基于大数据的工作饱和度分析方法、装置和计算机设备与流程

本申请涉及到计算机领域、大数据领域，特别是涉及到一种基于大数据的工作饱和度分析方法、装置、计算机设备和存储介质。

背景技术：

目前各部门员工工作饱和度不尽相同，无法得知哪些部门员工或外包员工加班情况，不便于对高负荷加班人员进行关怀管理及稳定性维护。作为自然人，员工的自身精力是有限的，在高负荷的状态下，不仅难以做好本职工作，更可能在工作中出错。因此若能及时获得员工的工作时间，获得员工的工作饱和度，在员工进行过量加量时进行提醒、进行关怀管理，不仅能保证工作质量，还能提高员工对公司的归属感。现有技术缺乏对员工工作饱和度的获知方法、判断方法。

技术实现要素：

本申请的主要目的为提供一种基于大数据的工作饱和度分析方法、装置、计算机设备和存储介质，从而实现了自动、准确地评估员工工作饱和度。

为了实现上述发明目的，本申请提出一种基于大数据的工作饱和度分析方法，包括：

获取员工当前工作数据，以及利用大数据获取与所述员工的工作岗位相同且就职时间相同的其他员工的第一平均日工作时间，其中所述当前工作数据至少包括所述员工在当前日期之前m天的每天工作时间、当前工作时间和所述员工所属部门，其中m为大于等于1的整数；

对所述员工在当前日期之前m天的每天工作时间进行平均计算，计算出第二平均日工作时间；

判断所述当前工作时间是否超过所述第二平均日工作时间的n倍，其中n为大于1的正数；

若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算，其中所述工作饱和度分析规则至少包括对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比；

输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和。

进一步地，所述获取员工当前工作数据的步骤，包括：

在下班时间点之后，通过查询考勤记录判断所述员工是否已考勤下班；

若未下班，则通过查询考勤记录获取所述员工的上班时间点；

根据公式：当前工作时间＝当前时间点-上班时间点，计算得到所述当前工作时间。

进一步地，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：

查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；

若超过所述第一平均日工作时间，则所述工作饱和度分析结果判定为过饱和。

进一步地，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：

查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

若处于非紧急状态，判断所述工作时间是否超过预设的第一阈值，所述第一阈值为所述员工预先提交的可承受的且大于所述第一平均日工作时间的工作时间值；

若超过第一阈值，则所述工作饱和度分析结果判定为过饱和。

进一步地，所述若处于非紧急状态，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：

查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；

若所述当前工作时间超过所述第一平均日工作时间，判断所述员工所属部门的当月业绩量是否超过当月所有部门的平均业绩量；

若未超过所述平均业绩量，则所述工作饱和度分析结果判定为未饱和。

进一步地，所述查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态的步骤之前，包括：

判断当前日期是否月末或者年末，其中所述月末包括每月最后5天，所述年末包括每年最后一个月；

若是月末或者年末，将所述预设的部门状态数据库中的所述部门状态设置为紧急状态。

进一步地，所述输出所述员工的工作饱和度分析结果的步骤，包括：

判断所述工作饱和度分析结果是否为过饱和；

若为过饱和，则向所述员工发送提醒信息；

在向所述员工发送提醒信息之后指定时间长度后，判断是否有所述员工的新的考勤记录；

若没有所述新的考勤记录，则向所述员工的管理人员发送提醒信息。

本申请提供一种基于大数据的工作饱和度分析装置，包括：

数据获取单元，用于获取员工当前工作数据，以及利用大数据获取与所述员工的工作岗位相同且就职时间相同的其他员工的第一平均日工作时间，其中所述当前工作数据至少包括所述员工在当前日期之前m天的每天工作时间、当前工作时间和所述员工所属部门，其中m为大于等于1的整数；

平均计算单元，用于对所述员工在当前日期之前m天的每天工作时间进行平均计算，计算出第二平均日工作时间；

当前工作时间判断单元，用于判断所述当前工作时间是否超过所述第二平均日工作时间的n倍，其中n为大于1的正数；

工作饱和度运算单元，用于若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算，其中所述工作饱和度分析规则至少包括对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比；

输出单元，用于输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和。

本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

本申请的基于大数据的工作饱和度分析方法、装置、计算机设备和存储介质，采用大数据获取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间，获取员工当前工作数据，利用预设的工作饱和度分析规则，获得员工的工作饱和度状况，具有高效、准确地技术效果，能提高工作质量与员工归属感。

附图说明

图1为本申请一实施例的基于大数据的工作饱和度分析方法的流程示意图；

图2为本申请一实施例的基于大数据的工作饱和度分析装置的结构示意框图；

图3为本申请一实施例的计算机设备的结构示意框图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

参照图1，本申请实施例提供一种基于大数据的工作饱和度分析方法，包括步骤：

s1、获取员工当前工作数据，以及利用大数据获取与所述员工的工作岗位相同且就职时间相同的其他员工的第一平均日工作时间，其中所述当前工作数据至少包括所述员工在当前日期之前m天的每天工作时间、当前工作时间和所述员工所属部门，其中m为大于等于1的整数；

s2、对所述员工在当前日期之前m天的每天工作时间进行平均计算，计算出第二平均日工作时间；

s3、判断所述当前工作时间是否超过所述第二平均日工作时间的n倍，其中n为大于1的正数；

s4、若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算，其中所述工作饱和度分析规则至少包括对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比；

s5、输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和。

其中所述员工包括正式员工，或者通过与外包供应商签署协议而从外包供应商聘用的工作人员中选取部分人员进入本公司工作的员工。所述工作饱和度包括过饱和、未饱和。

如上述步骤s1所述，获取员工当前工作数据，利用大数据获取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间，其中所述当前工作数据至少包括所述员工在当前日期之前m天的每天工作时间、当前工作时间和所述员工所属部门，其中m为大于等于1的整数。所述当前工作数据可以通过查询员工考勤记录、员工信息得到。其中所述员工的当前工作时间可以通过当前时间点-上班时间点得到，其中计算所述员工的当前工作时间是在所述员工下班时间点之后进行。其中大数据可以通过互联网，移动互联网，物联网获取，可对包括图片、视频、文字信息在内的数据进行处理以获得，可以采用开源的storm(一种分布式的、容错的实时计算系统)进行大数据处理，从而获得取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间。

如上述步骤s2所述，对所述员工在当前日期之前m天的每天工作时间进行平均计算，计算出第二平均日工作时间。计算的方式包括：对所述员工当前日期之前m天工作时间进行加和处理，得到当前日期之前m天的总工作时间，将所述总工作时间除以m，得到所述第二平均日工作时间。其中，m为[1-30]，优选10、15、20、30。一般而言，员工的每天工作时间不会有太大波动，若发生了过大波动，例如第二平均日工作时间为8小时，而当天却连续工作了12个小时，表明工作状态不正常，有必要引起重视。

如上述步骤s3所述，判断所述当前工作时间是否超过所述第二平均日工作时间的n倍，其中n为大于1的正数。其中n优选[1，2]，更优选[1，1.5]，更优选1.2、1.3、1.4。正常情况下，员工加班半小时属于正常现象，其必然未达到工作饱和度，因此不必进行后续的工作饱和度分析，即可得工作未饱和的结论。

如上述步骤s4所述，若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算，其中所述工作饱和度分析规则至少包括对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比。若所述当前工作时间超过所述第二平均日工作时间的n倍，表明所述员工处于工作过饱和的嫌疑状态。因此有必要采用所述工作饱和度分析规则以判断是否过饱和。所述工作饱和度分析规则包括：对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比。具体地，对所述员工所属部门的判断包括：判断所述员工所属部门是否处于紧急状态；若处于紧急状态，则通过对所述员工的当前工作时间的判断来判断工作饱和度。具体地，所述当前工作时间与所述第一平均日工作时间的对比包括：将当前工作时间与所述第一平均日工作时间的对比，以判断当前工作时间是否大于所述第一平均日工作时间。例如，所述员工所属部门处于紧急状态下时，例如处于赶项目的状态，因此加班属于常态，据此判定所述员工工作未饱和。其中部门的状态可以通过查询预设的数据库查询而得。

如上述步骤s5所述，输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和。进一步地，可以将所述员工的工作饱和度分析结果发送给所述员工，以作自省；或者可以将所述员工的工作饱和度分析结果发送给管理人员，以便管理。

一实施例中，上述获取员工当前工作数据的步骤s1，包括：

s101、在下班时间点之后，通过查询考勤记录判断所述员工是否已考勤下班；

s102、若未下班，则通过查询考勤记录获取所述员工的上班时间点；

s103、根据公式：当前工作时间＝当前时间点-上班时间点，计算得到所述当前工作时间。

如上述步骤s101-s103所述，实现了获取所述当前工作时间。判断是否下班的方法包括：若考勤记录为1次，判定未下班；若考勤记录大于等于2次，判断最新的一次考勤记录是否在下班时间之后；若未在下班时间之后，通过摄像头获取所述员工工位图像；若所述员工工位图像中具有人形物体，则判定未下班，否则判定已下班。其中所述在下班时间之后的判断方法包括：获取当前时间；通过比较当前时间与下班时间点，以确定是否是下班时间点之后或是下班时间点之前。

一实施例中，上述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤s4，包括：

s401、查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

s402、若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；

s403、若超过所述第一平均日工作时间，则所述工作饱和度分析结果判定为过饱和。

如上述步骤s401-s403所述，实现了判断工作饱和度。在不同时期下部门可能处于紧急状态或非紧急状态，预设的部门状态数据库实时收集部门所处状态(当部门状态发生变化时，工作人员需要将变化后的状态录入数据库中)。当部门处于紧急状态下时，加班属于常态，因此不被判定为工作过饱和；处于非紧急状态下时，需要根据工作时间与利用大数据得到的所述第一平均日工作时间的对比来判断是否工作过饱和。

一实施例中，上述若超过所述第二平均日工作时间的n倍，将所述当前工作数据输入预设的工作饱和度分析规则进行运算的步骤s4，包括：

s404、查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

s405、若处于非紧急状态，判断所述工作时间是否超过预设的第一阈值，所述第一阈值为所述员工预先提交的可承受的且大于所述第一平均日工作时间的工作时间值；

s406、若超过第一阈值，则所述工作饱和度分析结果判定为过饱和。

如上述步骤s404-s406所述，实现了判断工作饱和度。当部门处于紧急状态下时，加班属于常态，因此不被判定为工作过饱和；处于非紧急状态下时，需要根据工作时间与第一阈值的对比来判断是否工作过饱和，所述第一阈值为所述员工预先提交的可承受的工作时间值。不同员工对于长时间工作的承受能力是不同的，若超过了承受能力，其工作质量难以保证。因此，以所述员工预先提交的可承受的工作时间值作为第一阈值，可以作为所述工员是否工作过饱和的判断依据。

一实施例中，上述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤s4，包括：

s4021、查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

s4022、若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；

s4023、若所述当前工作时间超过所述第一平均日工作时间，判断所述员工所属部门的当月业绩量是否超过当月所有部门的平均业绩量；

s4024、若未超过所述平均业绩量，则所述工作饱和度分析结果判定为未饱和。

如上述步骤s4021-s4024所述，实现了以所属部门的当月业绩量作为判断工作饱和度的参考。若所述员工所属部门的业绩量不理想，加班是理所当然的事情，因此不被判定为工作饱和。若业绩超过所有部门的平均业绩量，才可进行后续饱和度判断步骤。

一实施例中，上述查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态的步骤s401之前，包括：

s4001、判断当前日期是否月末或者年末，其中所述月末包括每月最后5天，所述年末包括每年最后一个月；

s4002、若是月末或者年末，将所述预设的部门状态数据库中的所述部门状态设置为紧急状态。

如上述步骤s4001-s4002所述，在月末或者年末时，将所述部门状态设置为紧急状态。由于月末或者年末属于业务繁忙时期，加班属于常态，因此不被判定为工作过饱和。据此将月末或者年末时，将所述预设的部门状态数据库中的所述部门状态设置为紧急状态，从而跳过工作饱和度判断而直接判定为工作未饱和。

一实施例中，所述输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和的步骤s5，包括：

s501、判断所述工作饱和度分析结果是否为过饱和；

s502、若为过饱和，则向所述员工发送提醒信息；

s503、在向所述员工发送提醒信息之后指定时间长度后，判断是否有所述员工的新的考勤记录；

s504、若没有所述新的考勤记录，则向所述员工的管理人员发送提醒信息。

如上述步骤所述，实现了向所述员工、所述员工的管理人员发送提醒信息。工作过饱和会导致工作质量得不到保证，员工身体状态劣化，精神状态变差，因此当判定所述员工处于工作过饱和状态时，应及时向所述员工发送提醒信息给予提醒。若在发送提醒信息之后指定时间长度后，没有所述员工的新的考勤记录，表明所述员工仍未下班，因此有必要请所述员工的管理人员前去查看具体情况，据此向所述员工的管理人员发送提醒信息，以做员工关怀。指定时间长度可为任意时间长度，包括[0.2h-3h]。

本申请的基于大数据的工作饱和度分析方法，采用大数据获取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间，获取员工当前工作数据，利用预设的工作饱和度分析规则，获得员工的工作饱和度状况，具有高效、准确地技术效果，能提高工作质量与员工归属感。

参照图2，本申请实施例提供一种基于大数据的工作饱和度分析装置，包括：

数据获取单元10，用于获取员工当前工作数据，以及利用大数据获取与所述员工的工作岗位相同且就职时间相同的其他员工的第一平均日工作时间，其中所述当前工作数据至少包括所述员工在当前日期之前m天的每天工作时间、当前工作时间和所述员工所属部门，其中m为大于等于1的整数；

平均计算单元20，用于对所述员工在当前日期之前m天的每天工作时间进行平均计算，计算出第二平均日工作时间；

当前工作时间判断单元30，用于判断所述当前工作时间是否超过所述第二平均日工作时间的n倍，其中n为大于1的正数；

工作饱和度运算单元40，用于若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算，其中所述工作饱和度分析规则至少包括对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比；

输出单元50，用于输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和。

其中所述员工包括正式员工，或者通过与外包供应商签署协议而从外包供应商聘用的工作人员中选取部分人员进入本公司工作的员工。所述工作饱和度包括过饱和、未饱和。

如上述单元10所述，获取员工当前工作数据，利用大数据获取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间，其中所述当前工作数据至少包括所述员工在当前日期之前m天的每天工作时间、当前工作时间和所述员工所属部门，其中m为大于等于1的整数。所述当前工作数据可以通过查询员工考勤记录、员工信息得到。其中所述员工的当前工作时间可以通过当前时间点-上班时间点得到，其中计算所述员工的当前工作时间是在所述员工下班时间点之后进行。其中大数据可以通过互联网，移动互联网，物联网获取，可对包括图片、视频、文字信息在内的数据进行处理以获得，可以采用开源的storm(一种分布式的、容错的实时计算系统)进行大数据处理，从而获得取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间。

如上述单元20所述，对所述员工在当前日期之前m天的每天工作时间进行平均计算，，计算出第二平均日工作时间。计算的方式包括：对所述员工当前日期之前m天工作时间进行加和处理，得到当前日期之前m天的总工作时间，将所述总工作时间除以m，得到所述第二平均日工作时间。其中，m为[1-30]，优选10、15、20、30。一般而言，员工的每天工作时间不会有太大波动，若发生了过大波动，例如第二平均日工作时间为8小时，而当天却连续工作了12个小时，表明工作状态不正常，有必要引起重视。

如上述单元30所述，判断所述当前工作时间是否超过所述第二平均日工作时间的n倍，其中n为大于1的正数。其中n优选[1，2]，更优选[1，1.5]，更优选1.2、1.3、1.4。正常情况下，员工加班半小时属于正常现象，其必然未达到工作饱和度，因此不必进行后续的工作饱和度分析，即可得工作未饱和的结论。

如上述单元40所述，若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算，其中所述工作饱和度分析规则至少包括对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比。若所述当前工作时间超过所述第二平均日工作时间的n倍，表明所述员工处于工作过饱和的嫌疑状态。因此有必要采用所述工作饱和度分析规则以判断是否过饱和。所述工作饱和度分析规则包括：对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比。具体地，对所述员工所属部门的判断包括：判断所述员工所属部门是否处于紧急状态；若处于紧急状态，则通过对所述员工的当前工作时间的判断来判断工作饱和度。具体地，所述当前工作时间与所述第一平均日工作时间的对比包括：将当前工作时间与所述第一平均日工作时间的对比，以判断当前工作时间是否大于所述第一平均日工作时间。例如，所述员工所属部门处于紧急状态下时，例如处于赶项目的状态，因此加班属于常态，据此判定所述员工工作未饱和。其中部门的状态可以通过查询预设的数据库查询而得。

如上述单元50所述，输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和。进一步地，可以将所述员工的工作饱和度分析结果发送给所述员工，以作自省；或者可以将所述员工的工作饱和度分析结果发送给管理人员，以便管理。

一实施例中，所述数据获取单元10，包括：

下班判断子单元，用于在下班时间点之后，通过查询考勤记录判断所述员工是否已考勤下班；

上班时间点获取子单元，用于若未下班，则通过查询考勤记录获取所述员工的上班时间点；

当前工作时间计算子单元，用于根据公式：当前工作时间＝当前时间点-上班时间点，计算得到所述当前工作时间。

如上述子单元所述，实现了获取所述当前工作时间。判断是否下班的方法包括：若考勤记录为1次，判定未下班；若考勤记录大于等于2次，判断最新的一次考勤记录是否在下班时间之后；若未在下班时间之后，通过摄像头获取所述员工工位图像；若所述员工工位图像中具有人形物体，则判定未下班，否则判定已下班。其中所述在下班时间之后的判断方法包括：获取当前时间；通过比较当前时间与下班时间点，以确定是否是下班时间点之后或是下班时间点之前。

一实施例中，所述工作饱和度运算单元40，包括：

第一部门状态查询子单元，用于查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

第一判断子单元，用于若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；

第一判定子单元，用于若超过所述第一平均日工作时间，则所述工作饱和度分析结果判定为过饱和。

如上述子单元所述，实现了判断工作饱和度。在不同时期下部门可能处于紧急状态或非紧急状态，预设的部门状态数据库实时收集部门所处状态(当部门状态发生变化时，工作人员需要将变化后的状态录入数据库中)。当部门处于紧急状态下时，加班属于常态，因此不被判定为工作过饱和；处于非紧急状态下时，需要根据工作时间与利用大数据得到的所述第一平均日工作时间的对比来判断是否工作过饱和。

一实施例中，所述工作饱和度运算单元40，包括：

第二部门状态查询子单元，用于查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

第二判断子单元，用于若处于非紧急状态，判断所述工作时间是否超过预设的第一阈值，所述第一阈值为所述员工预先提交的可承受的且大于所述第一平均日工作时间的工作时间值；

第二判定子单元，用于若超过第一阈值，则所述工作饱和度分析结果判定为过饱和。

如上述子单元所述，实现了判断工作饱和度。当部门处于紧急状态下时，加班属于常态，因此不被判定为工作过饱和；处于非紧急状态下时，需要根据工作时间与第一阈值的对比来判断是否工作过饱和，所述第一阈值为所述员工预先提交的可承受的工作时间值。不同员工对于长时间工作的承受能力是不同的，若超过了承受能力，其工作质量难以保证。因此，以所述员工预先提交的可承受的工作时间值作为第一阈值，可以作为所述工员是否工作过饱和的判断依据。

一实施例中，所述工作饱和度运算单元40，包括：第三部门状态查询子单元，用于查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；

第三判断子单元，用于若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；

当月业绩量判断子单元，用于若所述当前工作时间超过所述第一平均日工作时间，判断所述员工所属部门的当月业绩量是否超过当月所有部门的平均业绩量；

第三判定子单元，用于若未超过所述平均业绩量，则所述工作饱和度分析结果判定为未饱和。

如上述子单元所述，实现了以所属部门的当月业绩量作为判断工作饱和度的参考。若所述员工所属部门的业绩量不理想，加班是理所当然的事情，因此不被判定为工作饱和。若业绩超过所有部门的平均业绩量，才可进行后续饱和度判断步骤。

一实施例中，所述基于大数据的工作饱和度分析装置，包括：

月末或者年末判断单元，用于判断当前日期是否月末或者年末，其中所述月末包括每月最后5天，所述年末包括每年最后一个月；

紧急状态设置单元，用于若是月末或者年末，将所述预设的部门状态数据库中的所述部门状态设置为紧急状态。

如上述单元所述，在月末或者年末时，将所述部门状态设置为紧急状态。由于月末或者年末属于业务繁忙时期，加班属于常态，因此不被判定为工作过饱和。据此将月末或者年末时，将所述预设的部门状态数据库中的所述部门状态设置为紧急状态，从而跳过工作饱和度判断而直接判定为工作未饱和。

一实施例中，所述输出单元50，包括：

过饱和判断子单元，用于判断所述工作饱和度分析结果是否为过饱和；

员工提醒信息发送子单元，用于若为过饱和，则向所述员工发送提醒信息；

考勤记录判断子单元，用于在向所述员工发送提醒信息之后指定时间长度后，判断是否有所述员工的新的考勤记录；

管理人员提醒信息发送子单元，用于若没有所述新的考勤记录，则向所述员工的管理人员发送提醒信息。

如上述子单元，实现了向所述员工、所述员工的管理人员发送提醒信息。工作过饱和会导致工作质量得不到保证，员工身体状态劣化，精神状态变差，因此当判定所述员工处于工作过饱和状态时，应及时向所述员工发送提醒信息给予提醒。若在发送提醒信息之后指定时间长度后，没有所述员工的新的考勤记录，表明所述员工仍未下班，因此有必要请所述员工的管理人员前去查看具体情况，据此向所述员工的管理人员发送提醒信息，以做员工关怀。指定时间长度可为任意时间长度，包括[0.2h-3h]。

本申请的基于大数据的工作饱和度分析装置，采用大数据获取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间，获取员工当前工作数据，利用预设的工作饱和度分析规则，获得员工的工作饱和度状况，具有高效、准确地技术效果，能提高工作质量与员工归属感。

参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于大数据的工作饱和度分析方法所用数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于大数据的工作饱和度分析方法。

上述处理器执行上述基于大数据的工作饱和度分析方法，包括：获取员工当前工作数据，以及利用大数据获取与所述员工的工作岗位相同且就职时间相同的其他员工的第一平均日工作时间，其中所述当前工作数据至少包括所述员工在当前日期之前m天的每天工作时间、当前工作时间和所述员工所属部门，其中m为大于等于1的整数；对所述员工在当前日期之前m天的每天工作时间进行平均计算，计算出第二平均日工作时间；判断所述当前工作时间是否超过所述第二平均日工作时间的n倍，其中n为大于1的正数；若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算，其中所述工作饱和度分析规则至少包括对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比；输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和。

在一个实施方式中，所述获取员工当前工作数据的步骤，包括：在下班时间点之后，通过查询考勤记录判断所述员工是否已考勤下班；若未下班，则通过查询考勤记录获取所述员工的上班时间点；根据公式：当前工作时间＝当前时间点-上班时间点，计算得到所述当前工作时间。

在一个实施方式中，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：

查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；若超过所述第一平均日工作时间，则所述工作饱和度分析结果判定为过饱和。

在一个实施方式中，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；若处于非紧急状态，判断所述工作时间是否超过预设的第一阈值，所述第一阈值为所述员工预先提交的可承受的且大于所述第一平均日工作时间的工作时间值；若超过第一阈值，则所述工作饱和度分析结果判定为过饱和。

在一个实施方式中，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；若所述当前工作时间超过所述第一平均日工作时间，判断所述员工所属部门的当月业绩量是否超过当月所有部门的平均业绩量；若未超过所述平均业绩量，则所述工作饱和度分析结果判定为未饱和。

在一个实施方式中，所述查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态的步骤之前，包括：判断当前日期是否月末或者年末，其中所述月末包括每月最后5天，所述年末包括每年最后一个月；若是月末或者年末，将所述预设的部门状态数据库中的所述部门状态设置为紧急状态。

在一个实施方式中，所述输出所述员工的工作饱和度分析结果的步骤，包括：判断所述工作饱和度分析结果是否为过饱和；若为过饱和，则向所述员工发送提醒信息；在向所述员工发送提醒信息之后指定时间长度后，判断是否有所述员工的新的考勤记录；若没有所述新的考勤记录，则向所述员工的管理人员发送提醒信息。

本申请的计算机设备，采用大数据获取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间，获取员工当前工作数据，利用预设的工作饱和度分析规则，获得员工的工作饱和度状况，具有高效、准确地技术效果，能提高工作质量与员工归属感。

本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现基于大数据的工作饱和度分析方法，包括：获取员工当前工作数据，以及利用大数据获取与所述员工的工作岗位相同且就职时间相同的其他员工的第一平均日工作时间，其中所述当前工作数据至少包括所述员工在当前日期之前m天的每天工作时间、当前工作时间和所述员工所属部门，其中m为大于等于1的整数；对所述员工在当前日期之前m天的每天工作时间进行平均计算，计算出第二平均日工作时间；判断所述当前工作时间是否超过所述第二平均日工作时间的n倍，其中n为大于1的正数；若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算，其中所述工作饱和度分析规则至少包括对所述员工所属部门是否处于紧急状态的判断和所述当前工作时间与所述第一平均日工作时间的对比；输出所述员工的工作饱和度分析结果，所述工作饱和度分析结果包括过饱和或未饱和。

在一个实施方式中，所述获取员工当前工作数据的步骤，包括：在下班时间点之后，通过查询考勤记录判断所述员工是否已考勤下班；若未下班，则通过查询考勤记录获取所述员工的上班时间点；根据公式：当前工作时间＝当前时间点-上班时间点，计算得到所述当前工作时间。

在一个实施方式中，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：

查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；若超过所述第一平均日工作时间，则所述工作饱和度分析结果判定为过饱和。

在一个实施方式中，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；若处于非紧急状态，判断所述工作时间是否超过预设的第一阈值，所述第一阈值为所述员工预先提交的可承受的且大于所述第一平均日工作时间的工作时间值；若超过第一阈值，则所述工作饱和度分析结果判定为过饱和。

在一个实施方式中，所述若超过所述第二平均日工作时间的n倍，将所述当前工作数据按预设的工作饱和度分析规则进行运算的步骤，包括：查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态；若处于非紧急状态，判断所述当前工作时间是否超过所述第一平均日工作时间；若所述当前工作时间超过所述第一平均日工作时间，判断所述员工所属部门的当月业绩量是否超过当月所有部门的平均业绩量；若未超过所述平均业绩量，则所述工作饱和度分析结果判定为未饱和。

在一个实施方式中，所述查询预设的部门状态数据库以判断所述员工所属部门是否处于紧急状态，其中所述部门状态数据库包括当前时间下各部门所处状态的步骤之前，包括：判断当前日期是否月末或者年末，其中所述月末包括每月最后5天，所述年末包括每年最后一个月；若是月末或者年末，将所述预设的部门状态数据库中的所述部门状态设置为紧急状态。

在一个实施方式中，所述输出所述员工的工作饱和度分析结果的步骤，包括：判断所述工作饱和度分析结果是否为过饱和；若为过饱和，则向所述员工发送提醒信息；在向所述员工发送提醒信息之后指定时间长度后，判断是否有所述员工的新的考勤记录；若没有所述新的考勤记录，则向所述员工的管理人员发送提醒信息。

本申请的计算机可读存储介质，采用大数据获取与所述员工的工作岗位相同且就职时间相同的员工的第一平均日工作时间，获取员工当前工作数据，利用预设的工作饱和度分析规则，获得员工的工作饱和度状况，具有高效、准确地技术效果，能提高工作质量与员工归属感。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。