これにより、より多くのデータ、要素、及び広がりを追加して、複数の情報源の潜在的に変化するセットから取得した被雇用者の動的スキルをさらに洗練することが可能になる。
それでも、本開示の実施例は、雇用者ビジネスの取引先の代わりに実施されている、タスク、プロジェクト、又はケースに人材を効果的且つ効率的に配分するための、非常に効率的、効果的、且つ多目的なシステム及び方法を提供するが、多面的人材配分アドバイザを提供するためのシステム及び方法の本開示の実施例は、人材配分の領域におけるイノベーションの他の形を包含も、具体化も、排除もしない。
さらに、多面的人材配分アドバイザを提供するためのシステム及び方法の本開示の実施例は、少なくともいくつかの理由で抽象的なアイデアではない。
第１に、上述のように、ビジネスの各被雇用者は、非常に多くの専門スキル、並びに／又は非常に多くの特定の製品、モジュール、及び／若しくは特徴の経験、並びに／又は、ビジネスがサポート及び被雇用者を提供するこれらの製品及びモジュールに関連付けられた能力を潜在的に有している可能性がある。潜在的に何百もの製品及びモジュールに関連付けられた潜在的に何百ものスキルを、各被雇用者が有している可能性があることを考慮すると、たった１人の被雇用者のスキル・セットが、何百もの、又はことによると何千もの、個人スキルを含む可能性があることが往々にしてある。必然的に、所与のタスク、プロジェクト、又はケースをサポートするのに最適な、すなわち、最適任な被雇用者の効率的且つ効果的な配分を保証することが、急速に複雑且つ非常に困難なタスクになる恐れがある。
実際、問題はとても複雑になり得るので、潜在的に何百ものビジネスの取引先についての複数の、ことによると何百もの、タスク、プロジェクト、又はケースの潜在的に何百もの、又はことによると何千もの、個人スキル、及び要件をそれぞれが含み、潜在的に何百もの、又はことによると何千もの、スキル・セット要件、並びに契約履行要件及び制限をそれぞれが含む、複数の、ことによると何百もの、被雇用者のスキル・セットの間の相互作用及び関係を人間が正確に識別し、理解することはできない。問題は、それぞれの適任な被雇用者についての可用性、地域の要求、及び作業負荷も考慮しなければならないとき、さらにいっそう複雑になる。結果は、特定のタスク、プロジェクト、又はケースに人材を最も効果的且つ効率的に配分するのに必要な要因の間の重要な関係及び相互連絡を、人が認識するのを不可能にするという問題の複雑性である。
対照的に、本開示の実施例は、人間が行うことができない方式で、及び、人間が見分けることができない関係に基づいて、被雇用者スキル・セットを識別し、正規化し、ランク付けするために、独特の方式の機械学習技法を利用する。必然的に、多面的人材配分アドバイザを提供するための本開示のシステム及び方法は、それ自体が単なるアイデアではなく、精神的に、又はペン及び紙を使用して実施できないので、抽象的なアイデアではない。
第２に、多面的人材配分アドバイザを提供するための本開示のシステム及び方法は、基本的な経済的実践ではない（例えば、単に、契約上の関係を作り出すこと、決済リスクをヘッジすること、軽減すること、等だけではない）ので、抽象的なアイデアではない。
第３に、多面的人材配分アドバイザを提供するための本開示のシステム及び方法に数学を使用することができるが、本開示の及び特許請求されるシステム及び方法は、単に数学的な関係／公式ではないので、抽象的なアイデアではない。
さらに、上述のように、多面的人材配分アドバイザを提供するための本開示の方法及びシステムは、整理統合した及びより正確なデータの処理及び格納を提供する整理統合した、正規化した、及びより多くの焦点を合わせたデータを提供し、無関係な、不正確な、又は異常なデータの処理を最小化する。したがって、本開示の実施例を使用すると、不必要なデータ分析、移送、及び格納が回避される。必然的に、多面的人材配分アドバイザを提供するための本開示の方法及びシステムを使用すると、人材及び非人材の使用をより効率的にし、利用されるプロセッサ・サイクルが少なくなり、メモリ利用を減らし、バックエンド・システム並びに様々なシステム及び当事者との間でデータを中継するために利用される通信帯域幅を少なくする。結果として、コンピューティング・システムは、本開示の実施例を実行することによって、より速く、より効率的、且つ、より効果的なコンピューティング・システムに変換される。
さらに、本開示の実施例は、任意の抽象的なアイデアを著しく共に上回り、発明の概念及び技術的進歩を表す、データの統合、正規化、及び機械学習処理を含む動作の整然とした組合せを表す。
図１は、１つの実施例による、多面的人材配分アドバイザを提供するためのシステム及び方法の設計階層１００の図である。
図１に見られるように、設計階層１００は、本明細書で論じられる及び／又は示される様々なデータベース及びアプリケーション・サーバ、並びにこれらの機能を含むことができるサーバ層１０１と、Ｐｙｔｈｏｎ、パーソナル・ホーム・ページ（ＰＨＰ：Ｐｅｒｓｏｎａｌ Ｈｏｍｅ Ｐａｇｅ）、すなわち再帰的な頭字語ＰＨＰ、ＭａｒｉａＤＢ等などであるがこれらに限定されない、本明細書で論じられる及び／若しくは示される様々な開発ツール並びに／又はオープン・ソース技術を含むことができるツール層１０３と、本明細書で開示される自律機械学習プラットフォーム（ＡＭＬＰ：Ａｕｔｏｎｏｍｏｕｓ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｐｌａｔｆｏｒｍ）１０６、並びに、本明細書で論じられる及び／又は示される機械学習アルゴリズム、サービス、並びにモデルを含むことができるアプリケーション層１０５と、１つ又は複数のユーザ・アプリケーションを含むことができるユーザ層１０７と、を含むことができる。
様々な実施例では、ユーザ層１０７の１つ又は複数のユーザ・アプリケーションは、本開示の実施例では、多面的人材配分アドバイザ（ＭＨＲＡＡ：Ｍｕｌｔｉ－ｄｉｍｅｎｓｉｏｎａｌ Ｈｕｍａｎ Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ Ａｄｖｉｓｏｒ）アプリケーションであるアプリケーション１０８と、１つの実施例では、所与のケースが優先してエスカレートされる確率を推定するために使用される予測エスカレーション・アプリケーションであることが可能なアプリケーション１１０と、１つの実施例では、予測計画アプリケーションであることが可能なアプリケーション１１２と、本明細書で論じられるか、図示されるような、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に開発されるような、任意の数の他のタイプのアプリケーション「Ｎ」と、を含むことができるがこれらに限定されない。
様々な実施例では、アプリケーション１０８、１１０、１１２、及び「Ｎ」のいずれか又は全てが、様々な変更形態とともに、アプリケーション層１０５の自律機械学習プラットフォーム（ＡＭＬＰ）の構成要素及び機能、並びに、ツール層１０３及び／又はサーバ層１０１の構成要素の全て又は一部を使用して、これらの割り当てられたタスクを実施し、これらのそれぞれの機能をユーザに提供する。
本開示の焦点は、多面的人材アドバイザ、及び多面的人材推奨データをユーザに提供するために、多面的人材配分アドバイザ（ＭＨＲＡＡ）アプリケーション１０８と自律機械学習プラットフォームの相互作用にある。
処理
図２Ａ及び図２Ｂは共に、１つの実施例による、多面的人材配分推奨を行うための処理の流れ図である。
１つの実施例では、多面的人材配分推奨を行うための処理２００は、入る動作２０１で始まり、処理フローは、初期被雇用者スキル・セット・データを取得する動作２０３に進む。
１つの実施例では、初期被雇用者スキル・セット・データを取得する動作２０３において、１つ又は複数の情報源から初期被雇用者スキル・セット・データを取得する。
１つの実施例では、初期被雇用者スキル・セット・データを取得する動作２０３において、被雇用者自身、並びに／又は、被雇用者の雇用記録、並びに／又は、被雇用者のＨＲ記録、並びに／又は、証明書及び学校教育の公文書、並びに／又は、専門ソーシャル・メディア・サイト及び／若しくは一般ソーシャル・メディア・サイトによる被雇用者アカウント、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、初期の、自己報告した／申告した、及び／若しくは比較的変化のない初期被雇用者スキル・セット・データの他の任意の情報源、のうちの１つ又は複数を含むがこれらに限定されない１つ又は複数の情報源から、初期被雇用者スキル・セット・データを取得する。
図４Ａは、被雇用者はエンジニアである場合の、初期被雇用者スキル・セット・データの特定の例証的実例であり、初期被雇用者スキル・セット・データが、初期の被雇用者／エンジニア・スキル・プロフィール４００の中で提示される。図４Ａは、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、初期被雇用者スキル・セット・データを取得する動作２０３において、１つ又は複数の情報源から初期被雇用者スキル・セット・データを取得すると、処理フローは、動的被雇用者スキル・セット・データを取得する動作２０５に進む。
１つの実施例では、動的被雇用者スキル・セット・データを取得する動作２０５において、集約済の「仕事中に」獲得した被雇用者スキル及び実績に関連付けられた動的被雇用者スキル・セット・データを取得する。
１つの実施例では、動的被雇用者スキル・セット・データを取得する動作２０５において、集約済の「仕事中に」獲得したスキル及び実績に関連付けられた被雇用者の動的被雇用者スキル・セット・データは、終了したタスク、プロジェクト、若しくはケースの総数を含む被雇用者に関連付けられた動的更新後のタスク、プロジェクト、若しくはケースの終了データ、タスク、プロジェクト、若しくはケースについての終了までの動的更新後の平均時間、顧客／製品／被雇用者ごとの動的更新後の平均取引先調査若しくはランク付けデータ、動的更新後の経験及びチーム参加データ、動的更新後のチーム・リーダシップ経験データ、動的更新後のケース優先度経験、被雇用者の現在のローディングを決定するための期間ごとの動的更新後のマイルストーン、並びに／又は、本明細書で論じられるか、図示されるような、出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、動的被雇用者スキル・セット・データの他の任意の情報源のうちの１つ又は複数を含み、これらに基づいて、製品ライン、製品、及びリリース又はバージョン・レベルで取得される。
図４Ｂから図４Ｆは、被雇用者がソフトウェア・エンジニアである場合の、特定の例証的実例のための、動的被雇用者スキル・データの特定の例証的実例を示す。
具体的には、図４Ｂは、１つの実施例による、被雇用者／エンジニア・プロフィール・データ４２０の特定の例証的実例であり、図４Ｃは、１つの実施例による、動的被雇用者スキル・データに含まれる被雇用者／エンジニア製品モジュール・スキル・データ４３０の特定の例証的実例であり、図４Ｄは、１つの実施例による、動的被雇用者スキル・データに含まれる被雇用者／エンジニア・ケース・タイプ・スキル・データ４４０の特定の例証的実例であり、図４Ｅは、１つの実施例による、動的被雇用者スキル・データに含まれる被雇用者／エンジニア複雑性達成スキル・データ４５０の特定の例証的実例であり、図４Ｆは、１つの実施例による、動的被雇用者スキル・データに含まれる被雇用者／エンジニア調査平均データ４６０の特定の例証的実例である。
図４Ａから図４Ｆは、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、動的被雇用者スキル・セット・データを取得する動作２０５において、集約済の「仕事中に」獲得した被雇用者スキル及び実績に関連付けられた動的被雇用者スキル・セット・データを取得すると、処理フローは、被雇用者ＨＲデータを取得する動作２０７に進む。
１つの実施例では、被雇用者ＨＲデータを取得する動作２０７において、被雇用者に関連付けられた人材（ＨＲ）データを取得する。
様々な実施例では、被雇用者ＨＲデータを取得する動作２０７において取得した被雇用者に関連付けられたＨＲデータは、被雇用者の地理位置、被雇用者に関連付けられた時間帯、被雇用者に関連付けられた労働時間帯、被雇用者が理解する、話す、若しくは書く人間の言語、被雇用者が習熟している機械及びプログラミング言語、被雇用者証明書及び／若しくは教育データ、フルタイム、パートタイム、契約者等などの被雇用者タイプ、被雇用者が計画した有給休暇（ＰＴＯ：Ｐａｉｄ Ｔｉｍｅ Ｏｆｆ）、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に知られるように／利用可能になるような、他の任意のＨＲデータ、を含むことができるがこれらに限定されない。
１つの実施例では、被雇用者ＨＲデータを取得する動作２０７において、被雇用者に関連付けられたＨＲデータを取得すると、処理フローは、集約済被雇用者スキル・セット・データを生成するために、初期被雇用者スキル・セット・データ、動的被雇用者スキル・セット・データ、及び被雇用者ＨＲデータを集約する動作２０９に進む。
１つの実施例では、集約済被雇用者スキル・セット・データを生成するために、初期被雇用者スキル・セット・データ、動的被雇用者スキル・セット・データ、及び被雇用者ＨＲデータを集約する動作２０９において、被雇用者スキル・セットの整理統合を実施する。
１つの実施例では、集約済被雇用者スキル・セット・データを生成するために、初期被雇用者スキル・セット・データ、動的被雇用者スキル・セット・データ、及び被雇用者ＨＲデータを集約する動作２０９において、各被雇用者についての集約済被雇用者スキル・セット・データを生成し、各被雇用者についての集約済被雇用者スキル・セット・データを動的に更新するために、集約済初期被雇用者スキル・セット・データ、動的被雇用者スキル・セット・データ、及び、人材（ＨＲ）などであるがこれらに限定されない他の被雇用者データ、並びに／又は、他の被雇用者記録データの多面的分析に基づいて、被雇用者スキル・セットの整理統合を実施する。
下記で論じるように、１つの実施例では、集約済被雇用者スキル・セット・データを生成するために、初期被雇用者スキル・セット・データ、動的被雇用者スキル・セット・データ、及び被雇用者ＨＲデータを集約する動作２０９において実施される、初期被雇用者スキル・セット・データ、動的被雇用者スキル・セット・データ、及び被雇用者ＨＲデータの本開示の整理統合、訂正、及び統一は、被雇用者スキルの統一ビューに重要な被雇用者スキルの一意且つ異なる観点をもたらし、下記でより詳細にさらに論じるように、１つの実施例による、ケース割当てのための決定及び判定を行うために使用される本開示の正規化済被雇用者スキル・セット・ベクトル・データを生成するために、その後、１つの実施例で使用される被雇用者スキル・セット・データの生成及び正規化を可能にする、被雇用者スキル・セットの広がりを提供する。
１つの実施例では、集約済被雇用者スキル・セット・データを生成するために、初期被雇用者スキル・セット・データ、動的被雇用者スキル・セット・データ、及び被雇用者ＨＲデータを集約する動作２０９において、被雇用者スキル・セットの整理統合を実施すると、処理フローは、雇用者／監督者が課したルール及び制約データを生成する動作２１１に進む。
１つの実施例では、雇用者／監督者が課したルール及び制約データを生成する動作２１１において、雇用者／監督者が課したルール及び制約を定義し、雇用者／監督者が課したルール及び制約データを生成する。
１つの実施例では、雇用者／監督者が課したルール及び制約データを生成する動作において定義した雇用者／監督者が課したルール及び制約の具体例は、任意若しくは特定の被雇用者に割り当てることができる活動中のタスク、プロジェクト、若しくはケースの数を制限するルール及び制約、任意若しくは特定の被雇用者に割り当てることができる定義した時間フレームごとの有効な期限若しくは指標の数を制限するルール及び制約、任意若しくは特定の被雇用者に割り当てることができる特定の優先度若しくは緊急性の活動中のタスク、プロジェクト、若しくはケースの最大数を制限するルール及び制約、契約被雇用者などの他のタイプの被雇用者を割り当てる前の、フルタイム被雇用者などの特定のタイプの被雇用者の使用に関するルール及び制約、種々の優先タスク、プロジェクト、若しくはケース、及び取引先との様々な役割に必要な被雇用者の経験に関するルール及び制約、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるか、利用可能になるような、他の任意の雇用者／監督者が課したルール及び制約、を含むがこれらに限定されない。
注目すべきことに、典型的には、割り当てられた優先度が高くなるケースは、所与の時間フレームの間、関連付けられたマイルストーン／ゴールの数がこれに対応して大きくなる。一実例として、優先度２（Ｐ２）のケースは、１週ごとに追跡される５つのマイルストーン／ゴールを有することがあるが、優先度１（Ｐ１）のケースは、１日あたり１０個のマイルストーンを有することがある。必然的に、本開示の実施例を使用すると、ケースの総数だけでなく、優先度も追跡され、したがって、所与の時間フレームごとに関連付けられたマイルストーン／ゴールが追跡される。
１つの実施例では、雇用者／監督者が課したルール及び制約データを生成する動作において定義した雇用者／監督者が課したルール及び制約の具体例は、遅延を減らし、取引先への応答性を向上させるために、チーム、地域、及びオフィスの間で、地球規模でケースを受け渡すことができる「フォロー・ザ・サン」モデルで、地球全体にわたって製品ラインをサービスすること、並びに／又は、取引先及びケースのためにチームをサポートすることができる被雇用者の選択を可能にするための、被雇用者が作業する地域、並びに、この地域についてのチーム、監督者、及び組織に関するルール及び制約、も含むがこれらに限定されない。
１つの実施例では、雇用者／監督者が課したルール及び制約は、アクセス権を有する任意の雇用者又は監督者によって、及び任意のサポートされる製品又はモジュールのために、いつでも有効化すること、並びに／又は、修正及び調節することができる。必然的に、本開示の実施例は、任意の製品ライン、製品チーム、サービス、取引先、又はケースについての被雇用者スキルのそれぞれについて、いつでも、及び、アクセス権／配分権を有する誰かによって、閾値及びルール及び制約のセットを定義し、修正することができるという点で、極めて柔軟である。
１つの実施例では、雇用者／監督者が課したルール及び制約データを生成する動作２１１において、雇用者／監督者が課したルール及び制約を定義し、雇用者／監督者が課したルール及び制約データを生成すると、処理フローは、新規ケース・データを取得する動作２１３に進む。
１つの実施例では、新規ケース・データを取得する動作２１３において、新規ケース・データを取得する。
１つの実施例では、新規ケース・データを取得する動作２１３において、ビジネスの被雇用者及び／又はビジネスの取引先による新しいタスク、プロジェクト、又はケース・リクエストを登録するために使用されるケース採用及び管理システムから、新規ケース・データを取得する。
様々な実施例では、新規ケース・データは、タスク、プロジェクト、又はケースの名称、タスク、プロジェクト、又はケースを実施することになる取引先の名称、タスク、プロジェクト、又はケースの優先度、タスク、プロジェクト、又はケースに関連付けられた取引先の優先度、タスク、プロジェクト、又はケースに関連付けられた機器のタイプ又は製品ライン、タスク、プロジェクト、又はケースに関連付けられた機器のタイプ又は製品ラインとともに含まれる任意のサブ構成要素、タスク、プロジェクト、又はケースのタイプ、タスク、プロジェクト、又はケースの複雑性、タスク、プロジェクト、又はケースに関連付けられた取引先が、エスカレートした又は戦略的な取引先であるかどうか、取引先、及び／又はタスク、プロジェクト、若しくはケースに関連付けられた任意の調査又はレビュー・データの平均、取引先の地理位置及び／又はタスク、プロジェクト、若しくはケースを実施することになる場所、取引先の位置及び／又はタスク、プロジェクト、若しくはケースを実施することになる場所に関連付けられた時間帯、並びに／或いは、本明細書で論じられるか、図示されるような、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に利用可能になるような、他の任意の新規ケース・データ、を表すデータを含むがこれらに限定されない。
１つの実施例では、新規ケース・データを取得する動作２１３において、新規ケース・データを取得すると、処理フローは、新規ケース・データに関連付けられた取引先についての取引先データを取得する動作２１５に進む。
１つの実施例では、新規ケース・データを取得することに加えて、新規ケース・データに関連付けられた取引先についての取引先データを取得する動作２１５において、新規ケース・データに関連付けられた取引先についての履歴及び現在の取引先データを取得する。様々な実施例では、新規ケース・データに関連付けられた取引先についての取引先データを取得する動作２１５において取得した取引先データは、集約済取引先データであり、取引先データの少なくとも一部は、新規ケース・データの一部として取得され、取引先の優先度、取引先に関連付けられた機器又は製品ラインのタイプ、取引先、及び／又は取引先の代わりに実施されるタスク、プロジェクト、若しくはケースに関連付けられた任意の契約上の義務及び／又は要件、取引先が、エスカレートした又は戦略的な取引先であるかどうか、取引先に関連付けられた任意の調査又はレビュー・データの平均、取引先の地理位置、取引先の位置に関連付けられた時間帯、並びに／或いは、本明細書で論じられるか、図示されるような、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に利用可能になるか、知られるような、他の任意の取引先データ、を表すデータを含むことができるがこれらに限定されない。
様々な実施例では、取引先データは、雇用者ビジネスによって維持される取引先及び／若しくはケース記録、取引先に関連付けられたソーシャル・メディア・アカウント、取引先に関連付けられたウェブサイト及び広告、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に利用可能になるか、知られるような、取引先データの他の任意の情報源、のうちの１つ又は複数から取得されるがこれらに限定されない。
１つの実施例では、新規ケース・データに関連付けられた取引先についての取引先データを取得する動作２１５において、新規ケース・データに関連付けられた取引先についての履歴及び現在の取引先データを取得すると、処理フローは、新規ケース要件及びスキル・セット・データを生成するために、新規ケース・データ及び取引先データを処理する動作２１７に進む。
１つの実施例では、新規ケース要件及びスキル・セット・データを生成するために、新規ケース・データ及び取引先データを処理する動作２１７において、新規ケース要件及びスキル・セット・データを識別／生成する。
１つの実施例では、新規ケース要件及びスキル・セット・データを生成するために、新規ケース・データ及び取引先データを処理する動作２１７において、タスク、プロジェクト、若しくはケース、及び／又は取引先の要求を満たすために、新規ケース及び新規ケースに割り当てられた被雇用者の必要なスキル・セットに関連付けられた新規ケース要件及び／又は契約上の義務を識別するために、新規ケース・データを取得する動作２１３の新規ケース・データ、及び新規ケース・データに関連付けられた取引先についての取引先データを取得する動作２１５の取引先データを処理する。
１つの実施例では、次に、新規ケース及び新規ケース・スキル・セットに関連付けられた識別した新規ケース要件及び／又は契約上の義務を表す、新規ケース要件及びスキル・セット・データを生成する。
１つの実施例では、新規ケース要件及びスキル・セット・データを生成するために、新規ケース・データ及び取引先データを処理する動作２１７において、新規ケース要件及びスキル・セット・データを識別すると、処理フローは、取引先が課したルール及び制約データを識別するために、新規ケース要件及びスキル・セット・データを処理する動作２１９に進む。
１つの実施例では、取引先が課したルール及び制約データを識別するために、新規ケース要件及びスキル・セット・データを処理する動作２１９において、取引先が課したルール及び制約データを生成する。
１つの実施例では、取引先が課したルール及び制約データを識別するために、新規ケース要件及びスキル・セット・データを処理する動作２１９において、新規ケース要件及びスキル・セット・データを生成するために、新規ケース・データ及び取引先データを処理する動作２１７の新規ケース要件及びスキル・セット・データを、取引先が課したルール及び制約を識別するためにさらに処理し、取引先が課したルール及び制約データを生成する。
様々な実施例では、取引先が課したルール及び制約データは、取引先のために作業する、及び／若しくは新規ケースに割り当てられる被雇用者に必要な市民権を示すルール及び制約、取引先のために作業する、及び／若しくは新規ケースに割り当てられる被雇用者が話す必要な言語を示すルール及び制約、取引先のために作業する、及び／若しくは新規ケースに割り当てられる被雇用者の可用性に関するルール及び制約、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるか、利用可能になるような、他の任意の取引先が課したルール及び制約、を含むがこれらに限定されない。
１つの実施例では、取引先が課したルール及び制約データを識別するために、新規ケース要件及びスキル・セット・データを処理する動作２１９において、取引先が課したルール及び制約データを生成すると、処理フローは、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約する動作２２１に進む。
１つの実施例では、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約する動作２２１において、雇用者／監督者が課したルール及び制約データを生成する動作２１１の雇用者／監督者が課したルール及び制約データ、並びに、取引先が課したルール及び制約データを識別するために、新規ケース要件及びスキル・セット・データを処理する動作２１９の取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約し、訂正する。
図６Ａは、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約する動作２２１において生成された選択可能且つ編集可能なルール及び制約を表すルール及び制約データの特定の例証的実例を示す。
上述のように、１つの実施例では、図６Ａのルール及び制約は、アクセス権を有する任意の雇用者又は監督者によって、及び任意のサポートされる製品又はモジュールのために、いつでも有効化すること、並びに／又は、修正及び調節することができる。必然的に、本開示の実施例は、任意の製品ライン、製品チーム、サービス、取引先、又はタスク／プロジェクト／ケースについての被雇用者スキルのそれぞれについて、いつでも、及び、アクセス権／配分権を有する誰かによって、閾値及びルール及び制約のセットを定義することができるという点で、極めて柔軟である。
特定の例証的実例として、図６Ｂ及び図６Ｃは、１つの実施例による、ルール及び制約値を設定並びに編集するためのルール及び制約修正インターフェースの特定の例証的実例を示す。
図６Ａ、図６Ｂ、及び図６Ｃは、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約する動作２２１において、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約し、訂正すると、処理フローは、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データを処理して、新規ケース・ベクトル・データを生成する動作２２３に進む。
下記で論じるように、１つの実施例では、新規ケース要件及びスキル・セット・データの、所与のタスク、プロジェクト、又はケースに必要であると識別されたスキル・セットについての集約済被雇用者スキル・セット・データ、及び、所与のプロジェクト、タスク、又はケースに関連付けられたジョブ固有要件を識別し、正規化し、ランク付けするために、機械学習アルゴリズムが使用される。このために、１つの実施例では、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データを処理して、新規ケース・ベクトル・データを生成する動作２２３において、新規ケース要件及びスキル・セット・データを生成するために、新規ケース・データ及び取引先データを処理する動作２１７の新規ケース要件及びスキル・セット・データ、並びに、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約する動作２２１の新規ケース・ルール及び制約データを処理して、新規ケース・ベクトル・データを生成する。
１つの実施例では、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データを処理して、新規ケース・ベクトル・データを生成する動作２２３において、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データを処理して、新規ケースに理想的にマッチした仮定の被雇用者に必要なスキル及び要件を表す新規ケース・ベクトル・データを生成する。
１つの実施例では、新規ケース・ベクトル・データは、識別した新規ケースに理想的な被雇用者データから導出され、新規ケースに理想的な被雇用者データ要素に対応する２つ以上の新規ケース・ベクトル要素を含む。１つの実施例では、新規ケース・ベクトル・データは、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データを、入力データとして使用して、１つ又は複数の機械学習サービス及び／又はモジュールによって生成される。１つの実施例では、２つ以上の新規ケース要素のそれぞれは、新規ケース要件及びスキル・セット・データ要素のうちの１つに関係がある。
様々な実施例では、機械学習サービス又はモジュールのうちの１つ又は複数は、教師あり機械学習サービス若しくはモデル、教師なし機械学習サービス若しくはモデル、半教師あり機械学習サービス若しくはモデル、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるか、利用可能になるような、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データに基づいて、新規ケース・ベクトル・データを生成することができる、他の任意の機械学習サービス若しくはモデル、のうちの１つ又は複数を含むがこれらに限定されない。
図８は、１つの実施例による、被雇用者がソフトウェア・エンジニアである場合の、新規ケース・ベクトル要素８００の特定の例証的実例の説明図である。図８は、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データを処理して、新規ケース・ベクトル・データを生成する動作２２３において、新規ケース・ベクトル・データを生成すると、処理フローは、集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データを処理して、初期のスキル・セットにマッチした被雇用者データを識別する動作２２５に進む。
１つの実施例では、集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データを処理して、初期のスキル・セットにマッチした被雇用者データを識別する動作２２５において、初期のスキル・セットにマッチした被雇用者データを生成する。
１つの実施例では、集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データを処理して、初期のスキル・セットにマッチした被雇用者データを識別する動作２２５において、各被雇用者についての集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データは、新規ケース要件及びスキル・セット・データに示されたスキル・セットにマッチする、又は最も密接にマッチする、関連付けられたスキル・セット・データを有しているように見える被雇用者を表す、初期のスキル・セットにマッチした被雇用者データを、これらの関連付けられたスキル・セット・データとともに、識別するためにスキルにマッチされる。
１つの実施例では、集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データを処理して、初期のスキル・セットにマッチした被雇用者データを識別する動作２２５において、各被雇用者についての集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データは、Ｋ近傍（ＫＮＮ：Ｋ ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ）分類、及び重み付けした若しくは重み付けしないユークリッド距離法、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意の分類アルゴリズム／方法、などであるがこれらに限定されない、１つ又は複数の機械学習アルゴリズムを使用してスキルにマッチされる。
１つの実施例では、集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データを処理して、初期のスキル・セットにマッチした被雇用者データを識別する動作２２５において、被雇用者は、マッチしたスキル又はマッチしたスキル特徴とも呼ばれる、新規ケース要件及びスキル・セット・データと、集約済被雇用者スキル・セット・データの両方に存在する識別した共通スキルに基づいて、新規ケース要件及びスキル・セット・データに示されたスキル・セットにマッチする、又は最も密接にマッチすると最初に判定される。
１つの実施例では、集約済被雇用者スキル・セット・データと、新規ケース要件及びスキル・セット・データを処理して、初期のスキル・セットにマッチした被雇用者データを識別する動作２２５において、初期のスキル・セットにマッチした被雇用者データを生成すると、処理フローは、各スキル・セットにマッチした被雇用者について、マッチしたスキル特徴を正規化する動作２２７に進む。
１つの実施例では、所与のタスク、プロジェクト、又はケースに必要であると識別されたスキル・セットについての集約済被雇用者スキル・セット・データ、及び、所与のタスク、プロジェクト、又はケースに関連付けられたジョブ固有要件を識別し、正規化し、ランク付けするために、機械学習アルゴリズムが使用される。
１つの実施例では、各スキル・セットにマッチした被雇用者について、マッチしたスキル特徴を正規化する動作２２７において、各被雇用者スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・データを生成する。
１つの実施例では、初期のスキル・セットにマッチした被雇用者データに表された各被雇用者についてのスキル・セットに含まれるマッチしたスキルは、各被雇用者についての正規化済被雇用者スキル・セット・データを生成するために正規化される。１つの実施例では、正規化処理は、マッチしたスキルに関連付けられた被雇用者についての動的な「仕事中に」獲得したスキル・セット・データに基づく。
様々な実施例では、マッチしたスキル・セット特徴に関連付けられた被雇用者についての動的スキル・セット・データは、被雇用者が終了させた全ケース、被雇用者が終了させたケースについての平均解決時間、被雇用者についての平均顧客満足度レビュー・スコア・データ、マッチしたスキル・セット特徴に関連のある被雇用者が所有した、及び／若しくは終了させたケース、スキル・セット特徴に関連のある被雇用者がリードし、終了させたケース、マッチしたスキル・セット特徴に関連のある被雇用者が貢献したケース、マッチしたスキル・セット特徴に関連のある被雇用者チームが所有した、及び／若しくは終了した、及び／若しくは関与したケースに関連付けられた解決時間、マッチしたスキル・セット特徴に関連付けられた被雇用者チームについてのレビュー及び顧客満足度入力／評価、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に利用可能になるような、被雇用者及びマッチしたスキル・セット特徴に関連付けられた他の任意の動的スキル・セット・データ、のうちの１つ又は複数を表すデータを含むことができるがこれらに限定されない。
図９Ａは、１つの実施例による、実施されるスキル発見、スキル正規化、及びスキル・ランク付けの特定の例証的実例の高レベル説明図である。
図９Ｂは、１つの実施例による、実施される図９Ａのスキル発見、スキル正規化、及びスキル・ランク付けの結果の特定の例証的実例である。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、各被雇用者についての正規化済の初期のスキル・セットにマッチした被雇用者データは、マッチしたスキルに関連付けられた被雇用者についての動的スキル・セット・データと、ミニ・マックス正規化、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意の正規化アルゴリズム／方法などであるがこれらに限定されない、１つ又は複数の機械学習アルゴリズムと、を使用して生成される。
図９Ｃは、１つの実施例による、実施される正規化処理の１つの例証的実例に関連付けられた正規化データ及び処理属性の特定の例証的実例である。
図９Ｄは、１つの実施例による、正規化及びスキル・マッチング処理の特定の例証的実例のステップのいくつかを示す。
本開示の実施例は、複数の被雇用者のスキル・セットを、所与のタスク、プロジェクト、又はケースの要求と客観的に比較できるように、１人の被雇用者のスキルを別の被雇用者のスキルに対して「正規化する」ために提供する。これは、被雇用者の報告した／既知のスキル及び潜在的なタスク、プロジェクト、若しくはケース、及び／又は取引先についての、履歴及び現在の集約済の「仕事中の」被雇用者実績、及び被雇用者の動的作業経験パラメータの効果を考慮し、統合することによって行われる。結果として、本開示の実施例を使用すると、複数の被雇用者のスキル・セット・データの比較及び分析は、被雇用者の報告した／既知のスキル、及び所与のタスク、プロジェクト、若しくはケース、又は取引先の識別した要求に関する、「現実世界の」及び集約済の「仕事中の」実績考慮を反映する。必然的に、本開示の正規化処理は、被雇用者のスキル・セット・データを一様に評価するために、「仕事中に」取得した動的被雇用者スキルを統合する。
図９Ａ、図９Ｂ、図９Ｃ、及び図９Ｄは、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、各スキル・セットにマッチした被雇用者について、マッチしたスキル特徴を正規化する動作２２７において、各被雇用者スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・データを生成すると、処理フローは、各スキル・セットにマッチした被雇用者について、正規化済被雇用者スキル・セット・データ及び特徴に基づいて、正規化済被雇用者スキル・セット・ベクトル・データを生成する動作２２９に進む。
１つの実施例では、各スキル・セットにマッチした被雇用者について、正規化済被雇用者スキル・セット・データ及び特徴に基づいて、正規化済被雇用者スキル・セット・ベクトル・データを生成する動作２２９において、正規化済被雇用者スキル・セット・ベクトル・データを生成する。
１つの実施例では、各スキル・セットにマッチした被雇用者について、正規化済被雇用者スキル・セット・データ及び特徴に基づいて、正規化済被雇用者スキル・セット・ベクトル・データを生成する動作２２９において、各スキル・セットにマッチした被雇用者について、マッチしたスキル特徴を正規化する動作２２７の各初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・データに表された正規化済スキル・セット特徴は、初期のスキル・セットにマッチした被雇用者データに表された、各被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データを生成するために使用される。１つの実施例では、正規化済被雇用者スキル・セット・ベクトル・データは、初期のスキル・セットにマッチした被雇用者データに表された各初期にマッチした被雇用者に関連付けられた正規化済被雇用者スキル・セット・データ特徴のそれぞれに関係がある正規化済被雇用者スキル・セット・ベクトル要素を含む。
１つの実施例では、各初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データは、正規化済マッチしたスキル・セット特徴と、新規ケース・ルール及び制約データを入力データとして使用して、１つ若しくは複数の機械学習サービス及び／又はモデルによって生成される。様々な実施例では、機械学習サービス又はモジュールのうちの１つ又は複数は、教師あり機械学習サービス若しくはモデル、教師なし機械学習サービス若しくはモデル、半教師あり機械学習サービス若しくはモデル、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるか、利用可能になるような、正規化済被雇用者スキル・セット・データ特徴と、新規ケース・ルール及び制約データを入力データとして使用することに基づいて、正規化済被雇用者スキル・セット・ベクトル・データを生成することができる、他の任意の機械学習サービス若しくはモデル、のうちの１つ又は複数を含むがこれらに限定されない。
図１０は、１つの実施例による、特定の例証的実例の正規化済被雇用者スキル・セット・ベクトル要素１０００の説明図である。図１０は、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、各スキル・セットにマッチした被雇用者について、正規化済被雇用者スキル・セット・データ及び特徴に基づいて、正規化済被雇用者スキル・セット・ベクトル・データを生成する動作２２９において、正規化済被雇用者スキル・セット・ベクトル・データを生成すると、処理フローは、図２Ａから図２Ｂに、並びに、各スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ、及び新規ケース・ベクトル・データを、機械学習アルゴリズムに提供して、未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成する動作２３１に進む。
１つの実施例では、各スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ、及び新規ケース・ベクトル・データを、機械学習アルゴリズムに提供して、未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成する動作２３１において、１つ又は複数の機械学習アルゴリズムを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成する。
１つの実施例では、各スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ、及び新規ケース・ベクトル・データを、機械学習アルゴリズムに提供して、未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成する動作２３１において、新規ケース要件及びスキル・セット・データと、新規ケース・ルール及び制約データを処理して、新規ケース・ベクトル・データを生成する動作２２３の新規ケース・ベクトル・データ、各スキル・セットにマッチした被雇用者について、正規化済被雇用者スキル・セット・データ及び特徴に基づいて、正規化済被雇用者スキル・セット・ベクトル・データを生成する動作２２９の各初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ、並びに、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約する動作２２１の新規ケース・ルール及び制約データは、予め訓練した機械学習モデルへの入力データとして使用される。
１つの実施例では、機械学習モデルは、被雇用者が終了させた全ケース、被雇用者が終了させたケースについての平均解決時間、被雇用者についての平均顧客満足度レビュー・スコア・データ、履歴ケース・データ、履歴取引先データ、履歴初期被雇用者スキル・セット・データ、履歴動的被雇用者スキル・セット・データ、履歴被雇用者ＨＲデータ、並びに履歴ルール及び制約データ、並びに、集約したタスク、プロジェクト、又はケース完了データ、顧客レビュー／評価データ、並びに他の履歴ケース及び履歴被雇用者データ、を含むがこれらに限定されない訓練データを使用して、オフライン環境で訓練される。１つの実施例では、この訓練データを使用して、機械学習モデルは、新規ケース・ルール及び制約データをマッチング制約／フィルタとして使用して、各初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データを新規ケース・ベクトル・データとマッチさせ、ランク付けするように訓練される。
様々な実施例では、機械学習モデルは、教師あり機械学習サービス若しくはモデル、教師なし機械学習サービス若しくはモデル、半教師あり機械学習サービス若しくはモデル、又は、新規ケース・ルール及び制約データをマッチング制約／フィルタとして使用して、各初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データを新規ケース・ベクトル・データとマッチさせ、ランク付けすることができる、他の任意の機械学習サービス若しくはモデル、のうちの任意の１つ又は複数である。
特定の例証的実例として、１つの実施例では、機械学習モデルは、重み付けした若しくは重み付けしないユークリッド距離法、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意のランク付けアルゴリズム／方法を利用する。
１つの実施例では、機械学習モデルの出力は、未加工のランク付けしたスキルにマッチした被雇用者推奨データである。１つの実施例では、未加工のランク付けしたスキルにマッチした被雇用者推奨データは、新規ケースにマッチした、又は最も密接にマッチした被雇用者を表すデータを含む。
図１１は、１つの実施例による、図３の新規ケース・データ３０７と図８の新規ケース・ベクトル要素８００、図３の集約済被雇用者スキル・セット・データ３２３と図１０の正規化済被雇用者スキル・セット・ベクトル要素１０００、図７のスキル・マッチング、正規化、及びランク付けサブシステム７００、並びに、図７の未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３、の相互作用及び関係の特定の例証的実例の説明図である。図３、図７、図８、図１０、及び図１１は、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、各スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ、及び新規ケース・ベクトル・データを、機械学習アルゴリズムに提供して、未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成する動作２３１において、１つ又は複数の機械学習アルゴリズムを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成すると、処理フローは、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３に進む。
１つの実施例では、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３において、フィルタ後のスキルにマッチした被雇用者推奨データを生成する。
１つの実施例では、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３において、各スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ、及び新規ケース・ベクトル・データを、機械学習アルゴリズムに提供して、未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成する動作２３１の未加工のランク付けしたスキルにマッチした被雇用者推奨データは、雇用者／監督者が課したルール及び制約データと、取引先が課したルール及び制約データを、新規ケース・ルール及び制約データを生成するために集約する動作２２１の新規ケース・ルール及び制約データに表されたルール及び制約に基づいてフィルタにかけられ、新規ケース・ルール及び制約データのルール及び制約にも準拠する新規ケースにマッチした、又は最も密接にマッチした被雇用者を表す、フィルタ後のスキルにマッチした被雇用者推奨データを生成する。
図１３は、１つの実施例による、フィルタリング・サブシステムの特定の例証的実例の動作の説明図である。図１３は、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３において、フィルタ後のスキルにマッチした被雇用者推奨データを生成すると、処理フローは、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５に進む。
１つの実施例では、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５において、新規ケースに推奨される被雇用者データを生成する。
１つの実施例では、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５において、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３のフィルタ後のスキルにマッチした被雇用者推奨データをさらに処理／フィルタにかけて、被雇用者の作業負荷バランス考慮に基づく、新規ケースに推奨される被雇用者データを生成する。
１つの実施例では、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５における負荷分散考慮の目的は、フィルタ後のスキルにマッチした被雇用者推奨データをさらに処理及び／又はフィルタリングして、被雇用者ケース・ローディング・データに示されるような被雇用者の作業負荷バランス考慮に基づく、並びに、新規ケース・ルール及び制約データに示されるような１つ又は複数のルール及び制約による、新規ケースに推奨される被雇用者データを生成することである。この特徴は、図１４について下記でより詳細に論じる。
１つの実施例では、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５において、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３のフィルタ後のスキルにマッチした被雇用者推奨データをさらに処理／フィルタにかけて、個々の被雇用者スキルの発展／拡大に基づく、新規ケースに推奨される被雇用者データを生成する。
１つの実施例では、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３における個々の被雇用者スキル考慮の発展／拡大の追加の目的は、新規ケース及び取引先の要求を同時に満たしながら、雇用者ビジネスの被雇用者のスキル・セットを開発することである。このために、雇用者ビジネス及び／又はビジネスの取引先によって必要であると判断された新しく、且つ定義した、スキルを開発することができる、仕事及びケースへの被雇用者の割当てを支配する雇用者／監督者の被雇用者開発ルールを生成し、ルール及び制約に格納する。この特徴は、図１６について下記でより詳細に論じる。
１つの実施例では、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５において、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３のフィルタ後のスキルにマッチした被雇用者推奨データをさらに処理／フィルタにかけて、被雇用者が作業している地域又は「現場」、並びに、この地域／現場についてのチーム、監督者、及び組織に関係するルール及び制約に基づく、新規ケースに推奨される被雇用者データを生成し、遅延を減らし、取引先への応答性を向上させるために、チーム、地域、及びオフィスの間で、地球規模でケースを受け渡すことができる「フォロー・ザ・サン」モデルで、地球全体にわたって製品ラインをサービスすること、並びに／又は、取引先及びケースのためにチームをサポートすることができる被雇用者の選択を可能にする。
１つの実施例では、新規ケースに推奨される被雇用者データは、新規ケース・ルール及び制約に準拠し、経験及び／又は作業負荷バランス要件を満たし、したがって、新しいタスク、プロジェクト、又はケースへの割当て／配分に推奨される、新規ケース要件及びスキル・セット・データに最も密接にマッチするスキル・セット・データを有する１人又は複数の被雇用者を表すデータを含む。
図１５は、１つの実施例による、新規ケース・ルール及び制約データを使用して、未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけて、フィルタ後のスキルにマッチした被雇用者推奨データを生成する動作２３３におけるフィルタリング・サブシステムと、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５の負荷分散サブシステムとを、特定のケースに関連付けられた識別した必要なスキルにマッチする、又は最も密接にマッチするスキル・セット・データを有する被雇用者の初期プールに適用した累積的効果の高レベル説明図である。図１５は、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５において、新規ケースに推奨される被雇用者データを生成すると、処理フローは、レビュー及び／又は承認のために、推奨される被雇用者データを意思決定者に提供する動作２３７に進む。
１つの実施例では、レビュー及び／又は承認のために、推奨される被雇用者データを意思決定者に提供する動作２３７において、負荷分散及び仕事上の考慮を使用して、フィルタ後のスキルにマッチした被雇用者推奨データを処理して、新規ケースに推奨される被雇用者データを生成する動作２３５の新規ケースに推奨される被雇用者データ、並びに／又は、推奨される被雇用者についての理由及びランク付けは、承認、編集、及び最終的な被雇用者割当て／配分のために意思決定者に提供される。
様々な実施例では、新規ケースに推奨される被雇用者データを受け取る意思決定者は、承認、編集、及び最終的な被雇用者割当て／配分のためのアクセス権／意思決定者の許可を有する監督者若しくは他の被雇用者などの人間の意思決定者、承認、編集、及び最終的な被雇用者割当て／配分のために、並びに／若しくは、新規ケースに推奨される被雇用者データのさらなる処理のために使用される１つ若しくは複数のアプリケーション、並びに／又は、承認、編集、及び最終的な被雇用者割当て／配分を担う団体などの他の任意のエンティティ、のうちの１つ又は複数であることが可能であるが、これらに限定されない。
図１７Ａ、図１７Ｂ、図１７Ｃ、図１７Ｄ、図１７Ｅ、図１７Ｆ、及び図１７Ｇは、多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザ体験を示す性質をもつ、１つの実施例による、ユーザ・インターフェース画面の特定の例証的実例である。図１７Ａ、図１７Ｂ、図１７Ｃ、図１７Ｄ、図１７Ｅ、図１７Ｆ、及び図１７Ｇは、下記でより詳細に論じる。
図２Ａ及び図２Ｂに戻ると、１つの実施例では、レビュー及び／又は承認のために、推奨される被雇用者データを意思決定者に提供する動作２３７において、承認、編集、及び最終的な被雇用者割当て／配分のために、新規ケースに推奨される被雇用者データを意思決定者に提供すると、処理フローは、出口２４０に進む。
１つの実施例では、出口２４０において、多面的人材配分推奨を行うための処理２００を出て、新しいデータを待つ。
システム構成要素、相互作用、及び動作
以下の議論では、多面的人材配分アドバイザ・システムの１つの実施例の構成要素の編成及び動作の特定の例証的実例を提供する。以下の議論では、図３、図５、図７、図１２、図１４、及び図１６の多面的人材配分アドバイザ・システム及びサブシステムの特定の例証的実例は、多面的人材配分アドバイザ・システムの１つの実施例の編成及び動作の１つの実例にすぎない。本明細書で開示される多面的人材配分アドバイザ・システムの編成及び動作の非常に多くの他の実例が可能であることを当業者は認識するであろう。したがって、以下の議論、並びに図３、図５、図７、図１２、図１４、及び図１６は、下記の特許請求の範囲に記載したような、本発明に何らかの限定を課すものと解釈されるべきではない。
さらに、図４Ａから図４Ｆ、図６Ａから図６Ｃ、図８、図９Ａから図９Ｄ、図１０、図１１、図１３、図１５、及び図１７Ａから図１７Ｇの関連付けられたサポートは、図４Ａから図４Ｆ、図６Ａから図６Ｃ、図８、図９Ａから図９Ｄ、図１０、図１１、図１３、図１５、及び図１７Ａから図１７Ｇの特定の例証的実例において、ビジネスの取引先のためのエンタープライズ・リソース・プランニング（ＥＲＰ）システムをサポートするためにソフトウェア・エンジニアを提供する雇用者ビジネスとともに使用するために実行される、多面的人材配分アドバイザ・システムの１つの実施例の編成及び動作の１つの実施例の特定の例証的実例にも関連付けられる。非常に多くの他のタイプの雇用者ビジネス及び取引先のための非常に多くの他の実装形態が可能であり、本発明者によって想定されることを当業者は認識するであろう。したがって、以下の議論、及び図は、下記の特許請求の範囲に記載したような、本発明に何らかの限定を課すものと解釈されるべきではない。
図３は、１つの実施例による、多面的人材配分アドバイザ・システム３００の様々な構成要素の全般的な編成、相互作用、及び動作を示す構成要素図である。
図３に見られるように、多面的人材配分アドバイザ・システム３００は、様々なユーザ・アプリケーションを含む、自律機械学習プラットフォーム１０６、ケース採用及び管理システム３０１、並びにユーザ層１０７を含む。
図３に見られるように、及び図１について上述したように、ユーザ層１０７は、本開示の実施例では、多面的人材配分アドバイザ（ＭＨＲＡＡ）アプリケーションであるアプリケーション１０８と、１つの実施例では、所与のケースが優先してエスカレートされる確率を推定するために使用される予測エスカレーション・アプリケーションであることが可能なアプリケーション１１０と、１つの実施例では、予測計画アプリケーションであることが可能なアプリケーション１１２と、本明細書で論じられるような、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に開発されるような、任意の数の他のタイプのアプリケーション「Ｎ」と、などであるがこれらに限定されない、ケース採用及び管理システム３０１を介したユーザによる使用のための様々なユーザ・アプリケーションを含むことができる。
様々な実施例では、アプリケーション１０８、１１０、１１２、及び「Ｎ」のいずれか又は全てが、ケース採用及び管理システム３０１を介して、様々な変更形態とともに、自律機械学習プラットフォーム（ＡＭＬＰ）１０６の構成要素及び機能の全て又は一部を使用して、これらの割り当てられたタスクを実施し、これらのそれぞれの機能をユーザに提供する。１つの本開示の焦点は、ケース採用及び管理システム３０１を介して、多面的人材アドバイザ、及び推奨される被雇用者データ３６３をユーザに提供するために、多面的人材アドバイザ（ＭＨＲＡＡ）アプリケーションとの自律機械学習プラットフォーム１０６の相互作用にある。
このために、図３に見られるように、１つの実施例では、自律機械学習プラットフォーム１０６は、企業機械学習（ＭＬ：Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）データベース３２０、雇用者ビジネス・データベース３３１、ルール及び制約データベース３４５、並びに機械学習（ＭＬ）エンジン３５０を含む。
下記でより詳細に論じるように、１つの実施例の動作では、企業ＭＬデータベース３２０は、多面的人材配分アドバイザ・システム３００の他の構成要素から取得した、及び／又は、他の構成要素によって提供／生成されたデータのための主要なリポジトリである。したがって、１つの実施例では、企業ＭＬデータベース３２０は、多面的人材配分アドバイザ・システム３００の他の構成要素からデータを受け取り、他の構成要素にデータを提供し、したがって、１つの実施例では、多面的人材配分アドバイザ・システム３００の中心ハブである。
１つの実施例では、ケース採用及び管理システム３０１は、１つ又は複数のコンピューティング・システム及びデータベースを表し、これを通じて、雇用者ビジネスの販売員は、売上を得て記録することと、履歴と現在両方のタスク、プロジェクト、又はケースについての契約及び実績を追跡することと、新たに始まるタスク、プロジェクト、又はケースを手配することと、進行中の実績及びマイルストーンを追跡することと、取引先フィードバック及び満足感を記録することと、本明細書で論じられるか、図示されるような、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に知られるように／利用可能になるような、他の任意の取引先採用及び顧客関係管理機能を実施することと、を行う。
図３に見られるように、１つの実施例では、ケース採用及び管理システム３０１は、ケース採用及び管理データ３０３を含む。１つの実施例では、ケース採用及び管理データ３０３は、履歴ケース・データ３０５を含む。１つの実施例では、履歴ケース・データ３０５は、取引先履歴データ、取引先連絡先データ、履歴顧客満足度レビュー・データ、顧客関係管理データ、現在と履歴両方のケースで作業するために割り当てられた雇用者ビジネスの特定の被雇用者を表すデータ、現在と履歴両方のケースに関連付けられた、モジュール、スキル、及び経験、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に知られるように／利用可能になるような、他の任意の履歴ケース・データ、などであるがこれらに限定されない、ケース履歴データを含む。
１つの実施例では、ケース採用及び管理システム３０１は、新規ケース・データ３０７をさらに含む。１つの実施例では、新規ケース・データ３０７は、タスク、プロジェクト、又はケースの名称、タスク、プロジェクト、又はケースを実施することになる取引先の名称、タスク、プロジェクト、又はケースの優先度、タスク、プロジェクト、又はケースに関連付けられた取引先の優先度、タスク、プロジェクト、又はケースに関連付けられた仕事の機器のタイプ又は製品ライン、タスク、プロジェクト、又はケースに関連付けられた仕事の機器のタイプ又は製品ラインとともに含まれる任意のサブ構成要素、タスク、プロジェクト、又はケースのタイプ、タスク、プロジェクト、又はケースの複雑性、タスク、プロジェクト、又はケースに関連付けられた取引先が、エスカレートした又は戦略的な取引先であるかどうか、取引先及び／又はタスク、プロジェクト、若しくはケースに関連付けられた任意の調査又はレビュー・データの平均、取引先の地理位置及び／又はタスク、プロジェクト、若しくはケースを実施することになる場所、取引先の位置及び／又はタスク、プロジェクト、若しくはケースを実施することになる場所に関連付けられた時間帯、並びに／或いは、本明細書で論じられるか、図示されるような、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に利用可能になるような、他の任意の新規ケース・データ、を表すデータを含むがこれらに限定されない。
１つの実施例では、ケース採用及び管理システム３０１は、取引先データ３０８をさらに含む。１つの実施例では、取引先データ３０８は、集約済取引先データであり、取引先の優先度、取引先に関連付けられた機器のタイプ又は製品ライン、取引先及び／又は取引先の代わりに実施されるタスク、プロジェクト、若しくはケースに関連付けられた任意の契約上の義務及び／又は要件、取引先が、エスカレートした又は戦略的な取引先であるかどうか、取引先に関連付けられた任意の調査又はレビュー・データの平均、取引先の地理位置、取引先の位置に関連付けられた時間帯、並びに／或いは、本明細書で論じられるか、図示されるような、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に利用可能になるか、知られるような、他の任意の取引先データ、を表すデータを含むことができるがこれらに限定されない。
１つの実施例では、履歴ケース・データ３０５、新規ケース・データ３０７、及び取引先データ３０８の全て又は一部を含むがこれらに限定されない、ケース採用及び管理データ３０３の全て又は一部が、企業ＭＬデータベース３２０に提供され、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために企業ＭＬデータベース３２０に格納される。
図３に見られるように、１つの実施例では、自律機械学習プラットフォーム１０６は、雇用者ビジネス・データベース３３１を含む。１つの実施例では、雇用者ビジネス・データベース３３１は、雇用者ビジネス及び雇用者ビジネスの被雇用者に関連付けられたデータを含む。
１つの実施例では、雇用者ビジネス・データベース３３１は、被雇用者人材（ＨＲ）データ３３３を含む。１つの実施例では、被雇用者ＨＲデータ３３３は、雇用者ビジネスの被雇用者の地理位置、雇用者ビジネスの被雇用者に関連付けられた時間帯、雇用者ビジネスの被雇用者に関連付けられた労働時間帯、雇用者ビジネスの被雇用者が理解する、話す、若しくは書く人間の言語、雇用者ビジネスの被雇用者が習熟している機械及びプログラミング言語、雇用者ビジネスの被雇用者に関連付けられた証明書及び／若しくは教育データ、雇用者ビジネスの被雇用者に関連付けられた、フルタイム、パートタイム、契約者等などの被雇用者タイプ、雇用者ビジネスの被雇用者に関連付けられたレビュー及び取引先顧客満足度データ、雇用者ビジネスの被雇用者に関連付けられた計画有給休暇（ＰＴＯ）、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に知られるように／利用可能になるような、他の任意のＨＲデータ、を含むことができるがこれらに限定されない。
１つの実施例では、雇用者ビジネス・データベース３３１は、初期被雇用者スキル・セット・データ３３５を含む。１つの実施例では、初期被雇用者スキル・セット・データ３３５は、被雇用者自身から取得した被雇用者スキル・セット／経験データ、被雇用者の雇用記録から取得した被雇用者スキル・セット／経験データ、被雇用者のＨＲ記録から取得した被雇用者スキル・セット／経験データ、証明書及び学校教育の公文書から取得した被雇用者スキル・セット／経験データ、専門ソーシャル・メディア・サイトとの被雇用者アカウント、一般ソーシャル・メディア・サイトから取得した被雇用者スキル・セット／経験データ、被雇用者の以前の雇用者から取得した被雇用者スキル・セット／経験データ、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、初期の、自己報告した／申告した、及び／若しくは比較的変化のない初期被雇用者スキル・セット・データの他の任意の情報源、を含むことができるがこれらに限定されない。
図４Ａは、被雇用者がエンジニアである場合の、初期被雇用者スキル・セット・データの特定の例証的実例であり、初期被雇用者スキル・セット・データが、初期被雇用者／エンジニア・スキル・プロフィール４００で提示される。
図４Ａに見られるように、図４Ａの特定の例証的実例では、初期被雇用者／エンジニア・スキル・プロフィール４００は、この具体例では被雇用者の電子メール・データである被雇用者識別データ４０１、当該の製品ラインを示す製品ライン・データ４０３、検討中の製品スキル、又はモジュールを示す製品モジュール・データ４０５、検討中の製品モジュールのリリース又はバージョンを示すリリース又はバージョン・データ４０７、検討中の製品及びモジュールでの被雇用者の経験すなわちスキルを示す経験年数データ４０９、検討中の製品ライン及びモジュールに関して被雇用者が有する最も新しい経験を示す最終使用データ４１１、並びに、検討中の製品及びモジュールについての被雇用者の顧客サービス評価を示す評価データ４１３、を含む。
４Ａは、初期被雇用者スキル・セット・データのタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、初期被雇用者スキル・セット・データの非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、図４Ａの初期被雇用者スキル・セット・データのタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
下記でより詳細に論じるように、図４Ａの例証的な初期被雇用者／エンジニア・スキル・プロフィールに含まれる初期被雇用者スキル・セット・データは、１つの実施例による、下記で論じる正規化済被雇用者スキル・セット・ベクトル・データの一部を生成するために使用される。
図３に戻ると、１つの実施例では、雇用者ビジネス・データベース３３１は、動的被雇用者スキル・セット・データ３３７を含む。１つの実施例では、動的被雇用者スキル・セット・データ３３７は、履歴ケース・データ３０５、並びに、各被雇用者が「仕事中に」取得／獲得したスキル及び経験から得られる。
１つの実施例では、動的被雇用者スキル・セット・データ３３７は、終了したタスク、プロジェクト、若しくはケースの総数を含む被雇用者に関連付けられた動的更新後のタスク、プロジェクト、若しくはケースの終了データ、タスク、プロジェクト、若しくはケースについての終了までの動的更新後の平均時間、顧客／製品／被雇用者ごとの動的更新後の平均取引先調査若しくはランク付けデータ、動的更新後の経験及びチーム参加データ、動的更新後のチーム・リーダシップ経験データ、動的更新後のケース優先度経験、被雇用者の現在のローディングを決定するための期間ごとの動的更新後のマイルストーン、並びに／又は、本明細書で論じられるか、図示されるような、出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、動的被雇用者スキル・セット・データの他の任意の情報源、のうちの１つ又は複数に基づいて、製品ライン、製品、並びにリリース又はバージョン・レベルで取得される。
図４Ｂから図４Ｆは、被雇用者がソフトウェア・エンジニアである場合の、特定の例証的実例のための、動的被雇用者スキル・データの特定の例証的実例を示す。
図４Ｂは、１つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれ、正規化済被雇用者スキル・セット・ベクトル・データの一部を生成するために使用される、被雇用者／エンジニア・プロフィール・データ４２０の特定の例証的実例である。
図４Ｂに見られるように、被雇用者／エンジニア・プロフィール・データ４２０は、検討中の部門及び／又は製品ラインを示す部門／製品データ４２１Ａ、この例では電子メール・アドレスである被雇用者／エンジニア連絡先データ４２１Ｂ、この場合、被雇用者の名前及び名字データである被雇用者／エンジニア識別データ４２１Ｃ、被雇用者／エンジニア・ステータス・データ４２１Ｄ、被雇用者／エンジニア割当てケース・ワーク・データ４２１Ｅ、被雇用者／エンジニア時間データ４２１Ｆ、例えばパートタイム、フルタイム、又は契約者などの被雇用者／エンジニア・タイプ・データ４２１Ｇ、被雇用者が作業する時間帯を示す被雇用者／エンジニア時間帯データ４２１Ｈ、検討中の被雇用者についての期間ごとの実施中のケース及び／又はマイルストーンの最大数を示す最大ケース閾値データ４２１Ｉ、当該の被雇用者が優先度１のケースを引き受けることができるかどうかを示す被雇用者／エンジニアがＰ１を割り当てることができるデータ４２１Ｊ、当該の被雇用者が優先度２のケースを引き受けることができるかどうかを示す被雇用者／エンジニアがＰ２を割り当てることができるデータ４２１Ｋ、被雇用者／エンジニアの有給休暇（ＰＴＯ）ステータスを示す被雇用者／エンジニア可用性データ４２１Ｌ、並びに、被雇用者／エンジニア・アクション・アイコン４２１Ｍ、を含む。
図４Ｂは、被雇用者プロフィール・データ４２０のタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、被雇用者プロフィール・データ４２０の非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、図４Ｂの被雇用者プロフィール・データ４２０のタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
図４Ｃは、１つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれ、正規化済被雇用者スキル・セット・ベクトル・データを生成するために使用される、被雇用者／エンジニア製品モジュール・スキル・データ４３０の特定の例証的実例である。
図４Ｃに見られるように、被雇用者／エンジニア製品モジュール・スキル・データ４３０は、検討中の製品ラインを示す製品ライン・データ４３１、並びに、被雇用者／エンジニア・エントリ４３２、４３３、４３５、４３７、及び４３９を含む。図４Ｃに見られるように、被雇用者／エンジニア・エントリ４３２、４３３、４３５、４３７、及び４３９の各識別した被雇用者の下に、製品及びリリースについての、被雇用者が作業し、終了させた製品モジュールを含むケースの数４３４、並びに、製品及びリリースについての、終了までの平均時間４３６を表すデータとともに、被雇用者が達成／獲得したモジュール・スキルのリストが、製品及びリリースについてリスト化される。
図４Ｃは、被雇用者／エンジニア製品モジュール・スキル・データ４３０のタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、被雇用者／エンジニア製品モジュール・スキル・データ４３０の非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、４Ｃの被雇用者／エンジニア製品モジュール・スキル・データ４３０のタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
図４Ｄは、１つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれ、正規化済被雇用者スキル・セット・ベクトル・データの一部を生成するために使用される、被雇用者／エンジニア・ケース・タイプ・スキル・データ４４０の特定の例証的実例である。
図４Ｄに見られるように、被雇用者／エンジニア・ケース・タイプ・スキル・データ４４０は、検討中の製品ラインを示す製品ライン・データ４４１及び４４３、並びに、４４１及び４４３などの各製品ライン・データ・エントリの下に、４４２などの被雇用者／エンジニア・エントリを含む。図４Ｄに見られるように、各製品ライン及び被雇用者エントリについて、被雇用者が終了させた製品ラインに関連付けられたケースの数は、終了させたケース・データ４４５にリスト化され、ケースを終了させるまでの平均日数は、終了までの平均日数データ４４７で示される。
図４Ｄは、被雇用者／エンジニア・ケース・タイプ・スキル・データ４４０のタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、被雇用者／エンジニア・ケース・タイプ・スキル・データ４４０の非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、図４Ｄの被雇用者／エンジニア・ケース・タイプ・スキル・データ４４０のタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
図４Ｅは、１つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれ、正規化済被雇用者スキル・セット・ベクトル・データの一部を生成するために使用される、被雇用者／エンジニア複雑性達成スキル・データ４５０の特定の例証的実例である。
図４Ｅに見られるように、被雇用者／エンジニア複雑性達成スキル・データ４５０は、検討中の製品ラインを示す製品ライン・データ４５１、及び、製品ライン・データ・エントリの下に、４５２などの被雇用者／エンジニア・エントリを含む。図４Ｅに見られるように、各製品ライン及び被雇用者エントリについて、被雇用者によって獲得された製品ラインに関連付けられたモジュール及び／又はスキルが、被雇用者エントリの下に、リスト化される。
図４Ｅは、被雇用者／エンジニア複雑性達成スキル・データ４５０のタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、被雇用者／エンジニア複雑性達成スキル・データ４５０の非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、図４Ｅの被雇用者／エンジニア複雑性達成スキル・データ４５０のタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
図４Ｆは、１つの実施例による、集約済被雇用者スキル・セット・データの動的被雇用者／エンジニア・スキル・セット・データに含まれ、正規化済被雇用者スキル・セット・ベクトル・データの一部を生成するために使用される、被雇用者／エンジニア調査平均データ４６０の特定の例証的実例である。
図４Ｆに見られるように、被雇用者／エンジニア調査平均データ４６０は、検討中の製品ラインを示す製品ライン・データ４６３と、この場合、被雇用者氏名データである被雇用者識別データ４６１と、この場合、最近３カ月にわたる被雇用者についての検討中の製品ラインについての平均顧客レビュー・データ評価を示す調査平均データ４６５と、この場合、最近６カ月にわたる被雇用者についての検討中の製品ラインについての平均顧客レビュー・データ評価を示す調査平均データ４６７と、を含む。
図４Ｆは、被雇用者／エンジニア調査平均データ４６０のタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、被雇用者／エンジニア調査平均データ４６０の非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、被雇用者／エンジニア調査平均データ４６０のタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
下記でより詳細に論じるように、１つの実施例では、図４Ｂから図４Ｆの、被雇用者がソフトウェア・エンジニアである場合の、特定の例証的実例のための、動的被雇用者スキル・データの特定の例証的実例は、１つの実施例による、正規化済被雇用者スキル・セット・ベクトル・データの一部を生成するために使用される。
図３に戻ると、下記でより詳細に論じるように、１つの実施例では、被雇用者の初期被雇用者スキル・セット・データ３３５、被雇用者の動的スキル・セット・データ３３７、及び被雇用者ＨＲデータ３３３を使用して、各雇用者ビジネスの被雇用者についての集約済被雇用者スキル・セット・データ３２３を生成するために、ＭＬエンジン３５０の事前処理モジュール３５１で被雇用者スキル・セットの整理統合／集約が実施される。１つの実施例では、次に、集約済被雇用者スキル・セット・データ３２３の全て又は一部が、企業ＭＬデータベース３２０に提供され、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために企業ＭＬデータベース３２０に格納される。
１つの実施例では、雇用者ビジネス・データベース３３１は、被雇用者ケース・ローディング・データ３３９を含む。１つの実施例では、被雇用者ケース・ローディング・データ３３９は、被雇用者に割り当てられた実施中のタスク、プロジェクト、若しくはケースの数、被雇用者に割り当てられた実施中のタスク、プロジェクト、若しくはケースの優先度、被雇用者に割り当てられたマイルストーン及び期限の数及び頻度、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に利用可能に／当技術分野で知られるようになるような、被雇用者についての他の任意の作業負荷関連データ、を表すデータを含むことができるがこれらに限定されない。
１つの実施例では、被雇用者ケース・ローディング・データ３３９の全て又は一部が、企業ＭＬデータベース３２０に提供され、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために企業ＭＬデータベース３２０に格納される。
図３に見られるように、１つの実施例では、自律機械学習プラットフォーム１０６は、機械学習（ＭＬ）エンジン３５０を含む。１つの実施例では、ＭＬエンジン３５０は、自律機械学習プラットフォーム１０６のために、事前処理、スキル・マッチング、正規化、ランク付け、フィルタリング、及び負荷分散処理機能を実施する。
このために、１つの実施例では、ＭＬエンジン３５０は、事前処理モジュール３５１、スキル・マッチング、正規化、及びランク付けモジュール３５３、フィルタ・モジュール３５５、並びに負荷分散モジュール３５７を含む。
１つの実施例では、事前処理モジュール３５１は、複数のデータ源から、企業ＭＬデータベース３２０のために、及び、企業ＭＬデータベース３２０に、様々なデータを取得すること、移送すること、処理すること、集約すること、訂正すること、格納すること、及び更新すること、並びに、複数のデータ源から、ルール及び制約データベース３４５のために、及び、ルール及び制約データベース３４５に、様々なデータを取得すること、移送すること、処理すること、集約すること、訂正すること、格納すること、及び更新すること、についての機能を実施する。
図５は、１つの実施例による、図３の多面的人材配分アドバイザ３００を提供するためのシステムの事前処理サブシステム５００の様々な構成要素の相互作用を示す構成要素図である。
図３及び図５を参照すると、１つの実施例では、事前処理モジュール３５１は、様々なデータの事前処理のために、雇用者／監督者が課したルール及び制約データ３４１に示された１つ又は複数の雇用者／監督者が課したルール及び制約を利用する。１つの実施例では、雇用者／監督者が課したルール及び制約が最初に定義され、次に、雇用者／監督者が課したルール及び制約データ３４１が生成される。
様々な実施例では、雇用者／監督者が課したルール及び制約データ３４１の一部として定義され、生成された、雇用者／監督者が課したルール及び制約の具体例は、任意又は特定の被雇用者に割り当てることができる活動中のタスク、プロジェクト、若しくはケースの数を制限するルール及び制約、任意若しくは特定の被雇用者に割り当てることができる定義した時間フレームごとの有効な期限若しくは指標の数を制限するルール及び制約、任意若しくは特定の被雇用者に割り当てることができる特定の優先度若しくは緊急性の活動中のタスク、プロジェクト、若しくはケースの最大数を制限するルール及び制約、契約被雇用者及び／若しくはパートタイム被雇用者などの他のタイプの被雇用者を割り当てる前の、フルタイム被雇用者などの特定のタイプの被雇用者の使用に関するルール及び制約、種々の優先タスク、プロジェクト、若しくはケース、及び取引先とともに様々な役割に必要な被雇用者の経験に関するルール及び制約、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるか、利用可能になるような、他の任意の雇用者／監督者が課したルール及び制約、を含むことができるがこれらに限定されない。
１つの実施例では、雇用者／監督者が課したルール及び制約の具体例は、遅延を減らし、取引先への応答性を向上させるために、チーム、地域、及びオフィスの間で、地球規模でケースを受け渡すことができる「フォロー・ザ・サン」モデルで、地球全体にわたって製品ラインをサービスすること、並びに／又は、取引先及びケースのためにチームをサポートすることができる被雇用者の選択を可能にするための、被雇用者が作業する地域、並びに、この地域についてのチーム、監督者、及び組織に関するルール及び制約、も含むがこれらに限定されない。
１つの実施例では、雇用者／監督者が課したルール及び制約データ３４１の雇用者／監督者が課したルール及び制約は、アクセス権を有する任意の雇用者又は監督者によって、及び任意のサポートされる製品又はモジュールのために、いつでも有効化すること、並びに／又は、修正及び調節することができる。必然的に、本開示の実施例は、任意の製品ライン、製品チーム、サービス、取引先、又はタスク／プロジェクト／ケースについての被雇用者スキルのそれぞれについて、いつでも、及び、アクセス権／配分権を有する誰かによって、閾値及びルールのセットを定義することができるという点で、極めて柔軟である。
図５に見られるように、及び上述のように、１つの実施例では、事前処理モジュール３５１は、各雇用者ビジネスの被雇用者についての集約済被雇用者スキル・セット・データ３２３を生成するために、雇用者データベース３３１から、初期被雇用者スキル・セット・データ３３５、被雇用者の動的スキル・セット・データ３３７、及び被雇用者ＨＲデータ３３３の全て又は一部を取得して、処理する。
１つの実施例では、事前処理モジュール３５１は、各雇用者ビジネスの被雇用者についての集約済被雇用者スキル・セット・データ３２３を生成し、定期的に、及び／又は新しいデータが利用可能になったときに、集約済被雇用者スキル・セット・データ３２３を動的に更新するために、集約済初期被雇用者スキル・セット・データ３３５、被雇用者の動的スキル・セット・データ３３７、及び被雇用者ＨＲデータ３３３の多面的分析に基づいて、初期被雇用者スキル・セット・データ３３５、被雇用者の動的スキル・セット・データ３３７、及び被雇用者ＨＲデータ３３３の被雇用者スキル・セットの全て又は一部を取得して、処理する。
１つの実施例では、次に、集約済被雇用者スキル・セット・データ３２３の全て又は一部は、事前処理モジュール３５１によって企業ＭＬデータベース３２０に提供され、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために企業ＭＬデータベース３２０に格納され、企業ＭＬデータベース３２０内の集約済被雇用者スキル・セット・データ３２３は、定期的に、及び／又は新しいデータが利用可能になったときに、事前処理モジュール３５１によって動的に更新される。
集約済被雇用者スキル・セット・データ３２３は、被雇用者スキルの統一ビューに重要な被雇用者スキルの一意且つ異なる観点をもたらし、下記でより詳細に論じるように、１つの実施例による、ケース割当てのための決定及び判定を行うために使用される本開示の正規化済被雇用者スキル・セット・ベクトル・データを生成するために、その後、１つの実施例で使用される被雇用者スキル・セット・データの生成及び正規化を可能にする、被雇用者スキル・セットの広がりを提供する。
図５に見られるように、事前処理モジュール３５１は、タスク、プロジェクト、若しくはケース、及び／又は取引先の要求を満たすために、新規ケース及び新規ケースに割り当てられた被雇用者の必要なスキル・セットに関連付けられた新規ケース要件及び／又は契約上の義務を識別するために、新規ケース・データ３０７及び取引先データ３０８から得られた取引先が課したルール及び制約データなどの新規ケース要件及び制約、定義した期間の間の取引先連絡先顧客レビュー・データ、並びに、定義した期間の間の被雇用者顧客レビュー・データ、を含むがこれらに限定されない、履歴ケース・データ３０５、新規ケース・データ３０７、及び取引先データ３０８の全て又は一部をさらに取得する。
１つの実施例では、次に、事前処理モジュール３５１は、このデータを処理して、新規ケース及び新規ケース・スキル・セットに関連付けられた識別した新規ケース要件及び／又は契約上の義務を表す、新規ケース要件及びスキル・セット・データ３２５を生成する。
１つの実施例では、雇用者／監督者が課したルール及び制約データ３４１に示された１つ又は複数の雇用者／監督者が課したルール及び制約を考慮して、新規ケース要件及びスキル・セット・データ３２５が事前処理モジュール３５１によって生成される。
特定の例証的実例として、雇用者／監督者が課したルール及び制約に基づいて、新規ケース要件及びスキル・セット・データ３２５が事前処理モジュール３５１によって生成され、タスク、プロジェクト、又はケースに関連付けられた取引先連絡先についての顧客レビュー・データの平均が、５のうちの３などの閾値スコアよりも小さくなる場合、取引先連絡先データは、特別な注目が必要な、エスカレートした、又はより高い優先度の取引先連絡先として、ラベル付けされなければならない。
１つの実施例では、次に、新規ケース要件及びスキル・セット・データ３２５は、事前処理モジュール３５１によって企業ＭＬデータベース３２０に提供され、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために企業ＭＬデータベース３２０に格納される。
１つの実施例では、事前処理モジュール３５１は、取引先が課したルール及び制約データ３４３を識別し、生成するために、新規ケース・データ３０７及び取引先データ３０８にさらにアクセスする。様々な実施例では、取引先が課したルール及び制約データ３４３は、取引先のために作業する、及び／若しくは新規ケースに割り当てられる被雇用者に必要な市民権を示すルール及び制約、取引先のために作業する、及び／若しくは新規ケースに割り当てられる被雇用者が話す必要な言語を示すルール及び制約、取引先のために作業する、及び／若しくは新規ケースに割り当てられる被雇用者の可用性に関するルール及び制約、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるか、利用可能になるような、他の任意の取引先が課したルール及び制約、を含むがこれらに限定されない。
１つの実施例では、次に、事前処理モジュール３５１は、雇用者／監督者が課したルール及び制約データ３４１と、取引先が課したルール及び制約データ３４３とを集約し、訂正して、新規ケース・ルール及び制約データ３４０を生成し、新規ケース・ルール及び制約データ３４０は、その後、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために、ルール及び制約データベース３４５に移送され、格納される。
図６Ａ、図６Ｂ、及び図６Ｃは、１つの実施例による、選択可能且つ編集可能なルール及び制約を表すルール及び制約データ、並びに、ルール及び制約の設定、調節、及び編集のためのユーザ・インターフェース画面、の特定の例証的実例を示す。
図６Ａは、１つの実施例による、選択可能且つ編集可能なルール及び制約を示すケース割当てモデルに含まれるルール及び制約データ６１０の特定の例証的実例を示す。
図６Ａに見られるように、ルール及び制約データ６１０は、検討中のルールについてのカテゴリを示すルール・カテゴリ・データ６１１、検討中のルールの名称を示すルール名データ６１２、検討中のルールを適用するのに必要な条件を示すルール条件データ６１３、検討中のルールを使用して行われるアクションを示すルール・アクション・データ６１４、ルールが有効化されたか否かを示すルール有効化データ６１５、ルールが関連付けられた選択可能な値を有している場合に、監督者が何もデータを登録しない場合の、ルールに設定するデフォルト値を示すデフォルト値データ６１６、指名した製品ラインについてのルールの値を監督者が設定できるルール製品ライン値更新リンク６１７、並びに、監督者がルールを閲覧、編集、又は削除することを可能にする、様々な関連インターフェース画面を活性化するルール・アクション・アイコン６１８、を含む。
上述のように、１つの実施例では、図６Ａのルール及び制約は、アクセス権を有する任意の雇用者又は監督者によって、及び任意のサポートされる製品又はモジュールのために、いつでも有効化すること、並びに／又は、修正及び調節することができる。必然的に、本開示の実施例は、任意の製品ライン、製品チーム、サービス、取引先、又はタスク／プロジェクト／ケースについての被雇用者スキルのそれぞれについて、いつでも、及び、アクセス権／配分権を有する誰かによって、閾値及びルール及び制約のセットを定義することができるという点で、極めて柔軟である。
特定の例証的実例として、図６Ｂは、１つの実施例による、製品ラインについてのルール及び制約値を設定及び編集するための、ルール及び制約製品ライン修正インターフェース６３０の特定の例証的実例を示す。図６Ｂの例証的実例では、図６Ａの製品ライン値更新リンク６１７をユーザが活性化することに応答して、ユーザ・インターフェース画面６３０が生成され、表示される。
図６Ｂに見られるように、ルール及び制約製品ライン調節インターフェース６３０は、列６３１及び値フィールド６３２に製品ラインのリストアップを含み、これらを通じて、監督者は、特定のルールに関する特定の製品ラインについての特定の値を設定することができる。
図６Ｃは、ルール及び制約を活性化し、ケース割当てモデルのルール及び制約値を編集するための、ルール及び制約修正インターフェース６５０の特定の例証的実例を示す。
図６Ａ及び６Ｃを参照すると、図６Ｃでは、ルール及び制約修正インターフェース６５０は、修正されることになる機械学習モデルを登録／選択するためのＭＬモジュール名フィールド６５１、図６Ａのルール・カテゴリ・データ６１１を登録／選択又は修正するためのルール・カテゴリ・フィールド６５２、図６Ａのルール名データ６１２を登録／選択又は修正するためのルール名フィールド６５３、図６Ａのルール条件データ６１３を登録／選択又は修正するためのルール条件フィールド６５４、図６Ａのルール・アクション・データ６１４を登録／選択又は修正するためのルール・アクション・フィールド６５５、図６Ａのデフォルト値データ６１６を登録／選択又は修正するためのデフォルト値フィールド６５６、図６Ａのルール有効化データ６１５を登録／選択又は修正するためのルール有効化フィールド６５７、ルールが取り付けられるモジュール又はフィルタを登録／選択又は修正するためのルール取付けフィールド６５８、どの問題又は課題にルールが対処するかに関するノート／コメントにリンクするための、の解決策（ｓｏｌｕｔｉｏｎ ｆｏｒ）６６１、ルールの実行に関するノート／コメントにリンクする実行ノート６６３、及び、変更履歴リンク６６５、を含む。
図６Ａ、図６Ｂ、及び図６Ｃは、ルール及び制約、並びにルール及び制約の修正の１つの例証的実例を表すにすぎないこと、並びに、ルール及び制約、並びに、ルール及び制約の修正の非常に多くの他の実例が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、図６Ａ、図６Ｂ、及び図６Ｃの特定の例証的実例は、下記の特許請求の範囲で示された本発明を限定するものと解釈されるべきではない。
図５に戻ると、図５に見られるように、集約済被雇用者スキル・セット・データ３２３と、新規ケース要件及びスキル・セット・データ３２５とを含むがこれらに限定されない、様々な事前処理後データが、企業ＭＬデータベース３２０に提供されると、並びに、取引先が課したルール及び制約データ３４３と、新規ケース・ルール及び制約データ３４０とを含むがこれらに限定されない、様々な事前処理後データが、ルール及び制約データベース３４５に提供されると、このデータは、スキル・マッチング、正規化、及びランク付けモジュール３５３を含む多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために、定期的に更新され、利用可能になる。
図７は、１つの実施例による、多面的人材配分アドバイザ３００を提供するための、システムのスキル・マッチング、正規化、及びランク付けサブシステム７００の様々な構成要素の相互作用を示す構成要素図である。
図７に見られるように、企業ＭＬデータベース３２０、並びにスキル・マッチング、正規化、及びランク付けモジュール３５３は、未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３を生成するために、データを交換し、更新する。１つの実施例では、スキル・マッチング、正規化、及びランク付けモジュール３５３において、所与のタスク、プロジェクト、又はケースに必要であると識別されたスキル・セット、並びに、新規ケース要件及びスキル・セット・データ３２５の所与のプロジェクト、タスク、又は、ケースに関連付けられたジョブ固有要件について、集約済被雇用者スキル・セット・データ３２３を識別し、正規化し、ランク付けするために機械学習アルゴリズムが使用される。
このために、１つの実施例では、スキル・マッチング、正規化、及びランク付けモジュール３５３は、新規ケース要件及びスキル・セット・データ３２５と、ルール及び制約データベース３４５の新規ケース・ルール及び制約データ３４０とを処理して、新規ケースに理想的な被雇用者データ３２７と、１つの実施例では、新規ケース・ベクトル・データ３２８とを生成する。
１つの実施例では、新規ケースに理想的な被雇用者データ３２７は、必要なスキル、経験レベル、並びに新規ケース被雇用者ルール及び制約など、２つ以上の新規ケースに理想的な被雇用者要素を含む。１つの実施例では、このデータは、次に、新規ケース・ベクトル・データ３２８を生成するために、使用される。
１つの実施例では、新規ケース・ベクトル・データ３２８は、新規ケースに理想的な被雇用者データ３２７から導出され、新規ケースに理想的な被雇用者データ３２７の要素、並びに／又は、新規ケース要件及びスキル・セット・データ３２５の要素に対応する、２つ以上の、新規ケースに理想的な被雇用者ベクトル３２８の要素を含む。
１つの実施例では、新規ケース・ベクトル・データ３２８は、新規ケースに理想的な被雇用者データ３２７、並びに／又は新規ケース要件及びスキル・セット・データ３２５、並びに／又は新規ケース・ルール及び制約データ３４０を入力データとして使用して、スキル・マッチング、正規化、及びランク付けモジュール３５３の１つ若しくは複数の機械学習サービス及び／又はモジュールによって生成される。様々な実施例では、機械学習サービス又はモジュールのうちの１つ又は複数のセットは、教師あり機械学習サービス若しくはモデル、教師なし機械学習サービス若しくはモデル、半教師あり機械学習サービス若しくはモデル、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるか、利用可能になるような、入力データとしての、新規ケースに理想的な被雇用者データ３２７、並びに／若しくは新規ケース要件及びスキル・セット・データ３２５、並びに／若しくは新規ケース・ルール及び制約データ３４０に基づいて、新規ケース・ベクトル・データ３２８を生成することができる、他の任意の機械学習サービス若しくはモデル、のうちの１つ又は複数を含むがこれらに限定されない。
１つの実施例では、スキル・マッチング、正規化、及びランク付けモジュール３５３によって生成されると、新規ケースに理想的な被雇用者データ３２７、及び新規ケース要件及びスキル・セット・データ３２５が、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために、企業ＭＬデータベース３２０に提供され、企業ＭＬデータベース３２０に格納される。
図８は、１つの実施例による、多面的人材配分アドバイザ３００を提供するためのシステムのスキル・マッチング、正規化、及びランク付けサブシステム７００に入力データを提供するために使用される、被雇用者がソフトウェア・エンジニアである新規ケース・ベクトル要素８００の特定の例証的実例の説明図である。
図８に見られるように、図８の特定の例証的実例では、新規ケース・ベクトル要素８００は、新規ケース及び／又は取引先の名称を表すデータについての名称要素８０１と、新規ケースの優先度を表すデータについてのケース優先度要素８０２と、新規ケースに関連付けられた顧客／取引先の優先度を表すデータについての顧客優先度要素８０３と、新規ケースに関連付けられた製品ラインを表すデータについての製品ライン要素８０４と、新規ケースに関連付けられた製品モジュールを表すデータについての製品モジュール要素８０５と、ケースのタイプを表すデータについてのタイプ要素８０６と、ケースの複雑性を表すデータについての複雑性要素８０７と、新規ケースに必要な取引先エスカレーションの有無を表すデータについての取引先エスカレーション要素８０８と、取引先が特殊な取扱い／処置を必要とする戦略的取引先であるかどうかを表すデータについての戦略的取引先値要素８０９と、定義した数の最新調査についての新規ケースに関連付けられた取引先からの平均調査スコアを表すデータについての取引先平均調査要素８１０と、定義した数の最新調査についての新規ケースに関連付けられた取引先連絡先からの平均調査スコアを表すデータについての取引先連絡先平均調査要素８１１と、新規ケースに関連付けられた地理位置情報及び／又は時間帯を表すデータについての地理位置情報／時間帯要素８１３と、を含む。
図８は、新規ケース・ベクトル要素８００のタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、新規ケース・ベクトル要素８００の非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、図８の新規ケース・ベクトル要素８００のタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
図７に戻ると、１つの実施例では、スキル・マッチング、正規化、及びランク付けモジュール３５３は、正規化済被雇用者スキル・セット・データ３２９及び正規化済被雇用者スキル・セット・ベクトル・データ３３０を生成する。
このために、１つの実施例では、各被雇用者についての集約済被雇用者スキル・セット・データ３２３と、新規ケース要件及びスキル・セット・データ３２５は、新規ケース要件及びスキル・セット・データ３２５に示されたスキル・セットにマッチする、又は最も密接にマッチする、関連付けられたスキル・セット・データを有しているように見える被雇用者を表す、初期のスキル・セットにマッチした被雇用者データを、これらの関連付けられた集約済被雇用者スキル・セット・データ３２３とともに識別するために、スキル・マッチング、正規化、及びランク付けモジュール３５３によってスキルにマッチされる、すなわちスキル発見ルーチンを使用して処理される。
１つの実施例では、各被雇用者についての集約済被雇用者スキル・セット・データ３２３と、新規ケース要件及びスキル・セット・データ３２５は、Ｋ近傍（ＫＮＮ）分類、及び重み付けした若しくは重み付けしないユークリッド距離法、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意の分類アルゴリズム／方法、などであるがこれらに限定されない１つ又は複数の機械学習アルゴリズムを使用して、スキル・マッチング、正規化、及びランク付けモジュール３５３によってスキルにマッチされる。
１つの実施例では、被雇用者は、マッチしたスキル又はマッチしたスキル特徴とも呼ばれる、新規ケース要件及びスキル・セット・データ３２５と、集約済被雇用者スキル・セット・データ３２３の両方に存在する識別した共通スキルに基づいて、スキル・マッチング、正規化、及びランク付けモジュール３５３によって、新規ケース要件及びスキル・セット・データ３２５に示されたスキル・セットにマッチする、又は最も密接にマッチすると最初に判定される。
１つの実施例では、次に、スキル・マッチング、正規化、及びランク付けモジュール３５３は、機械学習アルゴリズムを使用して、所与のタスク、プロジェクト、又はケースに必要であると識別されたスキル・セットについての集約済被雇用者スキル・セット・データ、及び、所与のプロジェクト、タスク、又はケースに関連付けられたジョブ固有要件を識別し、正規化し、ランク付けする。
上述のように、１つの実施例では、各初期のスキル・セットにマッチした被雇用者についてのスキル・セット・データに含まれるマッチしたスキルは、各被雇用者についての正規化済被雇用者スキル・セット・データ３２９を生成するために、スキル・マッチング、正規化、及びランク付けモジュール３５３によって正規化される。１つの実施例では、正規化処理は、動的被雇用者スキル・セット・データ３３７のマッチしたスキルに関連付けられた被雇用者についての集約済の動的な「仕事中に」獲得したスキル・セット・データに基づく。
上述のように、様々な実施例では、マッチしたスキル・セット特徴に関連付けられた被雇用者についての雇用者データベース３３１の動的被雇用者スキル・セット・データ３３７は、マッチしたスキル・セット特徴に関連のある被雇用者が終了させた全ケース、マッチしたスキル・セット特徴に関連のある被雇用者が作業したケースについての終了までの平均時間、被雇用者のマッチしたスキル・セット特徴についての平均顧客満足度レビュー・スコア、マッチしたスキル・セット特徴に関連のある被雇用者が所有した、及び／若しくは終了させた全ケース、マッチしたスキル・セット特徴に関連のある被雇用者がリードし、終了させた全ケース、マッチしたスキル・セット特徴に関連のある被雇用者が貢献した全ケース、マッチしたスキル・セット特徴に関連のある被雇用者が所有した、及び／若しくは終了させた、及び／若しくは関与した全ケースに関連付けられた平均解決時間、マッチしたスキル・セット特徴に関連付けられた被雇用者若しくはチームについての平均レビュー及び顧客満足度入力／評価、並びに／又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に利用可能になるような、被雇用者及びマッチしたスキル・セット特徴に関連付けられた他の任意の動的スキル・セット・データ、のうちの１つ又は複数を表すデータを含むことができるがこれらに限定されない。
図９Ａは、１つの実施例による、スキル・マッチング、正規化、及びランク付けサブシステム７００によって実施されるスキル発見、スキル正規化、及びスキル・ランク付けの特定の例証的実例の高レベル説明図である。
図９Ａに見られるように、スキル発見は、ブロック９０１において、１つの実施例では、Ｋ近傍（ＫＮＮ）分類、及び重み付けした若しくは重み付けしないユークリッド距離法、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意の分類アルゴリズム／方法を使用して行われる。
図９Ａにも見られるように、スキル正規化は、ブロック９０３において、１つの実施例では、ミニ・マックス正規化、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意の正規化アルゴリズム／方法を使用して行われる。
図９Ａにも見られるように、スキル・ランク付けは、ブロック９０５において、１つの実施例では、重み付けした若しくは重み付けしないユークリッド距離法、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意のランク付けアルゴリズム／方法を使用して行われる。
図９Ｂは、１つの実施例による、スキル・マッチング、正規化、及びランク付けサブシステム７００によって実施される図９Ａのスキル発見、スキル正規化、及びスキル・ランク付けの特定の例証的実例からの数値結果のより詳細な図である。
図９Ｂに見られるように、ブロック９０１において、１つの実施例では、Ｋ近傍（ＫＮＮ）分類、及び重み付けした若しくは重み付けしないユークリッド距離法、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意の分類アルゴリズム／方法を使用して行われたスキル発見は、検討中の特徴の名称を示す特徴名称データ９２１と、検討中の特徴についての被雇用者が所有し、終了させたケースの総数を示す、所有し、終了させたケース数データ９２３と、検討中の特徴についての被雇用者がリードし、終了させたケースの総数を示す、リードし、終了させたケース・データ９２５と、検討中の特徴についての被雇用者がチーム・メンバだったケースの総数を示すチーム・メンバとしてのケース・データ９２７と、検討中の特徴についての被雇用者が作業した全ケースについての平均解決時間を示す平均解決時間データ９２９と、を含むスキル発見データを生じる。
図９Ｂにも見られるように、ブロック９０３において、１つの実施例では、ミニ・マックス正規化、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意の正規化アルゴリズム／方法を使用して行われるスキル正規化は、検討中の被雇用者の名前を示す被雇用者名データ９３１と、検討中の特徴についての被雇用者が所有し、終了させたケースの総数についての正規化因子／スコアを示す、所有し、終了させた正規化済ケース・データ９３３と、検討中の特徴についての被雇用者がリードし、終了させたケースの総数についての正規化因子／スコアを示す、リードし、終了させた正規化済ケース・データ９３５と、検討中の特徴についての被雇用者がチーム・メンバだったケースの総数についての正規化因子／スコアを示すチーム・メンバとしての正規化済ケース・データ９３７と、検討中の特徴についての被雇用者が作業した全ケースについての平均解決時間についての正規化因子／スコアを示す正規化済平均解決時間データ９３９と、を含む正規化済スキル・データを生じる。
図９Ｂにも見られるように、ブロック９０５において、１つの実施例では、重み付けした若しくは重み付けしないユークリッド距離法、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意のランク付けアルゴリズム／方法を使用して行われるスキル・ランク付けは、検討中の被雇用者の名前を示す被雇用者名データ９４１と、検討中の特徴についての被雇用者が所有し、終了させたケースの総数についての検討中の被雇用者についてのランク付けを示す、所有し、終了させたケースのランク付けデータ９４３と、検討中の特徴についての被雇用者がリードし、終了させたケースの総数についての検討中の被雇用者についてのランク付けを示す、リードし、終了させたケースのランク付けデータ９４５と、検討中の特徴についての被雇用者がチーム・メンバだったケースの総数についての検討中の被雇用者についてのランク付けを示す、チーム・メンバとしてのケースのランク付けデータ９４７と、検討中の特徴についての被雇用者が作業した全ケースについての平均解決時間についての検討中の被雇用者についてのランク付けを示す、平均解決時間ランク付けデータ９４９と、を含むスキル・ランク付けデータを生じる。
図９Ｂは、スキル発見、スキル正規化、及びスキル・ランク付けデータのタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、スキル発見、スキル正規化、及びスキル・ランク付けデータの非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、図９Ｂのスキル発見、スキル正規化、及びスキル・ランク付けデータのタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
１つの実施例では、各被雇用者についての正規化済被雇用者スキル・セット・データ３２９のデータは、マッチしたスキルに関連付けられた被雇用者についての動的被雇用者スキル・セット・データ３３７と、ミニ・マックス正規化、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意の正規化アルゴリズム／方法、などであるがこれらに限定されない１つ又は複数の機械学習アルゴリズムと、を使用して、スキル・マッチング、正規化、及びランク付けモジュール３５３によって生成される。
図９Ｃは、１つの実施例による、図７のスキル・マッチング、正規化、及びランク付けサブシステム７００によって実施される正規化処理の１つの例証的実例に関連付けられた正規化データ及び処理属性の特定の例証的な例である。
図９Ｃは、正規化データ・テーブル９６０を含む。特定のスキル・セットにマッチした被雇用者９６１、つまり被雇用者１についての、並びに、ソフトウェア製品ライン、すなわち製品ライン１を含むケース１５３６６５、及び、１２個のメジャー・リリース／バージョンを有する製品「財務－売掛金勘定（Ｆｉｎａｎｃｉａｌｓ － Ａｃｃｏｕｎｔｓ Ｒｅｃｅｉｖａｂｌｅ）（ＡＲ：Ａｃｃｏｕｎｔｓ Ｒｅｃｅｉｖａｂｌｅ）」についての、正規化データが、図９Ｃの特定の例証的実例に示されている。
図９Ｃの１つの実施例の１つの例証的実例によれば、正規化データ・テーブル９６０は、総ケース終了カウント－製品９６３と、総ケース終了カウント－リリース９６５と、顧客満足度レビュー（ＣＳＲ：Ｃｕｓｔｏｍｅｒ Ｓａｔｉｓｆａｃｔｉｏｎ Ｒｅｖｉｅｗ）平均スコア－製品９６７と、新規ケース１５３６６５における評価についての被雇用者１（９６１）に関連付けられたＣＳＲ平均スコア－リリース９６９と、というマッチしたスキル・ベクトル要素／ベクトルの正規化計算を示す。
図９Ｄは、１つの実施例による、図７のスキル・マッチング、正規化、及びランク付けサブシステム７００によって実施されるスキル・マッチング処理の特定の例証的実例のステップのいくつかを示す。
図９Ｃ及び図９Ｄを参照すると、１つの実施例のこの特定の例証的実例における正規化への全体的アプローチは、例えば被雇用者１などの各被雇用者についての各スキルにマッチしたベクトル要素についての集約した、要約した、分析した値を獲得することである（図９Ｄにおけるステップ１、並びに図９Ｃにおける値９６３Ａ、９６５Ａ、９６７Ａ、及び９６９Ａ）。図９Ｃにも見られるように、各スキルにマッチしたベクトル要素、すなわち、総ケース終了カウント－製品９６３、総ケース終了カウント－リリース９６５、ＣＳＲ平均スコア－製品９６７、及びＣＳＲ平均スコア－リリース９６９について、被雇用者１についての各スキルにマッチしたベクトル要素の集約した、要約した、分析した値９６３Ａ、９６５Ａ、９６７Ａ、及び９６９Ａは、それぞれ、このスキルにマッチしたベクトル要素について「ｖ」とラベル付けされる。
この特定の例証的実例では、各スキルにマッチしたベクトル要素の最小値が決定される（図９Ｄにおけるステップ２、並びに図９Ｃにおける値９６３Ｂ、９６５Ｂ、９６７Ｂ、及び９６９Ｂ）。図９Ｃにも見られるように、各スキルにマッチしたベクトル要素、すなわち、総ケース終了カウント－製品９６３、総ケース終了カウント－リリース９６５、ＣＳＲ平均スコア－製品９６７、及びＣＳＲ平均スコア－リリース９６９について、対応する最小値９６３Ｂ、９６５Ｂ、９６７Ｂ、及び９６９Ｂは、それぞれ、このスキルにマッチしたベクトル要素について「Ｍｉｎ」とラベル付けされる。
この特定の例証的実例では、各スキルにマッチしたベクトル要素の最大値が決定される（図９Ｄにおけるステップ２、並びに図９Ｃにおける値９６３Ｃ、９６５Ｃ、９６７Ｃ、及び９６９Ｃ）。図９Ｃにも見られるように、各スキルにマッチしたベクトル要素、すなわち、総ケース終了カウント－製品９６３、総ケース終了カウント－リリース９６５、ＣＳＲ平均スコア－製品９６７、及びＣＳＲ平均スコア－リリース９６９について、対応する最大値９６３Ｃ、９６５Ｃ、９６７Ｃ、及び９６９Ｃは、それぞれ、このスキルにマッチしたベクトル要素について「Ｍａｘ」とラベル付けされる。
この特定の例証的実例では、各スキルにマッチしたベクトル要素の最大正規化値は、９６３Ｅ、９６５Ｅ、９６７Ｅ、及び９６９Ｅのように、図９Ｃに見られるような、１である。図９Ｃにも見られるように、各スキルにマッチしたベクトル要素、すなわち、総ケース終了カウント－製品９６３、総ケース終了カウント－リリース９６５、ＣＳＲ平均スコア－製品９６７、及びＣＳＲ平均スコア－リリース９６９について、最大正規化値９６３Ｅ、９６５Ｅ、９６７Ｅ、及び９６９Ｅは、それぞれ、ｘ１、ｘ２、ｘ３、及びｘ４とラベル付けされる。
この特定の例証的実例では、各被雇用者についての各スキルにマッチしたベクトル要素が正規化され、つまり、図９Ｄにおけるステップ３、並びに図９Ｃにおける正規化値９６３Ｄ、９６５Ｄ、９６７Ｄ、及び９６９Ｄである。
図９Ｃの特定の例証的実例によれば、マッチしたスキル・ベクトル要素９６３、９６５、９６７、及び９６９のそれぞれは、ちょうど下記で論じるように、ミニ・マックス正規化を使用して正規化される。
図９Ｃを参照すると、この特定の例証的実例について、総ケース終了カウント－製品９６３についての正規化値９６３Ｄは、正規化値９６３Ｄを生じるために、ミニ・マックス正規化アルゴリズム９７１、すなわち（ｖ－Ｍｉｎ）／Ｍａｘ－Ｍｉｎ）の特定の例証的実例を使用して計算される。
図９Ｃを参照すると、この特定の例証的実例について、総ケース終了カウント－リリース９６５の正規化値９６５Ｄは、正規化値９６５Ｄを生じるために、ミニ・マックス正規化アルゴリズム９７１、すなわち（ｖ－Ｍｉｎ）／Ｍａｘ－Ｍｉｎ）の特定の例証的実例を使用して計算される。
図９Ｃを参照すると、この特定の例証的実例について、ＣＳＲ平均スコア－製品９６７の正規化値９６７Ｄは、正規化値９６７Ｄを生じるために、ミニ・マックス正規化アルゴリズム９７１、すなわち（ｖ－Ｍｉｎ）／Ｍａｘ－Ｍｉｎ）の特定の例証的実例を使用して計算される。
図９Ｃを参照すると、この特定の例証的実例について、ＣＳＲ平均スコア－リリース９６９の正規化値９６９Ｄは、正規化値９６９Ｄを生じるために、ミニ・マックス正規化アルゴリズム９７１、すなわち（ｖ－Ｍｉｎ）／Ｍａｘ－Ｍｉｎ）の特定の例証的実例を使用して計算される。
図９Ｃに見られるように、この特定の例証的実例では、各スキルにマッチしたベクトル要素、すなわち、総ケース終了カウント－製品９６３、総ケース終了カウント－リリース９６５、ＣＳＲ平均スコア－製品９６７、及びＣＳＲ平均スコア－リリース９６９について、正規化値９６３Ｄ、９６５Ｄ、９６７Ｄ、及び９６９Ｄは、それぞれ、ｙ１、ｙ２、ｙ３、及びｙ４とラベル付けされる。
ユークリッド・パラメータｙ１、ｘ１、ｙ２、ｘ２、ｙ３、ｘ３、ｙ４、及びｘ４が、この具体例では、上述のように、割り当てられる。さらに、Ｍｉｎ、Ｍａｘ、及びｖも、総ケース終了カウント－製品９６３、総ケース終了カウント－リリース９６５、ＣＳＲ平均スコア－製品９６７、及びＣＳＲ平均スコア－リリース９６９のそれぞれについて、上述のように定義される。
この特定の例証的実例では、ユークリッド・パラメータ、又は他の指名したパラメータが、マッチング・アルゴリズム、この特定の例証的実例では、ユークリッド距離アルゴリズムに提供される（図９Ｄにおけるステップ５、及び図９Ｃにおけるアルゴリズム９８０）。
図９Ｃに見られるように、アルゴリズム９８０の出力は、ユークリッド距離値９８１である。次に、総ケース終了カウント－製品９６３、総ケース終了カウント－リリース９６５、ＣＳＲ平均スコア－製品９６７、及びＣＳＲ平均スコア－リリース９６９のそれぞれが等しく重み付けされる、すなわち、アルゴリズム９８０の出力が単純に４（この特定の例証的実例では、ベクトル要素の数）で割られると、結果は、平均ユークリッド距離９８３である。１つの実施例では、平均ユークリッド距離９８３は、スキル・マッチ接近因子９８５を生成するために丸められる。
他の実施例では、総ケース終了カウント－製品９６３、総ケース終了カウント－リリース９６５、ＣＳＲ平均スコア－製品９６７、及びＣＳＲ平均スコア－リリース９６９は等しく重み付けされず、重み付けしたユークリッド距離を計算するために適切な重みが加えられる。
この特定の例証的実例では、次に、被雇用者は、ユークリッド距離アルゴリズム９８０の出力値に基づいてランク付けされる（図９Ｄにおけるステップ６）。
次に、下記でより詳細に論じるように、ランク付けした被雇用者は、１つ又は複数のルール及び制約に基づいてフィルタにかけられる（図９Ｄにおけるステップ７）。
必然的に、本開示の実施例は、複数の被雇用者のスキル・セットを、所与のタスク、プロジェクト、又はケースの要求と客観的に比較できるように、１人の被雇用者のスキルを別の被雇用者のスキルに対して「正規化する」ために提供する。これは、被雇用者の報告した／既知のスキル並びに潜在的なタスク、プロジェクト、若しくはケース、及び／又は取引先についての、履歴及び現在の集約済の「仕事中の」被雇用者実績、及び被雇用者の動的作業経験パラメータの効果を考慮し、統合することによって行われる。結果として、本開示の実施例を使用した、複数の被雇用者のスキル・セット・データの比較及び分析は、被雇用者の報告した／既知のスキル、及び所与の仕事又は取引先の識別した要求に関する、「現実世界の」及び集約済の「仕事中の」実績考慮を反映する。必然的に、本開示の正規化処理は、被雇用者のスキル・セット・データを一様に評価するために、「仕事中に」取得した動的被雇用者スキルを統合する。
図９Ｃ及び図９Ｄは、本発明者が想定する非常に多くの正規化方法の１つの実例にすぎないことを当業者は認識するであろう。必然的に、図９Ｃ及び図９Ｄに示した正規化処理の特定の例証的実例は、下記の特許請求の範囲に記載したような、本発明に限定していない。
図７に戻ると、１つの実施例では、スキル・マッチング、正規化、及びランク付けモジュール３５３によって生成されると、各被雇用者についての正規化済被雇用者スキル・セット・データ３２９は、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために、企業ＭＬデータベース３２０に提供され、企業ＭＬデータベース３２０に格納される。
１つの実施例では、次に、スキル・マッチング、正規化、及びランク付けモジュール３５３が、正規化済被雇用者スキル・セット・データ３２９を処理して、初期のスキル・セットにマッチした被雇用者データに表された各被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ３３０を生成する。１つの実施例では、正規化済被雇用者スキル・セット・ベクトル・データ３３０は、各初期にマッチした被雇用者に関連付けられた正規化済被雇用者スキル・セット・データ３２９の特徴のそれぞれに相関する正規化済被雇用者スキル・セット・ベクトル・データ３３０の要素を含む。
１つの実施例では、各初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ３３０は、１つ若しくは複数の機械学習サービス及び／又はモデルと、マッチした正規化済被雇用者のマッチしたスキル・セット・データ３２９の特徴と、新規ケース・ルール及び制約データ３４０とを入力データとして使用して、スキル・マッチング、正規化、及びランク付けモジュール３５３によって生成される。
様々な実施例では、機械学習サービス又はモジュールのうちの１つ又は複数は、教師あり機械学習サービス若しくはモデル、教師なし機械学習サービス若しくはモデル、半教師あり機械学習サービス若しくはモデル、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるか、利用可能になるような、正規化済被雇用者スキル・セット・データ３２９の特徴と、新規ケース・ルール及び制約データ３４０とを入力データとして使用することに基づいて、正規化済被雇用者スキル・セット・ベクトル・データ３３０を生成することができる、他の任意の機械学習サービス若しくはモデル、のうちの１つ又は複数を含むがこれらに限定されない。
図１０は、１つの実施例による、多面的人材配分アドバイザ３００を提供するためのシステムのスキル・マッチング、正規化、及びランク付けサブシステム７００に入力データとして提供される、正規化済被雇用者スキル・セット・ベクトル要素１０００の特定の例証的実例の説明図である。
図１０に見られるように、図１０の特定の例証的実例では、正規化済被雇用者スキル・セット・ベクトル要素１０００は、被雇用者に関連付けられた製品ラインを表すデータについての製品ライン要素１００１と、被雇用者に関連付けられた製品スキルを表すデータについての製品スキル要素１００２と、被雇用者に関連付けられた製品モジュールを表すデータについてのモジュール・スキル要素１００３と、被雇用者に関連付けられたスキル・タイプを表すデータについてのスキル・タイプ要素１００４と、被雇用者が達成した複雑性を表すデータについての達成した複雑性要素１００５と、優先度１及び／又は優先度２のケースを被雇用者が引き受けることができるかどうかを表すデータについてのＰ１／Ｐ２を取り扱うことができる要素１００６と、定義した数の最新調査についての被雇用者の平均調査スコアを表すデータについてのエンジニア調査平均要素１００７と、被雇用者に関連付けられた地理位置情報及び／又は時間帯、並びに被雇用者の有給休暇ステータスを表すデータについての地理位置情報／時間帯／ＰＴＯ要素１００８と、被雇用者の現在の作業負荷を表すデータについてのエンジニアの現在の負荷要素１００９と、を含む。
図１０は、正規化済被雇用者スキル・セット・ベクトル要素１０００のタイプ及び配置の１つの特定の例証的実例にすぎないこと、並びに、正規化済被雇用者スキル・セット・ベクトル要素１０００の非常に多くの他のタイプ及び配置が可能であり、本発明者によって想定されることを当業者は容易に認識するであろう。必然的に、正規化済被雇用者スキル・セット・ベクトル要素１０００のタイプ及び配置の特定の例証的実例は、特許請求の範囲に記載したような、本発明を限定するように読むべきではない。
図７に戻ると、１つの実施例では、スキル・マッチング、正規化、及びランク付けモジュール３５３によって生成されると、各被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ３３０は、多面的人材配分アドバイザ・システム３００の他の構成要素によるアクセス及び使用のために、企業ＭＬデータベース３２０に提供され、企業ＭＬデータベース３２０に格納される。
図７に見られるように、１つの実施例では、未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３が、スキル・マッチング、正規化、及びランク付けモジュール３５３によって生成される。１つの実施例では、未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３が、新規ケース・ベクトル・データ３２８及び正規化済被雇用者スキル・セット・ベクトル・データ３３０、並びに１つ又は複数の機械学習アルゴリズムを使用して、スキル・マッチング、正規化、及びランク付けモジュール３５３によって生成される。
１つの実施例では、スキル・マッチング、正規化、及びランク付けモジュール３５３は、新規ケース・ベクトル・データ３２８と、正規化済被雇用者スキル・セット・ベクトル・データ３３０とを、１つ又は複数の予め訓練した機械学習モデルへの入力として使用する。
１つの実施例では、予め訓練した機械学習モデルは、被雇用者が終了させた全ケース、被雇用者が終了させたケースについての平均解決時間、被雇用者についての平均顧客満足度レビュー・スコア・データ、履歴ケース・データ３０５、履歴取引先データ、履歴初期被雇用者スキル・セット・データ、履歴動的被雇用者スキル・セット・データ、履歴被雇用者ＨＲデータ、並びに履歴ルール及び制約データと、履歴タスク、プロジェクト、又はケース完了データ、履歴顧客レビュー／評価データ、並びに訓練データのような他の履歴ケース及び被雇用者データと、を使用してオフライン環境（図示せず）で訓練される。１つの実施例では、この訓練データを使用して、機械学習モデルは、新規ケース・ルール及び制約データ３４０をマッチング制約／フィルタとして使用して、初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・ベクトル・データ３３０を新規ケース・ベクトル・データ３２８とマッチさせ、ランク付けするように訓練される。
様々な実施例では、機械学習モデルは、教師あり機械学習サービス若しくはモデル、教師なし機械学習サービス若しくはモデル、半教師あり機械学習サービス若しくはモデル、又は、新規ケース・ルール及び制約データ３４０をマッチング制約／フィルタとして使用して、初期にマッチした被雇用者についての正規化済被雇用者スキル・セット・データ３２９を新規ケース・ベクトル・データ３２８とマッチさせ、ランク付けするように訓練することができる、他の任意の機械学習サービス若しくはモデル、のうちのいずれか１つ又は複数である。
特定の例証的実例として、１つの実施例では、機械学習モデルは、重み付けした若しくは重み付けしないユークリッド距離法、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意のランク付けアルゴリズム／方法を利用する。
図７に見られるように、１つの実施例では、機械学習モデル、並びにスキル・マッチング、正規化、及びランク付けモジュール３５３の出力は、未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３である。１つの実施例では、未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３は、これらの集約済被雇用者スキル・セット・データ３２３とともに、新規ケースにマッチした、又は最も密接にマッチした被雇用者を表すデータを含む。
図１１は、１つの実施例による、図３の新規ケース・データ３０７と図８の新規ケース・ベクトル要素８００、図３の集約済被雇用者スキル・セット・データ３２３と図１０の正規化済被雇用者スキル・セット・ベクトル要素１０００、図７のスキル・マッチング、正規化、及びランク付けサブシステム、並びに未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３の相互作用及び関係の特定の例証的実例の説明図である。
図７に戻ると、図７に見られるように、次に、スキル・マッチング、正規化、及びランク付けモジュール３５３からの未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３は、図３及び図１２のフィルタ・モジュール３５５に提供される。
図１２は、１つの実施例による、図３の多面的人材配分アドバイザ３００を提供するためのシステムのフィルタリング・サブシステム１２００の様々な構成要素の相互作用を示す構成要素図である。
図１２に見られるように、フィルタリング・サブシステム１２００のフィルタ・モジュール３５５は、スキル・マッチング、正規化、及びランク付けモジュール３５３から、未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３を受け取る。さらに、フィルタリング・サブシステム１２００のフィルタ・モジュール３５５は、ルール及び制約データベース３４５と動作通信中であり、したがって、新規ケース・ルール及び制約データ３４０にアクセスすることができる。
１つの実施例では、フィルタ・モジュール３５５は、フィルタ後のスキルにマッチした被雇用者推奨データ５６５を生成するために、新規ケース・ルール及び制約データ３４０に表されたルール及び制約のうちの１つ又は複数に基づいて、未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３を処理する。１つの実施例では、したがって、フィルタ後のスキルにマッチした被雇用者推奨データ５６５は、新規ケース・ルール及び制約データ３４０のルール及び制約にも準拠する、新規ケースにマッチした、又は最も密接にマッチした被雇用者を表すデータを表す。
図１３は、１つの実施例による、フィルタリング・サブシステムの特定の例証的実例の動作の説明図である。図１３に見られるように、未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３は、スキル・マッチング、正規化、及びランク付けモジュール３５３からフィルタ・モジュール３５５によって受け取られる。
図１３の特定の例証的実例では、有給休暇（ＰＴＯ）制約を対象とするルール１３０１、時間帯制約を対象とするルール１３０３、市民権／在住権制約を対象とするルール１３０５、及び優先ケース作業制約を対象とするルール１３０７が、ルール及び制約データベース３４５によって提供され、フィルタ・モジュール３５５において未加工のランク付けしたスキルにマッチした被雇用者推奨データ５６３に適用される。
１つの実施例では、結果は、フィルタ後のスキルにマッチした被雇用者推奨データ５６５であり、これは次に、負荷分散モジュール３５７に提供される。
図１２に戻ると、１つの実施例では、フィルタ・モジュール３５５によって生成されると、フィルタ後のスキルにマッチした被雇用者推奨データ５６５は、図３、図１４、又は図１６の負荷分散モジュール３５７に提供される。
図１４は、１つの実施例による、図３の多面的人材配分アドバイザ３００を提供するためのシステムの負荷分散サブシステム１４００の様々な構成要素の相互作用を示す構成要素図である。
図１４に見られるように、負荷分散モジュール３５７は、フィルタ後のスキルにマッチした被雇用者推奨データ５６５を、フィルタ・モジュール３５５から受け取る。さらに、負荷分散モジュール３５７は、企業ＭＬデータベース３２０と動作通信中であり、したがって、被雇用者ケース・ローディング・データ３３９にアクセスすることができる。さらに、負荷分散モジュール３５７は、ルール及び制約データベース３４５と動作通信中であり、したがって、新規ケース・ルール及び制約データ３４０にアクセスすることができる。
１つの実施例では、負荷分散モジュール３５７は、被雇用者ケース・ローディング・データ３３９に示されるような被雇用者ジョブ負荷分散考慮と、ルール及び制約データベース３４５の新規ケース・ルール及び制約データに示されるような１つ又は複数のルール及び制約とに基づいて、フィルタ後のスキルにマッチした被雇用者推奨データ５６５をさらに処理及び／又はフィルタにかけて、新規ケースに推奨される被雇用者データ３６３を生成する。
特定の例証的実例として、ルール及び制約データベース３４５に示されたルール／制約のうちの１つが、特定の監督者に報告するか、タスク、プロジェクト、又はケースの特定の部分で作業する任意の被雇用者について、被雇用者が、同時に実施中の総割当てタスク、プロジェクト、又はケースを５件しか有することができず、所与の週に間に合わせる予定の期限／マイルストーンを最大１０件まで有することができるという、雇用者／監督者が設定した「ルールＡ」であることを規定する。
特定の監督者によって監督されるタスク、プロジェクト、又はケースの特定の一部についての、フィルタ後のスキルにマッチした被雇用者推奨データ５６５に、マッチした被雇用者として３人の被雇用者（被雇用者１、被雇用者２、及び被雇用者３）がリスト化されることをさらに規定する。タスク、プロジェクト、又はケースの一部が、１週間あたり５つの期限／マイルストーンを含むことをさらに規定する。
被雇用者１が、既に５件の実施中のタスク、プロジェクト、又はケース、及び、１週間あたり３つの期限／マイルストーンを有していること、被雇用者２が、３件の実施中のタスク、プロジェクト、又はケース、及び、１週間あたり７つの期限／マイルストーンを有していること、並びに、被雇用者３が、２件の実施中のタスク、プロジェクト、又はケース、及び、１週間あたり４つの期限／マイルストーンを有していることが、被雇用者ケース・ローディング・データ３３９からのデータに基づいて負荷分散モジュール３５７によって決定されることをさらに規定する。
これらの規定の状況の下、負荷分散モジュール３５７は、５件の実施中のタスク、プロジェクト、又はケースを被雇用者１が既に有しており、新しい仕事を追加すると、同時に実施中のタスク、プロジェクト、又はケースを５件しか有することができないというルールＡの制約に違反することになるので、フィルタ後のスキルにマッチした被雇用者推奨データ５６５から被雇用者１を除外する。
さらに、１週間あたり７つの期限／マイルストーンを被雇用者２が既に有しており、１週間あたり５つの新しい期限／マイルストーンを追加すると、期限／マイルストーンを１週間あたり１０個しか有することができないというルールＡの制約に違反することになるので、フィルタ後のスキルにマッチした被雇用者推奨データ５６５から、被雇用者２が除外される。
最後に、被雇用者３が新しいジョブを両方引き受けることができ、３件の実施中のタスク、プロジェクト、又はケース、及び、１週間あたり５つの新しい期限／マイルストーンしか有しておらず、１週間あたり９つの期限／マイルストーンをまだ有しているだけであり、したがって、特定の監督者に報告するか、又はタスク、プロジェクト、若しくはケースの特定の一部で作業する任意の被雇用者について、被雇用者が、同時に実施中の総割当てタスク、プロジェクト、又はケースを５件しか有することができず、所与の週に間に合わせる予定の期限又はマイルストーンを最大１０件まで有することができるという、雇用者／監督者がセットしたルールＡを被雇用者３が単独で両立できるので、被雇用者３だけが負荷分散モジュール３５７によって除外されない。
必然的に、この例では、負荷分散モジュール３５７からの推奨される被雇用者データ３６３である、３人の被雇用者を含んでいた、フィルタ・モジュール３５５からのフィルタ後のスキルにマッチした被雇用者推奨データ５６５は、たった１人の被雇用者３しか含まない。
図１５は、１つの実施例による、特定のケースに関連付けられた識別した必要なスキルにマッチする、又は最も密接にマッチするスキル・セット・データを有する被雇用者の初期プールに対する、図１２のフィルタリング・サブシステム、及び図１４の負荷分散サブシステムの適用の累積的効果の高レベル説明図である。
図１６は、１つの実施例による、図３の多面的人材配分アドバイザ３００を提供するためのシステムの負荷分散及び被雇用者スキル開発サブシステム１６２０の様々な構成要素の相互作用を示す構成要素図である。
図１６に見られるように、負荷分散モジュール３５７に加えて、負荷分散及び被雇用者スキル開発サブシステム１６２０は、被雇用者スキル・セット開発モジュール１６２１を含む。１つの実施例では、被雇用者スキル・セット開発モジュール１６２１は、フィルタ・モジュール３５５、又は負荷分散モジュール３５７から、フィルタ後のスキルにマッチした被雇用者推奨データ５６５を受け取る。さらに、被雇用者スキル・セット開発モジュール１６２１は、企業ＭＬデータベース３２０と動作通信中であり、したがって、集約済被雇用者スキル・セット・データ３２３にアクセスすることができる。さらに、被雇用者スキル・セット開発モジュール１６２１は、ルール及び制約データベース３４５と動作通信中であり、したがって、新規ケース・ルール及び制約データ３４０にアクセスすることができる。
１つの実施例では、被雇用者スキル・セット開発モジュール１６２１の目的は、同時に新規ケース及び取引先の要求を満たしながら、雇用者ビジネスの被雇用者のスキル・セットを開発することである。このために、雇用者ビジネス及び／又はビジネスの取引先によって必要であると判断された新しく且つ定義されたスキルを開発することができる、ジョブ及びケースへの被雇用者の割当てを支配する雇用者／監督者被雇用者開発ルールが生成され、ルール及び制約データベース３４５に格納される。
１つの実施例では、フィルタ・モジュール３５５からのフィルタ後のスキルにマッチした被雇用者推奨データ５６５に挙げられた、又は、フィルタ・モジュール３５５からのフィルタ後のスキルにマッチした被雇用者推奨データ５６５に挙げられない、被雇用者についての集約済被雇用者スキル・セット・データは、これらの追加の雇用者／監督者被雇用者開発ルールの観点から検査され、推奨される被雇用者データ３６３に含まれる被雇用者のリストは、被雇用者スキル・セット開発を提供するために適宜調節される。
図１４及び図１６のそれぞれに示したように、１つの実施例では、図１４の負荷分散サブシステム１４００、又は図１６の負荷分散及び被雇用者スキル開発サブシステム１６２０の出力は、新規ケースに推奨される被雇用者データ３６３である。
１つの実施例では、新規ケースに推奨される被雇用者データ３６３は、新規ケース・ルール及び制約データ３４０に準拠し、上記で論じた経験及び／又は作業負荷バランス要件を満たす、新規ケース要件及びスキル・セット・データ３２５に最も密接にマッチする集約済被雇用者スキル・セット・データ３２３を有する、１人又は複数の被雇用者を表すデータを含む。
図３に示されるように、次に、新規ケースに推奨される被雇用者データ３６３は、ユーザ層１０７に、及び、この議論では、ＭＨＲＡＡアプリケーション１０８を通じて、ケース採用及び管理システム３０１に、提供される。１つの実施例では、推奨される被雇用者データ３６３、及び／又は、推奨される被雇用者についての理由及びランク付けは、承認、編集、及び最終的な被雇用者割当て／配分のために意思決定者に提供される。様々な実施例では、新規ケースに推奨される被雇用者データを受け取る意思決定者は、承認、編集、及び最終的な被雇用者割当て／配分のためのアクセス権／意思決定者の許可を有する監督者若しくは他の被雇用者などの人間の意思決定者、承認、編集、及び最終的な被雇用者割当て／配分のために、並びに／若しくは、新規ケースに推奨される被雇用者データのさらなる処理のために使用される１つ若しくは複数のアプリケーション、並びに／又は、承認、編集、及び最終的な被雇用者割当て／配分を担う団体などの他の任意のエンティティ、のうちの１つ又は複数であることが可能であるが、これらに限定されない。
図１７Ａ、図１７Ｂ、図１７Ｃ、図１７Ｄ、図１７Ｅ、図１７Ｆ、及び図１７Ｇは、多面的人材配分アドバイザを提供するためのシステム及び方法の１つの例証的実施例に関連付けられた動作及びユーザの体感を示す性質をもつ１つの実施例によるユーザ・インターフェース画面の特定の例証的実例であり、下記でより詳細に論じる。
次に図３、図１１、及び図１７Ａから図１７Ｇを参照すると、図１７Ａは、ユーザ・インターフェース・ディスプレイ１７００を含み、これを通じて、資格証明書にアクセスできるビジネスの監督者又は任意の被雇用者などのユーザは、ＭＨＲＡＡアプリケーション１０８を通じて新規ケースに推奨される被雇用者データ３６３にアクセスすることができる。図１７Ａに見られるように、新規ケースに推奨される被雇用者データ３６３へのアクセスは、ユーザ・インターフェース・ディスプレイ１７００の「新規ケース・アドバイザ」アイコン１７０１を活性化することによって始まる。
図１７Ａのユーザ・インターフェース・ディスプレイ１７００の「新規ケース・アドバイザ」アイコン１７０１を活性化すると、図１７Ｂのインターフェース・ディスプレイが生成される。図１７Ｂは、ＭＨＲＡＡアプリケーション１０８を通じて新規ケースに推奨される被雇用者データ３６３にアクセスするために、資格証明書にアクセスできる被雇用者の監督者、又は他の雇用者ビジネスの被雇用者によって利用されるユーザ・インターフェース・ディスプレイ１７０２を含む。
図１７Ｂに見られるように、この特定の例証的実例では、ユーザ・インターフェース・ディスプレイ１７０２は、各ケースについての製品ライン・データと、各ケースのケース番号と、各ケースについての優先度データと、各ケースについての実施日付データと、各ケースについてのステータス優先度データと、各ケースについての製品モジュール・データと、各ケースについてのサブジェクト・データと、各ケースについてのアクション・フィールド１７０５と、を含むアクティブ・ケースのリストアップを含む。
１つの実施例では、各ケースについてのアクション・フィールド１７０５は、各ケースについてのケース割当てアドバイザ・アイコンを含む。この特定の例証的実例では、ケース１７０７、すなわちケース番号００１５３６６１についてのケース割当てアドバイザ・アイコン１７０６を監督者／ユーザが活性化させることが規定される。注目すべきことに、ケース１７０７は、優先度３（Ｐ３）のケースである。この例証的実例では、ケース割当てアドバイザ・アイコン１７０６を活性化すると、図１７Ｃの「私の推奨」画面１７１０が生成される。
図１７Ｃに見られるように、「私の推奨」画面１７１０は、推奨される被雇用者データ３６３を表示する。図１７Ｃに見られるように、この具体例では、私の推奨画面１７１０は、被雇用者１７１１、１７１３、１７１５、１７１７、１７１９、１７２１、１７２３、及び１７２５、並びに、最上位の推奨される被雇用者１７１１及び１７１３、を含む推奨される被雇用者データ３６３の推奨される被雇用者のリストアップを含む。
図１７Ｃに見られるように、この具体例では、被雇用者１７１１及び１７１３が最初にリストアップされ、「この割当てに最良」とラベル付けされ、すなわち、最上位の推奨される被雇用者である。この例証的実例では、これは、被雇用者１７１１及び１７１３が、最低のスキルにマッチした接近スコアを有する、すなわち、彼らの正規化済のスキルにマッチしたベクトルが、このケースについての理想的な被雇用者ベクトルからの重み付けが最も少ない又は重み付けの全くないユークリッド距離を有するという事実による。
図１７Ｃにも見られるように、被雇用者１７１５、１７１７、１７１９、及び１７２３が、「割当てに良い」として、この例証的ケースに推奨されるが、彼らは、彼らの正規化済のスキルにマッチしたベクトルが、このケースについての理想的な被雇用者ベクトルからより遠いことを示す、被雇用者１７１１及び１７１３のものよりも高い彼らのスキルにマッチした接近スコアにやはり基づく、このケースについての最上位の推奨される被雇用者ではない。
図１７Ｃにも見られるように、被雇用者１７２１は、被雇用者１７２１が既に実施中の１７件のケースを有していることを示す「ＬＤ」すなわちケース・ローディングに基づいて、このケースに推奨されない。
図１７Ｃに見られるように、私の推奨画面１７１０は、各リスト化した被雇用者についての被雇用者時間帯データと、各被雇用者についての現在の負荷データと、実施中のケース及び期限／マイルストーンの観点からの被雇用者の現在の作業負荷のリストアップと、ケースに割り当てる任意の被雇用者の役割を監督者／ユーザが指名できる「としての割当て」フィールドと、各被雇用者についての「レビュー」リンク１７２６を含むエンジニア見識列と、列１７２７における各被雇用者についてのモデル推論リンクと、をさらに含む。
図１７Ｃにも見られるように、私の推奨画面１７１０は、図１７Ｅに示され、下記で論じられるものなどの、取引先見識表示１７５０を生成するための取引先見識をレビューするリンク１７２９Ａと、図１７Ｇに示され、下記で論じられるものなどの、現場又は地域の推奨表示を生成するための現場の推奨リンク１７２９Ｂと、をさらに含む。
上述のように、画面１７１０は、各リスト化した被雇用者についての、モデル推論列１７２７、及び「私に説明する」リンクを含む。この特定の例証的実例では、図１７Ｄの「モデル推論を説明する」インターフェース画面１７３０を生成する、被雇用者１７１１についての「私に説明する」リンク１７２８を監督者／ユーザが活性化することが規定される。
図１７Ｄに見られるように、この特定の例証的実例では、モデル推論を説明するインターフェース画面１７３０は、被雇用者１７１１についての被雇用者集約済スキル・セット・データ３２３からのマッチした正規化済被雇用者スキル・セット・ベクトル要素１０００と、新規ケース・ベクトル要素８００のサブセットと、被雇用者１７１１についてのこれらのマッチしたスキルに関連付けられたデータ／スコアと、を含む。また、注目すべきことに、図１７Ｄでは、モデル推論を説明するインターフェース画面１７３０は、適用した／合格したルール及び制約１７３１のリストアップを含む。
図１７Ｃに戻ると、私の推奨画面１７１０は、「取引先見識をレビューする」リンク１７２９Ａも含む。
この特定の例証的実例では、図１７Ｅの取引先見識をレビューするインターフェース画面１７５０を生成する「取引先見識をレビューする」リンク１７２９Ａを監督者／ユーザが活性化することが規定される。
図１７Ｅに見られるように、取引先見識をレビューするインターフェース画面１７５０は、顧客満足度レビュー（ＣＳＲ）見識データと、ケース・フロー見識データと、ケース１７０１、すなわちケース番号００１５３６６１に関連付けられた顧客／取引先についてのケース終了見識データと、を含む。
図１７Ｃに戻ると、上述のように、及び図１７Ｃに見られるように、私の推奨画面１７１０は、被雇用者１７１１についてのエンジニア見識レビュー・リンク１７２６を含む各被雇用者／エンジニアについてのエンジニア見識列及びエンジニア見識レビュー・リンクも含む。
この特定の例証的実例では、図１７Ｆのエンジニア見識をレビューするインターフェース画面１７６０を生成する、被雇用者１７１１についてのエンジニア見識レビュー・リンク１７２６を監督者／ユーザが活性化することが規定される。
図１７Ｆに見られるように、エンジニア見識をレビューするインターフェース画面１７６０は、顧客満足度レビュー（ＣＳＲ）見識データと、被雇用者１７１１に関連付けられた被雇用者１７１１についてのケース終了見識データと、を含む。
図１７Ｃに戻ると、私の推奨画面１７１０は、「現場の推奨」リンク１７２９Ｂをさらに含む。
この特定の例証的実例では、図１７Ｇの「現場の推奨でフィルタされた私の推奨」インターフェース画面１７７０を生成する、「現場の推奨」リンク１７２９Ｂを監督者／ユーザが活性化することが規定される。
図１７Ｇに見られるように、「現場の推奨でフィルタされた私の推奨」インターフェース画面１７７０は、推奨される被雇用者データ３６３を表示する。図１７Ｇに見られるように、この具体例では、「現場の推奨でフィルタされた私の推奨」インターフェース画面１７７０は、最上位の推奨される被雇用者１７７１及び１７７３とともに、被雇用者１７７１、１７７３、１７７５、１７７７、１７７９、１７８１、及び１７８３を含む推奨される被雇用者データ３６３の推奨される被雇用者のリストアップを含む。
「現場の推奨でフィルタされた私の推奨」インターフェース画面１７７０に示される推奨は、「現場の推奨でフィルタされた私の推奨」インターフェース画面１７７０の推奨が、遅延を減らし、取引先への応答性を向上させるために、チーム、地域、及びオフィスの間で、地球規模でケースを受け渡すことができる「フォロー・ザ・サン」モデルで、地球全体にわたって製品ラインをサービスすること、並びに／又は、取引先及びケースのためにチームをサポートすることができる被雇用者の選択を可能にするための、被雇用者が作業する地域、並びに、この地域についてのチーム、監督者、及び組織に関するルール及び制約に基づく／に基づいてフィルタにかけられるという点で、図１７Ｃに示されるものと異なる。
本開示の実施例は、機械学習アルゴリズム、ルール及び制約のフィルタリング、地域の考慮、並びに作業負荷バランスとともに、複数の情報源から取得した、正規化済多面的被雇用者スキル・セット・データを使用して、新しいプロジェクト又はケースに関連付けられたタスクを実施するのに必要なスキルを有し、プロジェクト又はケースに関連付けられたタスクを実施するために利用でき、且つ経験を有し、取引先及びビジネス要件、地域要件、並びに作業負荷バランス考慮に基づいて、新しいプロジェクト、タスク、又はケースに割り当てられるのに適格な、被雇用者を識別し、推奨する。したがって、本開示の実施例は、特定のプロジェクト及びタスクに最適任な被雇用者を効果的、効率的、且つ客観的に割り当てることについての長年の技術的問題に対する１つ又は複数の技術的解決策を提供する。
用語の定義
本明細書では、用語「プロダクション環境」は、所与のアプリケーションを使用しようとするときに、所与のアプリケーションを配布し、実行し、アクセスし、使用するために使用される様々な構成要素又は資産を含む。様々な実施例では、プロダクション環境は、アプリケーションを実行するプロダクション環境を提供するために、互いに結合された、通信連結された、仮想的及び／若しくは物理的に接続された、並びに／又は関連付けられた複数の資産を含む。
特定の例証的実例として、所与のプロダクション環境を作り上げる資産は、データ・センタ、クラウド・コンピューティング環境、専用ホスト環境、及び／又は、プロダクション環境でアプリケーションによって使用される１つ若しくは複数の資産が実行される１つ若しくは複数の他のコンピューティング環境などのプロダクション環境でアプリケーションを実行するために使用される１つ又は複数のコンピューティング環境、プロダクション環境でアプリケーションを実行するために使用される１つ若しくは複数のコンピューティング・システム又はコンピューティング・エンティティ、プロダクション環境でアプリケーションを実行するために使用される１つ又は複数の仮想資産、プロダクション環境の資産及び／又は構成要素を監視並びに制御するために使用される、ハイパーバイザ又は他の監視及び管理システムなどの１つ若しくは複数の監督又は制御システム、プロダクション環境でアプリケーションを実行するために使用されるデータを送受信するための１つ又は複数の通信チャネル、ファイアウォール及びゲートウェイなど、プロダクション環境の様々な構成要素へのアクセスを制限するための１つ又は複数のアクセス制御システム、ルータ及びスイッチなど、プロダクション環境の構成要素にデータ・トラフィックを誘導、制御、及び／又はバッファするために使用される１つ若しくは複数のトラフィック及び／又はルーティング・システム、ロード・バランサ又はバッファなど、データ・トラフィックをバッファ、処理、及び／又は誘導するために使用される１つ又は複数の通信エンドポイント・プロキシ・システム、プロダクション環境でアプリケーションを実行するために使用される、セキュア・ソケット・レイヤ（ＳＳＬ：Ｓｅｃｕｒｅ Ｓｏｃｋｅｔｓ Ｌａｙｅｒ）プロトコルなど、データを暗号化／復号するために使用される１つ若しくは複数のセキュア通信プロトコル及び／又はエンドポイント、プロダクション環境にデータを格納するために使用される１つ又は複数のデータベース、プロダクション環境でアプリケーションを実行するために使用される１つ若しくは複数の内部又は外部サービス、プロダクション環境でデータを処理し、アプリケーションを実行するために使用される、バックエンド・サーバ又は他のハードウェアなどの１つ又は複数のバックエンド・システム、プロダクション環境でアプリケーションを実行するために使用される１つ又は複数のソフトウェア・システム、並びに／或いは、本明細書で論じられるか、図示されるような、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に開発されるような、アプリケーションが配布され、実行され、アクセスされ、動かされる、例えば、動作される、実際のプロダクション環境を作り上げる他の任意の資産／構成要素、を含むことができるがこれらに限定されない。
本明細書で使用されるように、用語「コンピューティング・システム」、「コンピューティング・デバイス」、及び「コンピューティング・エンティティ」は、仮想資産、サーバ・コンピューティング・システム、ワークステーション、デスクトップ・コンピューティング・システム、スマート・フォン、携帯型デバイス、及び／若しくはユーザが身につけるか運ぶデバイスを含むがこれらに限定されないモバイル・コンピューティング・システム、データベース・システム若しくはストレージ・クラスタ、スイッチング・システム、ルータ、任意のハードウェア・システム、任意の通信システム、任意の形のプロキシ・システム、ゲートウェイ・システム、ファイアウォール・システム、負荷分散システム、又は、本明細書で説明されるような処理及び／若しくは動作のうちの任意の１つの全て若しくは一部を実行することができる構成要素を含む任意のデバイス、サブシステム、若しくはメカニズム、を含むがこれらに限定されない。
さらに、本明細書で使用されるように、用語コンピューティング・システム及びコンピューティング・エンティティは、仮想資産、サーバ・コンピューティング・システム、ワークステーション、デスクトップ・コンピューティング・システム、モバイル・コンピューティング・システム、データベース・システム若しくはストレージ・クラスタ、スイッチング・システム、ルータ、ハードウェア・システム、通信システム、プロキシ・システム、ゲートウェイ・システム、ファイアウォール・システム、負荷分散システム、又は、本明細書で説明されるような処理及び／若しくは動作を実施するために使用することができる任意のデバイス、といった複数で構成されるシステムを示すことができるがこれらに限定されない。
本明細書で使用されるように、用語「コンピューティング環境」は、ハードウェア・システム、ソフトウェア・システム、及びネットワーキング／通信システムなどであるがこれらに限定されない同じインフラストラクチャ及びシステムを使用する、接続された若しくはネットワーク化されたコンピューティング・システム及び／又は仮想資産の論理的或いは物理的なグループ、を含むがこれらに限定されない。典型的には、コンピューティング環境は、既知の環境、例えば「信頼できる」環境、又は、未知の、例えば「信頼できない」環境、のいずれかである。典型的には、信頼できるコンピューティング環境は、信頼できるコンピューティング環境を作り上げるコンピューティング・システム及び／又は仮想資産に関連付けられた、資産、インフラストラクチャ、通信及びネットワーキング・システム、並びにセキュリティ・システムが、当事者の制御下にある、又は、当事者に知られている、のいずれかのものである。
様々な実施例では、各コンピューティング環境は、アプリケーションを作り出す、及び／又は配布する、及び／又は動作させるために関連付けられるか、制御されるか、使用される、配分した資産及び仮想資産を含む。
様々な実施例では、１つ又は複数のクラウド・コンピューティング環境が、アプリケーションを作り出す、及び／又は配布する、及び／又は動作させるために使用され、クラウド・コンピューティング環境は、パブリック・クラウド、プライベート・クラウド、仮想プライベート・ネットワーク（ＶＰＮ：ｖｉｒｔｕａｌ ｐｒｉｖａｔｅ ｎｅｔｗｏｒｋ）、サブネット、仮想プライベート・クラウド（ＶＰＣ：Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｃｌｏｕｄ）、サブネット若しくは任意のセキュリティ／通信グループ、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に当技術分野で知られているような、及び／若しくは出願時より後に開発されるような、他の任意のクラウド・ベースのインフラストラクチャ、サブ構造、若しくはアーキテクチャ、などであるがこれらに限定されない、任意の形のクラウド・コンピューティング環境であることが可能である。
多くの場合、所与のアプリケーション又はサービスは、作り出される、及び／又は配布される、及び／又は動作される過程で、複数のＶＰＣなどの複数のクラウド・コンピューティング環境を利用し、複数のクラウド・コンピューティング環境とインターフェースすることができる。
本明細書で使用されるように、用語「仮想資産」は、任意の仮想化エンティティ若しくはリソース、及び／又は、実際の若しくは「ベア・メタル」のエンティティの仮想化部分を含む。様々な実施例では、仮想資産は、仮想マシン、仮想サーバ、及び、クラウド・コンピューティング環境で実行されるインスタンス、クラウド・コンピューティング環境に関連付けられた、及び／又はクラウド・コンピューティング環境で実行されるデータベース、クラウド・コンピューティング環境に関連付けられた、及び／又はクラウド・コンピューティング環境を通じて配信されたサービス、クラウド・コンピューティング環境によって使用される通信システム、クラウド・コンピューティング環境の通信システム部分、又はクラウド・コンピューティング環境を通じて提供される通信システム、並びに／或いは、本明細書で論じられるか、図示されるような、及び／又は出願時に当技術分野で知られる／利用可能であるような、及び／又は出願時より後に開発される／利用可能になるような、データ・センタ内、クラウド・コンピューティング環境内、及び／又は他の任意の物理的若しくは論理的位置にある、モバイル・デバイス、リモート・センサ、ラップトップ、デスクトップ、ポイント・オブ・セール・デバイス等などの「ベア・メタル」物理デバイスの他の任意の仮想化資産及び／又はサブシステム、であることが可能であるがこれらに限定されない。
様々な実施例では、本明細書で論じられる、及び／又は出願時に当技術分野で知られているような、及び／又は出願時より後に開発されるような、所与のプロダクション環境を作り上げる資産のいずれか又は全てを、１つ又は複数の仮想資産として実装することができる。
１つの実施例では、コンピューティング・システム及び／若しくは仮想資産などの２つ以上の資産、並びに／又は、２つ以上のコンピューティング環境は、セキュア・ソケット・レイヤ及び／又はトランスポート・レイヤのセキュリティ通信チャネル及び他の様々なセキュア通信チャネルを含むがこれらに限定されない１つ又は複数の通信チャネル、並びに／或いは、パブリック・クラウド、プライベート・クラウド、マルチ・テナント・クラウド・アーキテクチャ、仮想プライベート・ネットワーク（ＶＰＮ）、サブネット、任意の一般的なネットワーク、通信ネットワーク、若しくは一般的なネットワーク／通信ネットワーク・システム、異なるネットワーク・タイプの組合せ、パブリック・ネットワーク、プライベート・ネットワーク、衛星ネットワーク、ケーブル・ネットワーク、又は、本明細書で論じられるか、図示されるような、及び／若しくは出願時に利用可能であるか知られている、及び／若しくは出願時より後に開発されるような、２つ以上の資産、コンピューティング・システム、及び／若しくは仮想資産の間の通信を可能にすることができる他の任意のネットワーク、などであるがこれらに限定されない分散コンピューティング・システム・ネットワーク、によって接続される。
本明細書で使用されるように、用語「ネットワーク」は、ピアツーピア・ネットワーク、ハイブリッド・ピアツーピア・ネットワーク、ローカル・エリア・ネットワーク（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、広域ネットワーク（ＷＡＮ：Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどのパブリック・ネットワーク、プライベート・ネットワーク、セルラー・ネットワーク、任意の一般的なネットワーク、通信ネットワーク、若しくは一般的なネットワーク／通信ネットワーク・システム、ワイヤレス・ネットワーク、有線ネットワーク、ワイヤレスと有線の結合ネットワーク、衛星ネットワーク、ケーブル・ネットワーク、異なるネットワーク・タイプの任意の組合せ、又は、出願時に利用可能であるか、知られている、若しくは後で開発されるような、２つ以上の資産、仮想資産、及び／若しくはコンピューティング・システムの間の通信を可能にすることができる他の任意のシステム、などであるがこれらに限定されない任意のネットワーク又はネットワーク・システムを含むがこれらに限定されない。
本明細書で使用されるように、用語「関係」は、１つの実施例による、情報、データ、及び／又はユーザの１つのセット又はグループと、情報、データ、及び／又はユーザの別のセット又はグループとの間の論理的、数学的、統計学的、又は他の関連付け、を含むがこれらに限定されない。セット又はグループの間の論理的、数学的、統計学的、又は他の関連付け（すなわち、関係）は、１つの実施例による、１対１、多対１、１対多、多対多、等などであるがこれらに限定されない、様々な比率又は相関関係を含むことができる。非限定的な例として、アクセス制御及び強化した暗号化を提供するための本開示のシステム及び方法が、データの第１のグループと、データの第２のグループとの間の関係を決定する場合、１つの実施例による、データの第１のグループの特徴若しくはサブセットは、データの第２のグループの１つ若しくは複数の特性若しくはサブセットに関連のある、関連付けられた、及び／若しくは対応するものであることが可能であり、又は逆もまた同様である。したがって、関係は、１つの実施例による、データの第１のグループの１つ又は複数のサブセットに関連付けられたデータの第２のグループの１つ又は複数のサブセットを表すことができる。１つの実施例では、データの２つのセット又はグループの間の関係は、データのセット又はグループの間の類似点、差、及び相関関係を含むがこれらに限定されない。
本明細書で使用されるように、用語「データベース」及び「ストレージ・コンテナ」は区別なく使用され、任意の物理的な又は仮想のデータ源若しくはストレージ・デバイスを含むがこれらに限定されない。例えば、様々な実施例では、ストレージ・コンテナは、ハードディスク・ドライブ、ソリッドステート・ドライブ、ＥＥＰＲＯＭ、ＰＲＯＭ、揮発性若しくは不揮発性メモリ、光ディスク、サーバ、メモリ・アレイ、データベース、仮想データベース、仮想メモリ、仮想データ・ディレクトリ、又は他の物理若しくは仮想データ源のうちの１つ又は複数である、処理を実行するためにプロセッサを使用して命令を実行するための非一時的コンピュータ可読媒体、であることが可能であるがこれらに限定されない。
本明細書で使用されるように、用語「ユーザ」は、任意の当事者、複数の当事者、エンティティ、及び／又は、本明細書で論じられる方法若しくはシステムのいずれかを使用するか、そうでなければ、これらと相互作用するエンティティを含むがこれらに限定されない。例えば、様々な実施例では、ユーザは、人、商業エンティティ、アプリケーション、サービス、及び／又はコンピューティング・システムであることが可能であるがこれらに限定されない。
本明細書で使用されるように、用語「ビジネス」及び「雇用者ビジネス」は区別なく使用され、「ビジネス」の「取引先」のために「仕事」若しくは「タスク」を実施するため、又は、「ケース」若しくは「プロジェクト」をサービスするために、「被雇用者」を雇用するか、「被雇用者」と契約する任意の組織、人、又はエンティティを含む。
本明細書で使用されるように、用語「被雇用者」は、「ビジネス」の「取引先」のために「仕事」若しくは「タスク」を実施するため、又は、「ケース」若しくは「プロジェクト」をサービスするために、「ビジネス」によって利用される任意の組織、人、又はエンティティを含む。具体例として、「被雇用者」は、フルタイム被雇用者、パートタイム被雇用者、契約被雇用者若しくはエンティティ、又は下請け契約の被雇用者若しくはエンティティであることが可能である。
本明細書で使用されるように、用語「プロジェクト」、「仕事」、「ケース」、及び「タスク」は、双方向的に且つ区別なく使用され、ここで、用語「タスク」は、「雇用者ビジネス」の「取引先」の代わりに実施するために「雇用者ビジネス」又は「被雇用者」に割り当てられる任意の品物、機能、又は責任を含み、用語「プロジェクト」及び「仕事」は、「雇用者ビジネス」の「取引先」の代わりに実施するために「雇用者ビジネス」又は「被雇用者」に割り当てられる任意の「タスク」、又は「タスク」のセットを含み、用語「ケース」は、雇用者ビジネスによって受け入れられたことがあり、雇用者ビジネスのシステムに登録されている、されたことがある、若しくは、されることになる、「雇用者ビジネス」の「取引先」の代わりに実施するために「雇用者ビジネス」又は「被雇用者」に割り当てられる任意の「タスク」、「プロジェクト」、又は「仕事」を含む。
上記の議論では、１つの実施例の一定の態様は、特定の順序及び／又はグルーピングで、例証のために、本明細書で説明される処理ステップ及び／又は動作及び／又は命令を含む。それでも、本明細書で示され、論じられる特定の順序及び／又はグルーピングは、例証にすぎず、限定するものではない。処理ステップ及び／若しくは動作及び／若しくは命令の他の順序並びに／又はグルーピングが可能であり、いくつかの実施例では、上記で論じた処理ステップ及び／又は動作及び／又は命令のうちの１つ若しくは複数を、結合及び／又は削除できることを当業者は認識するであろう。さらに、処理ステップ及び／又は動作及び／又は命令のうちの１つ又は複数の一部は、本明細書で論じられる処理ステップ及び／又は動作及び／又は命令のうちの１つ又は複数の他の一部として再グルーピングすることができる。必然的に、本明細書で論じられる処理ステップ及び／若しくは動作及び／若しくは命令の特定の順序並びに／又はグルーピングは、下記で特許請求されるような本発明の範囲を限定するものではない。
上記でより詳細に論じられるように、上記の実施例を使用すると、修正及び／又は入力をほとんど、又は全く行うことなく、非常に多くの状況での様々な当事者の特定の要求を満たすための、カスタマイズに対してかなりの柔軟性、適合させる能力、及び機会がある。
上記の議論では、１つの実施例の一定の態様は、特定の順序及び／又はグルーピングで、例証のために、本明細書で説明される処理ステップ及び／又は動作及び／又は命令を含む。それでも、本明細書で示され、論じられる特定の順序及び／又はグルーピングは、例証にすぎず、限定するものではない。処理ステップ及び／若しくは動作及び／若しくは命令の他の順序並びに／又はグルーピングが可能であり、いくつかの実施例では、上記で論じた処理ステップ及び／又は動作及び／又は命令のうちの１つ若しくは複数を、結合及び／又は削除できることを当業者は認識するであろう。さらに、処理ステップ及び／又は動作及び／又は命令のうちの１つ又は複数の一部は、本明細書で論じられる処理ステップ及び／又は動作及び／又は命令のうちの１つ又は複数の他の一部として再グルーピングすることができる。必然的に、本明細書で論じられる処理ステップ及び／若しくは動作及び／若しくは命令の特定の順序並びに／又はグルーピングは、下記で特許請求されるような本発明の範囲を限定するものではない。
本発明は、特定の可能な実施例について詳細を特に説明してきた。本発明は他の実施例で実践できることを当業者は理解するであろう。例えば、構成について使用される専門語、構成要素の名称及び用語の大文字使用、属性、データ構造、又は他の任意のプログラミング若しくは構造的な態様は、重要、必須、又は限定的なものではなく、本発明又はその特徴を実行するメカニズムは、様々な異なる名前、フォーマット、又はプロトコルを有することができる。さらに、本発明のシステム又は機能は、説明したようなソフトウェアとハードウェアの様々な組合せを介して、又は全面的にハードウェア要素で実行することができる。また、本明細書で説明した様々な構成要素間の機能の特定の分割は、例示的なものにすぎず、必須なものでも重要なものでもない。必然的に、単一の構成要素によって実施される機能は、他の実施例では、複数の構成要素によって実施することができ、複数の構成要素によって実施される機能は、他の実施例では、単一の構成要素によって実施することができる。
上記の記述のいくつかの部分は、情報／データについての、動作のアルゴリズム及び記号による表現、又は動作のアルゴリズムのような表現の観点から本発明の特徴を提示する。これらのアルゴリズム的又はアルゴリズムのような説明及び表現は、これらの作業の実体を他の当業者に最も効果的且つ効率的に伝えるために当業者によって使用される手段である。これらの動作は、機能的又は論理的に説明したが、コンピュータ・プログラム又はコンピューティング・システムによって実行されることがわかる。さらに、一般性を失うことなく、ステップ若しくはモジュールとして、又は、機能名で、動作のこれらの配置を呼ぶことが時には便利であることも証明してきた。
別途具体的に述べない限り、上記の議論から明らかになるように、上記の記述の全体にわたって、「活性化すること」、「アクセスすること」、「追加すること」、「集約すること」、「アラートすること」、「適用すること」、「分析すること」、「関連付けること」、「計算すること」、「キャプチャすること」、「カテゴライズすること」、「分類すること」、「比較すること」、「作り出すこと」、「定義すること」、「検出すること」、「決定すること」、「分散させること」、「除くこと」、「暗号化すること」、「抽出すること」、「フィルタにかけること」、「転送すること」、「生成すること」、「識別すること」、「実装すること」、「知らせること」、「監視すること」、「取得すること」、「ポストすること」、「処理すること」、「提供すること」、「受け取ること」、「リクエストすること」、「保存すること」、「送ること」、「格納すること」、「代用すること」、「移送すること」、「変換すること」、「伝送すること」、「使用すること」等、などであるがこれらに限定されない用語を利用する議論は、コンピューティング・システム・メモリ、レジスタ、キャッシュ若しくは他の情報ストレージ、伝送、又は表示デバイス内の物理（電子）量として表されたデータに対して操作及び動作するコンピューティング・システム又は同様の電子デバイスのアクション及び処理を指すことがわかる。
また、本発明は、本明細書で説明した動作を実施するための装置又はシステムに関する。この装置若しくはシステムは、必要な目的のために特に構築することができ、又は、装置若しくはシステムは、コンピューティング・システム又は他のデバイスによってアクセスすることができる、本明細書で論じられるか、図示されるような処理を実行するためにプロセッサを使用して命令を実行するために非一時的コンピュータ可読媒体に格納されたコンピュータ・プログラムによって選択的にアクティブにされた、若しくは構成／再構成されたシステムを備えることができる。
本明細書で提示したアルゴリズム及び動作は、いずかの特定のコンピューティング・システム、コンピュータ・アーキテクチャ、コンピュータ若しくは業界標準、又は他の任意の特定の装置に本来的に関連のあるものではないことを当業者は容易に認識するであろう。また、本明細書における教示によるプログラムとともに、様々なシステムを使用することができ、又は、本明細書で説明した必要な動作を実施するために、より専門的な装置を構築するのに、より便利／効率的であると証明することができる。様々なこれらのシステムに必要な構造は、同等の変形形態とともに当業者には明らかであろう。さらに、本発明は、いずれかの特定のプログラミング言語についても説明していないが、本明細書で説明したような本発明の教示を実行するために様々なプログラミング言語を使用でき、特定の１つ又は複数の言語への何らかの言及は、例証のために行われるにすぎず、出願時に本発明者によって想定されるような本発明の使用可能性のために行われる。
本発明は、非常に多くのトポロジにわたって動作する多種多様なコンピュータ・ネットワーク・システムによく適している。この分野の中に、大規模ネットワークの構成及び管理は、プライベート・ネットワーク、ＬＡＮ、ＷＡＮ、プライベート・ネットワーク、又はインターネットなどのパブリック・ネットワークにわたって、同様の又は異なるコンピュータ及びストレージ・デバイスに通信連結されたストレージ・デバイス及びコンピュータを含む。
本明細書で使用される言語は、可読性、明瞭さ、及び説明のために主に選択されてきており、発明の主題を詳しく説明するため、又は制限するために選択されてきたことはないということにも留意されたい。したがって、本発明の本開示は、下記の特許請求の範囲で示した本発明の範囲を限定するのではなく、例証するためのものである。
さらに、図に示した、又は本明細書で論じられるか、図示されるような動作は、説明及び理解を容易にするために特定の専門語を使用して識別されるが、同等の動作を識別するために、他の専門語が当技術分野においてしばしば使用される。
したがって、非常に多くの変形形態を、明細書が明示的に提供するか、明細書が意味するか、否かにかかわらず、本開示を考慮して当業者によって実行することができる。

Claims (37)

  1. 多面的人材配分推奨を行うためのコンピューティング・システム実行方法であって、
    被雇用者スキル・セット・データの１つ又は複数の情報源へのアクセスを取得するステップ、及びビジネスの被雇用者のセットについての集約済被雇用者スキル・セット・データを生成するために、前記被雇用者スキル・セット・データを集約するステップと、
    前記ビジネスの取引先のために前記ビジネスの前記被雇用者によって実施されることになるタスクへの前記ビジネスの被雇用者の割当てを規定するルール及び制約データを生成するステップと、
    前記ビジネスの取引先のために前記ビジネスの被雇用者によって実施されることになる新しいタスク又はプロジェクトを表す新規ケース・データを取得するステップと、
    前記新規ケース・データによって表された前記タスク又はプロジェクトに割り当てられることになる前記ビジネスの被雇用者に必要な被雇用者スキル及び資格を表す新規ケース要件及びスキル・セット・データを生成するために、前記新規ケース・データを処理するステップと、
    前記ビジネスの被雇用者の前記セットのうちの前記被雇用者のそれぞれについての前記集約済被雇用者スキル・セット・データ、並びに、前記新規ケース要件及びスキル・セット・データを処理することにより、初期のスキル・セットにマッチした被雇用者データを生成するステップであって、前記初期のスキル・セットにマッチした被雇用者データは、前記新規ケース要件及びスキル・セット・データに表された新規ケース・スキル及び要件にマッチした１つ又は複数のマッチしたスキルを有するスキル・セットにマッチした被雇用者のセットを表す、前記生成するステップと、
    各スキル・セットにマッチした被雇用者について、正規化済被雇用者スキル・セット・データを生成するために、及び前記スキル・セットにマッチした被雇用者のために、前記スキル・セットにマッチした被雇用者についての前記マッチしたスキルを正規化するステップと、
    未加工のランク付けしたスキルにマッチした被雇用者のセットを表す未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成するために、各スキル・セットにマッチした被雇用者についての前記正規化済被雇用者スキル・セット・データ、並びに前記新規ケース要件及びスキル・セット・データを機械学習アルゴリズムに提供するステップと、
    フィルタ後の及びランク付けしたスキルにマッチした被雇用者のセットを表す被雇用者推奨データを生成するために、前記ルール及び制約データを使用して前記未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけるステップと、
    レビュー及び承認のために、前記推奨される被雇用者データを意思決定者に提供するステップと
    を含む、
    多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  2. 前記集約済被雇用者スキル・セット・データが、初期被雇用者スキル・セット・データ及び動的被雇用者スキル・セット・データを含む、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  3. 前記集約済被雇用者スキル・セット・データが、
    前記被雇用者が終了させた全ケースを表すデータと、
    前記被雇用者が終了させたケースについての平均解決時間を表すデータと、
    前記被雇用者についての平均顧客満足度レビュー・スコアを表すデータと、
    前記被雇用者に関連付けられた履歴タスク、プロジェクト、又はケース終了を表すデータと、
    前記被雇用者に関連付けられた経験及びチーム参加を表すデータと、
    前記被雇用者に関連付けられたチーム・リーダシップ経験を表すデータと、
    前記被雇用者に関連付けられた取引先ごとのレビュー・データと、
    前記被雇用者に関連付けられた製品ごとのレビュー・データと、
    前記被雇用者に関連付けられた製品モジュール経験を表すデータと、
    前記被雇用者に関連付けられたケース優先度経験を表すデータと、
    前記被雇用者に関連付けられた製品ごとの平均解決／終了時間を表すデータと、
    前記被雇用者に関連付けられた取引先ごとの平均解決／終了時間を表すデータと、
    前記被雇用者に関連付けられた各製品ライン／モジュールで作業した全ケースを表すデータと、
    前記被雇用者に関連付けられた証明書を表すデータと、
    前記被雇用者に関連付けられたプログラミング言語経験を表すデータと、
    前記被雇用者が話す、書く、又は読むことができる人間の言語を表すデータと、
    前記被雇用者に関連付けられた期間ごとのマイルストーンを表すデータと、
    前記被雇用者に関連付けられた製品リリース経験を表すデータと
    からなる被雇用者スキル・セット・データのグループから選択されたデータを含む、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  4. 前記ルール及び制約データが、
    任意又は特定の被雇用者に割り当てることができる活動中のタスク、プロジェクト、又はケースの数を制限するルール及び制約と、
    任意又は特定の被雇用者に割り当てることができる定義した時間フレームごとの有効な期限又は基準の数を制限するルール及び制約と、
    任意又は特定の被雇用者に割り当てることができる特定の優先度又は緊急性の活動中のタスク、プロジェクト、又はケースの最大数を制限するルール及び制約と、
    パートタイム又は契約被雇用者を割り当てる前のフルタイム被雇用者の使用に関するルール及び制約と、
    種々の優先タスク、プロジェクト、又はケース、及び取引先についての、１人又は複数の被雇用者の役割に必要な被雇用者の経験に関するルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者に必要な市民権を示すルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者が話す必要な言語を示すルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者に必要な時間帯を示すルール及び制約と、
    エスカレートした取引先についての新規ケースに割り当てられた被雇用者についての顧客満足度調査閾値に関するルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者の可用性に関するルール及び制約と
    からなるルール及び制約のグループから選択された１つ又は複数のルール及び制約を含む、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  5. 前記ルール及び制約が、ケース採用及び管理システムにおける取引先又は履歴データに基づいて、アクセス権を有するビジネスの被雇用者によって選択可能であり、アクセス権を有する前記ビジネスの被雇用者が調節できる範囲及び閾値を含む、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  6. 前記新規ケース・データが、
    前記新規ケースの前記タスク又はプロジェクトの名称を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる前記取引先の名称を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトの優先度を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた取引先の優先度を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた機器のタイプ又は製品ラインを表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた前記取引先が、エスカレートした又は戦略的な取引先であるかどうかを表すデータと、
    前記新規ケースの前記タスク若しくはプロジェクト、又は前記新規ケースの前記タスク若しくはプロジェクトに関連付けられた取引先に関連付けられた契約上の義務又は要件を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた前記取引先の調査データの平均スコアを表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた前記機器のタイプ又は製品ラインとともに含まれるサブ構成要素を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトのタイプを表すデータと、
    前記新規ケースの前記タスク又はプロジェクトの複雑性を表すデータと、
    前記新規ケースに関連付けられた前記取引先の地理位置を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる地理位置を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる時間帯を表すデータと
    からなる新規ケース・データから選択されたデータを含む、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  7. 前記新規ケース要件及びスキル・セット・データに表された前記新規ケース・スキル及び要件にマッチした集約済被雇用者データの前記１つ又は複数のマッチしたスキルが、
    前記マッチしたスキルに関連のある前記被雇用者が終了させた全ケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が終了させたケースについての平均解決時間を表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者についての平均顧客満足度レビュー・スコアを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が所有し、終了させたケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者がリードし、終了させたケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が貢献したケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が所有し、終了させたケースに関連付けられた解決時間を表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が関与し、終了させたケースに関連付けられた解決時間を表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が関与したケースに関連付けられた解決時間を表すデータと、
    前記マッチしたスキルに関連付けられた前記被雇用者又は被雇用者チームについてのレビュー及び顧客満足度レビューを表すデータと、
    からなる被雇用者のマッチしたスキル・セット・データのグループから選択された１つ又は複数の被雇用者のマッチしたスキル・データを含む、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  8. 前記スキル・セットにマッチした被雇用者についての前記マッチしたスキルが、ミニ・マックス正規化を使用して正規化される、
    請求項７に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  9. 前記未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成するために使用される前記機械学習アルゴリズムが、重み付けした最も少ないユークリッド距離の機械学習アルゴリズムである、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  10. 前記推奨される被雇用者データを受け取る前記意思決定者が、アプリケーションである、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  11. 前記ビジネス及び前記ビジネスの前記取引先が要求すると判断される定義したスキルを前記被雇用者が開発できるケースへの被雇用者の前記割当てを規定する被雇用者開発ルール及び制約を表す被雇用者開発ルール及び制約データを生成するステップと、
    前記新規ケースについての１人又は複数の推奨される被雇用者を表す前記新規ケースに推奨される被雇用者データを生成するために、前記被雇用者開発ルール及び制約データを使用して、前記フィルタ後のスキルにマッチした被雇用者推奨データを処理するステップと、
    レビュー及び／又は承認のために、前記推奨される被雇用者データを意思決定者に提供するステップと
    をさらに含む、
    請求項１に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  12. 多面的人材配分推奨を行うためのコンピューティング・システム実行方法であって、
    ビジネスの被雇用者のセットのうちの前記被雇用者のそれぞれについての集約済被雇用者スキル・セット・データを生成するために、初期被雇用者スキル・セット・データ、動的被雇用者スキル・セット・データ、及び被雇用者ＨＲデータを集約するステップと、
    前記ビジネスの取引先のために前記ビジネスの前記被雇用者によって実施されることになるタスクへの前記ビジネスの被雇用者の割当てを規定する雇用者／監督者が課したルール及び制約データを定義するステップと、
    前記定義した雇用者／監督者が課したルール及び制約を表す雇用者／監督者が課したルール及び制約データを生成するステップと、
    前記ビジネスの取引先のために前記ビジネスの被雇用者によって実施されることになる新しいタスク又はプロジェクトを表す新規ケース・データを取得するステップと、
    前記新規ケース・データに関連付けられた取引先についての取引先データを取得するステップと、
    前記新規ケース・データによって表された前記タスク又はプロジェクトに割り当てられることになる前記ビジネスの被雇用者に必要な被雇用者スキル及び資格を表す新規ケース要件及びスキル・セット・データを生成するために、前記新規ケース・データ及び前記取引先データを処理するステップと、
    前記新規ケース・データによって表された前記タスク又はプロジェクトへの前記ビジネスの被雇用者への割当てを規定する取引先が課したルール及び制約データを生成するために、前記新規ケース要件及びスキル・セット・データを処理するステップと、
    前記新規ケース・データによって表された前記タスク又はプロジェクトへの前記ビジネスの被雇用者への割当てを規定する前記雇用者／監督者が課したルール及び制約、並びに前記取引先が課したルール及び制約を表す新規ケースのルール及び制約データを生成するために、前記雇用者／監督者が課したルール及び制約データと、前記取引先が課したルール及び制約データとを集約するステップと、
    新規ケース・ベクトル・データを生成するために、前記新規ケース要件及びスキル・セット・データ、並びに前記新規ケース・ルール及び制約データを処理するステップと、
    前記ビジネスの被雇用者の前記セットのうちの前記被雇用者のそれぞれについての前記集約済被雇用者スキル・セット・データ、並びに、前記新規ケース要件及びスキル・セット・データを処理することにより、初期のスキル・セットにマッチした被雇用者データを生成するステップであって、前記初期のスキル・セットにマッチした被雇用者データは、前記新規ケース要件及びスキル・セット・データに表された新規ケース・スキル及び要件にマッチした１つ又は複数のマッチしたスキルを有するスキル・セットにマッチした被雇用者のセットを表す、前記生成するステップと、
    各スキル・セットにマッチした被雇用者について、正規化済被雇用者スキル・セット・データを生成するために、及び前記スキル・セットにマッチした被雇用者のために、前記スキル・セットにマッチした被雇用者についての前記マッチしたスキルを正規化するステップと、
    各スキル・セットにマッチした被雇用者について、前記スキル・セットにマッチした被雇用者についての前記正規化済被雇用者スキル・セット・データに基づいて、正規化済被雇用者スキル・セット・ベクトル・データを生成するステップと、
    未加工のスキルにマッチした被雇用者のセットを表す未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成するために、各スキル・セットにマッチした被雇用者についての前記正規化済被雇用者スキル・セット・ベクトル・データ、及び前記新規ケース・ベクトル・データを機械学習アルゴリズムに提供するステップと、
    フィルタ後のスキルにマッチした被雇用者のセットを表すフィルタ後のスキルにマッチした被雇用者推奨データを生成するために、前記新規ケース・ルール及び制約データを使用して、前記未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけるステップと、
    前記新規ケースについての１人又は複数の推奨される被雇用者を表す前記新規ケースに推奨される被雇用者データを生成するために、負荷分散のルール及び制約を使用して、前記フィルタ後のスキルにマッチした被雇用者推奨データを処理するステップと、
    レビュー及び／又は承認のために、前記推奨される被雇用者データを意思決定者に提供するステップと
    を含む、
    多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  13. 前記ビジネスの前記被雇用者についての初期被雇用者スキル・セット・データが、
    前記被雇用者自身と、
    前記被雇用者の雇用記録と、
    前記被雇用者のＨＲ記録と、
    前記被雇用者に関連付けられた証明書及び学校教育の公文書と、
    専門ソーシャル・メディア・サイトによる前記被雇用者のアカウントと、
    一般ソーシャル・メディア・サイトによる前記被雇用者のアカウントと、
    前記被雇用者の以前の雇用者と
    からなる初期被雇用者スキル・セット・データ源のグループから取得された１つ又は複数の初期被雇用者スキルを表すデータを含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  14. 前記動的被雇用者スキル・セット・データが、
    前記被雇用者が終了させた全ケースを表すデータと、
    前記被雇用者が終了させたケースについての平均解決時間を表すデータと、
    前記被雇用者についての平均顧客満足度レビュー・スコアを表すデータと、
    前記被雇用者に関連付けられた全タスク、プロジェクト、又はケース終了を表すデータと、
    前記被雇用者に関連付けられたタスク、プロジェクト、又はケースについての終了までの平均時間を表すデータと、
    顧客／製品／被雇用者ごとの平均顧客満足度レビュー・データを表すデータと、
    前記被雇用者に関連付けられた経験及びチーム参加を表すデータと、
    前記被雇用者に関連付けられたチーム・リーダシップ経験を表すデータと、
    前記被雇用者に関連付けられた製品モジュール経験を表すデータと、
    前記被雇用者に関連付けられたケース優先度経験を表すデータと、
    前記被雇用者に関連付けられた各製品ライン／モジュールで作業した全ケースを表すデータと、
    前記被雇用者に関連付けられた証明書を表すデータと、
    前記被雇用者に関連付けられたプログラミング言語経験を表すデータと、
    前記被雇用者が話す、書く、又は読むことができる人間の言語を表すデータと、
    前記被雇用者に関連付けられた期間ごとのマイルストーンを表すデータと、
    前記被雇用者に関連付けられた製品リリース経験を表すデータと
    からなる動的被雇用者スキル・セット・データのグループから選択されたデータを含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  15. 前記ビジネスの各被雇用者についての前記被雇用者ＨＲデータが、
    前記被雇用者の地理位置を表すデータと、
    前記被雇用者に関連付けられた時間帯を表すデータと、
    前記被雇用者の証明書及び／又は教育データを表すデータと、
    前記被雇用者の雇用タイプを表すデータと、
    前記被雇用者の計画した有給休暇（ＰＴＯ）ステータスを表すデータと
    のうちの１つ又は複数からなるＨＲデータのグループから選択されたデータを含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  16. 前記雇用者／監督者が課したルール及び制約データが、
    任意又は特定の被雇用者に割り当てることができる活動中のタスク、プロジェクト、又はケースの数を制限するルール及び制約と、
    任意又は特定の被雇用者に割り当てることができる定義した時間フレームごとの有効な期限又は基準の数を制限するルール及び制約と、
    任意又は特定の被雇用者に割り当てることができる特定の優先度又は緊急性の活動中のタスク、プロジェクト、又はケースの最大数を制限するルール及び制約と、
    パートタイム又は契約被雇用者を割り当てる前のフルタイム被雇用者の使用に関するルール及び制約と、
    種々の優先タスク、プロジェクト、又はケース、及び取引先についての、１人又は複数の被雇用者の役割に必要な被雇用者の経験に関するルール及び制約と
    からなるグループから選択された１つ又は複数の雇用者／監督者が課したルール及び制約を含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  17. 前記雇用者／監督者が課したルール及び制約が、前記ビジネスの被雇用者が調節できる範囲及び閾値を含むビジネスの被雇用者によって選択可能な、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  18. 前記新規ケース・データが、
    前記新規ケースの前記タスク又はプロジェクトの名称を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる前記取引先の名称を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトの優先度を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた取引先の優先度を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた機器のタイプ又は製品ラインを表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた前記機器のタイプ又は製品ラインとともに含まれるサブ構成要素を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトのタイプを表すデータと、
    前記新規ケースの前記タスク又はプロジェクトの複雑性を表すデータと、
    前記新規ケースに関連付けられた前記取引先の地理位置を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる地理位置を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる時間帯を表すデータと
    からなる新規ケース・データから選択されたデータを含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  19. 前記新規ケース・データに関連付けられた前記取引先についての前記取引先データが、
    前記取引先の優先度を表すデータと、
    前記取引先に関連付けられた機器又は製品ラインのタイプを表すデータと、
    前記取引先、又は前記取引先の代わりに実施されるタスク、プロジェクト、若しくはケースに関連付けられた契約上の義務又は要件を表すデータと、
    前記取引先が、エスカレートした又は戦略的な取引先であるかどうかを表すデータと、
    前記取引先に関連付けられた調査又はレビュー・スコアの平均を表すデータと、
    前記取引先の地理位置を表すデータと、
    前記取引先の前記地理位置に関連付けられた時間帯を表すデータと
    からなる取引先データから選択されたデータを含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  20. 前記新規ケース・データに関連付けられた前記取引先についての前記取引先データが、
    前記ビジネスによって維持される取引先及びケース記録と、
    前記取引先に関連付けられたソーシャル・メディア・アカウントと、
    前記取引先に関連付けられたウェブサイト及び広告と
    のうちの１つ又は複数から取得される、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  21. 前記取引先が課したルール及び制約が、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者に必要な市民権を示すルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者が話す必要な言語を示すルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者の可用性に関するルール及び制約と
    からなる取引先が課したルール及び制約のグループから選択された取引先が課したルール及び制約を含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  22. 前記新規ケース要件及びスキル・セット・データに表された前記新規ケース・スキル及び要件にマッチした前記集約済被雇用者スキル・セット・データの前記被雇用者のマッチしたスキル・データが、
    前記マッチしたスキルに関連のある前記被雇用者が終了させた全ケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が終了させたケースについての平均解決時間を表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者についての平均顧客満足度レビュー・スコアを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が所有したケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が終了させたケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が貢献したケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が所有し、終了させたケースに関連付けられた解決時間を表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が関与し、終了させたケースに関連付けられた解決時間を表すデータと、
    前記マッチしたスキルに関連付けられた前記被雇用者又はチーム・メンバとしての前記被雇用者についての顧客満足度レビューを表すデータと
    からなる被雇用者のマッチしたスキル・データのグループから選択された１つ又は複数の被雇用者のマッチしたスキル・データを含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  23. 前記スキル・セットにマッチした被雇用者についての前記マッチしたスキルが、１つ又は複数の機械学習アルゴリズムを使用して正規化される、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  24. 前記スキル・セットにマッチした被雇用者についての前記マッチしたスキルが、ミニ・マックス正規化を使用して正規化される、
    請求項２３に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  25. 前記未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成するために使用される前記機械学習アルゴリズムが、重み付けした最も少ないユークリッド距離の機械学習アルゴリズムである、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  26. 前記推奨される被雇用者データを受け取る前記意思決定者が、アプリケーションである、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  27. 前記ビジネス及び前記ビジネスの前記取引先が要求すると判断される定義したスキルを前記被雇用者が開発できるケースへの被雇用者の割当てを規定する被雇用者開発ルール及び制約を表す被雇用者開発ルール及び制約データを生成するステップと、
    前記新規ケースについての１人又は複数の推奨される被雇用者を表す前記新規ケースに推奨される被雇用者データを生成するために、前記被雇用者開発ルール及び制約データを使用して、前記フィルタ後のスキルにマッチした被雇用者推奨データを処理するステップと、
    レビュー及び／又は承認のために、前記推奨される被雇用者データを意思決定者に提供するステップと
    をさらに含む、
    請求項１２に記載の多面的人材配分推奨を行うためのコンピューティング・システム実行方法。
  28. 多面的人材配分推奨を行うためのシステムであって、
    ビジネスの取引先のために前記ビジネスの被雇用者によって実施されることになるタスクを表す新規ケース・データを含むケース採用及び管理システムと、
    企業機械学習（ＭＬ）データベースであって、
    前記ビジネスの被雇用者のセットの前記被雇用者のそれぞれについての集約済被雇用者スキル・セット・データであって、被雇用者スキル・セット・データの１つ又は複数の情報源から取得される、集約済被雇用者スキル・セット・データ、及び
    前記ビジネスの取引先のために前記ビジネスの被雇用者によって実施されることになる新しいタスク又はプロジェクトを表す新規ケース・データであって、前記ケース採用及び管理システムから受け取られる、新規ケース・データ
    を含む、企業ＭＬデータベースと、
    機械学習エンジンであって、
    事前処理モジュール、
    スキル・マッチング、正規化、及びランク付けモジュール、
    フィルタ・モジュール、並びに
    負荷分散モジュール
    を含む、機械学習エンジンと、
    前記ビジネスの取引先のために前記ビジネスの前記被雇用者によって実施されることになるタスクへの前記ビジネスの被雇用者の割当てを規定するルール及び制約データを含むルール及び制約データベースと、
    前記ケース採用及び管理システムを介して被雇用者推奨データを意思決定者に提供するための多面的人材アドバイザ・アプリケーションであって、前記ケース採用及び管理システム、前記企業ＭＬデータベース、前記機械学習エンジン、前記ルール及び制約データベース、並びに前記多面的人材アドバイザ・アプリケーションが、多面的人材配分推奨を行うための処理を実行するために動作可能なように接続され、多面的人材配分推奨を行うための前記処理が、
    前記新規ケース・データによって表された前記タスク又はプロジェクトに割り当てられることになる前記ビジネスの被雇用者に必要な被雇用者スキル及び資格を表す新規ケース要件及びスキル・セット・データを生成するために、前記機械学習エンジンの前記事前処理モジュールで、前記新規ケース・データを処理すること、
    前記新規ケース要件及びスキル・セット・データを前記企業ＭＬデータベースに格納すること、
    前記機械学習エンジンの前記スキル・マッチング、正規化、及びランク付けモジュールで、前記ビジネスの被雇用者の前記セットのうちの前記被雇用者のそれぞれについての前記集約済被雇用者スキル・セット・データ、並びに、前記新規ケース要件及びスキル・セット・データを処理することにより、初期のスキル・セットにマッチした被雇用者データを生成することであって、初期のスキル・セットにマッチした被雇用者データは、前記新規ケース要件及びスキル・セット・データに表された新規ケース・スキル及び要件にマッチした１つ又は複数のマッチしたスキルを有するスキル・セットにマッチした被雇用者のセットを表す、前記生成すること、
    各スキル・セットにマッチした被雇用者について、前記機械学習エンジンの前記スキル・マッチング、正規化、及びランク付けモジュールで、前記スキル・セットにマッチした被雇用者についての前記マッチしたスキルを正規化し、前記スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・データを生成すること、
    未加工のスキルにマッチした被雇用者のセットを表す未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成するために、各スキル・セットにマッチした被雇用者についての前記正規化済被雇用者スキル・セット・データ、並びに前記新規ケース要件及びスキル・セット・データを、前記機械学習エンジンの前記スキル・マッチング、正規化、及びランク付けモジュールの機械学習アルゴリズムに提供すること、
    フィルタ後の及びランク付けしたスキルにマッチした被雇用者のセットを表すフィルタ後の及びランク付けしたスキルにマッチした被雇用者推奨データを生成するために、前記機械学習エンジンの前記フィルタ・モジュールで、前記ルール及び制約データベースの前記ルール及び制約データを使用して、前記未加工のランク付けしたスキルにマッチした被雇用者推奨データをフィルタにかけること、
    前記多面的人材アドバイザ・アプリケーションを通じて、前記ケース採用及び管理システムを介して、レビュー及び／又は承認のために、前記推奨される被雇用者データを意思決定者に提供すること
    を含む、多面的人材アドバイザ・アプリケーションと
    を備える、
    多面的人材配分推奨を行うためのシステム。
  29. 前記集約済被雇用者スキル・セット・データが、前記ビジネスの前記被雇用者についての初期被雇用者スキル・セット・データ、及び前記ビジネスの前記被雇用者についての動的被雇用者スキル・セット・データ源を含む、
    請求項２８に記載の多面的人材配分推奨を行うためのシステム。
  30. 前記集約済被雇用者スキル・セット・データが、
    前記被雇用者が終了させた全ケースを表すデータと、
    前記被雇用者が終了させたケースについての平均解決時間を表すデータと、
    前記被雇用者についての平均顧客満足度レビュー・スコアを表すデータと、
    前記被雇用者に関連付けられた履歴タスク、プロジェクト、又はケース終了を表すデータと、
    前記被雇用者に関連付けられた経験及びチーム参加を表すデータと、
    前記被雇用者に関連付けられたチーム・リーダシップ経験を表すデータと、
    前記被雇用者に関連付けられた取引先ごとのレビュー・スコアを表すデータと、
    前記被雇用者に関連付けられた製品ごとのレビュー・スコアを表すデータと、
    前記被雇用者に関連付けられた製品モジュール経験を表すデータと、
    前記被雇用者に関連付けられたケース優先度経験を表すデータと、
    前記被雇用者に関連付けられた製品ごとの平均解決／終了時間を表すデータと、
    前記被雇用者に関連付けられた取引先ごとの平均解決／終了時間を表すデータと、
    前記被雇用者に関連付けられた各製品ライン／モジュールで作業した全ケースを表すデータと、
    前記被雇用者に関連付けられた証明書を表すデータと、
    前記被雇用者に関連付けられたプログラミング言語経験を表すデータと、
    前記被雇用者が話す、書く、又は読むことができる人間の言語を表すデータと、
    前記被雇用者に関連付けられた期間ごとのマイルストーンを表すデータと、
    前記被雇用者に関連付けられた製品リリース経験を表すデータと
    からなる被雇用者スキル・セット・データのグループから選択されたデータを含む、
    請求項２８に記載の多面的人材配分推奨を行うためのシステム。
  31. 前記ルール及び制約が、
    任意又は特定の被雇用者に割り当てることができる活動中のタスク、プロジェクト、又はケースの数を制限するルール及び制約と、
    任意又は特定の被雇用者に割り当てることができる定義した時間フレームごとの有効な期限又は基準の数を制限するルール及び制約と、
    任意又は特定の被雇用者に割り当てることができる特定の優先度又は緊急性の活動中のタスク、プロジェクト、又はケースの最大数を制限するルール及び制約と、
    パートタイム又は契約被雇用者を割り当てる前のフルタイム被雇用者の使用に関するルール及び制約と、
    種々の優先タスク、プロジェクト、又はケース、及び取引先についての、１人又は複数の被雇用者の役割に必要な被雇用者の経験に関するルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者に必要な市民権を示すルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者が話す必要な言語を示すルール及び制約と、
    前記取引先のために作業する又は前記新規ケースに割り当てられる被雇用者の可用性に関するルール及び制約と、
    からなるルール及び制約のグループから選択された１つ又は複数のルール及び制約を含む、
    請求項２８に記載の多面的人材配分推奨を行うためのシステム。
  32. 前記ルール及び制約が、前記被雇用者が調節できる範囲及び閾値を含む前記ビジネスの被雇用者によって選択可能な、
    請求項２８に記載の多面的人材配分推奨を行うためのシステム。
  33. 前記新規ケース・データが、
    前記新規ケースの前記タスク又はプロジェクトの名称を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる前記取引先の名称を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトの優先度を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた前記取引先の優先度を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトの優先度を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた機器のタイプ又は製品ラインを表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた前記取引先が、エスカレートした又は戦略的な取引先であるかどうかを表すデータと、
    前記新規ケースの前記タスク若しくはプロジェクトに関連付けられた前記取引先、又は前記新規ケースの前記タスク若しくはプロジェクト、に関連付けられた契約上の義務又は要件を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた取引先調査の平均スコアを表すデータと、
    前記新規ケースの前記タスク又はプロジェクトに関連付けられた前記機器のタイプ又は製品ラインとともに含まれるサブ構成要素を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトのタイプを表すデータと、
    前記新規ケースの前記タスク又はプロジェクトの複雑性を表すデータと、
    前記新規ケースに関連付けられた前記取引先の地理位置を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる地理位置を表すデータと、
    前記新規ケースの前記タスク又はプロジェクトが実施されることになる時間帯を表すデータと
    からなる新規ケース・データから選択されたデータを含む、
    請求項２８に記載の多面的人材配分推奨を行うためのシステム。
  34. 前記新規ケース要件及びスキル・セット・データに表された前記新規ケース・スキル及び要件にマッチした前記被雇用者のマッチしたスキルが、
    前記マッチしたスキルに関連のある前記被雇用者が終了させた全ケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が終了させたケースについての平均解決時間を表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者についての平均顧客満足度レビュー・スコアを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が所有したケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者がリードしたケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が貢献したケースを表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が所有し、終了させたケースに関連付けられた解決時間を表すデータと、
    前記マッチしたスキルに関連のある前記被雇用者が関与し、終了させたケースに関連付けられた解決時間を表すデータと、
    前記マッチしたスキルに関連付けられた前記被雇用者又はチームについてのレビュー及び顧客満足度レビューを表すデータと
    からなる被雇用者のマッチしたスキル・データのグループから選択された１つ又は複数の被雇用者のマッチしたスキル・データを含む、
    請求項２８に記載の多面的人材配分推奨を行うためのシステム。
  35. 前記スキル・セットにマッチした被雇用者についての前記マッチしたスキルが、前記機械学習エンジンの前記スキル・マッチング、正規化、及びランク付けモジュールによって、ミニ・マックス正規化を使用して正規化される、
    請求項３４に記載の多面的人材配分推奨を行うためのシステム。
  36. 前記未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成するために、前記機械学習エンジンの前記スキル・マッチング、正規化、及びランク付けモジュールによって使用される前記機械学習アルゴリズムが、重み付けした最も少ないユークリッド距離の機械学習アルゴリズムである、
    請求項２８に記載の多面的人材配分推奨を行うためのシステム。
  37. 多面的人材配分推奨を行うためのシステムであって、
    ビジネスの取引先のために前記ビジネスの被雇用者によって実施されることになるタスクを表す新規ケース・データを含むケース採用及び管理システムと、
    企業機械学習（ＭＬ）データベースであって、
    前記ビジネスの被雇用者のセットの前記被雇用者のそれぞれについての集約済被雇用者スキル・セット・データであって、被雇用者スキル・セット・データの１つ又は複数の情報源から取得される、集約済被雇用者スキル・セット・データ、及び
    前記ビジネスの取引先のために前記ビジネスの被雇用者によって実施されることになる新しいタスク又はプロジェクトを表す新規ケース・データであって、前記ケース採用及び管理システムから受け取られる、新規ケース・データ
    を含む、企業ＭＬデータベースと、
    機械学習エンジンであって、
    事前処理モジュール、
    スキル・マッチング、正規化、及びランク付けモジュール、
    フィルタ・モジュール、並びに
    負荷分散モジュール
    を含む、機械学習エンジンと、
    前記ビジネスの取引先のために前記ビジネスの前記被雇用者によって実施されることになるタスクへの前記ビジネスの被雇用者の割当てを規定するルール及び制約データを含むルール及び制約データベースと
    前記ケース採用及び管理システムを介して被雇用者推奨データを意思決定者に提供するための多面的人材アドバイザ・アプリケーションと
    を備え、
    各スキル・セットにマッチした被雇用者についての正規化済被雇用者スキル・セット・データ、並びに新規ケース要件及びスキル・セット・データを、前記機械学習エンジンの前記スキル・マッチング、正規化、及びランク付けモジュールの機械学習アルゴリズムに提供することにより、未加工のスキルにマッチした被雇用者のセットを表す未加工のランク付けしたスキルにマッチした被雇用者推奨データを生成する、
    多面的人材配分推奨を行うためのシステム。
JP2021527878A 2018-11-19 2019-11-11 多面的人材配分アドバイザを提供するための方法及びシステム Active JP7389117B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/195,668 2018-11-19
US16/195,668 US11182707B2 (en) 2018-11-19 2018-11-19 Method and system for providing a multi-dimensional human resource allocation adviser
PCT/US2019/060741 WO2020106481A1 (en) 2018-11-19 2019-11-11 Method and system for providing a multi-dimensional human resource allocation adviser

Publications (2)

Publication Number Publication Date
JP2022510583A JP2022510583A (ja) 2022-01-27
JP7389117B2 true JP7389117B2 (ja) 2023-11-29

Family

ID=70727730

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021527878A Active JP7389117B2 (ja) 2018-11-19 2019-11-11 多面的人材配分アドバイザを提供するための方法及びシステム

Country Status (10)

Country Link
US (1) US11182707B2 (ja)
EP (1) EP3884443A4 (ja)
JP (1) JP7389117B2 (ja)
CN (1) CN113439279A (ja)
AU (2) AU2019383937A1 (ja)
BR (1) BR112021009717A2 (ja)
CA (1) CA3120357A1 (ja)
MX (1) MX2021005821A (ja)
SG (2) SG11202105165VA (ja)
WO (1) WO2020106481A1 (ja)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10630694B1 (en) * 2016-09-20 2020-04-21 Express Scripts Strategic Development, Inc. Systems and methods for data access control
CN113169888B (zh) * 2018-12-05 2024-06-14 瑞典爱立信有限公司 用于分配现场技术人员的方法和技术人员分配系统
US20200210961A1 (en) * 2018-12-27 2020-07-02 Clicksoftware, Inc. Systems and methods for work capacity planning
KR102200809B1 (ko) * 2019-04-01 2021-01-12 주식회사 엘렉시 학습기반 데이터 처리 시스템 및 모델 갱신 방법
US20210110330A1 (en) * 2019-10-15 2021-04-15 Citrix Systems, Inc. Skill-set score based intelligent case assignment system
US11620472B2 (en) 2020-04-23 2023-04-04 Citrix Systems, Inc. Unified people connector
JP2021193511A (ja) * 2020-06-08 2021-12-23 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
US12001174B2 (en) 2020-07-22 2024-06-04 Accenture Global Solutions Limited Determination of task automation using an artificial intelligence model
US11271829B1 (en) 2020-11-19 2022-03-08 Kyndryl, Inc. SLA-aware task dispatching with a task resolution control
US20220198367A1 (en) * 2020-12-21 2022-06-23 Intuit Inc. Expert matching through workload intelligence
JP6937979B1 (ja) * 2021-01-28 2021-09-22 眞野 篤師 ワーキングホリデー管理システム、ワーキングホリデー管理方法及びプログラム
US20220327460A1 (en) * 2021-04-13 2022-10-13 At&T Intellectual Property I, L.P. Systems and methods for scaled engineering
CN113408863A (zh) * 2021-05-26 2021-09-17 深圳市富能新能源科技有限公司 工单推荐方法、装置、终端设备及计算机存储介质
US20220391803A1 (en) * 2021-06-08 2022-12-08 Jpmorgan Chase Bank, N.A. Method and system for using artificial intelligence for task management
KR20220168176A (ko) * 2021-06-15 2022-12-22 서울대학교산학협력단 인공지능 기반의 임직원 맞춤형 인사관리시스템
WO2023029018A1 (en) * 2021-09-04 2023-03-09 Citrix Systems, Inc. Task assignment artifical intelligence
US11954430B2 (en) * 2021-10-20 2024-04-09 Riverscape Software, Inc. Systems and methods for document generation and solicitation management
WO2023102867A1 (en) * 2021-12-10 2023-06-15 Citrix Systems, Inc. Intelligent task assignment and performance
CN114897429B (zh) * 2022-06-07 2024-02-02 平安科技（深圳）有限公司 适用于客服沟通的任务分配方法、装置、设备及存储介质
US20240005242A1 (en) * 2022-06-30 2024-01-04 International Business Machines Corporation Dynamic federated workflow programming management
CN116502881B (zh) * 2023-06-29 2023-12-22 深圳市昊昱精密机电有限公司 一种用于设备维修的人员调度管理方法及系统
CN117057763B (zh) * 2023-10-12 2024-01-09 杭州灵兔信息技术服务有限公司 一种人力资源优化配置方法及系统
CN118037007A (zh) * 2024-04-11 2024-05-14 创意信息技术股份有限公司 案件最优分配方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020029161A1 (en) 1998-11-30 2002-03-07 Brodersen Robert A. Assignment manager
JP2002531900A5 (ja) 1999-11-30 2007-01-25
US20080167930A1 (en) 2007-01-10 2008-07-10 Heng Cao Method and structure for end-to-end workforce management
JP2014191377A (ja) 2013-03-26 2014-10-06 Hitachi Systems Ltd 作業担当者割当方法および作業担当者割当システム
US20170068922A1 (en) 2015-09-03 2017-03-09 Xerox Corporation Methods and systems for managing skills of employees in an organization
US20180012186A1 (en) 2016-07-11 2018-01-11 International Business Machines Corporation Real time discovery of risk optimal job requirements

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05120300A (ja) * 1991-10-24 1993-05-18 Toshiba Corp 割当て装置
JPH11296594A (ja) * 1998-04-13 1999-10-29 Hitachi Ltd 案件割当支援方法
US6233332B1 (en) 1998-06-03 2001-05-15 Avaya Technology Corp. System for context based media independent communications processing
US7437309B2 (en) * 2001-02-22 2008-10-14 Corporate Fables, Inc. Talent management system and methods for reviewing and qualifying a workforce utilizing categorized and free-form text data
US20050137918A1 (en) * 2003-12-17 2005-06-23 International Business Machines Corporation Method, system and program product for assessing an enterprise architecture
US20050149382A1 (en) 2003-12-24 2005-07-07 Fenner John D. Method for administering a survey, collecting, analyzing and presenting customer satisfaction feedback
US20080103868A1 (en) * 2006-10-31 2008-05-01 Santos Cipriano A Methods for planning workforce resources
JP2009237636A (ja) * 2008-03-26 2009-10-15 Promise Co Ltd 人材マッチングシステム
US20110202382A1 (en) * 2008-10-28 2011-08-18 Santos Cipriano A Workforce planning
US20100174577A1 (en) * 2009-01-07 2010-07-08 Red Hat, Inc. Automated Task Delegation Based on Skills
US20120137367A1 (en) 2009-11-06 2012-05-31 Cataphora, Inc. Continuous anomaly detection based on behavior modeling and heterogeneous information analysis
US20120254333A1 (en) 2010-01-07 2012-10-04 Rajarathnam Chandramouli Automated detection of deception in short and multilingual electronic messages
US20110184771A1 (en) * 2010-01-28 2011-07-28 Wells Robert Frances Implementation resource project management
US8473624B2 (en) 2010-07-21 2013-06-25 Nice Systems Ltd. Method and system for routing text based interactions
US7991632B1 (en) * 2011-01-28 2011-08-02 Fmr Llc Method and system for allocation of resources in a project portfolio
US20130275320A1 (en) * 2012-04-16 2013-10-17 Google Inc. Identifying Prospective Employee Candidates via Employee Connections
US9678948B2 (en) 2012-06-26 2017-06-13 International Business Machines Corporation Real-time message sentiment awareness
US20140025418A1 (en) 2012-07-19 2014-01-23 International Business Machines Corporation Clustering Based Resource Planning, Work Assignment, and Cross-Skill Training Planning in Services Management
US20140279629A1 (en) * 2013-03-12 2014-09-18 Salesforce.Com, Inc. System and method for generating an organization profile based on skill information
US20140358606A1 (en) * 2013-05-30 2014-12-04 Linkedln Corporation System and method for recommending an employee for a role
US20150051957A1 (en) 2013-08-15 2015-02-19 Oracle International Corporation Measuring customer experience value
IN2014MU00728A (ja) * 2014-03-03 2015-09-25 Tata Consultancy Services Ltd
US20150310487A1 (en) 2014-04-25 2015-10-29 Yahoo! Inc. Systems and methods for commercial query suggestion
US9792554B2 (en) 2014-09-15 2017-10-17 International Business Machines Corporation Automatic case assignment based on learned expertise of prior caseload
US20160132901A1 (en) 2014-11-10 2016-05-12 0934781 B.C. Ltd Ranking Vendor Data Objects
US10636047B2 (en) 2015-09-09 2020-04-28 Hartford Fire Insurance Company System using automatically triggered analytics for feedback data
US20170316438A1 (en) 2016-04-29 2017-11-02 Genesys Telecommunications Laboratories, Inc. Customer experience analytics
US10045218B1 (en) 2016-07-27 2018-08-07 Argyle Data, Inc. Anomaly detection in streaming telephone network data
US20180096307A1 (en) * 2016-09-30 2018-04-05 Massachusetts, University Of Adaptive, hybrid reasoning decision support system for personnel hiring and inter-connected business strategic evolution
US20180144305A1 (en) 2016-11-22 2018-05-24 Linkedin Corporation Personalized contextual recommendation of member profiles
US11663067B2 (en) 2017-12-15 2023-05-30 International Business Machines Corporation Computerized high-speed anomaly detection
US10740568B2 (en) 2018-01-24 2020-08-11 Servicenow, Inc. Contextual communication and service interface
US10771313B2 (en) 2018-01-29 2020-09-08 Cisco Technology, Inc. Using random forests to generate rules for causation analysis of network anomalies

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020029161A1 (en) 1998-11-30 2002-03-07 Brodersen Robert A. Assignment manager
JP2002531900A5 (ja) 1999-11-30 2007-01-25
US20080167930A1 (en) 2007-01-10 2008-07-10 Heng Cao Method and structure for end-to-end workforce management
JP2014191377A (ja) 2013-03-26 2014-10-06 Hitachi Systems Ltd 作業担当者割当方法および作業担当者割当システム
US20170068922A1 (en) 2015-09-03 2017-03-09 Xerox Corporation Methods and systems for managing skills of employees in an organization
US20180012186A1 (en) 2016-07-11 2018-01-11 International Business Machines Corporation Real time discovery of risk optimal job requirements

Also Published As

Publication number Publication date
EP3884443A4 (en) 2022-07-13
AU2023203231A1 (en) 2023-06-15
AU2019383937A1 (en) 2021-07-01
MX2021005821A (es) 2021-12-10
US11182707B2 (en) 2021-11-23
BR112021009717A2 (pt) 2022-05-03
EP3884443A1 (en) 2021-09-29
JP2022510583A (ja) 2022-01-27
US20200160252A1 (en) 2020-05-21
CA3120357A1 (en) 2020-05-28
SG11202105165VA (en) 2021-06-29
CN113439279A (zh) 2021-09-24
SG10202109394QA (en) 2021-10-28
BR112021009717A8 (pt) 2021-11-23
WO2020106481A1 (en) 2020-05-28

Similar Documents

Publication Publication Date Title
JP7389117B2 (ja) 多面的人材配分アドバイザを提供するための方法及びシステム
US11348121B2 (en) Multi-source anomaly detection and automated dynamic resolution system
US10679169B2 (en) Cross-domain multi-attribute hashed and weighted dynamic process prioritization
US10811139B1 (en) Computer network architecture with machine learning and artificial intelligence and dynamic patient guidance
Keyes Bring your own devices (BYOD) survival guide
US10810680B2 (en) Location and social network data predictive analysis system
US11748367B2 (en) Entity selection tool system and method
US20220207617A1 (en) System tand method using third-party data to provide risk relationship adjustment recommendation based on upcoming life event
US20210248542A1 (en) System and method for electronic assignment of issues based on measured and/or forecasted capacity of human resources
US10789559B2 (en) Virtually assisted task generation
US20230186219A1 (en) System and method for enterprise change management evaluation
Keyes BYOD for Healthcare
US20230297964A1 (en) Pay equity framework
US20240070758A1 (en) Systems and methods for a procurement process
US20160314427A1 (en) Database, interface, and method for personalized, skill-set based crm engagement
US20230101734A1 (en) Machine learning model to fill gaps in adaptive rate shifting
US20230252339A1 (en) System and method for electronic data flow optimization via intelligent machine learning
US20230139459A1 (en) Optimization Engine for Dynamic Resource Provisioning
US20230004918A1 (en) Automatic remote task allocation via virtual training
US11354733B2 (en) External entity cross-relational dynamic matching system
Tofaily GRADUATE PROJECT

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210713

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220824

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221004

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20230104

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20230303

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230324

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230711

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231011

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231018

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231116

R150 Certificate of patent or registration of utility model

Ref document number: 7389117

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150