[发明专利]基于人员画像的供电企业派工方法、系统、介质及设备

权利要求书

1.基于人员画像的供电企业派工方法，其特征在于，所述方法包括：

获取多个待派工人员的人员信息以及待分配任务的任务信息；

根据各所述人员信息和训练完成的人员画像模型构建各所述待派工人员的人员画像，所述人员画像模型包括人事信息层、时间层以及业务层三个维度；

将各所述待派工人员的人员画像与所述任务信息进行匹配，并基于优选法的智能派工策略从所述多个待派工人员中选择优先级最高的待派工人员；

将所述待分配任务分配至所述优先级最高的待派工人员。

2.根据权利要求1所述的基于人员画像的供电企业派工方法，其特征在于，所述获取多个待派工人员的人员信息以及待分配任务的任务信息之前，还包括：

获取至少一个样本人员的样本人员信息以及至少一个样本任务的样本任务信息并创建初始人员画像模型；

基于所述至少一个样本人员的样本人员信息以及至少一个样本任务的样本任务信息对所述初始人员画像模型进行训练，得到训练完成的人员画像模型。

3.根据权利要求2所述的基于人员画像的供电企业派工方法，其特征在于，所述基于所述至少一个样本人员的样本人员信息以及至少一个样本任务的样本任务信息对人员画像模型进行训练，得到训练完成的人员画像模型，包括：

获取各所述人员信息所包含的特征标签，各所述特征标签对应的特征变量以及各所述特征变量对应的特征变量值；

确定同一特征标签下所述特征变量值大于第一预设值的特征变量，得到第一筛选结果；

计算所述第一筛选结果中同一特征标签下每两个特征变量的相关系数，保留所述相关系数小于或者等于第二预设值的两个特征变量以及保留所述相关系数大于第二预设值的两个特征变量中的任意一个特征变量，得到第二筛选结果；

将第二筛选结果中的特征变量按照特征变量值从大到小的顺序进行排序，选取前若干个所述特征变量；

将所述前若干个所述特征变量输入至所述初始人员画像模型中，得到训练完成后的人员画像模型。

4.根据权利要求1所述的基于人员画像的供电企业派工方法，其特征在于，所述根据各所述人员信息和训练完成的人员画像模型构建各所述待派工人员的人员画像之后，还包括：

根据所述人员画像和预置的人力资源人才评价理论输出人员成长的相关建议。

5.根据权利要求1所述的基于人员画像的供电企业派工方法，其特征在于，所述根据各所述人员信息和训练完成的人员画像模型构建各所述待派工人员的人员画像之后，还包括：

通过所述人事信息层、时间层以及业务层三个维度进行各所述待派工人员的人员画像的展示。

6.根据权利要求1所述的基于人员画像的供电企业派工方法，其特征在于，所述将各所述人员画像与所述任务信息进行匹配，并基于优选法的智能派工策略从所述多个待派工人员中选择优先级最高的待派工人员，包括：

根据各所述待派工人员的人员画像得出各所述待派工人员在多个维度任务中对应的各任务指标得分；

根据各所述待派工人员各任务指标得分，得到各待派工人员的任务指标得分占标杆值以上的比例；

将各所述待派工人员的任务指标得分占标杆值以上的比例最高的待派工人员作为优先级最高的待派工人员。

7.根据权利要求1所述的基于人员画像的供电企业派工方法，其特征在于，所述将各所述人员画像与所述任务信息进行匹配，并基于优选法的智能派工策略从所述多个待派工人员中选择优先级最高的待派工人员，包括：

根据各所述待派工人员的人员画像得出在一个维度任务中的各待派工人员的能力表现、技能水平、能力需求度以及空缺度得分；

根据机器学习权重系数法得出所述一个维度任务中各待派工人员的能力表现、技能水平、能力需求度以及空缺度分别对应的权重；

将各待派工人员的能力表现、技能水平、能力需求度以及空缺度得分乘以对应的所述权重并相加，得到各待派工人员最终得分值；

将所述各待派工人员最终得分值最高的人员作为优先级最高的待派工人员。