【技术实现步骤摘要】
一种数据处理方法及装置
本专利技术涉及计算机
，具体涉及一种数据处理方法及装置。
技术介绍
随着企业规模的不断壮大，越来越多的新人加入进来。很多企业并没有完善的新人培养引导体系，更多地是采用“师徒”制来培养和引导新人入行。虽然“师傅”的技能水平普遍较高，但限于带教能力的不同，有的“师傅”带出来的“徒弟”专业技能高，而有的“师傅”带出来的“徒弟”专业技能较低。另外，在一个企业中，员工之间的能力水平不一，而通常员工很难认识到自己和其他员工的差距，也不明晰自身存在何种不足。因此，如何自动化地获取表征个体能力的信息，从而有助于以自动化的方式引导能力较差的员工进行技能改善，是需要解决的问题。
技术实现思路
为解决现有技术中的问题，本专利技术实施例提供一种数据处理方法及装置。第一方面，本专利技术实施例提供一种数据处理方法，包括：对第一类型人员的预设时间内的第一业务数据进行统计得到包含预设的特征项的第一统计数据，由所述第一统计数据构成正向特征库；对第二类型人员的所述预设时间内的第二业务数据进行统计...
【技术保护点】
1.一种数据处理方法，其特征在于，包括：/n对第一类型人员的预设时间内的第一业务数据进行统计得到包含预设的特征项的第一统计数据，由所述第一统计数据构成正向特征库；对第二类型人员的所述预设时间内的第二业务数据进行统计得到包含所述特征项的第二统计数据，由所述第二统计数据构成负向特征库；其中，所述第一类型人员为业绩排名靠前预设第一比例的人员，所述第二类型人员为业绩排名靠后预设第二比例的人员；/n根据所述正向特征库和所述负向特征库构建朴素贝叶斯分类器；其中，所述第一统计数据属于正向类别，所述第二统计数据属于负向类别；/n对待测试人员的业务数据进行处理后得到包含所述特征项的特征数据，...
【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
对第一类型人员的预设时间内的第一业务数据进行统计得到包含预设的特征项的第一统计数据，由所述第一统计数据构成正向特征库；对第二类型人员的所述预设时间内的第二业务数据进行统计得到包含所述特征项的第二统计数据，由所述第二统计数据构成负向特征库；其中，所述第一类型人员为业绩排名靠前预设第一比例的人员，所述第二类型人员为业绩排名靠后预设第二比例的人员；
根据所述正向特征库和所述负向特征库构建朴素贝叶斯分类器；其中，所述第一统计数据属于正向类别，所述第二统计数据属于负向类别；
对待测试人员的业务数据进行处理后得到包含所述特征项的特征数据，将所述特征数据输入到所述朴素贝叶斯分类器，获取所述特征数据的分类结果；
若所述特征数据属于所述负向类别，则获取所述特征数据与所述正向特征库中数据的差距信息，并将所述差距信息发送给与所述待测试人员对应的终端。
2.根据权利要求1所述的数据处理方法，其特征在于，所述预设的特征项包括：
业务流量、与用户沟通次数、作业平台在线时长、获取用户联系方式条数、预设等待时间以内未回复用户次数、骚扰用户次数及丢单次数中的至少一项。
3.根据权利要求1所述的数据处理方法，其特征在于，所述根据所述正向特征库和所述负向特征库构建朴素贝叶斯分类器，包括：
划分所述特征项的取值区间；
根据所述正向特征库和所述负向特征库，计算所述正向类别的第一概率以及所述负向类别的第二概率；
计算在所述正向类别条件下各个所述取值区间的第三概率以及在所述负向类别条件下各个所述取值区间的第四概率；
根据所述第一概率、所述第二概率、所述第三概率及所述第四概率获取用于划分所述特征数据属于所述正向类别或属于所述负向类别的所述朴素贝叶斯分类器。
4.根据权利要求3所述的数据处理方法，其特征在于，所述将所述特征数据输入到所述朴素贝叶斯分类器，获取所述特征数据的分类结果，包括：
获取所述特征数据中各个所述特征项所归属的所述取值区间；
根据各个所述取值区间，分别获取所述正向类别条件下各个所述取值区间对应的所述第三概率以及所述负向类别条件下各个所述取值区间对应的所述第四概率；
根据所述第一概率与各个所述第三概率的乘积获取所述特征数据条件下为所述正向类别的第五概率；根据所述第二概率与各个所述第四概率的乘积获取所述特征数据条件下为所述负向类别的第六概率；
若所述第五概率大于所述第六概率，则所述特征数据属于所述正向类别；否则，所述特征数据属于所述负向类别。
5.根据权利要求1所述的数据处理方法，其特征在于，所述特征数据与所述正向特征库中...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。