基于人才画像的数据治理质量评估方法及系统与流程
本发明属于行政人事管理,具体涉及基于人才画像的数据治理质量评估方法及系统。
背景技术:
1、企业人才管理数字化依赖于多源异构数据的融合加工,涵盖hrms人事主数据、lms培训学时、项目管理工时及绩效kpi等。然而,此类数据普遍存在缺失、格式冲突、同名异人/异名同人的实体不统一及职位名称不规范等问题,导致据此构建的含技能标签、能力维度分数等的人才画像极易偏离员工真实能力。因此,如何通过如缺失值填补、实体解析、属性模式映射等的数据治理流水线保障画像质量,成为制约人岗匹配与继任推荐效果的关键瓶颈。
2、现有技术对此主要采取两类评估手段:第一种是数据自身指标型,沿袭国际数据管理协会dama或者数据管理能力成熟度评估模型dcmm框架统计字段完整性、一致性等静态指标,虽可量化但完全与业务决策脱节,无法暴露数据得分高但画像失真的隐患;第二种是画像—绩效反馈型,虽引入绩效数据回流调整权重,但其目的是优化匹配模型本身,而非评估前置的数据治理步骤质量,且因缺乏操作级字段快照,无法实现从撤销单步操作到回退中间态再到重新观测偏差的归因逻辑。此外,虽有模型可解释性shap、博弈论shapley值等机器学习归因技术,但其操作对象为模型权重或输入特征,依赖模型可微或重复前向计算,无法直接作用于不可逆的事务性数据治理操作。
3、进而,现有技术既无法以业务效果验证治理质量,也无法将综合偏差精准归因到具体治理操作,导致数据治理陷入不能实现闭环以及难以优化的困境。为此,本发明提供一种基于人才画像的数据治理质量评估方法及系统,以实际绩效为监督学习,利用字段级快照执行反事实消融,将画像-绩效偏差逐操作归因,并基于归因结果自动触发参数调整,形成治理到画像到绩效到归因最后再治理的自驱动闭环。
技术实现思路
1、本发明的目的是提供基于人才画像的数据治理质量评估方法及系统,解决的技术问题是:如何把数据治理质量的评价标准从数据自身统计指标抬升到业务决策支持效果;人才画像、绩效,并能精确归因到具体治理操作,如缺失值填补、异常值平滑、实体解析、属性模式映射等,从而指出哪个环节在帮、哪个环节在害,驱动治理参数自动修正。
2、本发明采取的技术方案具体如下:
3、基于人才画像的数据治理质量评估方法,包括以下步骤:
4、采集来自多个业务系统的原始人才数据,对所述原始人才数据执行预设的、由多个有序治理操作构成的治理流水线,所述治理操作至少选自缺失值填补、异常值平滑、实体解析、属性模式映射中的一种或多种;
5、对每个治理操作记录治理元数据,所述治理元数据至少包括:操作类型、作用字段、操作参数、以及该操作在该字段上的操作前字段值快照与操作后字段值,使得任一治理操作对该字段的变换可基于所述操作前字段值快照定点逆向恢复;
6、基于治理后数据集构造人才画像向量v与对应岗位的岗位胜任力标准向量u,计算岗位匹配度m∈[0,1];获取评估周期内该人才的实际绩效数据并转换为与所述人才画像向量中绩效相关子向量vp同维度的实际绩效向量a;
7、计算人才画像效能偏差e:
8、其中,为绩效相关子向量vp与实际绩效向量a之间的差异度,人才画像效能偏差e随m增大而减小,随增大而增大;
9、针对每一治理操作执行反事实消融归因:根据该操作的操作前字段值快照,将该操作作用字段的当前值恢复至操作前字段值、保持其余治理操作的变换结果不变,得到该操作对应的消融数据集;基于所述消融数据集重新构建人才画像向量并计算对应的消融效能偏差ē;以δe=ē-e作为该治理操作对效能偏差的边际贡献度;对所有治理操作的边际贡献度δe归一化,得到每一治理操作对数据治理质量的贡献度;
10、根据人才画像效能偏差e及各操作贡献度δe,输出数据治理质量评估结果,所述评估结果至少包括整体治理质量综合评分与按治理操作分解的质量子评分。
11、优选地,所述人才画像向量v的构造方式采用基于树状指标体系的结构化指标得分向量、pca降维+熵权+随机森林与层次分析法融合的综合评价分数、或行为稠密度与可信度评分体系中的任意一种;所述绩效相关子向量vp为人才画像向量v中与绩效预测相关的子向量分块。
12、优选地,所述岗位匹配度m由人才画像向量v与岗位胜任力标准向量u的余弦相似度映射到(0,1)得到;所述差异度d为欧氏距离、曼哈顿距离或加权l2距离;所述实际绩效向量a由评估周期内的kpi达成率、行为评分、工单sla中的至少一种归一化得到,且与绩效相关子向量vp同维度同顺序。
13、优选地,对所有治理操作的边际贡献度δe归一化操作中,归一化采用以下任一种:
14、;或者;
15、其中,ci表示第i个治理操作的归一化贡献度,δei表示第i个治理操作的边际贡献度;δei特指某一个具体的、被拿出来做消融分析的操作;δej表示所有治理操作中,第j个操作的边际贡献;j为求和索引变量代表遍历集合{1,2,...,n}中的每一个元素;分母∑jmax(δej,0)表示j依次取1,2,3,4,...,n,把所有的max(δej,0)累加起来;τ为平滑因子,τ取一个极小的正数常数,例如、;用于数值稳定性。
16、优选地,还包括:当任一治理操作的max(δei,0)超过预设阈值,或δei>0且该操作被判定为引入偏差时,生成参数调整指令,将该操作在所述作用字段上的算法、阈值或匹配规则进行调整,调整为更保守或更严格版本,并触发对受影响字段的局部重治理。
17、优选地,按人才集合批量执行,汇总各人才的人才画像效能偏差e得到集合平均偏差ēpool,汇总各人才下各治理操作的δei{(k)}得到操作级全局贡献度,用于调整治理流水线的全局参数;其中k表示第k个人才。
18、基于人才画像的数据治理质量评估系统,包括:
19、数据采集模块,被配置为通过hrms、lms、绩效系统的rest-api适配器拉取人员基础数据、履历数据、历史绩效数据与能力测评数据;
20、数据治理引擎,被配置为维护治理操作队列与字段级快照kv存储,对原始数据执行有序治理流水线,对每个操作记录操作类型、作用字段、操作参数及操作前字段值快照;所述字段级快照kv组织为复合键与旧值的映射结构,所述复合键由主键、字段名及操作id组成,支持单字段定点回写与回滚;
21、画像构建模块,被配置为调用现有画像构建服务或内置画像装配逻辑,由治理后数据得到d维人才画像向量v与岗位标准向量u,计算岗位匹配度m;
22、绩效获取模块,被配置为在评估周期结束后获取实际绩效数据,归一化为与vp同维的实际绩效向量a;
23、效能评估模块,被配置为计算人才画像效能偏差;
24、归因分析模块,被配置为遍历各治理操作,调用数据治理引擎将该操作对应字段按快照回写至操作前值、其余字段保持治理后值以生成消融数据集,调用画像构建模块基于消融数据集重构建画像并重算消融效能偏差ē,以δe=ē-e作为边际贡献度,归一化得贡献度ci;
25、报告生成模块,被配置为根据人才画像效能偏差e与归一化贡献度ci生成数据治理质量评估结果。
26、优选地,所述归因分析模块在完成单次操作的消融重算后,将该字段回滚至治理后值,以复用治理后数据集供下一操作消融使用;所述数据治理引擎支持对受影响字段的局部重治理调用,接收报告生成模块下发的参数调整指令并更新对应治理操作的算法参数。
27、优选地,所述数据治理引擎的治理操作队列中,每个操作被封装为操作id、操作类型、作用字段列表、参数结构体、快照指针的元组;所述快照指针指向字段级快照kv中该操作对应的旧值集合。
28、一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时,实现所述的数据治理质量评估方法。
29、本发明取得的技术效果为:
30、1.本发明评估导向由数据自身统计指标抬升到业务决策支持效果,克服传统评估体系的脱节缺陷;本技术通过构建人才画像向量v、计算岗位匹配度m、获取同维实际绩效向量a、定义效能偏差e=(1-m)·d(vp,a)的技术路径,首次将实际绩效作为基准真相。e值直接锚定治理质量与业务结果的关联性。如实施例1所示,某员工dama评分97分看似优异,但本技术算出e=0.0342,且后续归因揭示属性模式映射操作贡献了60.5%的偏差,证明了传统指标无法暴露此类治理缺陷。
31、2.本发明首创“字段级快照+反事实消融”的操作级归因机制,突破“只给总分、不给病因”的黑箱;本技术全程记录操作类型、作用字段及操作前字段值快照,支持定点逆向恢复;通过遍历执行撤销单操作、保持其余不变、重构建画像、重算δe=ē-e的反事实消融,首次将综合偏差精准量化到原子治理步骤。如实施例2所示,撤销属性模式映射操作后,偏差由0.0546升至0.096,归一化贡献度高达91.2%,精准定位传输网维-高级与传网高工被错误合并这一病因。
32、3.本发明形成“治理—画像—绩效—归因—再治理”的自驱动闭环,实现治理策略的持续进化;如实施例3所示,系统判定缺失值填补操作贡献度为100%(),随即固化该插补策略为标准流程;在实施例1中,系统判定映射错误,自动下发指令将dg_l3细分为dg_l3_a与dg_l3_b,下一轮治理自动应用新规则,消除人岗不匹配根源。
33、4.本发明克服机器学习可解释性领域的技术偏见,填补etl流水线质量评估空白,本技术通过字段级快照键值对(kv,key-value)存储结构,利用“定点回写旧值、重构画像、重算效能偏差”的工程手段,首次将沙普利“边际贡献”思想迁移到etl抽取、转换、加载的流水线。如实施例1中实体解析的撤销,需回写合并映射关系mergemap并拆分双工号,这是对数据库事务操作(transaction)的撤销,无法通过模型特征置换实现。
34、本发明通过字段级快照实现事务性治理操作的反事实消融,将人才画像与实际绩效的业务偏差精准拆解到原子操作步骤。现有技术仅能评估数据自身质量,而本发明通过效能偏差e将治理质量锚定到业务结果,解决了数据治理与业务价值脱节、无法归因到具体操作的问题,实现了治理策略的自动优化闭环。上述效果在金融、电信、制造等多行业实施例中均得到完整、可复现的验证。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com