人岗适配方法、装置、终端及电子设备与流程

本技术涉及数据处理，具体涉及一种人岗适配方法、装置、终端及电子设备。

背景技术：

1、伴随着大数据时代的到来，各行各业都开始注重质量与效率并行的工作机制，企业对员工工作效率的要求也随之提高。面对企业间日益激烈的竞争压力，如何实现员工对企业效益最大化，一直是企业在严峻竞争形势下坚持不懈的追求。因此，当员工作为企业正常运转的必备资源时，如何保障企业聘用的员工与岗位的适配度最高，成为当前亟需解决的关键问题。

2、相关技术中，大多数企业在进行员工与岗位适配时通常采用线下人工梳理方式，尤其对于企业中类似于经理、总经理等重要岗位，会花费人事部门大量时间进行梳理以及挑选；同时，面对在岗多年的员工与所处岗位的适配度，也是通过绩效考核这一业务指标进行考察，以此得到员工与岗位的适配结果。

3、然而，由于基于人事部门的工作经验或者绩效考核这一业务指标评估适配度时，必须依赖人事部门的员工业务能力，并且主观性较强，由此导致员工与岗位的适配度测量结果的准确性很低。

技术实现思路

1、本技术实施例提供一种人岗适配方法、装置、终端及电子设备，用以解决员工与岗位的适配度测量结果的准确性很低的技术问题。

2、第一方面，本技术实施例提供一种人岗适配方法，包括：

3、获取目标对象的个人素质数据和技能素质数据，以及所述目标对象所属目标岗位的岗位职能要求数据和岗位任职要求数据；

4、确定所述个人素质数据和所述技能素质数据对应的对象综合素质特征，以及所述岗位职能要求数据和所述岗位任职要求数据对应的岗位综合职能特征；

5、将所述对象综合素质特征和所述岗位综合职能特征输入至预设人岗适配模型，确定所述预设人岗适配模型输出的所述目标对象和所述目标岗位的适配结果；

6、其中，所述预设人岗适配模型是基于样本对象在所属样本企业团队中的样本团队成员职能数据和样本团队发展数据进行训练，并基于训练结果对初始的人岗适配度计算模型进行微调后得到的。

7、在一个实施例中，所述确定所述个人素质数据和所述技能素质数据对应的对象综合素质特征，以及所述岗位职能要求数据和所述岗位任职要求数据对应的岗位综合职能特征，包括：

8、将所述个人素质数据和所述技能素质数据，划分为可定性测量的第一指标和可定量评判的第二指标；

9、确定所述岗位职能要求数据和所述岗位任职要求数据中可定性测量的第三指标；

10、确定所述第一指标的第一重要性程度值、所述第二指标对应的第二定量评判结果，以及所述第三指标的第三重要性程度值；

11、基于所述第一重要性程度值和所述第二定量评判结果，确定所述对象综合素质特征，以及基于所述第三重要性程度值确定所述岗位综合职能特征。

12、在一个实施例中，在所述第一指标和所述第三指标的数量均为多个的情况下，确定所述第一指标的第一重要性程度值和所述第三指标的第三重要性程度值的过程包括：

13、确定各所述第一指标之间的第一关联性程度值；

14、基于各所述第一关联性程度值以及第一预设外部指标对每个所述第一指标的影响程度值，确定所述第一指标的第一重要性程度值；

15、基于各所述第三指标之间的第三关联性程度值和第二预设外部指标对每个所述第三指标的影响程度值，确定每个所述第三指标的第三重要性程度值。

16、在一个实施例中，所述基于所述第三重要性程度值确定所述岗位综合职能特征，包括：

17、确定各所述第三指标各自对应的级别评分值；

18、对各所述级别评分值和各所述第三重要性程度值进行归一化处理，确定所述岗位综合职能特征。

19、在一个实施例中，确定所述第二指标对应的第二定量评判结果的过程包括：

20、确定所述第二指标的业务完成度指标值、多元维度职业评价值和未来发展潜力指标值，并对所述业务完成度指标值、所述多元维度职业评价值和所述未来发展潜力指标值进行混合加权处理，确定所述第二定量评判结果。

21、在一个实施例中，所述预设人岗适配模型的训练过程包括：

22、获取样本数据集，所述样本数据集中每个样本数据包括对应的样本对象在所属样本企业团队中的样本团队成员职能数据和样本团队发展数据；

23、对所述样本团队成员职能数据和所述样本团队发展数据分别进行数据清洗，确定样本团队成员职能数据清洗结果和样本团队发展数据清洗结果；

24、基于所述样本团队成员职能数据清洗结果和所述样本团队发展数据清洗结果，对含有自编码器和logistic回归模型的团队整体有效性计算模型进行预训练，确定所述样本成员对所述样本企业团队的团队整体有效性程度值；

25、基于所述团队整体有效性程度值，对所述人岗适配度计算模型的模型参数进行微调，直至所述团队整体有效性程度值的准确度最高，得到所述预设人岗适配模型。

26、在一个实施例中，所述基于所述团队整体有效性程度值，对所述人岗适配度计算模型的模型参数进行微调，包括：

27、在所述团队整体有效性程度值大于预设有效性程度阈值的情况下，对所述人岗适配度计算模型的模型参数进行正向强反馈式的微调；

28、在所述团队整体有效性程度值小于所述预设有效性程度阈值的情况下，对所述人岗适配度计算模型的模型参数进行反向强反馈式的微调；

29、在所述团队整体有效性程度值等于所述预设有效性程度阈值的情况下，对所述人岗适配度计算模型的模型参数进行弱反馈式的微调。

30、第二方面，本技术实施例提供一种人岗适配装置，包括：

31、数据获取单元，用于获取目标对象的个人素质数据和技能素质数据，以及所述目标对象所属目标岗位的岗位职能要求数据和岗位任职要求数据；

32、特征确定单元，用于确定所述个人素质数据和所述技能素质数据对应的对象综合素质特征，以及所述岗位职能要求数据和所述岗位任职要求数据对应的岗位综合职能特征；

33、人岗适配单元，用于将所述对象综合素质特征和所述岗位综合职能特征输入至预设人岗适配模型，确定所述预设人岗适配模型输出的所述目标对象和所述目标岗位的适配结果；

34、其中，所述预设人岗适配模型是基于样本对象在所属样本企业团队中的样本团队成员职能数据和样本团队发展数据进行训练，并基于训练结果对初始的人岗适配度计算模型进行微调后得到的。

35、第三方面，本技术实施例提供一种终端，包括存储器，收发机，处理器；

36、存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：

37、获取目标对象的个人素质数据和技能素质数据，以及所述目标对象所属目标岗位的岗位职能要求数据和岗位任职要求数据；

38、确定所述个人素质数据和所述技能素质数据对应的对象综合素质特征，以及所述岗位职能要求数据和所述岗位任职要求数据对应的岗位综合职能特征；

39、将所述对象综合素质特征和所述岗位综合职能特征输入至预设人岗适配模型，确定所述预设人岗适配模型输出的所述目标对象和所述目标岗位的适配结果；

40、其中，所述预设人岗适配模型是基于样本对象在所属样本企业团队中的样本团队成员职能数据和样本团队发展数据进行训练，并基于训练结果对初始的人岗适配度计算模型进行微调后得到的。

41、第四方面，本技术实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的人岗适配方法的步骤。

42、本技术实施例提供的人岗适配方法、装置、终端及电子设备，其中人岗适配方法，通过对目标对象与目标对象所属目标岗位的多个视角指标进行分析，确定目标对象的对象综合素质特征和目标岗位的岗位综合职能特征这一中间结果，并利用预设人岗适配模型计算该中间结果的空间向量匹配度和欧式距离匹配度的方式，确定目标对象和目标岗位的适配结果。这样，可以在不依赖于主观性评估的前提下，实现员工与岗位的适配度测量目的，完成具备客观性、完备性和系统性的匹配度综合分析，从而大幅提高了员工与岗位的适配度测量结果的准确性和可靠性。