一种数据处理方法及装置制造方法及图纸

本发明专利技术实施例提供一种数据处理方法及装置，该方法包括：对第一类型人员的第一业务数据进行统计构成正向特征库；对第二类型人员的第二业务数据进行统计构成负向特征库；根据正向特征库和负向特征库构建朴素贝叶斯分类器；对待测试人员的特征数据输入到朴素贝叶斯分类器获取分类结果；若属于负向类别则获取特征数据与正向特征库中数据的差距信息并发送至预设终端。本发明专利技术实施例提供的数据处理方法及装置，通过根据正向特征库和负向特征库构建朴素贝叶斯分类器识别待测试人员的业绩情况以及发送相应的差距信息进行提醒，实现了人员能力信息的自动化获取以及关于能力差距情况的自动化提醒，同时实现了人员能力的实时监控。

【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。进一步地，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。进一步地，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。进一步地，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。进一步地，所述特征数据与所述正向特征库中数据的差距信息为所述特征数据中的所述特征项与所述第一统计数据中相应的所述特征项的均值的差距信息；在所述将所述差距信息发送给与所述待测试人员对应的终端之前，所述方法还包括：设置与每个所述特征项对应的提醒触发方式，所述提醒触发方式包括单条触发方式和/或基于预设时间窗口触发方式；若满足所述提醒触发方式的触发条件，则再执行所述将所述差距信息发送给与所述待测试人员对应的终端；其中，对于设置为所述单条触发方式的所述特征项，则若所述特征数据与所述第一统计数据关于所述特征项存在预设差距情形即提醒；对于设置为所述基于预设时间窗口触发方式的所述特征项，则若所述特征数据与所述第一统计数据关于所述特征项出现所述预设差距情形的次数超过预设次数或出现所述预设差距情形的比例超过预设比例即提醒。进一步地，所述将所述差距信息发送给与所述待测试人员对应的终端，包括：通过微信、短信或电话中的至少一种将所述差距信息发送给与所述待测试人员对应的终端。进一步地，所述方法还包括：通过积累的业务数据不断更新迭代所述朴素贝叶斯分类器。第二方面，本专利技术实施例提供一种数据处理装置，包括：特征库构建模块，用于：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；朴素贝叶斯分类器构建模块，用于：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；分类模块，用于：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；通知模块，用于：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。第三方面，本专利技术实施例提供一种电子设备，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计算机程序，所述处理器执行所述计算机程序时实现如第一方面所提供的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。本专利技术实施例提供的数据处理方法及装置，通过根据正向特征库和负向特征库构建朴素贝叶斯分类器，利用朴素贝叶斯分类器识别待测试人员的业绩情况以及发送相应的差距信息进行提醒，实现了人员能力信息的自动化获取以及关于能力差距情况的自动化提醒，同时实现了人员能力的实时监控。附图说明为了更清楚地说明本专利技术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是本专利技术一实施例提供的数据处理方法流程图；图2是本专利技术一实施例提供的数据处理方法的原理示意图；图3是本专利技术一实施例提供的数据处理方法的测试结果示意图；图4是本专利技术一实施例提供的数据处理装置的结构示意图；图5是本专利技术一实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出本文档来自技高网...

【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，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；/n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。/n

【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...

【专利技术属性】
技术研发人员：孙继安，
申请(专利权)人：贝壳技术有限公司，
类型：发明
国别省市：天津;12