一种基于大数据项目智能管理系统及方法与流程

1.本发明涉及项目管理技术领域，具体为一种基于大数据项目智能管理系统及方法。


背景技术：

2.项目管理指的是在项目活动中运用专门的知识、技能、工具和方法，使得项目能够在有限资源限定条件下，实现或超过设定的需求和期望的过程，项目管理包括项目范围管理、项目时间管理、项目质量管理等，在日益紧张的竞争环境下，项目管理在企业经营中有举足轻重的作用，能够有效减少项目推进过程中出现的问题；然而，现有的项目管理方式存在一些问题：首先，一个项目工作通常会分为多个阶段来进行，通常会等到前一阶段项目工作全部完成后才将处理的数据传输给后一阶段，开始后一阶段的项目工作，然而，前一阶段项目工作中可能存在早已经不再处理的闲置数据，而对应闲置数据可能是后续阶段需要的数据，现有的项目管理方式无法预判数据的闲置时间以提前将闲置数据传输给后续阶段进行下一步处理，无法实现多阶段项目工作同步进行以提高项目推进效率的功能；其次，经常会出现在项目进行过程中有临时项目需要紧急处理的状况，对于这种状况，在人员不足的情况下，现有的项目管理方式无法及时进行合适的人员分配、调度工作，以确保多项目进度都控制在一定范围内，容易出现多项目管理工作混乱的问题。
3.所以，人们需要一种基于大数据项目智能管理系统及方法来解决上述问题。


技术实现要素：

4.本发明的目的在于提供一种基于大数据项目智能管理系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据项目智能管理系统，所述系统包括：项目数据采集模块、数据库、数据分析模块、数据传输管理模块和临时项目管理模块；所述项目数据采集模块的输出端连接所述数据库的输入端，所述数据库的输出端连接所述数据分析模块和临时项目管理模块的输入端，所述数据分析模块的输出端连接所述数据传输管理模块的输入端；通过所述项目数据采集模块采集项目分成的阶段数量信息和每个阶段处理的数据类型信息；通过所述数据库存储采集到的全部数据；通过所述数据分析模块分析历史数据在成为闲置数据前的闲置时长，生成历史数据闲置模型；通过所述数据传输管理模块预测数据闲置时间，在数据闲置时提醒管理人员传输闲置数据至后续阶段管理人员；
通过所述临时项目管理模块实时监测项目完成进度，在当前项目执行过程中有临时项目加入时，分配合适数量的人员参与到临时项目工作中。
6.进一步的，所述项目数据采集模块包括阶段信息采集单元和数据类型采集单元，所述阶段信息采集单元和所述数据类型采集单元的输出端连接所述数据库的输入端；通过所述阶段信息采集单元采集企业为完成项目分成的项目阶段数量以及每个阶段处理数据的时间；通过所述数据类型采集单元采集执行每个阶段任务时处理的数据类型，将采集到的所有数据传输到所述数据库中。
7.进一步的，所述数据分析模块包括数据类型分析单元和闲置数据分析单元，所述数据类型分析单元和闲置数据分析单元的输入端连接所述数据库的输出端；通过所述数据类型分析单元调取当前项目处理的数据类型，与历史闲置的数据类型进行匹配；通过所述闲置数据分析单元调取历史项目数据处理的时间，并分析历史数据在成为闲置数据前的闲置时长，生成历史数据闲置模型，将历史数据闲置模型传输到所述数据传输管理模块中。
8.进一步的，所述数据传输管理模块包括处理时间预测单元和数据传输提醒单元，所述处理时间预测单元的输出端连接所述数据传输提醒单元的输入端；通过所述处理时间预测单元依据历史数据闲置模型预测处理的数据的闲置时间，将预测结果传输到所述数据传输提醒单元；通过所述数据传输提醒单元在当前项目的数据闲置时间超出预测的闲置时间时，提醒管理人员将数据传输至后续阶段的管理人员。
9.进一步的，所述临时项目管理模块包括项目进度监测单元、项目数据获取单元和处理人员分配单元，所述项目进度监测单元的输出端连接所述项目数据获取单元的输入端，所述项目数据获取单元的输入端连接所述数据库的输出端，所述项目数据获取单元的输出端连接所述处理人员分配单元的输入端；通过所述项目进度监测单元实时监测项目完成的进度，在当前项目执行过程中有临时项目需要处理时，通过所述项目数据获取单元获取当前项目的完成进度数据以及已分配的人员数量数据；通过所述处理人员分配单元依据当前项目的完成进度和已分配的人员数据，从当前项目中分配并调度人员处理临时项目。
10.一种基于大数据项目智能管理方法，包括以下步骤：s1：采集项目分成的阶段信息和每个阶段处理的数据类型信息；s2：分析历史数据在成为闲置数据前的闲置时长，生成历史数据闲置模型；s3：将当前项目数据代入到历史数据闲置模型中，预测当前项目数据的闲置时间；s4：在数据闲置时提醒管理人员传输闲置数据至后续阶段管理人员；s5：实时监测项目完成进度，若有临时项目加入，分配人员执行临时项目。
11.进一步的，在步骤s1中：采集到当前项目分成了m个阶段，第一阶段处理的数据共有n类，在步骤s2中：在历史已完成的项目中，统计到第一阶段处理的随机一类数据成为闲置数据前的闲置时长集合为t={t1，t2，
…
，tk}，得到对应类型数据的平均闲置时长为t1：，其中，k表示统计次数，第一阶段处理的其它类型数据与对应类型数据的相似度集合为s={s2，s3，
…
，sf}，其中，第一阶段共处理了f类数据，统计到其它类型数据成为闲置数据前的平均闲置时长集合为t={t2，t3，
…
，tf}，生成数据闲置模型：将数据点{（s1，
t1），（s2，t2），
…
，（sf，tf）}进行直线拟合：得到直线拟合函数为：y=ax+b，其中，a和b表示拟合系数，其中，s1=1，根据下列公式分别计算拟合系数a和b：；；其中，si表示第一阶段处理的其它随机一类数据与t1对应类型数据的相似度，ti表示其它随机一类数据成为闲置数据前的平均闲置时长，数据闲置时长指的就是数据不再处理的维持时间，对应阶段不再处理数据就表示对应数据已处理完成，相似类型数据的处理方式存在同一性，越相似的数据的处理方式的同一性越高，经过大量相似的项目工作后，人员对于相似数据的处理方式、处理时长的差异逐渐缩小，根据大数据调取分析历史数据：分析随机一类数据的闲置时长，并分析其余类型的闲置时长，结合数据间的相似程度和闲置时长组成数据点，对数据点进行拟合得到拟合函数，即历史数据闲置模型，生成历史数据闲置模型的目的在于帮助预判当前项目数据的闲置时长，生成的模型能够很好地归纳历史数据的闲置规律，提高了预判结果的准确性。
12.进一步的，在步骤s3中：获取到当前项目第一阶段处理的数据与t1对应类型数据的相似度集合为s={s1’，s2’，
…
，sn’}，根据下列公式预测当前项目第一阶段处理的随机一类数据的闲置时长ti’：；其中，si’表示当前项目第一阶段处理的随机一类数据与t1对应类型数据的相似度，得到当前项目第一阶段处理的所有类型数据的闲置时长集合为t’={t1’，t2’，
…
，tn’}，预测对应类型数据的闲置时长超出预测的闲置时长后成为闲置数据且已处理完成，在步骤s4中：在对应类型数据闲置的时长超出预测的闲置时长时，提醒管理人员将闲置数据传输至后续阶段需要对应闲置数据的管理人员，数据闲置时长与数据间的相似程度有关，将当前项目数据与历史数据进行匹配，得到当前项目数据与历史随机一类数据的相似度，将相似度代入到历史数据闲置模型中，能够推测出对应类型数据在何时成为闲置数据，有利于及时提醒管理人员核对对应数据，在核实到对应数据不再处理，即成为闲置数据时，将对应数据提前传输至后续需要对应数据的阶段，由后续阶段的人员进一步处理对应数据，有利于提前完成工作交接以同步完成项目工作，提高了项目的推进效率。
13.进一步的，在步骤s5中：实时监测项目完成进度，若在当前项目处理过程中有临时项目需要处理，采集到当前项目各个阶段分配的人员数量集合为r={r1，r2，
…
，rm}，每个阶段的项目完成进度集合为d={d1，d2，
…
，dm}，每个阶段的项目完成难度系数集合为n={n1，n2，
…
，nm}，其中，m表示当前项目分成的阶段数量，临时项目分成的阶段数量与当前项目相同，根据下列公式计算临时项目随机一个阶段分配的人员数量mi：；其中，di表示当前项目随机一个阶段的完成进度，ni表示对应阶段的项目完成难
度系数，表示所有阶段的人员分配权重系数的最小值，表示所有阶段的人员分配权重系数的最大值，得到临时项目的每个阶段分配的人员数量集合为m={m1，m2，
…
，mm}，在当前项目中分配对应数量的人员参与临时项目对应阶段的工作，在有临时项目需要处理并出现人员不足时，需要调度当前项目中的部分人员参与临时项目工作，但由于各阶段项目工作进度不同，工作难度也不同，需要规划调度各阶段的人员数量，通过对工作进度、工作难度数据进行归一化处理有利于将数据规划到一定范围内，将其作为人员分配的权重比以进一步确认调度的人员数量，在提高临时项目推进效率的同时减轻了对当前项目工作的影响。
14.与现有技术相比，本发明所达到的有益效果是：本发明通过大数据调取分析历史数据：分析随机一类数据的闲置时长，并分析其余类型的闲置时长，结合数据间的相似程度和闲置时长组成数据点，对数据点进行拟合并生成历史数据闲置模型，帮助预判当前项目数据的闲置时长，生成的模型能够很好地归纳历史数据的闲置规律，提高了预判结果的准确性，代入当前项目数据至模型中，预测得到对应数据在何时成为闲置数据，及时提醒管理人员核对对应数据，在核实到对应数据不再处理，即成为闲置数据时，将对应数据提前传输至后续需要对应数据的阶段，由后续阶段的人员进一步处理对应数据，便于提前完成工作交接以同步完成项目工作，提高了项目的推进效率；在有临时项目需要处理并出现人员不足时调度合适数量的当前项目中的人员参与临时项目工作，在提高临时项目推进效率的同时减轻了对当前项目工作的影响，解决了现有技术中多项目、多阶段管理工作混乱的问题。
附图说明
15.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：图1是本发明一种基于大数据项目智能管理系统的结构图；图2是本发明一种基于大数据项目智能管理方法的流程图。
具体实施方式
16.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
17.请参阅图1-图2，本发明提供技术方案：一种基于大数据项目智能管理系统，系统包括：项目数据采集模块、数据库、数据分析模块、数据传输管理模块和临时项目管理模块；项目数据采集模块的输出端连接数据库的输入端，数据库的输出端连接数据分析模块和临时项目管理模块的输入端，数据分析模块的输出端连接数据传输管理模块的输入端；通过项目数据采集模块采集项目分成的阶段数量信息和每个阶段处理的数据类型信息；通过数据库存储采集到的全部数据；通过数据分析模块分析历史数据在成为闲置数据前的闲置时长，生成历史数据闲
置模型；通过数据传输管理模块预测数据闲置时间，在数据闲置时提醒管理人员传输闲置数据至后续阶段管理人员；通过临时项目管理模块实时监测项目完成进度，在当前项目执行过程中有临时项目加入时，分配合适数量的人员参与到临时项目工作中。
18.项目数据采集模块包括阶段信息采集单元和数据类型采集单元，阶段信息采集单元和数据类型采集单元的输出端连接数据库的输入端；通过阶段信息采集单元采集企业为完成项目分成的项目阶段数量以及每个阶段处理数据的时间；通过数据类型采集单元采集执行每个阶段任务时处理的数据类型，将采集到的所有数据传输到数据库中。
19.数据分析模块包括数据类型分析单元和闲置数据分析单元，数据类型分析单元和闲置数据分析单元的输入端连接数据库的输出端；通过数据类型分析单元调取当前项目处理的数据类型，与历史闲置的数据类型进行匹配；通过闲置数据分析单元调取历史项目数据处理的时间，并分析历史数据在成为闲置数据前的闲置时长，生成历史数据闲置模型，将历史数据闲置模型传输到数据传输管理模块中。
20.数据传输管理模块包括处理时间预测单元和数据传输提醒单元，处理时间预测单元的输出端连接数据传输提醒单元的输入端；通过处理时间预测单元依据历史数据闲置模型预测处理的数据的闲置时间，将预测结果传输到数据传输提醒单元；通过数据传输提醒单元在当前项目的数据闲置时间超出预测的闲置时间时，提醒管理人员将数据传输至后续阶段的管理人员。
21.临时项目管理模块包括项目进度监测单元、项目数据获取单元和处理人员分配单元，项目进度监测单元的输出端连接项目数据获取单元的输入端，项目数据获取单元的输入端连接数据库的输出端，项目数据获取单元的输出端连接处理人员分配单元的输入端；通过项目进度监测单元实时监测项目完成的进度，在当前项目执行过程中有临时项目需要处理时，通过项目数据获取单元获取当前项目的完成进度数据以及已分配的人员数量数据；通过处理人员分配单元依据当前项目的完成进度和已分配的人员数据，从当前项目中分配并调度人员处理临时项目。
22.一种基于大数据项目智能管理方法，包括以下步骤：s1：采集项目分成的阶段信息和每个阶段处理的数据类型信息；s2：分析历史数据在成为闲置数据前的闲置时长，生成历史数据闲置模型；s3：将当前项目数据代入到历史数据闲置模型中，预测当前项目数据的闲置时间；s4：在数据闲置时提醒管理人员传输闲置数据至后续阶段管理人员；s5：实时监测项目完成进度，若有临时项目加入，分配人员执行临时项目。
23.在步骤s1中：采集到当前项目分成了m个阶段，第一阶段处理的数据共有n类，在步骤s2中：在历史已完成的项目中，统计到第一阶段处理的随机一类数据成为闲置数据前的闲置时长集合为t={t1，t2，
…
，tk}，得到对应类型数据的平均闲置时长为t1：，其中，k表示统计次数，第一阶段处理的其它类型数据与对应类型数据的相似度集合为s=
{s2，s3，
…
，sf}，其中，第一阶段共处理了f类数据，统计到其它类型数据成为闲置数据前的平均闲置时长集合为t={t2，t3，
…
，tf}，生成数据闲置模型：将数据点{（s1，t1），（s2，t2），
…
，（sf，tf）}进行直线拟合：得到直线拟合函数为：y=ax+b，其中，a和b表示拟合系数，其中，s1=1，根据下列公式分别计算拟合系数a和b：；；其中，si表示第一阶段处理的其它随机一类数据与t1对应类型数据的相似度，ti表示其它随机一类数据成为闲置数据前的平均闲置时长，生成历史数据闲置模型以帮助预测当前项目数据的闲置时长，很好地归纳了数据的闲置规律，提高了预判结果的准确性。
24.在步骤s3中：获取到当前项目第一阶段处理的数据与t1对应类型数据的相似度集合为s={s1’，s2’，
…
，sn’}，根据下列公式预测当前项目第一阶段处理的随机一类数据的闲置时长ti’：；其中，si’表示当前项目第一阶段处理的随机一类数据与t1对应类型数据的相似度，得到当前项目第一阶段处理的所有类型数据的闲置时长集合为t’={t1’，t2’，
…
，tn’}，预测对应类型数据的闲置时长超出预测的闲置时长后成为闲置数据且已处理完成，在步骤s4中：在对应类型数据闲置的时长超出预测的闲置时长时，提醒管理人员将闲置数据传输至后续阶段需要对应闲置数据的管理人员，将当前项目数据代入到模型中，得到数据在何时成为闲置数据，提醒并经由管理人员核实后将对应数据提前传输至后续需要对应数据的阶段，由后续阶段的人员进一步处理对应数据，便于提前完成工作交接以同步完成项目工作，提高了项目的推进效率。
25.在步骤s5中：实时监测项目完成进度，若在当前项目处理过程中有临时项目需要处理，采集到当前项目各个阶段分配的人员数量集合为r={r1，r2，
…
，rm}，每个阶段的项目完成进度集合为d={d1，d2，
…
，dm}，每个阶段的项目完成难度系数集合为n={n1，n2，
…
，nm}，其中，m表示当前项目分成的阶段数量，临时项目分成的阶段数量与当前项目相同，根据下列公式计算临时项目随机一个阶段分配的人员数量mi：；其中，di表示当前项目随机一个阶段的完成进度，ni表示对应阶段的项目完成难度系数，表示所有阶段的人员分配权重系数的最小值，表示所有阶段的人员分配权重系数的最大值，得到临时项目的每个阶段分配的人员数量集合为m={m1，m2，
…
，mm}，在当前项目中分配对应数量的人员参与临时项目对应阶段的工作，调度合适数量的人员参与临时项目工作，在提高临时项目推进效率的同时减轻了对当前项目工作的影响。
26.实施例一：采集到当前项目分成了m=3个阶段，第一阶段处理的数据共有n=3类，在
历史已完成的项目中，统计到第一阶段处理的随机一类数据成为闲置数据前的闲置时长集合为t={t1，t2，t3}={2，5，8}，单位为：天，得到对应类型数据的平均闲置时长为t1：，第一阶段处理的其它类型数据与对应类型数据的相似度集合为s={s2，s3，s4}={0.8，0.5，0.3}，统计到其它类型数据成为闲置数据前的平均闲置时长集合为t={t2，t3，t4}={6，3，1}，生成数据闲置模型：将数据点{（s1，t1），（s2，t2），（s3，t3），（s4，t4）}={（1，5），（0.8，6），（0.5，3），（0.3，1）}进行直线拟合：得到直线拟合函数为：y=ax+b，根据公式 和分别计算拟合系数a和b：a≈6.4，b=-1.4，获取到当前项目第一阶段处理的数据与t1对应类型数据的相似度集合为s={s1’，s2’，s3’}={0.6，0.9，0.7}，根据公式预测得到当前项目第一阶段处理的所有类型数据的闲置时长集合为t’={t1’，t2’，t3’}={2，4，3}，预测第一类数据的闲置时长超出2天、第二类数据的闲置时长超出4天、第三类数据的闲置时长超出3天后成为闲置数据且已处理完成，在对应类型数据闲置的时长超出预测的闲置时长时，提醒管理人员将闲置数据传输至后续阶段需要对应闲置数据的管理人员；实施例二：实时监测项目完成进度，若在当前项目处理过程中有临时项目需要处理，采集到当前项目各个阶段分配的人员数量集合为r={r1，r2，r3}={4，5，3}，每个阶段的项目完成进度集合为d={d1，d2，d3}={80%，60%，10%}，每个阶段的项目完成难度系数集合为n={n1，n2，n3}={2，5，6}，根据公式得到临时项目的每个阶段分配的人员数量集合为m={m1，m2，m3}={4，1，0}，在当前项目中分配对应数量的人员参与临时项目对应阶段的工作。
27.最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，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，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。