一种基于大数据的人才分类平台制造技术

本发明专利技术公开了一种基于大数据的人才分类平台，包括：员工信息模块，员工信息模块包括第一评价单元、第二评价单元和第三评价单元，用于评价员工的指标；数据分析模块，不同评价主体对员工信息模块进行评价，并根据预设权重进行打分，获得人才分类。本发明专利技术对于人才的分类具有全面性和公正性。

A talent classification platform based on big data

【技术实现步骤摘要】
一种基于大数据的人才分类平台
本专利技术涉及大数据
，尤其涉及一种基于大数据的人才分类平台。
技术介绍
人才是实现民族复兴、赢得国际主动竞争力的战略资源。人才评价是人才选拔、任用和培育的重要前提，只有对人才的合理分类才能实现对人才的最大化利用。现有的对于人才的分类往往标准单一，难以实现对人才的全面分类。除此之外，评价人才的主体不明确，对人才分类的结果不具有公正性。
技术实现思路
为了解决上述技术问题，本专利技术提供一种基于大数据的人才分类平台，以实现人才分类的全面和公正。本专利技术提供一种基于大数据的人才分类平台，包括：员工信息模块，员工信息模块包括第一评价单元、第二评价单元和第三评价单元，用于评价员工的指标；数据分析模块，不同评价主体对员工信息模块进行评价，并根据预设权重进行打分，获得人才分类。采用上述技术方案，数据分析模块分别对员工的第一评价单元、第二评价单元和第三评价单元进行评价，以实现对人才分类的全面性；同时，采用不同的评价主体进行评价，以实现对人才评价的公正性；同时，对于不同的人才设定不同的权重，进一步实现对人才分类的全面性和公正性。优选地，第一评价单元为员工职业道德。员工职业道德包括职业规范、责任信任和科学品质。优选地，第二评价单元为员工能力素质。员工能力素质包括：心理素质、知识创新和社会实践。优选地，第三评价单元为员工业绩贡献。员工业绩贡献包括：绩效成果和效益转化。优选地，评价主体为：政府部门、用人单位和社会大众。优选地，评价主体为：同行专家和中介机构。优选地，评价主体为：外部市场和用户企业。优选地，数据分析模块包括数据挖掘单元，对员工信息模块进行数据清洗和转换，形成特征表，并采用SparkR构建数据挖掘模型，通过数据模型对员工信息进行大数据分析。优选地，人才分类包括：基础研究人才、应用研究人才、技术开发人才和成果转化人才。综上所述，本专利技术提供的基于大数据的人才分类平台，不同的评价主体通过对员工的第一评价单元、第二评价单元以及第三评价单元进行不同权重的评价，能够实现对员工评价的全面性和公正性。附图说明图1为本专利技术的基于大数据的人才分类平台的结构框图。附图标记：10.员工信息模块、101.第一评价单元、102.第二评价单元、103.第三评价单元；20.数据分析模块、201.数据挖掘单元。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。现有对人才的分类标准单一，无法适应当今社会中对于复合人才的分类。参考图1，本专利技术提供一种基于大数据的人才分类平台，包括：员工信息模块10，员工信息模块10包括第一评价单元101、第二评价单元102和第三评价单元103，用于评价员工的指标；数据分析模块20，不同评价主体对员工信息模块10进行评价，并根据预设权重进行打分，获得人才分类。采用上述技术方案，数据分析模块20分别对员工的第一评价单元101、第二评价单元102和第三评价单元103进行评价，以实现对人才分类的全面性；同时，采用不同的评价主体进行评价，以实现对人才评价的公正性；同时，对于不同的人才设定不同的权重，进一步实现对人才分类的全面性和公正性。在上述实施例的基础上，进一步地，第一评价单元101为员工职业道德。员工职业道德包括职业规范、责任信任和科学品质。在上述实施例的基础上，进一步地，第二评价单元102为员工能力素质。员工能力素质包括：心理素质、知识创新和社会实践。在上述实施例的基础上，进一步地，第三评价单元103为员工业绩贡献。员工业绩贡献包括：绩效成果和效益转化。在上述实施例的基础上，进一步地，评价主体为：政府部门、用人单位和社会大众。在上述实施例的基础上，进一步地，评价主体为：同行专家和中介机构。在上述实施例的基础上，进一步地，评价主体为：外部市场和用户企业。在上述实施例的基础上，进一步地，数据分析模块20包括数据挖掘单元201，对员工信息模块10进行数据清洗和转换，形成特征表，并采用SparkR构建数据挖掘模型，通过数据模型对员工信息进行大数据分析。需要说明的是，数据挖掘模块采用HIVE作为数据清洗引擎，提供PB(Petabyte，拍字节或千万亿字节或千T字节)级数据预处理、加工、整合服务，形成特征宽表，基于特征宽表的数据，采用SparkR，调用聚类、分类等算法，进行数据挖掘的模型开发、模型评估、模型应用。通过数据挖掘模型对人才数据进行大数据分析。在上述实施例的基础上，进一步地，人才分类包括：基础研究人才、应用研究人才、技术开发人才和成果转化人才。本专利技术还提供另一个具体实施例：政府部门对第一评价单元101的权重为5％，、用人单位岁第一评价单元101的权重为15％，社会大众对第一评价单元101的权重为2％；同行专家对第二评价单元102的权重设为70％，中介机构对第二评价单元102的权重设置为10％；外部市场对第三评价单元103的权重设置不同的权重，其中对于应用研究人才的权重设置为25％，对于基础研究人才的权重设置为0，对于技术开发人才的权重设置为25％，对于成果转化人才的权重设置为20％；用户企业对第三评价单元103的权重设置不同的权重，其中对于应用研究人才的权重设置为35％，对于基础研究人才的权重设置为0，对于技术开发人才的权重设置为35％，对于成果转化人才的权重设置为40％。根据上述不同的评价主体进行人才分类。综上所述，本专利技术提供的基于大数据的人才分类平台，不同的评价主体通过对员工的第一评价单元101、第二评价单元102以及第三评价单元103进行不同权重的评价，能够实现对员工评价的全面性和公正性。以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，尽管参照前述实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于大数据的人才分类平台，其特征在于，包括：/n员工信息模块，所述员工信息模块包括第一评价单元、第二评价单元和第三评价单元，用于评价所述员工的指标；/n数据分析模块，不同评价主体对所述员工信息模块进行评价，并根据预设权重进行打分，获得人才分类。/n

【技术特征摘要】
1.一种基于大数据的人才分类平台，其特征在于，包括：
员工信息模块，所述员工信息模块包括第一评价单元、第二评价单元和第三评价单元，用于评价所述员工的指标；
数据分析模块，不同评价主体对所述员工信息模块进行评价，并根据预设权重进行打分，获得人才分类。


2.根据权利要求1所述的基于大数据的人才分类平台，其特征在于，所述第一评价单元为员工职业道德；所述员工职业道德包括职业规范、责任信任和科学品质。


3.根据权利要求1所述的基于大数据的人才分类平台，其特征在于，所述第二评价单元为员工能力素质；所述员工能力素质包括：心理素质、知识创新和社会实践。


4.根据权利要求1所述的基于大数据的人才分类平台，其特征在于，所述第三评价单元为员工业绩贡献；所述员工业绩贡献包括：绩效成果和效益转化。


5...

【专利技术属性】
技术研发人员：廖均，廖尘浩，
申请(专利权)人：四川创丰产融信息技术有限公司，
类型：发明
国别省市：四川;51