一种通过大数据提高企业能效的方法、装置及系统与流程

本申请涉及基于大数据的企业服务技术领域，尤其是涉及一种通过大数据提高企业能效的方法、装置及系统。

背景技术：

随着网络技术的不断发展以及企业的hr管理体系的建立，将人力资源数据转化为新的价值形式以组成企业人力资源的价值服务平台，成为市场上企业管理的新兴方向。这种方法使人力资源能够更好地了解他们的员工、求职者、人力资源流程以及同行业竞争者。

目前，企业人力资源的服务平台，如e-hr系统等，除实现对企业数据的线上网络化管理之外，也会依据企业数据对企业能效提升做出规划。但是这类的服务平台规划很难被市场接受或推广。

目前的服务平台规划难以实现的问题主要如下：企业的人力资源数据一般可以分为结构化数据和非结构化数据，结构化数据意味着数据可以整齐地组织成行和列，例如员工的个人、组织、就业、时间和缺勤、活动跟踪器和类似数据将被视为结构化数据。非结构化数据是无法组织成电子表格的信息，非结构化数据可能包括社交媒体帖子、电子邮件、调查数据、照片、视频和录音。对于许多人力资源问题，仅访问结构化数据往往是不够的，例如，实用内部结构化数据，可能能够确定员工更替率为15%，当如果没有员工离职面试中包含的非结构化外部数据，将不知道更替率背后的原因。这一问题导致目前的服务平台，一方面数据全面性获取难度大，非结构化数据无法系统的采集到，不同维度的不同问题，其所对应的非结构化数据不同；另一方面数据的不足导致服务平台规划的提出不能切实解决企业痛点，导致方案或建议的可执行性或有效性降低。

基于以上说明，相关领域亟需提出一种能够应用结构化数据提高企业能效的方法。

技术实现要素：

为了利用结构化数据的处理方式实现企业能效的提高，本申请目的是提供一种通过大数据提高企业能效的方法、装置及系统。

第一方面，本申请提供一种通过大数据提高企业能效的方法，包括：

获取并存储多个企业的企业数据；

依据企业数据建立由若干人资数据组合成的三阶数据体系；

获取每一企业的人资数据优化方案；

获取意向分析数据和需求企业数据，并依据所述需求企业数据建立行业模型，所述意向分析数据为所述人资数据中的一种或多种；

依据所述行业模型及意向分析数据对同行企业进行排序，并依据排名次序选定目标企业；

获取需求企业个性化条件数据，并获取目标企业优化所述意向分析数据的优化方案作为预案源；

依据所述需求企业个性化条件数据选取所述预案源中的优化方案作为初步方案；

依据所述初步方案的共性条件确定至少一种优选方案；

将所述优选方案推送至所述需求企业。

通过采用上述技术方案，企业数据的存储以及人资数据优化方案的获取，提供了大数据分析的数据基础。当有企业想要提高企业hr水平时，首先通过行业模型以及意向分析数据对同行企业进行排序，从而选出企业意向分析数据最好的多个目标企业，借鉴多个目标企业的优化方案确定优选方案，从而利用大数据分析的方式，实现了同行企业的hr问题解决方案共享，摆脱了非结构化数据的限制，即利用结构化数据的处理方式实现了企业能效的提高。

在一个优选的方案中，将所述优选方案推送至所述需求企业之后，还包括：

获取预设变量以及与预设变量匹配的目标结果；

获取预设时间点所述需求企业执行每一所述优选方案的执行结果；

将所述执行结果最接近目标结果的优选方案作为最终方案推送至所述需求企业。

通过采用上述技术方案，预设变量的设定，实现了企业对多个优选方案的选取，提高了企业通过预设变量选择最终方案的灵活性。

在一个优选的方案中，所述优选方案推送至所述需求企业的方法包括：将所述优选方案推送至所述需求企业的不同组群，以使得不同组群分别执行不同的优选方案。

通过采用上述技术方案，在多个组群实施不同优化方案时，可辅助实现对每一优选方案的校验，从而提高依据执行结果选定的最终方案与需求企业的匹配程度。

在一个优选的方案中，组成不同组群的单位属性相同。

通过采用上述技术方案，由于单位属性相同，提高了不同优选方案实施环境的相似度，进一步的提高了所选择最终方案与需求企业的匹配程度。

在一个优选的方案中，所述三阶数据体系包括：

第一阶数据，包括个人阶层的人均收入、全职员工人均收入、人均利润、全职员工人均利润、人均加班时长、人均成本、全职员工人均成本、人工成本/收入比、人工成本/支出比、缺勤率、经理/部门缺勤率、周期加班费用、人均培训费用、培训效能、主动离职率、被动离职率、人才流失率、流失率、经理/部门离职率、旷工成本、人员变动成本、hr人数占比、hr成本占比以及平均升职周期；

第二阶数据，包括组织阶层的入职周期、招聘周期、直接招聘成本、招聘渠道、首年离职率、首年周转率、首月周转率、招聘满意度、候选人满意度、职位申请人数、聘用率、总招聘成本、offer接受率、职位空缺率、招聘完成率、招聘转化率、渠道转化率、渠道招聘成本、适岗成本和晋升率；

以及第三阶数据，包括通用阶层的平均年龄、平均工龄、退休率、平均通勤距离、员工敬业度、工作满意度、涨薪幅度、综合人均收入、全职员工综合人均收入、人均综合利润、全职员工人均毛利润、综和人均成本和全职员工综和人均成本。

通过采用上述技术方案，企业数据与企业一一对应，即每家企业都有自己的企业数据，这些数据有结构化数据，也有非结构化数据。三阶数据体系的建立，实现了对结构化数据的选取和整理，从而在固定的几个层面实现对企业人资方面的数据覆盖，从而实现了对每家企业数据的规范化整理和收集。

第二方面，本申请还提供一种通过大数据提高企业能效的装置，包括：

第一获取模块，用于获取并存储多个企业的企业数据；

数据整合模块，用于依据企业数据建立由若干人资数据组合成的三阶数据体系；

第二获取模块，用于，获取每一企业的人资数据优化方案；

第三获取模块，用于获取意向分析数据和需求企业数据，所述意向分析数据为所述人资数据中的一种或多种；

模型建立模块，用于依据所述需求企业数据建立行业模型，

企业筛选模块，用于依据所述行业模型及意向分析数据对同行企业进行排序，并依据排名次序选定目标企业；

第四获取模块，用于获取需求企业个性化条件数据，并获取目标企业优化所述意向分析数据的优化方案作为预案源；

第一数据过滤模块，用于依据所述需求企业个性化条件数据选取所述预案源中的优化方案作为初步方案；

方案选择模块，用于依据所述初步方案的共性条件确定至少一种优选方案；

第一方案推送模块，用于将所述优选方案推送至所述需求企业。

在一个优选的方案中，所述第一方案推送模块用于将所述优选方案推送至所述需求企业的不同组群，以使得不同组群分别执行不同的优选方案，所述装置还包括：

第五获取模块，用于获取预设变量以及与预设变量匹配的目标结果；

数据监控模块，用于获取预设时间点所述需求企业执行每一所述优选方案的执行结果；

第二方案推送模块，将所述执行结果最接近目标结果的优选方案作为最终方案推送至所述需求企业。

第三方面，本申请还提供一种通过大数据提高企业能效的系统，所述系统包括：

一个或多个存储器，用于存储指令；

一个或多个处理器，用于接收并执行所述指令，以使得所述的方法被执行。

综上所述，本申请包括以下至少一种有益技术效果：

1.通过建立三阶数据体系，实现了对企业数据的整理和归纳，为基于结构化数据的hr问题解决服务提供了数据基础；

2.预设变量的设定，实现了企业对多个优选方案的选取，提高了企业通过预设变量选择最终方案的灵活性。

附图说明

图1是本申请实施例的三阶数据体系拓扑图。

图2是本申请实施例的通过大数据提高企业能效的方法流程图。

图3是本申请实施例的是本申请实施例的最终方案选取示例图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

下面结合说明书附图对本申请实施例作进一步详细描述。

如图1所示，本申请实施例提供一种通过大数据提高企业能效的方法，所述方法基于一个三阶数据体系对企业各维度的hr数据进行优化，并得出最终应用于企业人资数据优化的最终方案。所述的三阶数据体系是在企业人资数据中分别从通用层、组织层和个体层三个方面挑选出一共五十七个维度的人资数据组合成所述的三阶数据体系，所述的方法是对企业的所述三阶数据体系中的任意人资数据进行优化的方法。

为了能够更清楚的表述本申请所述的方法，首先对三阶数据体系中的每一人资数据的组成进行介绍，所述人资数据均由企业内部的企业数据转换而成，具体的，所述三阶数据体系包括：

第一阶数据，包括个人阶层的

人均收入，工资总收入/员工总数；

全职员工人均收入，工资总收入/全职员工总数；

人均利润，利润总额/员工总数；

全职员工人均利润，利润总额/全职员工总数；

人均加班时长，表示加班工时与总工时的比值，所述总工时表示加班工时与合同工时之和，合同工时表示员工与企业签订劳务合同所规定的工时；

人均成本，总人工成本/员工总数；

全职员工人均成本，总人工成本/全职员工数；

人工成本/收入比，总人工成本/组织收入；

人工成本/支出比，总人工成本/总组织支出；

缺勤率，缺勤天数/工作日总数；

经理/部门缺勤率，每单位缺勤天数/每单位工作天总数；

周期加班费用，加班工资/每个期间的总工资；

人均培训费用，培训费用/总费用；

培训效能，每位员工的培训费用/培训效果；

主动离职率，自愿离职人数/在职员工总数；

被动离职率，非自愿离职人数/在职员工总数；

人才流失率，具有高潜力人员数量/在职员工总数；

流失率，离职人数/在职员工总数；

经理/部门离职率，以一个经理覆盖的范围（或是一个部门）为单位，所述单位一定时间段内的离职率；

旷工成本，缺勤的总消耗费用；

人员变动成本，总周转成本；

hr人数占比，从事人力资源工作的全职员工数/全职员工总数；

hr成本占比，人力资源总成本/全职员工总成本；

以及平均升职周期，升职之前的平均时间；

第二阶数据，包括组织阶层的

入职周期，从发布职位空缺到聘用候选人的天数；

招聘周期，从接近候选人到候选人被录用之间的天数；

直接招聘成本，招聘总费用/新员工人数；

招聘渠道，用来吸引人才的招聘渠道数；

首年离职率，1年内离职员工数/人数范围内离开组织的员工；

首年周转率，一年内离职的员工人数/新员工总数；

首月周转率，1个月内离开组织的员工数/新员工总数；

招聘满意度，表现良好的员工人数/总员工人数；

候选人满意度，对新工作满意的员工数/员工总数；

职位申请人数，申请人总数/职位空缺数量；

聘用率，录用候选人数/候选人总数；

总招聘成本，（内部总费用+外部总费用）/雇用总人数；

offer接受率，接受工作机会的申请人数/被提供工作机会的申请人数；

职位空缺率，开放职位总数/组织中的职位总数；

招聘完成率，完成招聘申请的总人数/申请开始的总人数；

招聘转化率，成功完成相应阶段的申请人数/进入相应阶段的申请人总数；

渠道转化率，简历在渠道的总展示次数/渠道的申请数量，所述渠道为招聘渠道，如boss、智联等；

渠道招聘成本，每个渠道的广告支出/每个平台的成功申请者数量；

适岗成本，使某人达到最新状态所涉及的总成本；

晋升率，晋升员工人数/员工人数；

以及第三阶数据，包括通用阶层的

平均年龄，所有员工人数的年龄总和/员工数；

平均工龄，所有员工的服务年限/总人头数；

退休率，退休人员数量/员工人数；

平均通勤距离，距家的平均距离（公里）为单位；

员工敬业度，达到敬业标准的员工数/员工人数；

工作满意度，对工作感到满意的人数/总人数；

涨薪幅度，（当前薪资-上一年度的薪水）/上一年度的薪水。

综合人均收入，员工总收入/员工总数；

全职员工综合人均收入，全职员工总收入/全职员工总数；

人均综合利润，财务利润总额/员工总数；

全职员工人均毛利润，全职员工利润总额；

综和人均成本，财务人员成本/员工总数；

全职员工综和人均成本，全职员工财务人员成本之和/全职员工总数。

如图1和图2所示，本申请所述的通过大数据提高企业能效的方法包括以下步骤：

步骤s101、获取企业数据。所述的企业数据表示与企业相关的企业内部数据，如总人工成本、员工总数、离职人数等。

步骤s102、依据企业数据建立由所述人资数据组合成的所述三阶数据体系。

步骤s103、获取每一企业的人资数据优化方案。需要说明的是，所述的人资数据优化方案表示所述企业已有的或曾经执行过的对相应人资数据进行优化的方案，优化方案以及企业数据均为存储在历史数据中的部分或全部数据，所述历史数据由具有数据存储功能的设备或网络进行存储。

步骤s104、获取意向分析数据和需求企业数据，并依据所述需求企业数据建立行业模型。

所述需求企业为有需求通过本申请所提供的提高企业能效的方法对自身的人资数据进行优化的企业。

所述的意向分析数据为所述人资数据中的一种或多种，如首年离职率等；所述需求企业数据为表示需求企业所在行业的企业标签的数据，在一个优选的示例中，从互联网数据中自动获取企业信息，如企查查等，再通过企业信息自动提取企业的领域、位置和规模作为需求企业数据；在另一个示例中，所述需求企业数据为企业自动上传的领域、位置和规模，本实施例中不对需求企业数据的获取来源做唯一限定，只要能够获取到能够对需求企业的同行企业进行分类的数据即可。

在获取到需求企业数据后，依据需求企业数据，如领域、位置和规模，建立行业模型，即筛选得到领域、位置和规模均与所述需求企业数据相同的同行企业。

步骤s105、依据所述行业模型及意向分析数据对同行企业进行排序，并依据排名次序选定目标企业。如意向分析数据为首年离职率时，将所述行业模型所包含的同行企业依据首年离职率由小到达进行排序，选取排名前三的同行企业为目标企业。

步骤s106、获取需求企业个性化条件数据，并获取目标企业优化所述意向分析数据的优化方案作为预案源。

步骤s107、依据所述需求企业个性化条件数据选取所述预案源中的优化方案作为初步方案。

所述的个性化条件数据为根据需求企业自身个性化特征，如偏好、行为、关系等设定的筛选条件。例如所获得的的目标企业中包含与需求企业关系不好的目标企业，则可以将该企业从目标企业中删除；又例如需求企业正处在上市准备过程，则个性化特征为“上市公司”，将目标企业中非上市企业的公司删除；又例如需求企业想要借鉴员工平均年龄小的目标企业的优化方案，则依据企业员工平均年龄预设值对目标企业进行筛选。依据企业个性化条件筛选预案源中的优化方案后，将挑选出来的优化方案或剩余的优化方案作为初步方案，初步方案可以有一个或多个。

步骤s108、依据所述初步方案的共性条件确定至少一种优选方案。共性条件的选取是为了选取多家目标企业在优化所述意向分析数据过程中都会采用的方案。

在提升所述意向分析数据过程中，不同目标企业所采用的优化方案相同或不相同，如在降低首年离职率的过程中，一家目标企业的优化方案包括降低加班时间、薪酬方案、新人首年培养计划以及企业文化改进，另一家目标企业的优化方案包括薪酬方案、新人首年培养计划、企业文化改进以及提高员工福利，则将两家目标企业的共性条件新人首年培养计划、企业文化改进以及提高员工福利作为三种优选方案。

步骤s109、将所述优选方案推送至所述需求企业的不同组群，以使得不同组群分别执行不同的优选方案，组成不同组群的单位属性相同。如需求企业的一个部门或负责相同工作的部门，其组成单位为工作人员，单位属性即为负责相同的工作，将工作人员分成至少三个不同的组群，每一个优化方案由至少一个组群执行。

步骤s110、获取预设变量以及与预设变量匹配的目标结果。

步骤s111、获取预设时间点所述需求企业执行每一所述优选方案的执行结果，如在优化方案被执行的90天后，获取每一组群的意向分析数据作为执行结果。

步骤s112、将所述执行结果最接近目标结果的优选方案作为最终方案推送至所述需求企业。

在一个优选的示例中，在选择最终方案之前，先获取至少一个预设变量，并依据预设变量建立空间坐标系。依据执行结果在所述空间坐标系中的位置，选择相应的优化方案为最终方案。

如图3所示，在一个优选的示例中，本申请提供一种依据预设变量选择最终方案的示例：所获取的预设变量包括时间和成本，以成本为横轴、以时间为纵轴建立空间二维坐标系，则p点表示未执行优化方案时的初始点，即不执行所述优化方案的前提下，企业需要消耗p点所对应的时间和成本，以改善所述首年离职率；a点、b点、c点分别表示三个组群执行三个不同优化方案后达到的改善所述首年离职率目的所需要消耗的时间和成本；n点表示需求企业为达到改善所述首年离职率期望消耗的时间和成本，即为所述目标结果。选择a点、b点、c点中距离n点最近的点-b点所对应的优化方案作为最终方案。

将所述最终方案推送至所述需求企业，即，将所述最终方案推广至需求企业的每一部门，以通过最终方案的执行提升需求企业的意向分析数据。

进一步的，以上实施例所述的方案中，优选方案以及最终方案的选取过程均不限定人为参与的权限，即，企业可以直接从多个优选方案中选出最终被执行的最终方案。

由以上所述内容可知，在经过企业数据采集、基于行业模型选定优选方案、经过预设时间后对执行结果进行对比，最终得出最终方案并执行所述最终方案，整体过程借鉴多个目标企业的优化方案确定优选方案，从而利用大数据分析的方式，实现了同行企业的hr问题解决方案共享，摆脱了非结构化数据的限制，即利用结构化数据的处理方式实现了企业能效的提高。

在一个实施例中，本申请还提供一种通过大数据提高企业能效的装置，包括：

第一获取模块，用于获取并存储多个企业的企业数据；

数据整合模块，用于依据企业数据建立由若干人资数据组合成的三阶数据体系；

第二获取模块，用于，获取每一企业的人资数据优化方案；

第三获取模块，用于获取意向分析数据和需求企业数据，所述意向分析数据为所述人资数据中的一种或多种；

模型建立模块，用于依据所述需求企业数据建立行业模型，

企业筛选模块，用于依据所述行业模型及意向分析数据对同行企业进行排序，并依据排名次序选定目标企业；

第四获取模块，用于获取需求企业个性化条件数据，并获取目标企业优化所述意向分析数据的优化方案作为预案源；

第一数据过滤模块，用于依据所述需求企业个性化条件数据选取所述预案源中的优化方案作为初步方案；

方案选择模块，用于依据所述初步方案的共性条件确定至少一种优选方案；

第一方案推送模块，用于将所述优选方案推送至所述需求企业的不同组群，以使得不同组群分别执行不同的优选方案；

第五获取模块，用于获取预设变量以及与预设变量匹配的目标结果；

数据监控模块，用于获取预设时间点所述需求企业执行每一所述优选方案的执行结果；

第二方案推送模块，将所述执行结果最接近目标结果的优选方案作为最终方案推送至所述需求企业。

所述方法中的各种变化方式和具体示例同样适用于本实施例的通过大数据提高企业能效的装置中的各模块，通过对前述通过大数据提高企业能效的方法的详细描述，本领域技术人员可以清楚的知道本实施例中的通过大数据提高企业能效的装置的实施方法，为了说明书的简洁，在此不再详述。

为了更好地执行上述方法的程序，本发明实施例提供一种通过大数据提高企业能效的系统，所述系统包括至少一个存储器和至少一个处理器。

其中，存储器可用于存储指令、程序、代码、代码集或指令集。存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如依据所述需求企业数据建立行业模型等)以及用于实现上述方法提供的通过大数据提高企业能效的方法的指令等；存储数据区可存储上述通过大数据提高企业能效的方法中涉及到的数据等。

处理器可以包括一个或者多个处理核心。处理器通过运行或执行存储在存储器内的指令、程序、代码集或指令集，调用存储在存储器内的数据，执行本发明的各种功能和处理数据。处理器可以为特定用途集成电路、数字信号处理器、数字信号处理装置、可编程逻辑装置、现场可编程门阵列、中央处理器、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本发明实施例不作具体限定。

本发明实施例还提供一种计算机可读存储介质，例如包括：u盘、移动硬盘、只读存储器(readonlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述通过大数据提高企业能效的方法的计算机程序。

本发明具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。