[发明专利]一种数据处理方法、装置和电子设备

说明书

本公开提供了一种数据处理方法、装置和电子设备，涉及数据处理技术领域，用于解决现有技术中用人单位常常根据历史经验，对各个职位下一周期的人才结构和人才数据进行预测，导致人才预测的结果的准确率较低的问题。该方法包括：获取预设职位的职位数据；将职位数据输入至预先配置的预测系统中，得到预设职位的预测信息，以及每位员工的评价信息；根据预测信息和评价信息，生成预设职位的预测结果。

技术领域

本公开涉及数据处理技术领域，尤其涉及一种数据处理方法、装置和电子设备。

背景技术

在人才预测场景中，用人单位需要根据职位中人次数量的变化，对该职位在下一周期(如下一年度)的人才结构和人才数据进行预测。通常，用人单位根据历史经验，对各个职位下一周期的人才结构和人才数据进行预测，导致人才预测的结果的准确率较低。

发明内容

本公开提供了一种数据处理方法、装置和电子设备，用于解决现有技术中用人单位根据历史经验，对各个职位下一周期的人才结构和人才数据进行预测，导致人才预测的结果的准确率较低的问题。

为了实现上述目的，本公开提供技术方案如下：

第一方面，本公开提供一种数据处理方法，包括：获取预设职位的职位数据；其中，职位数据包括预设职位中每位员工的履历信息；将职位数据输入至预先配置的预测系统中，得到预设职位的预测信息，以及每位员工的评价信息；其中，预测信息用于指示预设职位在下一周期的员工数量变化信息，评价信息用于指示员工在下一周期的待学习数据信息；根据预测信息和评价信息，生成预设职位的预测结果。

在一些可实施的示例中，预先配置的预测系统包括第一预测模型和第二预测模型；将职位数据输入至预先配置的预测系统中，得到预设职位的预测信息，以及每位员工的评价信息，包括：将职位数据输入至第一预测模型，确定预设职位的预测信息；将职位数据输入至第二预测模型，确定预设职位中每位员工的评价信息。

在一些可实施的示例中，第一预测模型的训练过程如下：获取训练样本数据和训练监督数据；其中，训练样本数据和训练监督数据均包括至少一组第一标记数据，第一标记数据包括：预设职位中每位员工的履历信息，以及预设职位的预测信息；基于训练样本数据和训练监督数据对神经网络模型进行训练，直到神经网络模型收敛，得到第一预测模型。

在一些可实施的示例中，第二预测模型的训练过程如下：获取训练样本数据和训练样本数据的标记结果；其中，训练样本数据包括至少一组第二标记数据，第二标记数据包括：预设职位中每位员工的履历信息，以及每位员工的评价信息，标记结果包括每位员工在下一周期的待学习数据信息；将训练样本数据输入至深度学习模型中，得到输出结果；基于目标损失函数，确定输出结果与标记结果是否匹配。当输出结果与标记结果不匹配时，迭代更新深度学习模型的网络参数，直至深度学习模型收敛，得到第二预测模型。

在一些可实施的示例中，获取预设职位的职位数据包括：从预设数据库中查询预设职位的职位数据；其中，预设数据库通过第一管理系统和第二管理系统中存储的履历信息生成的，第一管理系统与第二管理系统不同。

在一些可实施的示例中，履历信息包括年龄、姓名、工作年限、工作经验信息、当前职位以及已获得证书中的一项或者多项；预测信息包括补录人数、职位占用率、剩余职位数、可晋升职位数、退休人数和净增长人数中的一项或者多项。

在一些可实施的示例中，本公开提供的数据处理方法还包括：发送包含预测结果的预设信息；其中，预设信息用于指示显示预测结果。

第二方面，本公开提供一种数据处理装置，包括：获取单元，用于获取预设职位的职位数据；其中，职位数据包括预设职位中每位员工的履历信息；处理单元，用于将获取单元获取的职位数据输入至预先配置的预测系统中，得到预设职位的预测信息，以及每位员工的评价信息；其中，预测信息用于指示预设职位在下一周期的员工数量变化信息，评价信息用于指示员工在下一周期的待学习数据信息；处理单元，还用于根据预测信息和评价信息，生成预设职位的预测结果。