一种网络运维人员画像生成方法和系统

本发明涉及互联网，特别涉及一种网络运维人员画像生成方法和系统。

背景技术：

1、网络运维是指为保障通信网络与业务正常、安全、有效运行而采取的生产组织管理活动，简称运维管理。负责维护并确保整个服务的高可用性,同时不断优化系统架构提升部署效率。网络运维工作包括日常工作管理、设备管理、信息安全管理、应用/服务管理、业务管理、资源资产管理等。日常工作管理主要用于规范和明确运维人员的岗位职责和工作安排、提供绩效考核量化依据、提供解决经验与知识的积累。目前网络运维人员的员工画像技术主要基于静态数据，如员工学历、工作经历等，因而提取的特征也是静态特征，最终产生的也是静态模型和静态画像。上述静态的画像无法准确展示运维人员的特征。

技术实现思路

1、本发明其中一个发明目的在于提供一种网络运维人员画像生成方法和系统，所述方法和系统对运维人员的员工资历、出勤、日常运维和异常处理等多维度数据动态获取，并根据所述多维度动态数据进行相关的数据处理，最终根据所述数据处理后的多维度动态数据进行运维人员画像的生成，从而可以实现对运维人员进行动态监管，进而可以实现对运维人员提供动态的量化绩效考核依据。

2、本发明另一个发明目的在于提供一种网络运维人员画像生成方法和系统，所述方法和系统通过smote过采样算法、pca降维算法构建运维人员的行为能力模型，根据所述运维人员的行为能力数据进行聚类分析，得到每一运维人员的聚类标签，进一步根据所述聚类标签进行行为和能力的分类，用于构建画像，并根据每个标签的相关数值进行对应画像的可视化展示，从而提高运维人员画像的展示丰富度。

3、本发明另一个发明目的在于提供一种网络运维人员画像生成方法和系统，所述方法和系统将从员工的日常工作数据中抽取员工能力和行为相关的数据构建样本矩阵，并对所述样本矩阵进行数据降维，根据数据的自身所属的业务或者属性进行分类得到行为标签和能力标签，进一步根据行为标签和能力标签的相关数据进行处理以可视化动态展示运维人员自身的画像特征。

4、为了实现至少一个上述发明目的，本发明进一步提供一种网络运维人员画像生成方法，所述方法包括：

5、动态获取运维人员的包括日常工作数据；将所述日常工作数据进行数据预处理；

6、将数据预处理后的运维人员日常工作数据进行数据抽取，得到运维人员行为和能力相关的第一数据集，所述第一数据集包括运维人员数据标签和对应数据值；

7、将所述第一数据集转化为样本矩阵，预设字段属性和字段所属的业务，根据所述字段属性和所属业务将所述样本矩阵降维归类为预设画像的不同维度；

8、获取每一维度的所有标签数值，根据所述标签数值在运维人员对应画像维度上可视化显示。

9、根据本发明其中一个较佳实施例，所述数据抽取方法包括：抽取运维人员日常数据中的动态数据和静态数据，其中所述动态数据包括：运维工单响应时间、重点故障信号响应时间、场景处理流程、抢修单填报时间、发现问题次数、处置问题速度、处置问题次数；其中所述静态数据包括：员工年龄、职称、岗位和考核数据，在抽取到上述动态数据和静态数据后，对每一类数据进行标签赋于得到所述第一数据集。

10、根据本发明另一个较佳实施例，所述数据预处理方法包括：获取所述运维人员的日常工作数据后，采用smote过采样算法对少数类数据进行扩充，所述smote过采样算法包括：识别所述日常工作数据中的少数类数据x，其中计算所述少数类数据的其中一个样本点x和其它少数类样本点的距离，得到最近的k个邻近样本点，预先设置采样比例，对每一个样本点从所述对应k个邻近样本点中随机抽取xn个邻近样本点，根据所述xn个邻近样本点和原少数类数据x计算新的少数类扩充数据集。

11、根据本发明另一个较佳实施例，在获取所述少数类样本集中的xn个邻近样本点后进行如下公式计算少数类数据扩充样本点yn：yn＝x+rand(0,1)*(xn-x)，将所述少数类数据扩充样本点yn和少数类数据x组合形成少数类数据集yn+x，完成所有的少数类数据集的smote过采样算法后完成数据预处理操作。

12、根据本发明另一个较佳实施例，所述运维人员标签包括一级标签和二级标签，其中所述一级标签包括员工资历、异常处理、日常运维和出勤率，其中所述一级标签为分类标签，所述二级标签为静态数据和动态数据的数据标签，对每个数据标签按照pca降维算法进行归类，得到对应一级标签下的二级标签类型和数据。

13、根据本发明另一个较佳实施例，所述pca降维算法包括：将所述二级标签数值作为pca降维算法的变量因子，将所述变量因子构建成样本矩阵，计算样本矩阵的协差阵，根据所述协差阵得到每个变量因子的特征向量，并对所述特征向量进行主成分分析，根据特征向量主成分的贡献率进行归类，进而将对应的二级标签归类到对应的一级标签中。

14、根据本发明另一个较佳实施例，在完成所述二级标签的归类后，根据所述所述二级标签数值对一级标签的主成分贡献率进行权重赋值，贡献率越高则对应的权重越高，对获取的二级标签数值加权求和的方式计算所述一级标签对应的画像数值。

15、根据本发明另一个较佳实施例，对所述二级标签数值进行归一化处理，在完成归一化处理后对所述二级标签数值进行主成分分析，将对应的二级标签按照主成分分析归类到所述一级标签中。

16、为了实现至少一个上述发明目的，本发明进一步提供一种网络运维人员画像生成系统，所述系统执行上述一种网络运维人员画像生成方法。

17、本发明进一步提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述一种网络运维人员画像生成方法。

技术特征：

1.一种网络运维人员画像生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种网络运维人员画像生成方法，其特征在于，所述数据抽取方法包括：抽取运维人员日常数据中的动态数据和静态数据，其中所述动态数据包括：运维工单响应时间、重点故障信号响应时间、场景处理流程、抢修单填报时间、发现问题次数、处置问题速度、处置问题次数；其中所述静态数据包括：员工年龄、职称、岗位和考核数据，在抽取到上述动态数据和静态数据后，对每一类数据进行标签赋于得到所述第一数据集。

3.根据权利要求1所述的一种网络运维人员画像生成方法，其特征在于，所述数据预处理方法包括：获取所述运维人员的日常工作数据后，采用smote过采样算法对少数类数据进行扩充，所述smote过采样算法包括：识别所述日常工作数据中的少数类数据x，其中计算所述少数类数据的其中一个样本点x和其它少数类样本点的距离，得到最近的k个邻近样本点，预先设置采样比例，对每一个样本点从所述对应k个邻近样本点中随机抽取xn个邻近样本点，根据所述xn个邻近样本点和原少数类数据x计算新的少数类扩充数据集。

4.根据权利要求3所述的一种网络运维人员画像生成方法，其特征在于，在获取所述少数类样本集中的xn个邻近样本点后进行如下公式计算少数类数据扩充样本点yn：yn＝x+rand(0,1)*(xn-x)，将所述少数类数据扩充样本点yn和少数类数据x组合形成少数类数据集yn+x，完成所有的少数类数据集的smote过采样算法后完成数据预处理操作。

5.根据权利要求1所述的一种网络运维人员画像生成方法，其特征在于，所述运维人员标签包括一级标签和二级标签，其中所述一级标签包括员工资历、异常处理、日常运维和出勤率，其中所述一级标签为分类标签，所述二级标签为静态数据和动态数据的数据标签，对每个数据标签按照pca降维算法进行归类，得到对应一级标签下的二级标签类型和数据。

6.根据权利要求5所述的一种网络运维人员画像生成方法，其特征在于，所述pca降维算法包括：将所述二级标签数值作为pca降维算法的变量因子，将所述变量因子构建成样本矩阵，计算样本矩阵的协差阵，根据所述协差阵得到每个变量因子的特征向量，并对所述特征向量进行主成分分析，根据特征向量主成分的贡献率进行归类，进而将对应的二级标签归类到对应的一级标签中。

7.根据权利要求6所述的一种网络运维人员画像生成方法，其特征在于，在完成所述二级标签的归类后，根据所述所述二级标签数值对一级标签的主成分贡献率进行权重赋值，贡献率越高则对应的权重越高，对获取的二级标签数值加权求和的方式计算所述一级标签对应的画像数值。

8.根据权利要求6所述的一种网络运维人员画像生成方法，其特征在于，对所述二级标签数值进行归一化处理，在完成归一化处理后对所述二级标签数值进行主成分分析，将对应的二级标签按照主成分分析归类到所述一级标签中。

9.一种网络运维人员画像生成系统，其特征在于，所述系统执行上述权利要求1-8中任意一项所述的一种网络运维人员画像生成方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述权利要求1-8中任意一项所述的一种网络运维人员画像生成方法。

技术总结
本发明提供了一种网络运维人员画像生成方法和系统，所述方法包括：动态获取运维人员的日常工作数据，将所述日常工作数据进行数据预处理；将数据预处理后的运维人员日常工作数据进行数据抽取，得到运维人员行为和能力相关的第一数据集，所述第一数据集包括运维人员数据标签和对应数据值；将所述第一数据集转化为样本矩阵，预设字段属性和字段所属的业务，根据所述字段属性和所属业务将所述样本矩阵降维归类为预设画像的不同维度；获取每一维度的所有标签数值，根据所述标签数值在运维人员对应画像维度上可视化显示。

技术研发人员：郑珺,王雪梅,陈莉
受保护的技术使用者：浙江传媒学院桐乡研究院有限公司
技术研发日：
技术公布日：2024/5/19