[发明专利]绩效量化考核方法、装置及计算机可读存储介质

说明书

本发明公开了一种绩效量化考核方法、装置以及计算机可读存储介质，包括以下步骤：获取待考核指标数据；将所述待考核指标数据输入预设神经网络模型，其中，所述预设神经网络模型根据预测熵以及所述预测熵对应的信息熵构建，所述预测熵为将样本指标数据输入所述预设神经网络模型得到；接收所述预设神经网络模型输出的绩效考核数据。因本发明能够通过训练好的神经网络模型进行待考核人员的绩效量化考核，从而解决了在大量人员需要考核时人工考核的方式效率不高的问题。

技术领域

本发明涉及信息技术领域，尤其涉及一种绩效量化考核方法、装置以及计算机可读存储介质。

背景技术

在企业和职场中，员工的职业性和职业技能大多数达不到自动自发自律自主，还是需要被引导被约束被激励的，所以绝大部分的企业要实施绩效考核。

随着团队的发展，项目人员规模的壮大，绩效量化考核是团队建设和人员管理的一个不可或缺的部分。在现有的考核方法下，针对员工的考核方法一是缺乏整体度量，二是缺乏客观量化标准，三是考核效率不高，四是员工职位不同难以进行横向对比。假若考核人次达到几百或更多，那么每到考核时期都需要花费大量时间收集相关数据并做处理，然后根据这些数据人为的进行一些度量和判断。可见，在大量人员需要考核时人工考核的方式明显效率不高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种绩效量化考核方法、装置以及计算机可读存储介质，旨在解决大量人员需要考核时人工考核的方式效率不高的问题。

为了达到上述目的，本发明提供一种绩效量化考核方法，所述绩效量化考核方法包括以下步骤：

获取待考核指标数据；

将所述待考核指标数据输入预设神经网络模型，其中，所述预设神经网络模型根据预测熵以及所述预测熵对应的信息熵构建，所述预测熵为将样本指标数据输入所述预设神经网络模型得到；

接收所述预设神经网络模型输出的绩效考核数据。

优选地，所述将所述待考核指标数据输入预设神经网络模型的步骤之前，所述信息熵根据以下步骤生成：

获取样本指标数据；

根据所述样本指标数据生成样本指标数据集；

根据信息熵评价模型以及所述样本指标数据集获取所述信息熵。

优选地，所述根据所述样本指标数据生成样本指标数据集的步骤包括：

根据所述样本指标数据生成样本数据矩阵；

对所述样本数据矩阵进行归一化处理，得到所述样本指标数据集。

优选地，所述根据信息熵评价模型以及所述样本指标数据集获取所述信息熵的步骤包括：

获取所述样本指标数据集中满足预设条件的数据；

获取样本指标数据与所述数据之间的相似度；

根据所述信息熵评价模型以及所述相似度获取所述信息熵。

优选地，所述接收所述预设神经网络模型输出的绩效考核数据的步骤之后，还包括：

获取修正函数；

根据所述修正函数修正所述绩效考核数据。

优选地，所述根据所述修正函数修正所述绩效考核数据的步骤包括：

获取所述绩效考核数据的第一平均值、待考核人员的评价结果以及历史绩效数据的第二平均值；

根据所述修正函数、所述第一平均值、所述评价结果以及所述第二平均值修正所述绩效考核数据。