本申请提供了一种项目费用的确定方法、装置、存储介质和处理器，该方法包括：根据项目的业务模型的层级，将项目划分为多个子任务，多个子任务所属层级均为业务模型中的所有的层级中的最低层级，项目的业务模型为用于描述项目的业务流程、项目的业务规则和项目的业务逻辑的模型；采用机器学习算法确定与子任务的类型对应的多个第一费用，第一费用为在完成对应的类型的子任务的情况下所需的费用；根据子任务和第一费用，确定第二费用，第二费用为完成项目的情况下所需的费用。该方法解决了现有技术中从项目整体角度来考虑实现项目费用的计算导致计算的项目费用精确度低下的问题。算导致计算的项目费用精确度低下的问题。算导致计算的项目费用精确度低下的问题。
【技术实现步骤摘要】
项目费用的确定方法、装置、存储介质和处理器
[0001]本申请涉及项目管理
，具体而言，涉及一种项目费用的确定方法、项目费用的确定装置、计算机可读存储介质、处理器和电子设备。
技术介绍
[0002]目前对于项目的费用计算方法缺点，如下：
[0003]1)从项目整体角度来考虑实现项目费用的计算，计算的项目费用精确度低下。
[0004]2)往往根据人为经验进行项目费用概算，例如，一个新启动的项目根据投入的人员数量和项目持续的周期天数来进行项目费用的估算，这种方式的计算效果严重依赖估算专家的经验水平，受主观影响大且耗费人力。
[0005]3)项目最终实际支付费用的计算往往基于项目进度和计划投入费用，没有考虑项目交付成果的质量。
技术实现思路
[0006]本申请的主要目的在于提供一种项目费用的确定方法、项目费用的确定装置、计算机可读存储介质、处理器和电子设备，以至少解决现有技术中从项目整体角度来考虑实现项目费用的计算导致计算的项目费用精确度低下的问题。
[0007]为了实现上述目的，根据本申请的一个方面，提供了一种项目费用的确定方法，所述方法包括：根据项目的业务模型的层级，将所述项目划分为多个子任务，多个所述子任务所属层级均为所述业务模型中的所有的层级中的最低层级，所述项目的业务模型为用于描述所述项目的业务流程、所述项目的业务规则和所述项目的业务逻辑的模型；采用机器学习算法确定与所述子任务的类型对应的多个第一费用，所述第一费用为在完成对应的所述类型的所述子任务的情况下所需的费用；根据所述子任务和所述第一费用，确定第二费用，所述第二费用为完成所述项目的情况下所需的费用。
[0008]可选地，采用机器学习算法确定与所述子任务的类型对应的多个第一费用，包括：获取第一数据，所述第一数据包括：所项目的人员数量、所述项目的人员职位、各所述子任务的所述类型、各所述类型对应所述子任务的数量和各所述类型对应的所述子任务的任务周期，所述任务周期与所述类型一一对应，一所述任务周期为在完成一种所述类型对应的所述子任务的情况下所需的时长；对所述第一数据依次进行缺失值填补、数值化、归一化、特征提取和权重排序处理，得到第二数据；将所述第二数据输入至预测模型，得到多个所述第一费用，所述预测模型通过采用多组第三数据训练机器学习模型得到的，所述多组第三数据为对多组第四数据依次进行缺失值填补、数值化、归一化、特征提取和权重排序处理得到的，所述多组第四数据中的每一组所述第四数据均至少包括历史时段内：项目的人员数量、项目的人员职位、各子任务的类型、各类型对应子任务的数量和各类型对应的子任务的任务周期。
[0009]可选地，根据所述子任务和所述第一费用，确定第二费用，包括：获取多个第一系
数，所述第一系数与所述子任务一一对应，所述第一系数用于表征与所述第一系数对应的所述子任务的完成质量；获取多个第三费用，所述第三费用与所述子任务一一对应，所述第三费用为第一目标系数和第一目标费用的乘积，所述第一目标系数与所述子任务一一对应，所述第一目标费用与所述子任务一一对应，一所述第一目标系数为一所述子任务对应的所述第一系数，一所述第一目标费用为一所述子任务所属的所述类型对应的所述第一费用；获取所述第二费用，所述第二费用为所有的所述第三费用的总和。
[0010]可选地，获取多个第一系数，包括：根据预设规则，对各所述子任务的完成质量进行打分，得到多个分数，所述预设规则与所述子任务的所述类型一一对应，所述分数与所述子任务一一对应；计算各所述分数分别与预设分数的比值，得到多个所述第一系数。
[0011]可选地，在采用机器学习算法确定与所述子任务的类型对应的多个第一费用之后，所述方法还包括：获取多个第四费用，所述第四费用与所述子任务的所述类型一一对应，所述第四费用为第一目标数量和第二目标费用的乘积，所述第一目标数量与所述子任务的所述类型一一对应，所述第二目标费用与所述子任务的所述类型一一对应，一所述第一目标数量为一所述类型的所述子任务的数量，一所述第二目标费用为一所述类型对应的所述第一费用；获取第五费用，所述第五费用为所有的所述第四费用的总和。
[0012]可选地，在采用机器学习算法确定与所述子任务的类型对应的多个第一费用之后，所述方法还包括：根据多个目标类型，确定多个第二目标数量和多个第三目标费用，所述目标类型为目标子任务所属的所述类型，所述目标子任务为分配至目标项目人员的所述子任务，所述目标项目人员为所述项目的人员中的任意一个，所述第二目标数量与所述目标类型一一对应，所述第三目标费用与所述目标类型一一对应，一所述第二目标数量为一所述目标类型的所述目标子任务的数量，一所述第二目标数量为一所述目标类型对应的所述第一费用；获取第六费用，所述第六费用与所述第二目标数量一一对应，所述第六费用为所述第二目标数量和与所述第二目标数量对应的所述第三目标费用的乘积；获取第七费用，所述第七费用为所有的所述第六费用的乘积。
[0013]根据本申请的另一方面，提供了一种项目费用的确定装置，所述装置包括：划分单元，用于根据项目的业务模型的层级，将所述项目划分为多个子任务，多个所述子任务所属层级均为所述业务模型中的所有的层级中的最低层级，所述项目的业务模型为用于描述所述项目的业务流程、所述项目的业务规则和所述项目的业务逻辑的模型；第一确定单元，用于采用机器学习算法确定与所述子任务的类型对应的多个第一费用，所述第一费用为在完成对应的所述类型的所述子任务的情况下所需的费用；第二确定单元，用于根据所述子任务和所述第一费用，确定第二费用，所述第二费用为完成所述项目的情况下所需的费用。
[0014]根据本申请的再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的项目费用的确定方法。
[0015]根据本申请的又一方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的项目费用的确定方法。
[0016]根据本申请的一方面，提供了一种电子设备，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的项目费用的
确定方法。
[0017]应用本申请的技术方案，将项目化分为多个子任务，预测每种类型的子任务的费用，根据子任务和子任务的费用，确定项目的费用，通过对项目进行分层级拆分分析，并通过每种类型的子任务的费用汇总计算得到的项目费用，提高了项目费用计算的精确度，解决了现有技术中从项目整体角度来考虑实现项目费用的计算导致计算的项目费用精确度低下的问题。
附图说明
[0018]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0019]图1示出了根据本申请本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种项目费用的确定方法，其特征在于，所述方法包括：根据项目的业务模型的层级，将所述项目划分为多个子任务，多个所述子任务所属层级均为所述业务模型中的所有的层级中的最低层级，所述项目的业务模型为用于描述所述项目的业务流程、所述项目的业务规则和所述项目的业务逻辑的模型；采用机器学习算法确定与所述子任务的类型对应的多个第一费用，所述第一费用为在完成对应的所述类型的所述子任务的情况下所需的费用；根据所述子任务和所述第一费用，确定第二费用，所述第二费用为完成所述项目的情况下所需的费用。2.根据权利要求1所述的方法，其特征在于，采用机器学习算法确定与所述子任务的类型对应的多个第一费用，包括：获取第一数据，所述第一数据包括：所项目的人员数量、所述项目的人员职位、各所述子任务的所述类型、各所述类型对应所述子任务的数量和各所述类型对应的所述子任务的任务周期，所述任务周期与所述类型一一对应，一所述任务周期为在完成一种所述类型对应的所述子任务的情况下所需的时长；对所述第一数据依次进行缺失值填补、数值化、归一化、特征提取和权重排序处理，得到第二数据；将所述第二数据输入至预测模型，得到多个所述第一费用，所述预测模型通过采用多组第三数据训练机器学习模型得到的，所述多组第三数据为对多组第四数据依次进行缺失值填补、数值化、归一化、特征提取和权重排序处理得到的，所述多组第四数据中的每一组所述第四数据均至少包括历史时段内：项目的人员数量、项目的人员职位、各子任务的类型、各类型对应子任务的数量和各类型对应的子任务的任务周期。3.根据权利要求1所述的方法，其特征在于，根据所述子任务和所述第一费用，确定第二费用，包括：获取多个第一系数，所述第一系数与所述子任务一一对应，所述第一系数用于表征与所述第一系数对应的所述子任务的完成质量；获取多个第三费用，所述第三费用与所述子任务一一对应，所述第三费用为第一目标系数和第一目标费用的乘积，所述第一目标系数与所述子任务一一对应，所述第一目标费用与所述子任务一一对应，一所述第一目标系数为一所述子任务对应的所述第一系数，一所述第一目标费用为一所述子任务所属的所述类型对应的所述第一费用；获取所述第二费用，所述第二费用为所有的所述第三费用的总和。4.根据权利要求3所述的方法，其特征在于，获取多个第一系数，包括：根据预设规则，对各所述子任务的完成质量进行打分，得到多个分数，所述预设规则与所述子任务的所述类型一一对应，所述分数与所述子任务一一对应；计算各所述分数分别与预设分数的比值，得到多个所述第一系数。5.根据权利要求1所述的方法，其特征在于，在采用机器学习算法确定与所述子任务的类型对应...
【专利技术属性】
技术研发人员：周辉，琚赵兵，陈靖，李争，张虎，
申请(专利权)人：中国邮政储蓄银行股份有限公司，
类型：发明
国别省市：
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。