一种员工离职倾向检测方法技术

本发明专利技术公开了一种员工离职倾向检测方法，要解决的是现有离职倾向判断中存在的问题。本发明专利技术具体步骤如下：步骤一，采集员工的原始数据；步骤二，对原始数据进行整合并且采用UEBA方法（用户及实体行为分析方法）构建内部特征，建立威胁模型；步骤三，根据威胁模型和原始数据建立用户画像体系和团体群体分析体系，即可判断出是否存在威胁或者正常，如果判断结果为存在威胁或者异常，则输出警告信息给人力资源管理，如果判断结果为不存在威胁或者异常，则不工作。本发明专利技术运用OA系统数据等各种内网数据，搭建内部员工行为分析方法，及时发现员工的工作情绪和态度的变化，从而分析判断员工的离职倾向性，能做到人才和资产的及时止损，应用前景广阔。

A test method of employee turnover intention

【技术实现步骤摘要】
一种员工离职倾向检测方法
本专利技术涉及员工离职倾向检测领域，具体是一种员工离职倾向检测方法。
技术介绍
员工的正常流动无疑会给社会经济带来增加企业活力、激励人才竞争、促进人力资源合理配置等方面的积极影响，但同时，就企业来说，人才的流失、员工忠诚的下降，又会给经营发展战略、企业形象造成重大的损失，有时甚至会产生灾难性的后果。员工的流失对于企业来说是不可避免的，对于已经要发生的员工离职，企业所能做的工作就是尽可能的减少员工离职给工作带来的负面影响。人力资源管理在萌芽阶段，企业已经开始构建人力资源平台，这一平台在早期可能由企业内部IT人员负责搭建，也可能是在外部市场购买的人力资源管理软件。这一阶段数据化构建已经初具规模，对于人事流程也已经开始固化，能够利用软件进行一些诸如离职率，入职率，员工流动率等的数据分析。在发展阶段，企业更加重视数据的完整性，及时性和有效性。有完整的人力资源信息化平台，包含了组织、人事、薪酬、考勤、绩效、招聘、培训等人力资源模块。并且能够依托于企业的信息化平台，进行复杂数据的分析和流程优化。但还不能有完整的业务数据分析模型，还不能够基于数据预测企业隐藏的风险。员工的离职在人力资源部也往往后知后觉，他们仅靠员工之间的相处、请假频率、领导捕风捉影来判断员工的工作状态，根据入职时间及员工年龄、家庭等因素判断员工是否有离职倾向，更甚的是当企业之间竞争激烈，公司往往不能及时发现被“挖墙脚”流失掉的批量人才，如某公司销售总监跳槽带走一批销售骨干，不仅影响本公司业务销售能力，也往往流失了大批潜在的客户资源，得不偿失。这时数据化人力资源已经是近年来的大热话题，在传统的人力资源策略中，HR更多依赖直觉或过往管理实践；而在当今这个商业形态、科学技术与劳动力概况都发生巨大变化的情况下，过往的经验或个人直觉的作用日益弱化，这种方法使得人力资源管理往往需要花费掉大量的人力物力来做一些捕风捉影的事情，这种做法不能及时地为公司止住损失，也不能及时挽留人才，同时若作出误判，还会导致公司氛围差、同事关系紧张，更有甚者在离职期间利用职务之便做出有损集体利益的事情还能逍遥法外，令经营者头痛。
技术实现思路
本专利技术实施例的目的在于提供一种员工离职倾向检测方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术实施例提供如下技术方案：一种员工离职倾向检测方法，具体步骤如下：步骤一，采集员工的原始数据；步骤二，对原始数据进行整合并且采用UEBA方法(用户及实体行为分析方法)构建内部特征，建立威胁模型；步骤三，根据威胁模型和原始数据建立用户画像体系和团体群体分析体系，即可判断出是否存在威胁或者异常，如果判断结果为存在威胁或者异常，则输出警告信息给人力资源管理，如果判断结果为不存在威胁或者正常，则不工作。作为本专利技术实施例进一步的方案：原始数据包括OA系统数据、流量日志和数据库日志。作为本专利技术实施例进一步的方案：OA系统数据包括设备ID、服务器ID、签到信息、签退信息、年假时长、年假剩余时长、事假时长、病假时长、婚假时长、(陪)产假时长、调休时长、丧假时长、外出申请时长、OA在线时长、待办事件发起时间、协同工作开始时间、协同工作结束时间、待办事件结束时间、个人博客数、个人知识社区更新时间、公司公告发起时间、公司公告阅读时间、公司共享空间活跃次数、公司首页新闻阅读次数、公司内部调查问卷响应次数、报工更新时间、报工更新次数、员工信息完整程度、员工信息等。作为本专利技术实施例进一步的方案：流量日志包括远程的VPN(虚拟专用网络)日志和堡垒机日志。作为本专利技术实施例进一步的方案：威胁模型包括触发事件、攻击者特征、攻击特征以及组织特征。作为本专利技术实施例进一步的方案：用户画像体系包括用户自然特征、用户兴趣特征、用户社会特征、用户消费特征、用户工作特征和用户访问时间段特征。作为本专利技术实施例进一步的方案：采用无监督式的BIRCH分类算法建立团体群体分析体系，此算法无需标签的导入学习，是利用层次关系来聚类和规约数据的，该算法聚类速度极快并且可以识别噪音点，还可以对数据进行初步分类的预处理。与现有技术相比，本专利技术实施例的有益效果是：本专利技术能在员工的日常行为中，运用大数据等信息挖掘出员工的所思所想，不仅能提升人力资源人员的工作效率，还能提升员工的工作幸福感及企业文化认同感；本专利技术运用OA系统数据等各种内网数据，如在职员工的工作任期、员工调查、沟通模式甚至性格测试等一系列数据，搭建内部员工行为分析方法，及时发现员工的工作情绪和态度的变化，从而分析判断员工的离职倾向性，能做到人才和资产的及时止损，应用前景广阔。附图说明图1为员工离职倾向检测方法的流程图。具体实施方式下面结合具体实施方式对本专利的技术方案作进一步详细地说明。实施例1一种员工离职倾向检测方法，具体步骤如下：步骤一，采集员工的原始数据，原始数据包括OA系统数据、流量日志和数据库日志，OA系统数据包括设备ID、服务器ID、签到信息、签退信息、年假时长、年假剩余时长、事假时长、病假时长、婚假时长、(陪)产假时长、调休时长、丧假时长、外出申请时长、OA在线时长、待办事件发起时间、协同工作开始时间、协同工作结束时间、待办事件结束时间、个人博客数、个人知识社区更新时间、公司公告发起时间、公司公告阅读时间、公司共享空间活跃次数、公司首页新闻阅读次数、公司内部调查问卷响应次数、报工更新时间、报工更新次数、员工信息完整程度、员工信息等，流量日志包括远程的VPN(虚拟专用网络)日志和堡垒机日志；步骤二，对原始数据进行整合并且采用UEBA方法(用户及实体行为分析方法)构建内部特征，建立威胁模型，威胁模型包括触发事件、攻击者特征、攻击特征以及组织特征；步骤三，根据威胁模型和原始数据建立用户画像体系和团体群体分析体系，即可判断出是否存在威胁或者异常，如果判断结果为存在威胁或者异常，则输出警告信息给人力资源管理，如果判断结果为不存在威胁或者正常，则不工作。本专利技术利用UEBA的思路提出威胁模型的雏形，以威胁出现来判断员工的离职倾向，不仅能及时发现资产的损失，还能预判员工的动向；以员工个人行为和同组行为相结合来做双重判断，对结果的准确性和可解释性有裨益。实施例2一种员工离职倾向检测方法，具体步骤如下：第一，采集员工的原始数据，原始数据包括OA系统数据、流量日志和数据库日志，OA系统数据包括设备ID、服务器ID、操作系统、sdk版本(sdkversion)、签到信息、签退信息、年假时长、年假剩余时长、事假时长、病假时长、婚假时长、(陪)产假时长、调休时长、丧假时长、外出申请时长、OA在线时长、待办事件发起时间、协同工作开始时间、协同工作结束时间、待办事件结束时间、个人博客数、个人知识社区更新时间、公司公告发起时间、公司公告阅读时间、公司共享空间活跃次数、公司首页新闻阅读次数、公司内部调查问卷响应次数、报本文档来自技高网...

【技术保护点】
1.一种员工离职倾向检测方法，其特征在于，具体步骤如下：/n步骤一，采集员工的原始数据；/n步骤二，对原始数据进行整合并且采用UEBA方法（用户及实体行为分析方法）构建内部特征，建立威胁模型；/n步骤三，根据威胁模型和原始数据建立用户画像体系和团体群体分析体系，即可判断出是否存在威胁或者异常，如果判断结果为存在威胁或者异常，则输出警告信息给人力资源管理，如果判断结果为不存在威胁或者正常，则不工作。/n

【技术特征摘要】
1.一种员工离职倾向检测方法，其特征在于，具体步骤如下：
步骤一，采集员工的原始数据；
步骤二，对原始数据进行整合并且采用UEBA方法（用户及实体行为分析方法）构建内部特征，建立威胁模型；
步骤三，根据威胁模型和原始数据建立用户画像体系和团体群体分析体系，即可判断出是否存在威胁或者异常，如果判断结果为存在威胁或者异常，则输出警告信息给人力资源管理，如果判断结果为不存在威胁或者正常，则不工作。


2.根据权利要求1所述的员工离职倾向检测方法，其特征在于，所述原始数据包括OA系统数据、流量日志和数据库日志。


3.根据权利要求2所述的员工离职倾向检测方法，其特征在于，所述OA系统数据包括设备ID、服务器ID、签...

【专利技术属性】
技术研发人员：汲丽，魏国富，葛胜利，钱沁莹，
申请(专利权)人：上海观安信息技术股份有限公司，
类型：发明
国别省市：上海;31