一种人力资源的评估系统及方法与流程

本发明涉及岗位责任的技术领域，尤其涉及一种人力资源的评估系统及方法。

背景技术：

在数字经济时代，企业竞争最关键的在于提供和创造产品、服务的人才，因此如何有效地运营企业的员工，帮助企业完成预定目标，成为知识密集型企业最为关注的问题。

人力资源评估是对人力资源管理总体活动的成本-效益的测量，并与组织过去绩效、类似组织的绩效、组织目标进行比较。人力资源管理通过诸如：招聘、选拔、培训、薪酬管理、绩效评估、福利管理、组织变革等具体管理行为来实现生产力的改进、工作生活质量的提高、产品服务质量的改善、促进组织变革、建设组织文化五个目标。

现有技术中，人力评估大多根据实施经验，充满了主观性。很难准确反映员工的作业能力。尤其当企业业务上升带来员工的激增时，企业人力的评估及管理显得尤为重要。然而，目前企业人力评估及管理大多依靠人工汇总，不仅耗费大量的时间，容易出错，还因缺乏全局的人力评估和管理方法，无法合理分配可用的人力资源，导致业务进度和质量受到影响，甚至有碍于企业的长期发展。

用制度管理人，制度会越来越多，在规范的同时也约束了人的创造力，如果不用制度，则人性的懒等弱点都会暴露出来。用责任结合制度的管理方式可以很好地解决这个制度管理的矛盾。用责任管理人或自我管理本身也是一种高效、低成本的方式。

责任管理的关键是成事，尤其是难事，在企事业单位发展的过程中，创造客户、创造需求都是难事，难事主要就难在不确定性的风险多且复杂，不同风险的管控就需要不同责任层次的人员来实现。而目前也缺乏这一块的研究。

另外责任文化是管理文化最核心的内容，也是一个组织长期良性发展的保障，或者也是全体组织人员共同的创造力和特征。而这一块也是缺乏有效的量化和评估，所以难以真正形成有竞争力评估的文化管理方式。

因此，针对现有技术的缺陷，提出一种人力资源的评估系统及方法。

技术实现要素：

本发明的目的是针对现有技术的缺陷，提供了一种人力资源的评估系统及方法。

为了实现以上目的，本发明采用以下技术方案：

一种人力资源的评估系统，包括：

获取模块，用于获取与用户岗位职责的相关履责信息；

处理模块，用于基于风险层次的责任评估深度学习模型对获取的履责信息进行处理，输出与履责信息相对应的责任素质评估结果、责任成果评估结果以及与责任素质评估结果、责任成果评估结果相对应的责任素质的分值、责任成果的分值；

综合模块，用于对用户的责任素质分值与责任成果分值进行计算，得到用户的综合分值；

评估模块，用于根据得到的综合分值对用户进行评估，得到评估结果。

进一步的，所述处理模块中基于风险层次的责任评估深度学习模型包括输入层、隐藏层、输出层；

输入层，用于输入与用户岗位职责的相关履责数据；

隐藏层，用于将输入的履责数据进行分解，得到风险层、责任分析层；

输出层，用于根据风险层、责任分析层输出责任素质评估结果、责任成果评估结果以及责任风险评估结果以及与责任素质评估结果、责任成果评估结果相对应的责任素质的分值、责任成果的分值。

进一步的，所述输出层还用于根据风险层、责任分析层输出责任风险评估结果。

进一步的，所述处理模块中输出的责任素质结果包括责任意识信息、责任能力信息和责任行为信息。

进一步的，所述处理模块具体包括：

责任意识评估模块，用于将获取的履责信息与深度学习模型中预设的责任意识信息评判条件库进行比较，得到责任意识相对应的评估结果及分值；

责任能力评估模块，用于将获取的履责信息与深度学习模型中预设的责任能力信息评判条件库进行比较，得到责任能力相对应的评估结果及分值；

责任行为评估模块，用于将获取的履责信息与深度学习模型中预设的责任行为信息评判条件库进行比较，得到责任行为相对应的评估结果及分值；

责任成果评估模块，用于将获取的履责信息与深度学习模型中预设的责任成果信息评判条件库进行比较，得到责任成果相对应的评估结果及分值。

进一步的，还包括：

预设模块，用于预先设置不同等级的岗位相对应的预设分值。

进一步的，所述评估模块中根据得到的综合分值对用户进行评估具体为将得到的综合分值与预设分值进行比较，得到比较结果。

相应的，还提供一种人力资源的评估方法，包括：

s1.获取与用户岗位职责的相关履责信息；

s2.基于风险层次的责任评估深度学习模型对获取的履责信息进行处理，输出与履责信息相对应的责任素质评估结果、责任成果评估结果以及与责任素质评估结果、责任成果评估结果相对应的责任素质的分值、责任成果的分值；

s3.对用户的责任素质分值与责任成果分值进行计算，得到用户的综合分值；

s4.根据得到的综合分值对用户进行评估，得到评估结果。

进一步的，所述步骤s2包括：

s21.输入层输入与用户岗位职责的相关履责数据；

s22.隐藏层将输入的履责数据进行分解，得到风险层、责任分析层；

s23.输出层根据风险层、责任分析层输出责任素质评估结果、责任成果评估结果以及责任风险评估结果以及与责任素质评估结果、责任成果评估结果相对应的责任素质的分值、责任成果的分值。

进一步的，所述步骤s23还用于根据风险层、责任分析层输出责任风险评估结果。

与现有技术相比，本发明通过对人员的责任素质和责任成果的分级评估，形成人力资源评估的算法，实现人力资源管理过程中的量化规划、量化招聘配置、量化培训和开发提升、量化绩效管理、量化薪酬福利、量化劳动关系管理。通过履责大数据的挖掘，实现深度学习，并进行责任大数据的智能管理，实现动态的责任素质和责任成果评估。本发明形成了人力资源从责任上的评估，可以更好地从责任层面进行深入挖掘人的潜能，从而给组织带来更好的成果。人均责任素质分、责任成果分也可用于经济单位文化建设的量化标准，也是权力型机构转变成责任型机构的评估依据。

附图说明

图1是实施例一提供的一种人力资源的评估系统结构图；

图2是实施例三提供的基于风险层次的责任评估深度学习模型示意图；

图3是实施例二提供的一种人力资源的评估方法流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

本发明的目的是针对现有技术的缺陷，提供一种人力资源的评估系统及方法。

实施例一

本实施例提供一种人力资源的评估系统，如图1所示，包括：

获取模块11，用于获取与用户岗位职责的相关履责信息；

处理模块12，用于基于风险层次的责任评估深度学习模型对获取的履责信息进行处理，输出与履责信息相对应的责任素质评估结果、责任成果评估结果以及与责任素质评估结果、责任成果评估结果相对应的责任素质的分值、责任成果的分值；

综合模块13，用于对用户的责任素质分值与责任成果分值进行计算，得到用户的综合分值；

评估模块14，用于根据得到的综合分值对用户进行评估，得到评估结果。

在获取模块11中，获取与用户岗位职责的相关履责信息。

获取用户履行的与岗位相关的责任信息，如：消防员接到火警后进行灭火处理，当消防员到达现场，需要先判断室内是否有人员、需要用那种灭火工具灭火等，这些都属于用户的履责数据。

再例如：以公司以及公司员工为例具体说明：

如：员工在面试时，需要对当前员工的责任素质进行评估，则通过该员工所要面试的工作、岗位等信息获取该员工的履责信息。

在员工任职期间，不仅对员工的责任素质进行评估，还需要对该员工的责任成果进行评估，则通过该员工对于所处的岗位信息来获取该员工的履责信息。

获取的履责信息是公司员工从面试到离职中的阶段均会获取。

面试时的履责信息主要是对责任意识、责任能力进行面试，这二块通过后再测试责任行为。

在处理模块12中，基于风险层次的责任评估深度学习模型对获取的履责信息进行处理，输出与履责信息相对应的责任素质结果、责任成果评估结果以及与责任素质评估结果、责任成果评估结果相对应的责任素质的分值、责任成果的分值。

基于风险层次的责任评估深度学习模型详细说明。

如图2所示为风险层次的责任评估深度学习模型，包括输入层、隐藏层以及输出层。

输入层，用于输入与用户岗位职责的相关责任信息的履责数据；

隐藏层，用于将输入的履责数据进行分解，得到风险层、责任分析层；

输出层，用于根据风险层、责任分析层输出责任素质评估结果、责任成果评估结果、责任风险评估结果以及责任风险评估结果。

输入层为各岗位或各部门的履责数据；隐藏层(简称隐层)有风险层、责任分析层，各隐层还可以细化，比如法律风险，又分刑事风险层、民事风险层、行政党纪风险层；刑事风险层还可以再细分，比如安全生产刑事层、消防刑事层、民法刑事层等；责任分析层也可以再细分风险责任设计层、责任管控层、责任管理层等；责任管理层可以再细分为责任意识层、责任能力层、责任行为层等；输出层主要是责任素质和责任成果评估，另外还可以有风险评估等可以输出。

例如：消防员的履责数据输入到深度学习模型中后，模型自动根据履责数据进行判断，如针对消防员对该火警的处理结果是否正确，选用的工具是否合适等进行判断；并结合风险层以及责任分析层给出履责信息相应的结果，结果包括责任素质结果、责任成果评估结果以及责任风险评估结果。

在本实施例中，责任素质信息包括责任意识信息、责任能力信息和责任行为信息。

责任意识信息指的是风险面扩大的内心评估，比如：个人、家庭层面主要是法律风险、个人或家庭风险、岗位风险；部门层面则需要增加部门发展风险；单位层面还要增加单位发展风险；社会层面则要增加社会发展风险；人类层面则有人类发展风险。当然不同层面的侧重点也会有所不同，之前的风险很可能不是扩大后风险的基础。

责任能力信息是对以上风险的辨识、分析、分级、管控的综合能力，在成事的过程中不至于让以上风险变成隐患(会有事情不成的可能)，隐患不发展成事故(无法成事)。事情的难度系数可以按风险的多少来评判，成事的难度、效果则代表责任能力。

责任行为信息是对风险的管控，能否通过行为提前将今后的风险也管控起来，而不是在应付，所以风险预警驱动工作很关键，即把责任当成好的习惯来形成。当然还可以有自我驱动、使命驱动。

在本实施例中，深度学习模型为预先建立基于风险层次的责任评估模型，其中深度学习模型中包括履责的评估规则以及评估规则相对应的分值，然后基于该模型自动对获取到的履责信息进行评判，判断其属于哪个评估规则，最后得到该履责信息相对应的分值。

处理模块12包括责任意识评分模块、责任能力评分模块、责任行为评分模块、责任成果评分模块。

具体为：

责任意识评分模块，用于将获取的履责信息与深度学习模型中预设的责任意识信息评判条件库进行比较，得到责任意识相对应的评估结果及分值。

在本实施例中，以公司为例进行说明：

责任意识信息评判条件库如下表1：

表1

根据员工相对应的岗位责任，获取员工对于公司、部门、工作等的履责信息，并根据履责信息得到员工的责任意识，并根据获取到的员工的责任意识与责任意识信息评判条件库(表1)中的评判条件进行比较，判断其属于哪个等级的评判条件，当比较得到其所述的评判条件的等级后，便可以得到与该等级相对应的分值，比如3级所对应的分值为3分，则认为该员工的责任意识分为3分。

责任能力评分模块，用于将获取的履责信息与深度学习模型中预设的责任能力信息评判条件库进行比较，得到责任能力相对应的评估结果及分值。

在本实施例中，责任能力信息评判条件库如下表2：

表2

责任能力包括没有成事的、成难事的、沟通困难的、沟通良好的等等能力；且公司的每个岗位的员工均需重点具备风险辨识能力、风险点梳理齐全能力、风险管控能力、风险提升能力等的责任能力，进而给公司带来更好的成果。

具体为，根据员工相对应的岗位责任，获取员工对于风险的履责信息，并根据履责信息得到员工的辨识能力信息，并根据获取到的员工履责信息与责任能力信息评判条件库(表2)中的评判条件进行比较，判断其属于哪个等级的评判条件，当比较得到其所述的评判条件的等级后，便可以得到与该等级相对应的分值，比如5级所对应的分值为7-10分，则当员工满足5级对应的评判条件的前两个条件，则认为该员工的责任能力分为8分。

关于员工的责任能力，还需要人事部门列出不同能力的培训教材，包括刚招进来的员工的定级培训，使公司员工可以重视自身的责任能力。

始业培训教材包括普通员工版、中级干部版、高级干部版。

普通员工版具体为：

1)风险原理

2)制度手册

3)责联网原理

4)业务培训：责联网工作手册，不同的岗位培训内容不同

5)业务培训：不同岗位的法律责任、道德责任

6)风险管控

中级干部版具体为：

1)大数据思维和制度管控

2)数字经济和责联网在中间的定位

3)营销与成事

高级干部版具体为：

1)责任信息学

2)责任智能

责任行为评分模块，用于将获取的履责信息与深度学习模型中预设的责任行为信息评判条件库进行比较，得到责任行为相对应的评估结果及分值。

在本实施例中，责任行为信息评判条件库如下表3：

表3

责任行为是能否把责任当成良好的习惯，让执行力到位、工作反馈和沟通到位、学习思考是否常态等；是否有自我驱动及更高等级的责任行为。

具体为，根据员工相对应的岗位责任，获取员工的履责信息，并根据履责信息得到员工的岗位职责的执行能力、工作行为能力、学习行为能力等信息，并根据员工的行为能力与责任行为信息评判条件库(表3)中的评判条件进行比较，判断其属于哪个等级的评判条件，当比较得到其所述的评判条件的等级后，便可以得到与该等级相对应的分值，比如2级所对应的分值为2-5分，则当员工满足2级对应的评判条件的前两个条件，则认为该员工的责任能力分为3分。

责任意识评分模块、责任能力评分模块还可以用于面试、甄选人才时用，也可以用于网站中标识。

责任成果评分模块，用于将获取的履责信息与深度学习模型中预设的责任成果信息评判条件库进行比较，得到责任成果相对应的评估结果及分值。

在本实施例中，责任成果信息评判条件库如下表4：

表4

工作计划的达标情况，工作中要有成果思维，用一个数学公式体现执行的结果才有价值：“做了×100＝0，做到×1＝100”。

具体为，根据员工相对应的岗位责任，获取员工的履责信息，并根据履责信息得到员工完成与岗位相关的任务的完成情况，即工作成果，并根据的工作成果与责任成果信息评判条件库(表4)中的评判条件进行比较，得到每个条件的相对应的系数，并根据下述公式计算得到该员工的责任成果分。公式表示为：完成比例*0.48*难度系数*自主能力体现程度*成果影响力系数。

在综合模块13中，对用户的责任素质分值与责任成果分值进行计算，得到用户的综合分值。

责任素质包括责任意识、责任能力和责任行为，因此责任素质的分值时通过责任意识的分值、责任能力的分值、责任行为的分值相加得到的；如员工的责任意识分为3分、责任能力分为8分、责任行为分为3分，则表示该员工的责任素质分为14分。

责任成果的分值则根据公式“完成比例*0.48*难度系数*自主能力体现程度*成果影响力系数”计算得到。

综合分值是通过责任素质分值加上责任成果分值得到的。

在本实施例中，还包括预设模块，用于预先设置不同等级的岗位相对应的预设分值。

在公司中，会包括不同等级的级别，如ceo、高层干部、准高层干部、中层干部、准中层干部、普通员工、实习生、招聘人员等等。因此，需要对每一个级别进行相应分值的设定。预设分值包括责任素质预设分值、责任成果预设分值、综合预设分值。

在本实施例中，对责任的综合评分标准，要求ceo在50分以上，为了实现管理上的有效衔接，要求中、高层的层次都不能太弱，否则会影响公司的执行力。

为让企业更好发展，需要定义员工、干部责任素质的评测边界及成长边界。

高层干部：责任素质分>42分；且责任成果分年度要超过45分，年度目标要90分以上。

准高层干部：责任素质分>40分；且责任成果分年度要超过42分，年度目标要84分以上。

中层干部：责任素质分>32分；且责任成果分年度要超过42分，年度目标要84分以上。

准中层干部：责任素质分>30分；且责任成果分年度要超过40分，年度目标要80分以上。

普通员工：责任素质分>22分；且责任成果分年度要超过40分。

实习生(学生)：责任素质分>15分。

招聘人员：责任素质分>20分；始业培训必须按相应培训，要求培训后责任素质分>22分。

在评估模块14中，根据得到的综合分值对用户进行评估，得到评估结果。

对员工进行评估时，将责任素质分与责任素质预设分值进行比较，得到责任素质的比较结果；将责任成果分与责任成果预设分值进行比较，得到责任成果的比较结果；将综合分值与综合预设分值进行比较，得到综合的比较结果；根据得到的上述三种比较结果，对员工进行评估，并根据评估结果并给出相应的建议，如在责任意识、能力、行为、成果等方面需要提升的地方，给出合理的建议，进而给组织带来更好的成果。

与现有技术相比，本实施例通过对人员的责任素质和责任成果的分级评估，形成人力资源评估的算法，实现人力资源管理过程中的量化规划、量化招聘配置、量化培训和开发提升、量化绩效管理、量化薪酬福利、量化劳动关系管理。通过履责大数据的挖掘，实现深度学习，并进行责任大数据的智能管理，实现动态的责任素质和责任成果评估。本发明形成了人力资源从责任上的评估，可以更好地从责任层面进行深入挖掘人的潜能，从而给组织带来更好的成果。

实施例二

本实施例提供一种人力资源的评估方法，如图3所示，包括：

s11.获取与用户岗位职责的相关履责信息；

s12.基于风险层次的责任评估深度学习模型对获取的履责信息进行处理，输出与履责信息相对应的责任素质评估结果、责任成果评估结果以及与责任素质评估结果、责任成果评估结果相对应的责任素质的分值、责任成果的分值；

s13.对用户的责任素质分值与责任成果分值进行计算，得到用户的综合分值；

s14.根据得到的综合分值对用户进行评估，得到评估结果。

进一步的，所述步骤s12包括：

s121.输入层输入与用户岗位职责的相关履责数据；

s122.隐藏层将输入的履责数据进行分解，得到风险层、责任分析层；

s123.输出层根据风险层、责任分析层输出责任素质评估结果、责任成果评估结果以及责任风险评估结果以及与责任素质评估结果、责任成果评估结果相对应的责任素质的分值、责任成果的分值。

进一步的，所述步骤s123还用于根据风险层、责任分析层输出责任风险评估结果。

需要说明的是，本实施例提供的一种人力资源的评估方法与实施例一类似，在此不多做赘述。与现有技术相比，本实施例通过对人员的责任素质和责任成果的分级评估，形成人力资源评估的算法，实现人力资源管理过程中的量化规划、量化招聘配置、量化培训和开发提升、量化绩效管理、量化薪酬福利、量化劳动关系管理。通过履责大数据的挖掘，实现深度学习，并进行责任大数据的智能管理，实现动态的责任素质和责任成果评估。本发明形成了人力资源从责任上的评估，可以更好地从责任层面进行深入挖掘人的潜能，从而给组织带来更好的成果。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。