一种基于分类预测模型的员工评估方法及终端设备技术

本发明专利技术提供了一种基于分类预测模型的员工评估方法及终端设备，适用于数据处理技术领域，该方法包括：获取多位员工的评定数据构成第一评定数据集，员工为在晋升评定过程中评定前等级和评定目标等级与候选员工均相同的员工；从第一评定数据集中筛选出对应于同一员工的组数大于1的评定数据构成第二评定数据集；基于第一评定数据集训练第一预测模型，并基于第二评定数据集训练第二预测模型；基于训练好的第一预测模型和训练好的第二预测模型对候选员工的评定数据进行处理，获取对应候选员工的评估结果。本发明专利技术实施例从不同维度同时对候选员工进行评估，确定出其下次晋升成功可能性如何，极大地提升了对候选员工评估的准确率和效率。

【技术实现步骤摘要】
一种基于分类预测模型的员工评估方法及终端设备
本专利技术属于数据处理
，尤其涉及基于分类预测模型的员工评估方法及终端设备。
技术介绍
企业需要进行职位等级晋升评定的员工非常多，每次晋升评定需要对员工此次晋升评定对应的考核时间段内的指标考核结果进行处理，判断指标考核结果是否满足员工评定目标等级对应指标要求，以确定出员工是否可以从评定前等级成功晋升到评定目标等级，如对员工考核时间段1月至3月内各个月的业绩数据进行处理，判断员工在该考核时间段内的业绩数据是否满足评定目标等级对应指标要求。现有技术中为了提升对员工管理的效率，会在晋升评定失败后，对晋升失败的候选员工此次晋升评定的指标考核结果进行人工评估，判断候选员工下次晋升成功的可能性如何，并对识别出下次晋升成功可能性较大潜力较大的候选员工进行重点标记，由于人工评估识别需要耗费大量的时间和人力，且现有技术都是根据评估人员的主观感觉来进行评估的，并没有统一的评估标准，因此现有技术对候选员工中潜力较大的员工的识别评估方法效率低下且准确性不高。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于分类预测模型的员工评估方法及终端设备，以解决现有技术中对候选员工中潜力较大的候选员工的识别效率低下且准确性不高的问题。本专利技术实施例的第一方面提供了一种基于分类预测模型的员工评估方法，包括：获取多位员工的评定数据，构成第一评定数据集，所述员工为在晋升评定过程中评定前等级和评定目标等级，与候选员工晋升评定过程中评定前等级和评定目标等级均相同的员工，每组评定数据对应一位员工的一次晋升评定过程；从所述第一评定数据集中筛选出对应于同一员工的组数大于1的评定数据，构成第二评定数据集；基于所述第一评定数据集训练第一预测模型，并基于所述第二评定数据集训练第二预测模型；基于训练好的所述第一预测模型和训练好的所述第二预测模型，对所述候选员工的评定数据进行处理，获取对应所述候选员工的评估结果。本专利技术实施例的第二方面提供了一种终端设备，所述终端设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤。获取多位员工的评定数据，构成第一评定数据集，所述员工为在晋升评定过程中评定前等级和评定目标等级，与候选员工晋升评定过程中评定前等级和评定目标等级均相同的员工，每组评定数据对应一位员工的一次晋升评定过程；从所述第一评定数据集中筛选出对应于同一员工的组数大于1的评定数据，构成第二评定数据集；基于所述第一评定数据集训练第一预测模型，并基于所述第二评定数据集训练第二预测模型；基于训练好的所述第一预测模型和训练好的所述第二预测模型，对所述候选员工的评定数据进行处理，获取对应所述候选员工的评估结果。本专利技术实施例的第三方面提供了一种计算机可读存储介质，包括：存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的基于分类预测模型的员工评估方法的步骤。本专利技术实施例与现有技术相比存在的有益效果是：通过对候选员工此次失败的晋升评定的评定前等级和评定目标等级均相同的评定数据进行分析，并进行第一预测模型训练构建，从而使得第一预测模型可以准确地识别出候选员工的潜力如何，同时根据候选员工情况相似的，至少经历过一次晋升评定失败且还进行了二次晋升评定的员工的多次晋升评定的指标考核结果进行分析，并结合晋升评定结果来进行第二预测模型训练构建，从而使得第二预测模型可以有效地识别出员工潜力如何，最终基于两个预测模型，从不同维度同时对候选员工进行评估，确定出其下次晋升成功可能性如何，从而实现了对候选员工中下次潜力较大的员工的识别评估，极大地提升了对候选员工评估的准确率和效率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一提供的基于分类预测模型的员工评估方法的实现流程示意图；图2是本专利技术实施例二提供的基于分类预测模型的员工评估方法的实现流程示意图；图3是本专利技术实施例三提供的基于分类预测模型的员工评估方法的实现流程示意图；图4是本专利技术实施例四提供的基于分类预测模型的员工评估方法的实现流程示意图；图5是本专利技术实施例五提供的基于分类预测模型的员工评估方法的实现流程示意图；图6是本专利技术实施例六提供的基于分类预测模型的员工评估方法的实现流程示意图；图7是本专利技术实施例七提供的基于分类预测模型的员工评估装置的结构示意图；图8是本专利技术实施例八提供的终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。为了便于理解本专利技术，此处先对本专利技术实施例进行简要说明，由于每次晋升评定都是考核员工是否能从评定前等级成功晋升到评定目标等级，如员工是否能从初级工程师晋升到中级工程师，是否能从初级业务员晋升到中级业务员等，因此每次晋升评定过程都必定对应着一个评定前等级和一个评定目标等级。当员工晋升评定失败时，说明其此次晋升评定的指标考核结果不满足对应的评定目标等级要求，此时本专利技术会将其作为候选员工，并筛选出与候选员工晋升评定情况相同的员工及其评定数据，再基于单组评定数据为样本数据，和基于员工所有评定数据为样本数据分别构建预测模型，对候选员工进行下次晋升可能性大小的预测评估，确定出候选员工下次晋升成功可能性是否较大，以从这些候选员工中评估出潜力较大，下次晋升成功可能性较大的员工，详述如下：图1示出了本专利技术实施例一提供的基于分类预测模型的员工评估方法的实现流程图，详述如下：S101，获取多位员工的评定数据，构成第一评定数据集，员工为在晋升评定过程中评定前等级和评定目标等级，与候选员工晋升评定过程中评定前等级和评定目标等级均相同的员工，每组评定数据对应一位员工的一次晋升评定过程。其中，候选员工是指晋升评定失败的员工，为了实现对潜力较大的员工的识别评估，本专利技术实施例中首先会根据候选员工此次失败的晋升评定的评定前等级和评定目标等级来进行后续模型构建的样本数据筛选，即本专利技术实施例会根据候选员工此次失败的晋升评定的评定前等级和评定目标等级，来对其他员工的晋升评定的评定前等级和评定目标等级进行匹配，确定出与候选员工两个等级都相同的其他员工的评定数据。例如，假设候选员工此次失败的是从初级业务员到中级业务员的晋升评定，此时本专利技术实施例会从其他员工进行过的晋升评定中，查找出也是从初级业务员到中级业务员的晋升评定，并获取对应的评定数据。评定数据是指在晋升评定中所需使用到指标考核结果以及产生的晋升评定结果。由于每个员工晋升评定既有可能成功也有可能失败，而对于失败的晋升评定而言，员工必然会继续进行该晋升评定，例如员工A第一次进行初级业务员到中级业务员的晋升评定失败了，那其后面必然本文档来自技高网...

【技术保护点】
1.一种基于分类预测模型的员工评估方法，其特征在于，包括：获取多位员工的评定数据，构成第一评定数据集，所述员工为在晋升评定过程中评定前等级和评定目标等级，与候选员工晋升评定过程中评定前等级和评定目标等级均相同的员工，每组评定数据对应一位员工的一次晋升评定过程；从所述第一评定数据集中筛选出对应于同一员工的组数大于1的评定数据，构成第二评定数据集；基于所述第一评定数据集训练第一预测模型，并基于所述第二评定数据集训练第二预测模型；基于训练好的所述第一预测模型和训练好的所述第二预测模型，对所述候选员工的评定数据进行处理，获取对应所述候选员工的评估结果。

【技术特征摘要】
1.一种基于分类预测模型的员工评估方法，其特征在于，包括：获取多位员工的评定数据，构成第一评定数据集，所述员工为在晋升评定过程中评定前等级和评定目标等级，与候选员工晋升评定过程中评定前等级和评定目标等级均相同的员工，每组评定数据对应一位员工的一次晋升评定过程；从所述第一评定数据集中筛选出对应于同一员工的组数大于1的评定数据，构成第二评定数据集；基于所述第一评定数据集训练第一预测模型，并基于所述第二评定数据集训练第二预测模型；基于训练好的所述第一预测模型和训练好的所述第二预测模型，对所述候选员工的评定数据进行处理，获取对应所述候选员工的评估结果。2.如权利要求1所述的基于分类预测模型的员工评估方法，其特征在于，所述评定数据包括对应的员工在对应的晋升评定过程中的指标考核结果以及晋升评定结果，所述基于所述第一评定数据集训练第一预测模型，包括：获取所述第一评定数据集中各组评定数据对应的晋升评定过程的考核时间段；解析各组评定数据中的指标考核结果在对应的所述考核时间段内的数据变化趋势，得到每组评定数据对应的第一变化趋势分数；基于所述第一评定数据集中各组评定数据中的晋升评定结果以及对应的第一变化趋势分数，训练所述第一预测模型。3.如权利要求1所述的基于分类预测模型的员工评估方法，其特征在于，所述评定数据包括对应的员工在对应的晋升评定过程中的指标考核结果以及晋升评定结果，所述基于所述第二评定数据集训练第二预测模型，包括：获取所述第二评定数据集中各组评定数据对应的晋升评定过程的考核时间段；对于所述第二评定数据集对应的每一员工，解析其对应的所有评定数据中的指标考核结果在对应的所述考核时间段内的数据变化趋势，得到每一员工唯一对应的第二变化趋势分数；基于所述第二评定数据集对应的员工的最终晋升评定结果以及所述第二变化趋势分数，训练所述第二预测模型，所述最终晋升评定结果为员工对应的所述考核时间段距离当前时间最近的所述评定数据的晋升评定结果。4.如权利要求2或3所述的基于分类预测模型的员工评估方法，其特征在于，所述数据变化趋势分析的过程，包括：获取所述考核时间段内包含的多个考核时间节点，并将指标考核结果拆分为与所述多个考核时间节点一一对应的考核结果；对所述考核结果进行线性函数拟合，并将拟合出的线性函数的斜率值作为对应的变化趋势分数。5.如权利要求1至3任意一项所述的基于分类预测模型的员工评估方法，其特征在于，所述基于训练好的所述第一预测模型和训练好的所述第二预测模型，对所述候选员工的评定数据进行处理，获取对应所述候选员工的评估结果，包括：基于训练好的所述第一预测模型和训练好的所述第二预测模型，对所述候选员工的评定数据进行处理，得到对应的第一预测结果和第二预测结果；若所述第一预测结果与所述第二预测结果存在差异，减小所述第一预测模型以及所述第二预测模型对应的模型训练的训练误差，并返回执行所述基于...

【专利技术属性】
技术研发人员：高勇，陈战仁，许进，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：广东,44