实现对个人综合绩效进行智能整理以供考评的实现方法技术

本发明专利技术涉及一种实现对个人综合绩效进行智能整理以供考评的方法，其特征在于：实现步骤包括数据仓库的建立、数据预处理、指标选择、权重计算以及绩效得分计算；本发明专利技术通过对医院各系统的数据采集，并建立数据仓库，通过数据预处理、指标选择、权重计算等对数据进行整理，并以图表方式展现给用户，以供个人综合绩效考评，为医院管理维护提供了便利，具有较好的使用价值。

【技术实现步骤摘要】

本专利技术涉及资料智能采集、分析、处理
，特别是一种实现对个人综合绩 效进行智能整理以供考评的实现方法。
技术介绍
近年来，随着经济和社会的迅速发展，医院的生存和发展面临着严峻的考验和挑 战。医院要实现可持续发展，必须改变以往的单纯注重评价收支结余而没有将科室或个人 的目标取向与医疗机构的组织目标统一起来，评价结果的应用也多数局限于职工奖金分配 的管理模式。必须在考虑医院如何提高综合运营能力、长效发展的同时，还需要保证医院战 略目标的贯彻。借鉴企业界的管理经验，绩效管理已成为医疗机构提高其管理水平的重要 手段。医院绩效管理是现代医院管理的一个新视角。绩效管理是对医院绩效实现过程各 要素的管理，它是基于医院战略基础之上的一种管理活动。强调达成绩效结果，更通过目 标、辅导、评价、反馈，重视达成结果的过程。但是怎样将对各部门、个人业绩资料结合医院 的运营进行情况进行分析，并提供有效的业绩考评参考是医院绩效管理的一大难点。
技术实现思路
有鉴于此，本专利技术的目的是提供一种实现对个人综合绩效进行智能整理以供考评 的实现方法，该方法能自动采集医院各部门个人的业绩结合医院的运营情况，进行统计、分 析，为高层对个人综合绩效进行考评提供支持。本专利技术是这样实现的一种实现对个人综合绩效进行智能整理以供考评的方法， 其特征在于实现步骤包括数据仓库的建立、数据预处理、指标选择、权重计算以及绩效得 分计算；所述的数据仓库的建立是采集医院各个业务系统的数据，根据数据的主题构建数 据仓库；所述的数据预处理主要进行无量纲化处理、指标同向与异常值处理；所述的指标 选择采用R型聚类分析法和变异系数法；所述的权重计算包括基于信息的方法，其根据信 息熵理论，通过判断指标的离散程度来确定指标的重要性；数据变换指标赋权法，其通过研 究多个指标的相关矩阵的内部相关关系，使用少数公因子替代原有变量，每个公因子彼此 相互独立，每个公因子通过原始指标变量的线性组合来表示，从线性角度考察指标权重；基 于流形学习的方法，其将原始数据非线性映射到新维度，使得新维度保留原始维度的信息， 同时便于区分数据；所述绩效得分计算采用千分制计算。本专利技术通过对医院各系统的数据采集，并建立数据仓库，通过数据预处理、指标选 择、权重计算等对数据进行整理，并以图表方式展现给用户，以供个人综合绩效考评，为医 院管理维护提供了便利，具有较好的使用价值。附图说明图1是本专利技术方法实现流程示意图。图2是指标选择流程示意图。图3是指标权重设计框架示意图。图4是实现本专利技术方法采用的系统架构示意图。具体实施例方式下面结合附图及实施例子对本专利技术做进一步说明。如图1所示，本专利技术提供一种实现对个人综合绩效进行智能整理以供考评的方 法，其特征在于实现步骤包括数据仓库的建立、数据预处理、指标选择、权重计算以及绩效 得分计算。(1)首先是设计数据仓库的主题并建立规范的数据标准，比如医生主索引、病人主 索引、病种主索引等。建立数据仓库模型首先必须进行需求分析。数据仓库是按照决策分 析的主题来组织数据的，因此设计数据仓库的主题至关重要。(2)其次对当前医院的各个系统进行统一抽取，并按照统一的数据标准进行清洗， 转化成统一的、规范的数据。医院数据仓库的数据源非常复杂，既包括操作型数据库如HIS、 人事管理系统等，又包括非结构化的外部数据如各种文件。各种来源的数据在结构和组织 方式上可能存在较大的差异，也可能包含噪声、空缺、不一致的数据，因此数据源的数据必 须经过严格的抽取、清洗和转换，才能加载到数据仓库。(3)最后根据医院各项业务需求，通过商业智能工具分主题灵活展现各项信息。所述的数据预处理主要是进行无量纲化处理、指标同向与异常值处理三种处理 (1)无量纲化处理由于指标的产生背景不同，所以不同指标都带有相应不同的单位。对于指标值为“优、 良、差”等形式的分类型指标，将其属性值等距映射到区间的数值，统一化为数值型指 标。通过无量纲化处理消除量纲及指标数据波动范围不同对综合评价结果的影响，同时可 以反映原始数据中各指标变异程度上的差异，也包含各指标相互影响程度差异的信息。(2)指标同向指标存在高优指标、低优指标、适度指标的区别。对于高优指标，使用公式Y=(X-min)/(maX-min)进行同向化处理。对于低优 指标，使用公式Y=(max-X)/(max-min)进行同向化处理；对于适度指标则使用公式 Y=(max-x' )/(max-min)进行同向化处理。其中χ为当前指标值，y为转化后的值，max为指标中的最大值，min为指标中的最 小值，X’ =Ix-指标最优值(3)异常值处理用于处理不正常或错误的数据。 所述指标选择方案如下 (1)指标选择的原则指标选择大致需遵循以下几个原则代表性、独立性、区分性、实用性、确定性 其中，代表性与独立性反映个人工作的不同方面，体现指标之间的不可替代性。区分度 体现指标包含信息量大，有效反映个人工作的差异性和目标的完成情况。代表性、独立性、上式中6，Λ分别表示特征X和特征在第i个样本中取值， 和歹表示特征X和特征_7的均值，r表示特征间的相关度，r越大，则表示特征X，_F间的相关度越大，也意味着两 者问的冗余度越大。区分性为数据的特点，而实用性和确定性则属于主观原则。(2)指标选择方案本方案使用主客观相结合的方法来选择指标。即先通过算法选出具有代表性与独立性 高(相关性不大)，同时对评价对象区分度好的指标集合。然后由专家对这个评价指标集合 进行鉴定，根据医院的实际情况，确定保留或剔除指标，以及补充一些未选中的指标。这样 就兼顾了指标选择的5大原则。请参见如图2所示，图2是指标选择流程示意图，其中1.确定角色指标根据所选择评价角色的不同，筛选该角色在指标体系中对应的评价 指标。如对医生角色进行评估，则根据医生员工的数据，选择关于医生的评价指标作为后续 指标筛选算法的基础指标集合。2.确定指标分类根据医院的实际情况，由院方定出指标类型。3.确定指标集合在指标字典中，选出特定指标类型下所包含的指标集合。4.指标筛选综合考虑全院共有指标和科室特有指标，应用R型聚类及变异系数 法，筛选出独立性、区分性高的指标。5.专家鉴定经专家人为鉴定，对选出的指标稍作调整。(3)指标选择具体算法简介本方案使用了两种算法来进行指标选择 (a) R型聚类分析法评价同一侧面或同一目标的单项指标集合中，各个指标包含的信息可能相互重叠。R 型聚类分析法根据指标之间的相关矩阵对指标集合进行系统聚类，确定每类中平均相关系 数较大而类间平均相关系数较小的指标为代表指标。R型聚类分析法可去除相关性大的指标，保持指标之间的独立性，使指标更好的反 映被评价者的不同侧面。R型聚类分析以相关性系数为基础，选择出具有代表性和独立性的指标。其中相关 系数计算如下权利要求1.一种实现对个人综合绩效进行智能整理以供考评的方法，其特征在于实现步骤包 括数据仓库的建立、数据预处理、指标选择、权重计算以及绩效得分计算；所述的数据仓库 的建立是采集医院各个业务系统的数据，根据数据的主题构建数据仓库；所述的数据预处 理主要进行无量纲化处理、指标同向与异常值处理；所述的指标选择采用R型聚类分析法 和变异系数法；所述的权重计算包括基于信本文档来自技高网...

【技术保护点】
一种实现对个人综合绩效进行智能整理以供考评的方法，其特征在于：实现步骤包括数据仓库的建立、数据预处理、指标选择、权重计算以及绩效得分计算；所述的数据仓库的建立是采集医院各个业务系统的数据，根据数据的主题构建数据仓库；所述的数据预处理主要进行无量纲化处理、指标同向与异常值处理；所述的指标选择采用Ｒ型聚类分析法和变异系数法；所述的权重计算包括：基于信息的方法，其根据信息熵理论，通过判断指标的离散程度来确定指标的重要性；数据变换指标赋权法，其通过研究多个指标的相关矩阵的内部相关关系，使用少数公因子替代原有变量，每个公因子彼此相互独立，每个公因子通过原始指标变量的线性组合来表示，从线性角度考察指标权重；基于流形学习的方法，其将原始数据非线性映射到新维度，使得新维度保留原始维度的信息，同时便于区分数据；所述绩效得分计算采用千分制计算。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴福珍，
申请(专利权)人：福州维胜信息技术有限公司，
类型：发明
国别省市：35[中国|福建]