一种基于员工交互的流程组织结构挖掘方法与系统与流程

1.本发明涉及流程组织结构挖掘技术领域，具体为一种基于员工交互的流程组织结构挖掘方法与系统。


背景技术：

2.目前大多数企业都建立了诸如erp、crm、scm等信息处理系统。随着业务的不断执行，系统会产生大量的工作流日志文件，这些日志文件中存在着大量与过程相关的数据。过程挖掘就是以记录着过程信息的工作流日志为基础，通过挖掘和分析工作流日志的数据和结构自动化地构造过程模型，以便员工之间相互交互。
3.现有技术中，如中国专利：cn104299066b的“基于企业流程管理系统的组织结构信息挖掘方法”，该方法是系统中的处理单元对从存储单元发送来的日志数据进行预处理，建立活动参与者依赖关系矩阵dp，根据活动参与者依赖关系矩阵dp生成基于活动参与者的组织结构关系信息图，并显示在显示单元中。该方法使得在企业流程管理系统中日志数据得到充分的利用，简化了角色划分的方法，提高了挖掘的效率，提供了统一的度量标准，为基于活动参与者的组织结构关系信息图的生成和基于角色的组织结构关系信息图的生成提供了依据。
4.但现有技术中，相对于对工作流程控制流视图的挖掘，面向组织结构方面的挖掘研究很大程度上被忽视了，提出了一种基于工作流运行实例的组织建模方法同时支持静态和动态的授权约束，开发了多种组织模型并对基于组织模型的工作流设计提出了设计原则，通过对组织结构挖掘得到组织网络，组织网络能够客观地反映出员工参与工作流程的组织单元和角色划分，并且组织每年都要制定年度的战略目标和个人的年度目标，而在组织的实际执行中，大多数没有找到自己想要学习的标杆，并且无法实现大数据全员对标。


技术实现要素：

5.本发明的目的在于提供一种基于员工交互的流程组织结构挖掘方法与系统，以解决上述背景技术提出的由于但现有技术中，相对于对工作流程控制流视图的挖掘，面向组织结构方面的挖掘研究很大程度上被忽视了，提出了一种基于工作流运行实例的组织建模方法同时支持静态和动态的授权约束，开发了多种组织模型并对基于组织模型的工作流设计提出了设计原则，通过对组织结构挖掘得到组织网络，组织网络能够客观地反映出员工参与工作流程的组织单元和角色划分，并且组织每年都要制定年度的战略目标和个人的年度目标，而在组织的实际执行中，大多数没有找到自己想要学习的标杆，并且无法实现大数据全员对标的问题。
6.为实现上述目的，本发明提供如下技术方案：一种基于员工交互的流程组织结构挖掘系统，包括组织数据采集层、业务数据采集层、权重设计层和分析层；
7.所述数据采集层，是用以采集服务对象所在行业的多源组织数据，整合建立目标大数据目录；
8.所述业务数据采集层，用以采集服务对象的业务数据，并根据目标管理对象标准模型对业务数据进行标准结构化处理，获得标准目标数据并建立组织目标库；
9.所述权重设计层，用以基于所述标准目标数据构造目标指标库矩阵，对各目标之间进行两两对比之后，排定各目标的重要度顺序，构造目标重要度初始矩阵，计算得到目标的权重；
10.所述分析层，用以基于目标大数据目录，获取目标的评分值，利用计算得到目标的权重，结合评分值计算得到组织目标的分析值结果。
11.优选的，所述组织数据采集层包括如下步骤：
12.s1、采集服务对象所在行业的多源组织数据，是以整合建立目标大数据目录，
13.s2、采集服务对象的业务数据，并根据目标管理对象标准模型对业务数据进行标准结构化处理，获得标准目标数据并建立组织目标库，
14.s3、基于所述标准目标数据构造目标指标库矩阵，对各目标之间进行两两对比之后，排定各目标的重要度顺序，构造目标重要度初始矩阵，计算得到目标的权重，
15.s4、基于目标大数据目录，获取目标的评分值，利用计算得到目标的权重，结合评分值计算得到组织目标的分析值结果。
16.优选的，步骤s之前还包括：
17.根据目标大数据目录采集的数据和主题清单，按照主数据和事务数据两类进行分析整理，其中，事务数据是指具体业务运营所产生的各种事务型数据；
18.根据分析整理得到的分析结果制定目标工作数据标准，所述目标工作数据标准包含多类数据主题域，所述数据主题域集中反映与工作目标管理相关的所有业务内容。
19.优选的，步骤s中采用如下公式计算目标的权重wi：
[0020][0021]
上式中，ai/aj指从目标指标库矩阵所包含的n个目标k中，随机选取的目标ki与kj相比较的重要度，i，j∈{，，，...n-，n}。
[0022]
优选的，步骤s中利用计算得到目标的权重，结合评分值计算得到组织目标的分析值结果公式表示为：
[0023][0024]
上式中，ts指分析值结果，tsκ指目标k的评分值，wκ指目标k的权重。
[0025]
一种基于员工交互的流程组织结构挖掘方法，所述权重设计层具体包括以下内容：
[0026]
步骤一、工作流日志，令a为一个活动集(代表工作流中的活动(
[0027]
activity)),p为一个执行者集(代表执行活动的个体),e＝a
×
p为事件集将活动与活动的执行者联系起来((a,p)表示执行者p执行活动a)，c＝e
*
为可能的事件序列集(描述过程实例的轨迹),l∈b(c)为一个工作流日志，b(c)为c的多重集；
[0028]
步骤二、默认挖掘，令l为一个工作流日志，a为一个活动集，c＝(e0,e1,...)∈l,oa和as定义如下：
[0029]
a)对每个a∈a，有oa＝{π
p
(e)e∈c∧πa(e)＝a}；
[0030]
b)as＝{(a,oa)|a∈a}。
[0031]
步骤三、基于活动相似度的挖掘，令l为一个工作流日志，在创建完执行者活动矩阵后，通过比较执行者所对应的行向量的差异可以得到执行者之间的距离公制；
[0032]
步骤四、基于过程实例相似度的挖掘，令l为一个工作流日志，对p1,p2∈p有：
[0033]
当且仅当∑
∈l
g(c，p1)≠0,否则p1δ
l
p2＝0；对c＝(c0,c1,...)∈l有p1δcp2＝1；
[0034]
步骤五、组织网络生成算法，g＝(p,r,w)为一个组织网络，其中：p为执行者集合；为关系集合；w∈r
→
r为一个距离公制函数，其值为关系之间的距离，组织网络生成算法通过计算执行者之间的各种距离公制的值生成基于不同距离公制的组织网络，例如计算执行者之间的协同工作公制得到基于过程实例相似度的组织网络，计算执行者之间的pearson相关系数公制得到基于活动相似度的组织网络，挖掘得到的组织网络能够客观地反映出参与工作流。
[0035]
优选的，根据步骤所知，其中：0a代表组织实体(角色或者组织单元),这个组织实体里面的所有执行者都执行过活动a。
[0036]
优选的，所述基于过程实例相似度的挖掘根据定义可知，p1δ
l
p2不一定等于,例如假设p参与了两个过程实例，p参与了四个过程实例，并且它们共同参与了两个过程实例，这种情况下，p总是与p协同工作的，但是p却不是，因此，p1δ
l
p2的值要大于p2δ
l
p1的值，这时p1δ
l
p2＝/p2δ
l
p1＝/
[0037]
优选的，所述分析层包括处理单元和存储单元；
[0038]
所述处理单元，是对于预处理阶段得到的工作流日志，标识出所有具有直接工作移交关系的组合，构成直接移交关系集合；求出每一组满足直接移交关系ri＞rj的移交距离；确定影响因子β的值并建立直接移交关系矩阵dt；根据直接移交关系矩阵dt建立活动参与者依赖关系矩阵dp；处理单元把上述各个步骤处理后得到的结果发送到存储单元进行存储管理；
[0039]
所述存储单元，首先向处理单元发送输入参与者集合p和参与者依赖关系矩阵dp；处理单元将参与者集合按照其所参与的活动开始的先后时间进行排序n＝ps(w)，之后排列dp中的元素，并存入二维数组dp[n][n]；判断每一个二维数组dp[n][n]的值，若dp[i][j]≠，则绘制一条从pi到pj得弧，并将元素dp[i][j]的值标注在弧上，最终得到多个dp[n][n]元素的组织结构关系信息图g，并发送到显示单元；显示单元输出用户组织结构关系信息图g。
[0040]
优选的，所述处理单元包括数据选择模块、数据转换模块和数据清理模块；
[0041]
数据选择模块，为即处理单元选择与组织结构挖掘任务相关的日志记录的数据项；
[0042]
数据转换模块，为即处理单元将选择出的数据项表达为适合于挖掘的数据形式；
[0043]
数据清理模块，为即处理单元过滤掉重复的工作流运行轨迹。
[0044]
与现有技术相比，本发明的有益效果是：
[0045]
本发明中，基于工作流日志的组织结构挖掘能够为企业业务流程的再造与优化提供有力的支持，并能够帮助领域专家更好地理解在工作流程运行过程中企业组织真实的运作情况，分析组织结构在配制上所存在的瓶颈和缺陷，具有很强的现实意义，在对大量的工
作流日志的挖掘测试中发现，如果工作流日志中的执行者的工作量发生剧烈变化时，挖掘结果往往会发生偏差，例如很难对一个兼职员工和一个全职员工进行关系度的比较，实验结果表明该策略精度高、速度快，具有较高的有效性和可行性，同时它也对领域本体构建过程中的知识自动获取、知识自动丰富起到事半功倍的效果；通过以权重设计层为基础的大数据目标对标方法，解决了对标管理实践中的系统性、操作性问题；利用数据平台能够实现大数据全员对标。
附图说明
[0046]
图1为本发明一种基于员工交互的流程组织结构挖掘方法的系统框图。
[0047]
图中：
[0048]
1、组织数据采集层；2、业务数据采集层；3、权重设计层；4、分析层；5、工作流日志；6、默认挖掘；7、基于活动相似度的挖掘；8、基于过程实例相似度的挖掘；9、组织网络生成算法；10、处理单元；11、处理单元；12、数据选择模块；13、数据转换模块；14、数据清理模块。
具体实施方式
[0049]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施条例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]
参照图1：一种基于员工交互的流程组织结构挖掘系统，包括组织数据采集层1、业务数据采集层2、权重设计层3和分析层4；
[0051]
数据采集层1，是用以采集服务对象所在行业的多源组织数据，整合建立目标大数据目录；
[0052]
业务数据采集层2，用以采集服务对象的业务数据，并根据目标管理对象标准模型对业务数据进行标准结构化处理，获得标准目标数据并建立组织目标库；
[0053]
权重设计层3，用以基于标准目标数据构造目标指标库矩阵，对各目标之间进行两两对比之后，排定各目标的重要度顺序，构造目标重要度初始矩阵，计算得到目标的权重；
[0054]
分析层4，用以基于目标大数据目录，获取目标的评分值，利用计算得到目标的权重，结合评分值计算得到组织目标的分析值结果。
[0055]
组织数据采集层1包括如下步骤：
[0056]
s1、采集服务对象所在行业的多源组织数据，是以整合建立目标大数据目录，
[0057]
s2、采集服务对象的业务数据，并根据目标管理对象标准模型对业务数据进行标准结构化处理，获得标准目标数据并建立组织目标库，
[0058]
s3、基于标准目标数据构造目标指标库矩阵，对各目标之间进行两两对比之后，排定各目标的重要度顺序，构造目标重要度初始矩阵，计算得到目标的权重，
[0059]
s4、基于目标大数据目录，获取目标的评分值，利用计算得到目标的权重，结合评分值计算得到组织目标的分析值结果。
[0060]
步骤s2之前还包括：
[0061]
根据目标大数据目录采集的数据和主题清单，按照主数据和事务数据两类进行分
析整理，其中，事务数据是指具体业务运营所产生的各种事务型数据；
[0062]
根据分析整理得到的分析结果制定目标工作数据标准，目标工作数据标准包含多类数据主题域，数据主题域集中反映与工作目标管理相关的所有业务内容。
[0063]
步骤s3中采用如下公式计算目标的权重wi：
[0064][0065]
上式中，ai/aj指从目标指标库矩阵所包含的n个目标k中，随机选取的目标ki与kj相比较的重要度，i，j∈{1，2，3，...n-1，n}。
[0066]
步骤s4中利用计算得到目标的权重，结合评分值计算得到组织目标的分析值结果公式表示为：
[0067][0068]
上式中，ts指分析值结果，tsκ指目标k的评分值，wκ指目标k的权重。
[0069]
一种基于员工交互的流程组织结构挖掘方法，权重设计层3具体包括以下内容：
[0070]
步骤一、工作流日志5，令a为一个活动集(代表工作流中的活动(activity)),p为一个执行者集(代表执行活动的个体),e＝a
×
p为事件集将活动与活动的执行者联系起来((a,p)表示执行者p执行活动a)，c＝e
*
为可能的事件序列集(描述过程实例的轨迹),l∈b(c)为一个工作流日志5,b(c)为c的多重集；
[0071]
步骤二、默认挖掘6，令l为一个工作流日志5,a为一个活动集，c＝(e0,e1,...)∈l,oa和as定义如下：
[0072]
a)对每个a∈a，有oa＝{π
p
(e)e∈c∧πa(e)＝a}；
[0073]
b)as＝{(a,oa)|a∈a}。
[0074]
步骤三、基于活动相似度的挖掘7，令l为一个工作流日志5，在创建完执行者活动矩阵后，通过比较执行者所对应的行向量的差异可以得到执行者之间的距离公制；
[0075]
步骤四、基于过程实例相似度的挖掘8，令l为一个工作流日志5,对p1,p2∈p有：
[0076]
当且仅当∑
∈l
g(c，p1)≠0,否则p1δ
l
p2＝0；对c＝(c0,c1,
…
)∈l有p1δcp2＝1；
[0077]
步骤五、组织网络生成算法9，g＝(p,r,w)为一个组织网络，其中：p为执行者集合；为关系集合；w∈r
→
r为一个距离公制函数，其值为关系之间的距离，组织网络生成算法通过计算执行者之间的各种距离公制的值生成基于不同距离公制的组织网络，例如计算执行者之间的协同工作公制得到基于过程实例相似度的组织网络，计算执行者之间的pearson相关系数公制得到基于活动相似度的组织网络，挖掘得到的组织网络能够客观地反映出参与工作流。
[0078]
根据步骤2所知，其中：0a代表组织实体(角色或者组织单元),这个组织实体里面的所有执行者都执行过活动a。
[0079]
基于过程实例相似度的挖掘8根据定义可知，p1δ
l
p2不一定等于,例如假设p1参与了两个过程实例，p2参与了四个过程实例，并且它们共同参与了两个过程实例，这种情况下，p1总是与p2协同工作的，但是p2却不是，因此，p1δ
l
p2的值要大于p2δ
l
p1的值，这时p1δ
l
p2＝2/2,p2δ
l
p1＝2/4。
[0080]
分析层4包括处理单元10和存储单元11；
[0081]
处理单元10，是对于预处理阶段得到的工作流日志，标识出所有具有直接工作移交关系的组合，构成直接移交关系集合；求出每一组满足直接移交关系ri＞rj的移交距离；确定影响因子β的值并建立直接移交关系矩阵dt；根据直接移交关系矩阵dt建立活动参与者依赖关系矩阵dp；处理单元10把上述各个步骤处理后得到的结果发送到存储单元进行存储管理；
[0082]
存储单元11，首先向处理单元发送输入参与者集合p和参与者依赖关系矩阵dp；处理单元10将参与者集合按照其所参与的活动开始的先后时间进行排序n＝ps(w)，之后排列dp中的元素，并存入二维数组dp[n][n]；判断每一个二维数组dp[n][n]的值，若dp[i][j]≠0，则绘制一条从pi到pj得弧，并将元素dp[i][j]的值标注在弧上，最终得到多个dp[n][n]元素的组织结构关系信息图g，并发送到显示单元；显示单元输出用户组织结构关系信息图g。
[0083]
处理单元10包括数据选择模块12、数据转换模块13和数据清理模块14；
[0084]
数据选择模块12，为即处理单元选择与组织结构挖掘任务相关的日志记录的数据项；
[0085]
数据转换模块13，为即处理单元将选择出的数据项表达为适合于挖掘的数据形式；
[0086]
数据清理模块14，为即处理单元过滤掉重复的工作流运行轨迹。
[0087]
本发明是基于工作流日志的组织结构挖掘能够为企业业务流程的再造与优化提供有力的支持，并能够帮助领域专家更好地理解在工作流程运行过程中企业组织真实的运作情况，分析组织结构在配制上所存在的瓶颈和缺陷，具有很强的现实意义，在对大量的工作流日志的挖掘测试中发现，如果工作流日志中的执行者的工作量发生剧烈变化时，挖掘结果往往会发生偏差，例如很难对一个兼职员工和一个全职员工进行关系度的比较，实验结果表明该策略精度高、速度快，具有较高的有效性和可行性，同时它也对领域本体构建过程中的知识自动获取、知识自动丰富起到事半功倍的效果；通过以权重设计层为基础的大数据目标对标方法，解决了对标管理实践中的系统性、操作性问题；利用数据平台能够实现大数据全员对标。
[0088]
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。