一种人才价值评估方法、装置、存储介质及设备制造方法及图纸

本发明专利技术提供一种人才价值评估方法、装置、存储介质及设备，其中方法包括步骤：获取样本集并将所述样本集进行二分类处理；基于二分类处理后的样本集、第一指标特征集以及xgboost算法，获取第二指标特征集；基于第二指标特征集与逻辑回归模型，将第二指标特征集中不符合第一设定条件的指标特征剔除，得到第三指标特征集；基于所述第三指标特征集与所述逻辑回归模型，得到权重矩阵，所述权重矩阵与所述第三指标特征集相对应；基于所述权重矩阵及所述第三指标特征集，生成人才价值评估结果。本发明专利技术用以改善现有的评估系统存在的指标零散缺乏科学衡量的问题。科学衡量的问题。科学衡量的问题。

【技术实现步骤摘要】
一种人才价值评估方法、装置、存储介质及设备


[0001]本专利技术涉及模型测算
，具体涉及一种人才价值评估方法、装置、存储介质及设备。

技术介绍

[0002]随着科学的进步，办公智能化的普及，越来越多的企业基于计算机算法及模型获取更为科学的数据及分析结论，并以此制定企业管理及发展策略。例如，在人力资源管理领域，通过智能分析进行人事管理、人才价值评估或绩效评估等。然而国内比较成熟的人力资源管理平台虽然提供了比较完善的人事管理、绩效评估等功能，但截至当前暂未提供比较体系化的人才价值评估。
[0003]零售客户经理包含的种类较多，且各类别的岗位职责有所差异，各有侧重点。在现有的人力资源管理平台提供的评价方法中，对全量营销人员制定考核标准，通过人工规则选择指标和定义指标权重，以线性加权的方式计算考核得分。评价模块多以绩效管理平台的功能建设为主，嵌入了基于统计指标的员工看板和员工的个人360展业分析。这就导致如下问题：
[0004]1)现有的评价体系中，指标较为零散、未形成统一的归拢，缺乏科学的衡量方法。
[0005]2)现有评价指标的指定多为人工规则，缺乏对因果内在关系的研究。
[0006]3)现有的评价体系更注重绩效系统的功能建设，缺少员工的多维分析模块，不利于公司总部和管理层对员工价值体系的整体把握。

技术实现思路

[0007]鉴于以上现有技术的缺点，本专利技术提供一种人才价值评估方法、装置、存储介质及设备，以改善现有的评估系统存在的指标零散缺乏科学衡量的问题。/>[0008]为实现上述目的及其它相关目的，本专利技术提供一种人才价值评估方法，包括步骤：
[0009]获取样本集并将所述样本集进行二分类处理；
[0010]基于二分类处理后的样本集、第一指标特征集以及xgboost算法，获取第二指标特征集；
[0011]基于第二指标特征集与逻辑回归模型，将第二指标特征集中不符合第一设定条件的指标特征剔除，得到第三指标特征集；
[0012]基于所述第三指标特征集与所述逻辑回归模型，得到权重矩阵，所述权重矩阵与所述第三指标特征集相对应；
[0013]基于所述权重矩阵及所述第三指标特征集，生成人才价值评估结果。
[0014]在本专利技术一实施方式中，获取样本集并将所述样本集进行二分类处理包括步骤：将样本集按照样本特征指标进行排序，将排序后的样本集按照第二设定条件进行二分类。
[0015]在本专利技术一实施方式中，基于二分类处理后的样本集、第一指标特征集以及xgboost算法，获取第二指标特征集的步骤包括：利用xgboost算法建立关于第一指标特征
集的决策树群；计算第一指标特征集中每一特征指标在决策树群的贡献值、并作归一化处理得到每一特征指标的重要性评分，所述贡献值通过基尼指数计算获取；筛选出符合第三设定条件的重要性评分及对应的指标特征，以构成第二指标特征集。
[0016]在本专利技术一实施方式中，将第二指标特征集中不符合第一设定条件的指标特征剔除的步骤包括：将所述第二指标特征集中的指标特征输入至所述逻辑回归模型中，并利用向后逐步回归方法剔除不符合第一设定条件的指标特征。
[0017]在本专利技术一实施方式中，基于所述权重矩阵及所述第三指标特征集，生成人才价值评估结果的步骤包括：在所述第三指标特征集中获取指标向量；将权重矩阵、压缩矩阵以及位移向量作用于指标向量，以完成对指标向量的线性加权及标准化处理得到指标向量对应的得分，基于指标向量对应的得分，获取人才的多维分析结果。
[0018]在本专利技术一实施方式中，所述人才价值评估结果包括人才矩阵及人才的多维分析结果。
[0019]在本专利技术一实施方式中，所述人才的多维分析结果包括：员工价值评估结果、员工成长性分析结果或员工流失分析结果中的至少一种。
[0020]本专利技术另一方面还提供一种人才价值评估装置，包括：获取单元、xgboost算法单元、逻辑回归算法单元以及运算及结果生成单元。其中，获取单元获取样本集并将所述样本集进行二分类处理；xgboost算法单元基于二分类处理后的样本集、第一指标特征集以及xgboost算法，获取第二指标特征集；逻辑回归算法单元基于第二指标特征集与逻辑回归模型，将第二指标特征集中不符合第一设定条件的指标特征剔除，得到第三指标特征集；并基于所述第三指标特征集与所述逻辑回归模型，得到权重矩阵，所述权重矩阵与所述第三指标特征集相对应；运算及结果生成单元基于所述权重矩阵及所述第三指标特征集，生成人才价值评估结果。
[0021]本专利技术另一方面还提供一种存储介质，所述存储介质上存储有程序，当所述程序被执行时，实现所述的人才价值评估方法。
[0022]本专利技术另一方面还提供一种设备，包括：存储装置以及一个或多个处理器；存储装置用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述设备实现所述的人才价值评估方法。
[0023]本专利技术人才评估方法，利用xgboost算法从第一指标特征集中得到第二指标特征集，并利用逻辑回归模型从第二指标特征集中得到第三指标特征集以及第三指标特征集对应的权重矩阵，并以此得到人才价值评估结果。由于第三指标特征集内的指标特征历经了xgboost算法及逻辑回归算法的筛选，使得第三指标特征集内的指标特征更具科学及统一性，此外，通过逻辑回归模型得到的权重矩阵能够使得人才价值评估结果更科学、全面及具体。。
附图说明
[0024]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的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为本专利技术一种人才价值评估方法的流程图；
[0026]图2为本专利技术于一实施方式中人才价值评估方法的原理图；
[0027]图3为本专利技术于一实施方式中第一指标特征集的示意图；
[0028]图4为本专利技术于一实施方式中人才矩阵的示意图；
[0029]图5为本专利技术于一实施方式中核心指标分析结果的雷达图；
[0030]图6为本专利技术于一实施方式中两类指标特征的散点图；
[0031]图7为本专利技术于一实施方式中员工价值评估结果的雷达图；
[0032]图8为本专利技术于一实施方式中各类员工的费效分布、费效比水平的示意图；
[0033]图9为本专利技术于一实施方式中员工的多维能力曲线和均值曲线的差异；
[0034]图10为本专利技术于一实施方式中员工成长性分析结果的示意图；
[0035]图11为本专利技术于一实施方式中员工流失分析结果的雷达图；
[0036]图12为本专利技术于一实施方式中员工流失分析结果的散点图；
[0037]图13为本专利技术人才价值评估装置的示意图。
[0038]元件标号说明
[0039]100、获取单元；200、x本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人才价值评估方法，其特征在于，包括步骤：获取样本集并将所述样本集进行二分类处理；基于二分类处理后的样本集、第一指标特征集以及xgboost算法，获取第二指标特征集；基于第二指标特征集与逻辑回归模型，将第二指标特征集中不符合第一设定条件的指标特征剔除，得到第三指标特征集；基于所述第三指标特征集与所述逻辑回归模型，得到权重矩阵，所述权重矩阵与所述第三指标特征集相对应；基于所述权重矩阵及所述第三指标特征集，生成人才价值评估结果。2.根据权利要求1所述的人才价值评估方法，其特征在于，获取样本集并将所述样本集进行二分类处理包括步骤：将样本集按照样本特征指标进行排序，将排序后的样本集按照第二设定条件进行二分类。3.根据权利要求1所述的人才价值评估方法，其特征在于，基于二分类处理后的样本集、第一指标特征集以及xgboost算法，获取第二指标特征集的步骤包括：利用xgboost算法建立关于第一指标特征集的决策树群；计算第一指标特征集中每一特征指标在决策树群的贡献值、并作归一化处理得到每一特征指标的重要性评分，所述贡献值通过基尼指数计算获取；筛选出符合第三设定条件的重要性评分及对应的指标特征，以构成第二指标特征集。4.根据权利要求1所述的人才价值评估方法，其特征在于，将第二指标特征集中不符合第一设定条件的指标特征剔除的步骤包括：将所述第二指标特征集中的指标特征输入至所述逻辑回归模型中，并利用向后逐步回归方法剔除不符合第一设定条件的指标特征。5.根据权利要求1所述的人才价值评估方法，其特征在于，基于所述权重矩阵及所述第三指标特征集，生成人才...

【专利技术属性】
技术研发人员：赵宇晴，南东方，张淼，鹿群，辛治运，
申请(专利权)人：广发证券股份有限公司，
类型：发明
国别省市：