一种基于大数据的项目决策管理方法与流程

本发明涉及项目管理，具体涉及一种基于大数据的项目决策管理方法。

背景技术：

1、项目决策管理是基于项目全维度执行数据分析执行特征、预判异常风险的核心管控手段，其直接关系多子项目并行执行的效率与整体目标达成率，是复杂项目精细化管理的关键支撑。在多子项目协同推进的场景中，人员跨子项目调岗是项目执行过程中的常见操作，而该行为易引发隐性的资源抢占问题，进而导致子项目资源消耗速率异常、进度偏离预期。

2、现有技术中，已存在有类似的对人员变动进行预测的技术方案。比如，申请号为cn202110678880.8的专利性文件公开了一种ai与bim的ipd建筑工程项目风险协同设计管理系统。该系统包括：bim信息管理模块获得立体结构工程。通过项目环节获取模块实时获得施工过程中立体结构的项目环节。项目环节施工资源分配模块根据不同施工队的施工人员的理想工作效率对项目环节中的施工区域进行资源分配。实际工作效率获得施工人员的实际工作效率。当发生资源变动风险时，资源变动风险分析模块根据实际工作效率对施工区域的人员重新分配，并计算分配后的风险影响程度，根据风险影响程度调整施工人员人数，直至施工区域整体实际效率满足要求。实现了在ipd模式下针对建筑工程项目风险的动态调整，保证了施工效率。

3、再比如，申请号为cn202511537831.7的专利性文件公开了一种自适应人力调度的项目管理方法、系统及计算机设备，其中，该方法包括：获取整合后的数据集；数据集包括员工请假数据、项目数据和人力资源数据；员工请假数据包括请假人员信息和请假时间信息；根据项目数据和人力资源数据，得到替代人员信息；根据项目数据、请假人员信息和替代人员信息，计算项目优先级分数；基于项目优先级分数和预设的优先级阈值，确定项目排期优化方式；根据项目排期优化方式、请假时间信息、项目数据和替代人员信息，得到目标项目排期计划。解决了因人员变动导致的项目排期效率低下的问题，达到了减少项目管理人工依赖以及提升项目排期效率的效果。

4、但是，在实际实施过程中，发明人发现，该类技术方案多聚焦于显性资源短缺、进度管控偏差等常规问题，忽视了人员跨子项目调岗这一易被遗漏的隐性触发环节，无法实现对调岗触发型资源异常风险的有效管控，最终影响项目决策管理的精准性与高效性。

技术实现思路

1、针对现有技术中存在的上述问题，现提供一种基于大数据的项目决策管理方法。

2、具体技术方案如下：

3、一种基于大数据的项目决策管理方法，包括：

4、步骤s1：针对目标项目采集数据并预处理形成项目数据集合；

5、步骤s2：采用变长窗口对所述项目数据集合进行拆分得到数据切片集合；

6、步骤s3：自所述切片数据集合中筛选人员变动信息得到调岗信息集合；

7、步骤s4：对所述调岗信息集合追溯资源变化特征以构建资源抢占关联集合；

8、步骤s5：对所述资源抢占关联集合进行分析以得到项目异常风险。

9、另一方面，所述步骤s1包括：

10、步骤s11：对所述目标项目获取子项目信息和项目关联数据；

11、步骤s12：对所述子项目信息和所述项目关联数据进行关联属性分类筛选，并标注对应人员的岗位属性，得到人员属性子集；

12、步骤s13：对所述人员属性子集进行时序对齐并清洗以得到所述项目数据集合。

13、另一方面，所述步骤s2包括：

14、步骤s21：自所述项目数据集合中获取子项目执行周期时长、人员变动频次；

15、步骤s22：依照所述子项目执行周期时长和所述人员变动频次的比值生成窗口长度；

16、步骤s23：根据所述窗口长度依照预设步长对所述项目数据集合进行拆分得到数据切片集合。

17、另一方面，所述步骤s3包括：

18、步骤s31：自所述数据切片集合中，针对每个参与人员提取社保数据、调岗数据和岗位工作完成率数据；

19、步骤s32：根据所述社保数据、所述调岗数据和所述岗位工作完成率数据进行规则匹配，生成人员变动类型集合；

20、步骤s33：根据所述人员变动类型集合和项目执行时间确定跨子项目调岗的跨子项目调岗场景，并调取对应人员的调岗关联信息；

21、步骤s34：根据所述跨子项目调岗场景和所述调岗关联信息生成所述调岗信息集合。

22、另一方面，所述步骤s4包括：

23、步骤s41：自所述调岗信息集合中获取调岗时间点，根据所述调岗时间点获取关联数据切片，根据资源占用数据的变化特征自所述关联数据切片中筛选得到资源抢占数据和资源消耗速率；

24、步骤s42：根据所述资源消耗速率匹配资源供给来源并查找受影响子项目的受影响子项目数据；

25、步骤s43：根据所述资源抢占数据和所述受影响子项目数据生成所述资源抢占关联集合。

26、另一方面，所述步骤s5包括：

27、步骤s51：根据所述资源抢占关联集合生成变化特征数据集合；

28、步骤s52：基于所述数据切片集合建立资源消耗速率异常阈值模型；

29、步骤s53：根据所述资源消耗速率异常阈值模型判别所述变化特征数据集合中的资源消耗速率变化数据以得到所述风险结果。

30、另一方面，所述步骤s51包括：

31、步骤s511：根据所述资源抢占关联集合提取得到受影响子项目的标识信息；

32、步骤s512：根据所述标识信息自所述数据切片集合中提取资源消耗数据和进度数据，并分别计算所述资源消耗速率变化数据和进度达成率变化数据；

33、步骤s513：根据所述资源消耗速率变化数据和所述进度达成率变化数据依照所述标识信息进行分类处理，生成所述变化特征数据集合。

34、另一方面，所述步骤s52包括：

35、步骤s521：根据所述数据切片集合分别计算并统计每类子项目的子项目资源消耗分布特征；

36、步骤s522：对所述子项目资源消耗分布特征结合趋势拟合算法生成对应于每类所述子项目的子项目异常阈值模型；

37、步骤s523：根据所述子项目异常阈值模型生成所述资源消耗速率异常阈值模型。

38、另一方面，所述步骤s52包括：

39、步骤s531：根据所述数据切片集合的统计结果调整所述资源消耗速率异常阈值模型的滑动步长；

40、步骤s532：根据调整后的所述资源消耗速率异常阈值模型对所述资源消耗速率变化数据进行判别以得到所述风险结果。

41、一种存储介质，包括计算机指令，当计算机设备执行所述计算机指令时，执行上述的项目决策管理方法。

42、上述技术方案具有如下优点或有益效果：

43、针对现有技术中的项目管理方案针对人员跨子项目调岗难以识别到对资源消耗速率的影响的问题，本方案中通过变长窗口对数据进行切片处理得到数据切片集合，在此基础之上筛选人员变动信息得到调岗信息集合，从而捕捉得到相关人员在子项目中的调动信息，并进一步通过追溯资源变化特征来判断资源抢占情况，并最终预测得到项目风险，实现了对项目风险更准确的预判。