[发明专利]基于多维数据的业务能力分析方法、装置、设备及介质

说明书

本发明涉及人工智能技术，揭露了一种基于多维数据的业务能力分析方法，包括：获取业务员的多维业务数据，并进行异常值清洗和维度归一化，得到归一化数据集；根据归一化数据集中每一个数据的位置信息对归一化数据集中的每一个数据进行向量转换，得到数据向量；利用预设的深度学习模型对数据向量进行特征提取，得到每一个数据向量的向量特征；分别计算每一个数据向量的向量特征与多个预设业务的标签之间的距离值，根据距离值计算业务员对每一种预设业务的能力值。此外，本发明还涉及区块链技术，多维业务数据可存储于区块链节点中。本发明还提出一种基于多维数据的业务能力分析装置、设备及介质。本发明可以提高业务员的业务能力分析的精确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于多维数据的业务能力分析方法、装置、电子设备及计算机可读存储介质。

背景技术

随着用户需求的逐步提高，各公司与企业对于业务员的职业素养要求也日益增高，但面对着各种各样不同的业务，业务员无法做到对所有业务的精通与擅长，因此，各公司与企业为了提高业务员的整体职业素养，需要对业务员的数据进行分析，以对业务员的业务能力进行分析，进而进行针对性的技能提升。

现有对业务员的业务能力分析方法多为基于绩效的分析，即当业务员在某一业务中的绩效表现较高，则认为该业务员对该业务的处理能力较强。但该方法中，仅考虑到了业务员的绩效表现，导致对业务员的业务能力分析的结果较为片面，无法实现对业务员的业务能力进行精确地评价与分析。

发明内容

本发明提供一种基于多维数据的业务能力分析方法、装置及计算机可读存储介质，其主要目的在于解决对业务员的业务能力进行分析的精确度较低的问题。

为实现上述目的，本发明提供的一种基于多维数据的业务能力分析方法，包括：

获取业务员的多维业务数据，对所述多维业务数据进行异常值清洗，得到标准业务数据集；

将所述标准业务数据集进行维度归一化处理，得到归一化数据集；

根据所述归一化数据集中每一个数据的位置信息对所述归一化数据集中的每一个数据进行向量转换，得到数据向量；

利用预设的深度学习模型对所述数据向量进行特征提取，得到每一个数据向量的向量特征；

分别计算每一个所述数据向量的向量特征与预设业务的标签之间的距离值，根据所述距离值计算所述业务员的每一种所述预设业务的能力值。

可选地，所述对所述多维业务数据进行异常值清洗，得到标准业务数据集，包括：

从所述多维业务数据中逐个选取其中一个数据为目标数据；

计算所述目标数据与所述目标数据的邻近数据的局部可达密度比值；

判断所述局部可达密度比值是否小于或等于预设数值；

若所述局部可达密度比值大于所述预设数值，返回从所述多维业务数据中逐个选取其中一个数据为目标数据的步骤；

若所述局部可达密度比值小于或等于所述预设数值，则利用所述目标数据的邻近数据的均值对所述目标数据进行替换，得到标准业务数据集。

可选地，所述计算所述目标数据与所述目标数据的邻近数据的局部可达密度比值，包括：

利用如下对比算法计算所述目标数据与所述目标数据的邻近目标数据的局部可达密度比值LF_k(q)：