一种数字化人力资源管理的任务画像建设算法、装置、终端及存储介质

技术领域

本发明实施例涉及数据库、大数据领域，尤其涉及一种数字化人力资源管理的任务画像建设算法、装置、终端及存储介质。

背景技术

随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链Blockchain、人工智能等)应用在管理领域。人力资源作为企业管理的重要组成部分，也在经历着数字化带来的深刻变革。借助大数据技术，由员工工作行为、结果等产生的数据信息应被更好地追踪、整合和分析，支持人力资源管理从历史型分析转向预测型分析，模拟工作任务需求，挖掘适配人才，在企业内部打造人才市场，打破部门壁垒，建立任务资源共享平台，保证“适合的人做适合的任务”，实现“员工共享、揭榜挂帅”，真正建立员工与企业之间的合作伙伴关系。。

用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化用户模型，构建用户画像的核心工作是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。

基于用户画像，本发明衍生出任务画像。任务画像指通过一系列的标准量化的标签，描述任务的全生命周期(任务产生、任务派送、任务接单、任务执行、任务完成评价、评价结果应用)的客观形态和典型特征，将任务客观立体的展现出来，使使用者对任务本身有一个最直观、最精准地认知和判断。

目前的任务画像存在众多的不足，主要包括对任务画像的标签不健全、算法规则不清晰、未结合大数据技术有效实现任务画像应用落地。

发明内容

为了解决上述现有技术中存在的问题，本发明提供一种数字化人力资源管理的任务画像建设算法、装置、终端及存储介质。

本发明解决其技术问题所采用的技术方案是：

一种数字化人力资源管理的任务画像建设算法，包括有以下步骤：

步骤1：约束任务条件初始化模块，进行任务标签更新；

步骤2：对任务日志数据进行实时采集，实现任务数据的分类管理和高并发接入；

步骤3：通过贝叶斯模型计算待处理任务概率和结果；

步骤4：获取所有待处理任务，选出目标工作人员；

步骤5：获取与目标工作人员对应的样本集合；

步骤6：存储计算输出的实时任务画像。

一种任务画像建设装置，任务画像建设装置应用于终端，任务画像可应用于任务管理的全流程，实现路径为：制定任务画像→任务“派送”→任务“接单”→任务执行→任务验收评价→任务评价结果应用；其中，

任务画像制定：以任务标签为基础，对任务本身的业务需求进行分析(明确任务是什么、成功时的样子以及谁能做)，选择相应的标签维度和标签，形成任务画像；

任务“派送”与任务“接单”：任务支持“定向派送”和”公开抢单“，即任务画像可以由任务发布者指定“接单人”，也可以纳入资源共享池中，通过“开放赛场”的模式，打破部门壁垒，允许多方抢单，公开竞争，揭榜挂帅；

任务执行：“接单人”在执行任务过程中进行全流程监控和数据记录，为任务评价提供充足的过程数据沉淀；

任务评价：任务执行完毕后，遵循“谁派发、谁验收”的原则，任务发布者对任务完成情况进行任务评价，包括对任务完成的“效率、效益、质量”进行评价，也包括对执行者在过程中展现出的能力态度进行评价；

任务画像应用：任务画像可根据实际需要应用于多元、灵活的人力资源管理业务场景中，通过以“任务画像”为媒介，落实工作要求、展现人才能力、支持管理决策等，应用场景有如下四种：

1)人任匹配；

任务画像可以由任务发布者指定“接单人”，也可以纳入资源共享池中，通过“开放赛场”的模式，打破部门壁垒，允许多方抢单，公开竞争，揭榜挂帅；

2)人才画像迭代；

任务执行过程中及完毕后，遵循“谁派发、谁验收”的原则，任务发布者对任务完成情况进行任务评价，评价结果等将自动丰富和迭代执行者的人才画像；

3)链接岗位画像；

“任务经历”(包括：任务本身情况、任务完成情况、个人能力态度等)未来可作为岗位画像的一个筛选维度，与人才画像对应维度做匹配，提高人岗匹配精准度；

4)链接个人绩效；

任务完成过程及质量通过任务评价全程记录；评价结果可作为个人年度绩效考核得分的补充加分，以此鼓励员工承担任务，“多劳多得”。

一种终端，终端包括：存储器、处理器及存储在存储器上并可在处理器上运行的任务画像建设程序，任务画像建设程序被处理器执行时实现如权利要求1至7中任一项任务画像建设算法的步骤。

一种存储介质，存储介质上存储有任务画像建设程序，任务画像建设程序被处理器执行时实现如权利要求1至7中任一项任务画像建设算法的步骤。

本发明还具有以下附加技术特征：

作为本发明技术方案进一步具体优化的：步骤1中，约束任务条件初始化模块，约束任务条件初始化模块负责在系统启动前设定默认值，建模类预设为任务统计值，组件类预设为任务经验值，使用强规则对输入值进行判断、识别、划分，其中，强规则是指程序设定的必须满足的条件规则，输入值为用户属性、行为和带有统计信息的特征，根据是否符合强规则设定，对任务标签信息进行初始判断，并识别出与预设默认值不同的任务标签同时进行任务标签更新。

作为本发明技术方案进一步具体优化的：步骤2中，实时任务数据采集模块，对任务日志数据进行实时采集，并对所采集的任务日志数据进行解析，形成任务数据采集链接；实时数据转发，根据任务数据采集链接，按照任务数据类型对采集的任务日志数据进行划分，形成有序任务消息队列；其中，将所采集的任务日志数据作为Kafka消息源，放进Kafka消息队列中，利用Kafka消息队列的异步通信机制将各层之间解耦转发出去，实现任务数据的分类管理和高并发接入。

作为本发明技术方案进一步具体优化的：步骤3中，当待处理任务到来后，将优先属性作为贝叶斯模型的输入变量，根据贝叶斯模型分别计算目标工作人员接受待处理任务和不接受待处理任务的概率，以及，根据概率得到目标工作人员是否会接受待处理任务的预测结果。

作为本发明技术方案进一步具体优化的：步骤4中，获取当前待完成时间段内待完成区域中的所有待处理任务；获取所有待处理任务的完成总难度以及每个待处理任务的完成难度；根据所有待处理任务的完成总难度以及所有工作人员的画像从所有工作人员中选出目标工作人员。

作为本发明技术方案进一步具体优化的：步骤5中，获取与目标工作人员对应的样本集合，其中样本集合中的样本为目标工作人员浏览过的任务数据，每条任务数据包含至少两项属性；根据预设规则在样本集合中区分出正例样本和负例样本，以至少两项属性作为样本属性，通过构建分类回归树确定目标工作人员的优先属性，其中优先属性是至少两项属性中对目标工作人员最重要的属性。

作为本发明技术方案进一步具体优化的：步骤6中，数据库写入模块对计算输出的实时任务画像存储，供客户端根据具体业务情形查询并返回数据，同时针对短期查询的实时任务数据进行应用缓存，供短期高频查询任务使用。

本发明和现有技术相比，其优点在于：

1、用于全局配置，当模型异常时可以自动接替，保证系统可用性；

2、当业务发生变化时，可以在不重启系统的情况下对系统进行热启动，配置在下一调度时即可生效，业务频繁变动时，通过备用配置进行互补，保证系统容错性；

3、当数据量变动较大或时间跨度较长时自动对模型进行更新，使用新的历史数据生成特征；

4、整合多个数据库插入引擎，支持自定义数据库写入方式；

5、建立任务标签，以标签的形式全方位定义任务画像，包括任务属性、任务要求、胜任者特征三大方面，形成了模型应用的基础；

6、以任务画像和一种终端中的数据为基础，通过技术实现任务画像与人才画像的精准匹配，实现人才的智能筛选和推荐，并建立公平竞争机制，打造“揭榜挂帅”的任务“派送”与“接单”生态；

7、一种终端对于任务执行过程行为及结果数据清晰记录，建立了员工的任务大数据仓库，以建立全面的、动态迭代的数据分析体系，支持任务画像应用在人岗匹配、员工个人绩效评估场景。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的结构示意图；

图2为本发明的任务画像建设装置逻辑示意图；

图3为本发明的任务评价算分模型示意图。

具体实施方式

下面将参照附图更详细地描述本发明公开的示例性实施例，这些实施例是为了能够更透彻地理解本发明，并且能够将本发明公开的范围完整的传达给本领域的技术人员。虽然附图中显示了本发明公开的示例性实施例，然而应当理解，本发明而不应被这里阐述的实施例所限制。

一种数字化人力资源管理的任务画像建设算法，包括有以下步骤：

步骤1：约束任务条件初始化模块，进行任务标签更新；

约束任务条件初始化模块，约束任务条件初始化模块负责在系统启动前设定默认值，建模类预设为任务统计值，组件类预设为任务经验值，使用强规则对输入值进行判断、识别、划分，其中，强规则是指程序设定的必须满足的条件规则，输入值为用户属性、行为和带有统计信息的特征，根据是否符合强规则设定，对任务标签信息进行初始判断，并识别出与预设默认值不同的任务标签同时进行任务标签更新；

步骤2：对任务日志数据进行实时采集，实现任务数据的分类管理和高并发接入；

实时任务数据采集模块，对任务日志数据进行实时采集，并对所采集的任务日志数据进行解析，形成任务数据采集链接；实时数据转发，根据任务数据采集链接，按照任务数据类型对采集的任务日志数据进行划分，形成有序任务消息队列；其中，将所采集的任务日志数据作为Kafka消息源，放进Kafka消息队列中，利用Kafka消息队列的异步通信机制将各层之间解耦转发出去，实现任务数据的分类管理和高并发接入；

步骤3：通过贝叶斯模型计算待处理任务概率和结果；

当待处理任务到来后，将优先属性作为贝叶斯模型的输入变量，根据贝叶斯模型分别计算目标工作人员接受待处理任务和不接受待处理任务的概率，以及，根据概率得到目标工作人员是否会接受待处理任务的预测结果；

步骤4：获取所有待处理任务，选出目标工作人员；

获取当前待完成时间段内待完成区域中的所有待处理任务；获取所有待处理任务的完成总难度以及每个待处理任务的完成难度；根据所有待处理任务的完成总难度以及所有工作人员的画像从所有工作人员中选出目标工作人员；

步骤5：获取与目标工作人员对应的样本集合；

获取与目标工作人员对应的样本集合，其中样本集合中的样本为目标工作人员浏览过的任务数据，每条任务数据包含至少两项属性；根据预设规则在样本集合中区分出正例样本和负例样本，以至少两项属性作为样本属性，通过构建分类回归树确定目标工作人员的优先属性，其中优先属性是至少两项属性中对目标工作人员最重要的属性；

步骤6：存储计算输出的实时任务画像；

数据库写入模块对计算输出的实时任务画像存储，供客户端根据具体业务情形查询并返回数据，同时针对短期查询的实时任务数据进行应用缓存，供短期高频查询任务使用。

一种任务画像建设装置，任务画像建设装置应用于终端，任务画像可应用于任务管理的全流程，实现路径为：制定任务画像→任务“派送”→任务“接单”→任务执行→任务验收评价→任务评价结果应用；其中，

任务画像制定：以任务标签为基础，对任务本身的业务需求进行分析(明确任务是什么、成功时的样子以及谁能做)，选择相应的标签维度和标签，形成岗位画像；

任务“派送”与任务“接单”：任务支持“定向派送”和”公开抢单“，即任务画像可以由任务发布者指定“接单人”，也可以纳入资源共享池中，通过“开放赛场”的模式，打破部门壁垒，允许多方抢单，公开竞争，揭榜挂帅；

任务执行：“接单人”在执行任务过程中进行全流程监控和数据记录，为任务评价提供充足的过程数据沉淀；

任务评价：任务执行完毕后，遵循“谁派发、谁验收”的原则，任务发布者对任务完成情况进行任务评价，包括对任务完成的“效率、效益、质量”进行评价，也包括对执行者在过程中展现出的能力态度进行评价；

任务画像应用：任务画像可根据实际需要应用于多元、灵活的人力资源管理业务场景中，通过以“任务画像”为媒介，落实工作要求、展现人才能力、支持管理决策等，应用场景有如下四种：

1)人任匹配；

任务画像可以由任务发布者指定“接单人”，也可以纳入资源共享池中，通过“开放赛场”的模式，打破部门壁垒，允许多方抢单，公开竞争，揭榜挂帅；

2)人才画像迭代；

任务执行过程中及完毕后，遵循“谁派发、谁验收”的原则，任务发布者对任务完成情况进行任务评价，评价结果等将自动丰富和迭代执行者的人才画像；

3)链接岗位画像；

“任务经历”(包括：任务本身情况、任务完成情况、个人能力态度等)未来可作为岗位画像的一个筛选维度，与人才画像对应维度做匹配，提高人岗匹配精准度；

4)链接个人绩效；

任务完成过程及质量通过任务评价全程记录；评价结果可作为个人年度绩效考核得分的补充加分，以此鼓励员工承担任务，“多劳多得”。

一种终端，终端包括：存储器、处理器及存储在存储器上并可在处理器上运行的任务画像建设程序，任务画像建设程序被处理器执行时实现所述的任务画像建设算法的步骤。

一种存储介质，存储介质上存储有任务画像建设程序，任务画像建设程序被处理器执行时实现所述的任务画像建设算法的步骤。

为使本发明实施例的目的、技术方案和优点更加清楚，上面结合本发明实施例中的附图，对本发明实施例中的技术方案进行了清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以上对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。