[发明专利]用于人员能力的量化评测方法、系统、设备和存储介质

说明书

本发明提供了一种用于人员能力的量化评测方法，所述量化评测方法通过获取待能力评测人员的关联数据，并设置标签；对已设置标签的关联数据进行数据分类，得到带有标签的连续数值变量和类别字典型变量；根据所述带有标签的连续数值变量构建机器学习模型，并输出贡献度因子；根据所述带有标签的类别字典型变量进行卡方检验，得到置信度因子；根据贡献度因子和置信度因子对待能力评测人员进行评测。因此，本发明所述量化评测方法通过采用统计分析方法和机器学习方法进行能力因子的量化选择，避免了基于专家定性选择的经验偏差，数据驱动的方法更符合业务实际情况、且准确性更高。同时，本发明还涉及区块链技术。

技术领域

本发明涉及数据处理技术领域，特别是涉及用于人员能力的量化评测方法、系统、设备和存储介质。

背景技术

寿险智慧培训的一个重要环节是对代理人的能力展开测评。其目的是通过测评发现代理人的能力短板，依据短板进行针对性的知识补给和课程培训，通过培训提升代理人的能力，最终达到提高代理人销售产能和业绩的目的。由此可见，能力测评是开展代理人培训的重要基础也是核心环节，测评的好坏直接关系到培训的最终效果如何。

开展能力测评的首要任务是挑选能够反映代理人能力的能力子项或能力因子，能力因子选择的优劣也是影响测评结果好坏的重要因素之一。目前主要通过收集对代理人的自评问卷和活动量等集团大数据作为测评的基础数据来源。其中，自评问卷的结果可转成具体分数，所用集团大数据全部为结构化数据。

目前的测评能力因子选择主要依赖专家经验，大多依据数据标签字面含义，结合过往做人力资源和能力评估的经验进行选择。这种方式虽然可以最大化发挥经验优势，但具体业务场景和问题的不同，会导致过去的经验在新的问题上复用而产出经验偏差。带来的问题是因子选择的逻辑具有较强的主观性，可能发生和实际业务背离的问题。

发明内容

基于此，本发明提供了一种用于人员能力的量化评测方法、系统、设备和存储介质，以避免基于专家定性选择的经验偏差。

为实现上述目的，本发明提供一种用于人员能力的量化评测方法，所述量化评测方法包括：

获取待能力评测人员的关联数据，并设置标签；

对已设置标签的关联数据进行数据分类，得到带有标签的连续数值变量和带有标签的类别字典型变量；

根据所述带有标签的连续数值变量构建机器学习模型，并输出贡献度因子；

根据所述带有标签的类别字典型变量进行卡方检验，得到置信度因子；

根据贡献度因子和置信度因子对待能力评测人员进行评测；

所述根据所述带有标签的类别字典型变量进行卡方检验，得到置信度因子的步骤包括：

采用如下公式计算卡方检验统计量的卡方值：其中，χ表示的是统计量的卡方值，n_i表示的是实验统计的数量，np_i表示的是按理论概率算出的数量，i代表多个类别字典型变量取值不同组合中的一种；其中，采用公式计算卡方检验统计量的卡方值包括：根据类别字典型变量取值的不同组合逐一代入上述公式进行计算，并求和得到统计量的卡方值；

将所述卡方值与预设置信水平进行对比，得到置信度因子。

优选的，所述关联数据来源于预设数据库，所述预设数据库包括人员的调查问卷数据、人员活动量数据以及共享标签数据；所述标签为待能力评测人员的个人属性；从预设数据库中筛选得到所述关联数据，具体步骤包括：

从预设数据库中提取目标关系型数据的特征，生成关系型特征集；

计算所述关系型特征集中每一关系型特征的数据饱和度，将所述关系型特征集中所述数据饱和度小于饱和度阈值的关系型特征删除，得到关联数据。