[0001] 本发明涉及推荐技术领域，尤其涉及一种基于历史处理数据的人员处理能力刻画方法。

[0002] 地区积累了大量的历史事件数据，这些历史事件数据蕴含了事件及人员处理知识。这些知识能够支持人员信息的检索和分析功能，可以根据人员检索并显示其相关的办
理事件信息，但是不能清晰地给出人员的处理能力画像及可视化表达方法。因此在进行事
件分配的时候，事件管理人员无法根据人员的处理能力来进行分配事件。为了实现人员与
事件最优匹配，最大化发挥人员处理能力，需要有一种基于历史处理数据对人员的各方面
处理能力进行智能分析的方法，并以可视化方式进行直观表达。

[0049] 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

[0050] 一种基于历史处理数据的人员处理能力刻画方法，如图1所示，包括以下步骤：

[0051] 步骤1：对历史处理数据进行预处理，提取所有人员得到人员集合，获得其中每个人员的历史办理事件集合，办理的历史事件类别集合，历史事件移送事件原由集合；

[0052] 本实施例通过应用示范地区提供的API数据接口，定时获取数据并保存在历史事件数据库，如图2所示，其中历史事件数据包括：事件基本信息表、人员编码表、事件类别编码表、部门业务分配表、人员角色分配表、业务编码表、单位编码表、事件基本信息表、事件目录表、事件财物信息表、事件财物鉴定信息表、受理日志表、移送事件日志表、移送事件人员记录表。本实施例中使用了一定连续时间段的所有事件数据，共计33076件。

[0053] 步骤2：根据每个人员的历史处理事件集合，历史事件类型集合，历史处理移送事件原由集合，分别计算人员的自然信息，处理数量，处理质量，处理效率，处理效果五个维度处理能力得分；

[0054] 所述人员处理数量，处理质量，处理效率，处理效果得分，基于历史处理数据，以及事件的工作量，分别从定量、比例和分布三个指标体系进行计算。如图3所示，即是五个维度，三个指标体系刻画人员处理能力。

[0055] 步骤2.1：从采集的历史处理数据中提取事件承办人员的学历、工作年限、当前职务三项自然信息，进行Label‑encode转换为标签编码，然后计算人员自然信息得分：

[0056] CInformation＝Qacademic+Yyears+Pposition

[0057] 其中Qacademic表示人员学历编码，Yyears表示人员工作年限，Pposition表示人员当前职务。

[0058] 步骤2.2：基于人员的历史处理事件集合，历史处理事件类型集合，历史处理移送事件原由集合，分别从定量、比例和分布三个指标计算人员处理数量能力得分：

[0059] 所述定量指标为：CQuantity_q＝n事件数+n事件类别数+n事件原由数；

[0060] 所述比例指标为：

[0061] 所述分布指标为：CQuantity_d＝∑ntop_3类别事件数+∑ntop_3事件原由事件数；

[0062] 则处理数量能力为：CQuantity＝CQuantity_q*CQuantity_r+CQuantity_d；

[0063] 其中Suma、Suml、Sumr分别表示人员所在地办理的事件总数，事件类别总数，事件原由总数；n事件数、n事件类别数、n事件原由数分别表示当前人员所办理的事件总数，事件类别数，事件原由数。

[0064] 步骤2.3：基于历史办理事件集合，历史处理事件类别集合，历史处理移送事件原由集合，分别从定量、比例和分布指标计算人员处理质量能力得分：

[0065] 定量指标：CQuality_q＝n一退事件数+n一退事件原由数+n二退事件数+n二退事件原由数[0066] 比率指标：

[0067] 分布指标：CQuality_d＝∑ntop_3事件原由一退事件数+∑ntop_3事件原由二退事件数[0068] 处理质量能力：CQuality＝CQuality_q*CQuality_r+CQuality_d

[0069] 其中Simre_a1，Sumre_r1，Sumre_a2，Sumre_r2分别表示人员所在地办理的事件一退事件总数，一退事件原由总数，二退事件总数，二退事件原由总数。

[0070] 其中n一退事件数，n一退事件原由数，n二退事件数，n二退事件原由数分别表示当前人员办理一退事件数，一退事件原由数，二退事件数，二退事件原由数；ntop_3事件原由一退事件数， ntop_3事件原由二退事件数分别表示top‑3事件原由下一退事件数，top‑3事件原由下二退事件数。

[0071] 步骤2.4：基于历史办理事件集合，历史处理事件类别集合，历史处理移送事件原由集合，分别从定量、比例和分布指标计算人员处理效率能力：

[0072] 定量指标：CEffect_q＝t平均处理时长+t月均处理时长+t年均处理时长

[0073] 比率指标：

[0074] 分布指标：CEffect_d＝∑ntop_3类型处理时长+∑ntop_3事件原由处理时长

[0075] 处理效率能力：CEffect＝CEffect_q*CEffect_r+CEffect_d

[0076] 其中Sumt_d，Sumt_m，Sumt_y分别表示人员所在地办理的平均处理时长总数，月均处理时长总数，年均处理时长总数。

[0077] 其中t平均处理时长，t月均处理时长，t年均处理时长分别表示当前人员平均处理时长，月均处理时长，年均处理时长。ntop_3类型处理时长，ntop_3事件原由处理时长分别表示top‑3事件类型下处理总时长，top‑3移送事件原由下处理总时长。

[0078] 步骤2.5：基于历史办理事件集合，历史处理事件类别集合，历史处理移送事件原由集合，分别从定量、比例和分布指标计算人员处理效果能力：

[0079] 定量指标：CEfficiency_q＝n延期事件数+n延期事件原由数

[0080] 比率指标：

[0081] 分布指标：CEfficiency_d＝∑ntop_3事件原由延期事件数

[0082] 处理效果指标：CEfficiency＝CEfficiency_q*CEfficiency_r+CEfficiency_d

[0083] 其中Sumex_a1,Sumex_r1分别表示人员所在地办理的延期事件总数和延期事件事件原由总数。

[0084] 其中n延期事件数，n延期事件原由数，ntop_3事件原由延期事件数表示当前人员办理延期事件数，延期移送事件原由数，top‑3延期的移送事件原由数。

[0085] 步骤3：将每个人员的五个维度得分归一化到1‑100之间，并调整数据分布情况；

[0086] 所述归一化将0‑100之间划分成5个区间，通过每个区间的上下限，对应到区间的人员能力评分最大值，最小值，求得最终归一化之后的值：

[0087]

[0088] 其中C′表示经过标准归一化后的人员五个维度处理能力评分，C表示人员原始五个维度处理能力评分，Imax表示对应区间的上限，Imin表示对应区间的下限，Rmax表示人员在该区间的最大评分，Rmin表示在该区间的最小评分。

[0089] 步骤4：将归一化后的自然信息、处理数量、处理质量、处理效率、处理效果的评分，利用可视化工具中绘制人员多维处理能力雷达图进行显示，实现与人员所在地的平均水平进行对比。

[0090] 本实施例中本专利提出的事件智能分配方法通过某地级地区，以及下属的2个区地区的总共1364条事件数据进行测试，计算承办人员的多维处理能力，并通过雷达图展示
人员的处理能力，测试结果如图4所示。

[0091] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可
以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同
替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范
围。