[发明专利]一种基于层次分析法建立的数据处理方法

说明书

技术领域

本发明涉及一种数据处理方法，具体地说是一种基于层次分析法建立的数据处理方法。

背景技术

层次分析法（Analytic Hierarchy Process，简称AHP）是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究根据各个工业部门对国家福利的贡献大小而进行电力分配课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。

层次分析法的特点是在对复杂的决策问题的本质、影响因素及其内在关系等进行深入分析的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。尤其适合于对决策结果难于直接准确计量的场合。

现有的人力资源管理绩效考核模式中，设定完成目标值无法具体量化；绩效考核人对于绩效考核数据的打分过程中无法将具体的考核指标结果值用考核分的形式进行体现。

发明内容

为了解决现有数据处理过程中，无法将具体的指标结果值进行体现的问题，本发明的目的是提供一种基于层次分析法建立的数据处理方法，该方法通过对数据对象聚类、数据指标矩阵生成对数据进行处理，利用较少的定量信息建立数据的直观的决策过程，减少决策因素过多导致的对于最终数据处理结果的失真。

本发明的目的通过以下技术方案实现：

一种基于层次分析法建立的数据处理方法，其特征在于该方法包括以下步骤：

1）首先对数据对象进行聚类；

2）抽取聚类后的数据对象的共性指标；

3）利用层次分析法确定数据指标的权重，并建立数据处理模型。

本发明中，数据对象是：岗位级别、岗位专业。数据处理模型是数据指标矩阵。

本发明可以用于人力资源管理绩效考核模式中，能够根据绩效考核对象的实际特性，将绩效考核对象进行分类；通过对于相同或类似特性的对象的指标抽取，建立考核模型。减少绩效考核人在绩效考核过程中对于具体考核分值的量化难度，通过同类考核人员的横向对比，更加有效的体现绩效考核的目的，为组织应用绩效考核结果提供相对公平和有效的结果依据。

本发明利用较少的定量信息建立数据的直观的决策过程，将数据的具体指标结果值进行客观有效的体现，减少决策因素过多导致的对于最终数据处理结果的失真。特别适用于人力资源管理绩效考核中。

具体实施方式：

一种基于层次分析法建立的数据处理方法，用于人力资源管理绩效考核中，具体步骤如下：

步骤1，将绩效考核对象按照岗位级别，岗位专业进行分类，在同类考核对象中抽取共性指标，从而构造绩效考核指标的评分矩阵。抽取共性指标后，建立共性指标评分矩阵，该矩阵包含m*n个元素，其中m为绩效考核对象的人员，n为抽取的共性指标，矩阵中的元素值表示为绩效考核对象人员在本项共性指标中的排名值。

绩效考核对象聚类，是指通过对考核对象的考核特征，包括岗位级别、岗位专业等指标的分类，将考核对象分为有限的类型，从而减少考核指标评分矩阵的尺寸，利用较少的定量信息建立绩效考核的直观决策方式。绩效考核指标抽取，是指基于聚类后的绩效考核对象，依据其岗位职责、管理要求、工作目标，抽取出其需要列入考核指标矩阵的指标。

步骤2，对于获得的评分矩阵分值，进行转换。按照在个人对称排名除以本项共性指标中的排名值总和，保留两位小数。

步骤3，对于最终获得的多个绩效考核对象的评分矩阵计算权重向量，并校验其一致性。

计算换算后的绩效考核对象评分矩阵最大特征根λ, 且λ=n时为一致阵，其中n为矩阵的阶数；

 如果λ>n，需要进行一致性检验,其指标为CI＝(λ－n)/(n-1)。通过CI的值，根据saaty结果，可以算出RI; 通过CI/RI算得一致性比率CR。

依据层次分析法，利用较少的定量信息建立绩效考核的直观的决策过程，减少绩效考核过程中的决策因素过多导致的对于最终考核结果的结果失真。