基于区域分析的人才流动评价方法、存储介质及电子设备与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及人才分析技术领域，尤其涉及一种基于区域分析的人才流动评价方法、存储介质及电子设备。背景技术：2.人才引进是我国发展战略中的重要一环，如果能提供对人才迁移因素的准确分析，就能帮助企业用更小的成本，更少的时间引进合适的人才，促进地方产业经济社会发展。3.因此对相关人才信息的分析处理对地方经济社会的建设来说具有很重要的参考意义。原始的人才信息处理方法一般包括：1、收集个人信息，进行建库；2、对人才的流向进行统计，并发布调查问卷； 3、对调查问卷的结果组合分析，给出分析报告。这种方法要求人工进行分析，耗费时间长并且依赖于工作人员的经验，无法保证准确的分析结果。4.公开号为cn110610267b的发明专利“人才信息的处理方法及装置、计算机存储介质、电子设备”提出了一种可提高预测效率和预测准确性，但其并未针对人才的学历进行切实的分析，而学历作为人才的重要凭证，在很大程度上与其能力有重大的关联。因此为了提高人才流动分析的科学性，如何开发一种能够结合学历对人才流动进行评价是亟待解决的难题之一。技术实现要素：5.为了解决背景技术中提到的至少一个技术问题，本发明的目的在于提供一种基于区域分析的人才流动评价方法、存储介质及电子设备，能够结合人才的学历对本地的人才流动情况进行评价分析，使得人才流动情况的评价结果更准确，更符合本地的需求，便于制定后期的人才引入方针。6.为实现上述目的，本发明提供如下技术方案：7.一种基于区域分析的人才流动评价方法，包括以下步骤：8.s1，划分本地的评价周期；9.s2，在每一个评价周期结束时，生成一次社保查询请求，查询本评价周期的社保缴费记录；10.s3，生成记录对比请求，对比本评价周期与上一评价周期的社保缴纳记录，统计本评价周期流入本地的第一人才清单和流出本地的第二人才清单；11.s4，生成人才流动评价请求，统计所述第一人才清单和第二人才清单中各个学历的人数，对不同学历的权重和对应的人数进行加权求和，得到人才流入分值和人才流出分值；以人才流入分值和人才流出分值的差值除以和值算出人才流动指数；12.s5，根据所述人才流动指数的大小评价本地的人才流动情况。13.进一步的，所述第一人才清单和第二人才清单的统计方法如下：14.对比本评价周期与上一评价周期的社保缴纳记录；15.若同一人才同时存在上一评价周期和本评价周期的社保缴纳记录，则视为该人才未发生流动；16.若同一人才仅存在本评价周期的社保缴纳记录，不存在上一评价周期的社保缴纳记录，则视为该人才在本评价周期流入本地，列入第一人才清单；17.若同一人才仅存在上一评价周期的社保缴纳记录，不存在本评价周期的社保缴纳记录，则视为该人才在本评价周期流出本地，列入第二人才清单。18.进一步的，所述不同学历的权重的初始值为博士：硕士：本科：大专：大专以下＝5：3：1：0.5：0.35。19.进一步的，所述s4中在进行加权求和之前，还对所述权重进行步长调整，具体为：20.统计上一评价周期在计算人才流入分值时各个学历的权重与对应人数的流入加权值，以及在计算人才流出分值时各个学历的权重与对应人数的流出加权值；21.并针对同一学历，将流入加权值和流出加权值做差；22.若求得的差值大于零，则在计算人才流入分值时，将对应学历的权重减小一步长，和/或在计算人才流出分值时，将对应学历的权重增大一步长；23.若求得的差值小于零，则在计算人才流入分值时，将对应学历的权重减大一步长，和/或在计算人才流出分值时，将对应学历的权重减小一步长；24.若求得的差值等于零，则在计算人才流入分值和计算人才流出分值时，对应学历的权重不变。25.进一步的，所述步长为对应权重的0.05倍。26.进一步的，在处理社保查询请求、记录对比请求、人才流动评价请求时，按照执行客户端的处理速度，将各个请求按比例分配至各个执行客户端；包括以下步骤：27.fp1，将各个请求置于消息队列中；28.fp2，初始分配，将消息队列中待处理的请求依次轮询分配给各个执行客户端；29.fp3，分配完成后，在每个执行客户端倒数第k个待处理的请求之前插入计算执行客户端处理速度的任务；30.fp4，每一执行客户端设置有一个计数器，每当一个请求处理完成，计数器进行累加一计数；31.fp5，当任一执行客户端处理至倒数第k个待处理的请求时，触发计算处理速度的任务，计算所有执行客户端处理请求的速度，同时，将其他执行客户端中的计算处理速度的任务删除；32.fp6，当任一执行客户端处理完所有的请求时，根据所有执行客户端的处理请求的速度的比例，将此时消息队列中待处理的请求进行按比例分配，并回到fp3。33.进一步的，所述执行客户端处理请求的速度的方法如下：以上一次分配的时间点至今为一个周期，统计该周期内执行客户端的处理请求的总数，该总数除以本周期的时长，即为执行客户端处理请求的速度。34.进一步的，所述s5的评价方法如下：35.若所述人才流动指数大于零，则在本评价周期内，本地处于人才流入状态；36.若所述人才流动指数小于零，则在本评价周期内，本地处于人才流出状态；37.若所述人才流动指数等于零，则在本评价周期内，本地处于人才平衡状态。38.一种终端设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述的基于区域分析的人才流动评价方法。39.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上所述的基于区域分析的人才流动评价方法。40.与现有技术相比，本发明的有益效果是：本发明结合了人才的学历对本地的人才流动情况进行评价分析，对不同学历的权重和对应的人数进行加权求和，得到人才流入分值和人才流出分值，并以人才流入分值和人才流出分值的差值除以和值算出人才流动指数用以表征本地的人才流动情况，使得人才流动情况的评价结果更准确，更符合本地的需求，便于制定后期的人才引入方针。附图说明41.图1为本发明的整体流程图。42.图2为本发明的取部分区域分配流程图。具体实施方式43.下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。44.实施例一：45.请参阅图1，本实施例提供一种基于区域分析的人才流动评价方法，包括以下步骤：46.s1，划分本地的评价周期；可以是1个月为一个评价周期。47.s2，在每一个评价周期结束时，生成一次社保查询请求，查询本评价周期的社保缴费记录；48.s3，生成记录对比请求，对比本评价周期与上一评价周期的社保缴纳记录，统计本评价周期流入本地的第一人才清单和流出本地的第二人才清单；具体的，所述第一人才清单和第二人才清单的统计方法如下：49.对比本评价周期与上一评价周期的社保缴纳记录；50.若同一人才同时存在上一评价周期和本评价周期的社保缴纳记录，则视为该人才未发生流动；51.若同一人才仅存在本评价周期的社保缴纳记录，不存在上一评价周期的社保缴纳记录，则视为该人才在本评价周期流入本地，列入第一人才清单；52.若同一人才仅存在上一评价周期的社保缴纳记录，不存在本评价周期的社保缴纳记录，则视为该人才在本评价周期流出本地，列入第二人才清单。53.s4，生成人才流动评价请求，统计所述第一人才清单和第二人才清单中各个学历的人数，对不同学历的权重和对应的人数进行加权求和，得到人才流入分值和人才流出分值；以人才流入分值和人才流出分值的差值除以和值算出人才流动指数。具体的计算公式为：54.人才流入分值＝∑(学历权重*对应的流入本地的人数)；55.人才流出分值＝∑(学历权重*对应的流出本地的人数)；56.人才流动指数＝(人才流入分值-人才流出分值)/(人才流入分值+人才流出分值)*100；57.通常来说，高学历人才更难得，并且数量也较少，因此对高学历人才更为重视，对高学历人才的权重更大，权重体现了对相应学历的人才的需求高低。较优的，所述不同学历的权重的初始值为博士：硕士：本科：大专：大专以下＝5：3：1：0.5：0.35。58.由于随着时间的推移，本地不同学历的人才数量会发生变化，导致整体社会架构亦会发生变化，因此对不同学历的人才需求也会发生变化。为了适应该社会架构的变化，在进行加权求和之前，还对所述权重进行步长调整，具体为：59.统计上一评价周期在计算人才流入分值时各个学历的权重与对应人数的流入加权值：x＝(学历权重*对应的流入本地的人数)；60.以及在计算人才流出分值时各个学历的权重与对应人数的流出加权值：y＝(学历权重*对应的流出本地的人数)61.并针对同一学历，将流入加权值和流出加权值做差(x-y)；62.然后根据所述差值的大小，可作以下三种步长调整：63.第一种：64.若求得的差值大于零，则在计算人才流入分值时，将对应学历的权重减小一步长；65.若求得的差值小于零，则在计算人才流入分值时，将对应学历的权重减大一步长；66.若求得的差值等于零，则在计算人才流入分值和计算人才流出分值时，对应学历的权重不变。67.第二种：68.若求得的差值大于零，则在计算人才流出分值时，将对应学历的权重增大一步长；69.若求得的差值小于零，则在计算人才流出分值时，将对应学历的权重减小一步长；70.若求得的差值等于零，则在计算人才流入分值和计算人才流出分值时，对应学历的权重不变。71.第三种：72.若求得的差值大于零，则在计算人才流入分值时，将对应学历的权重减小一步长，且在计算人才流出分值时，将对应学历的权重增大一步长；73.若求得的差值小于零，则在计算人才流入分值时，将对应学历的权重减大一步长，且在计算人才流出分值时，将对应学历的权重减小一步长；74.若求得的差值等于零，则在计算人才流入分值和计算人才流出分值时，对应学历的权重不变。75.通过以上的实时步长调整，可以使得计算出的人才流动指数更贴近随时变化的社会架构对于不同人才的需求，优选的，所述步长为对应权重的0.05倍。76.s5，根据所述人才流动指数的大小评价本地的人才流动情况；具体评价方法如下：77.若所述人才流动指数大于零，则在本评价周期内，本地处于人才流入状态；78.若所述人才流动指数小于零，则在本评价周期内，本地处于人才流出状态；79.若所述人才流动指数等于零，则在本评价周期内，本地处于人才平衡状态。80.以上不同人才流动情况，可以在接下来的人才引入方针，优化人才结构的过程中给工作人员以一定的参考意义，使得作出的人才引入方针更贴合本地需求。81.值得一提的是，本发明还根据人才流动指数对评价周期进行实时调整。具体的，先设定两个调整阈值，如第一阈值为10，第二阈值为30；然后计算人才流动指数的绝对值，人才流动指数的绝对值体现了本地的人才稳定情况，绝对值越小代表了本地人才越稳定，反之流出或流入本地的人才越多；作以下调整：当人才流动指数的绝对值小于第一阈值时，延长评价周期；当人才流动指数的绝对值处于第一阈值和第二阈值之间时，评价周期不变；当人才流动指数的绝对值大于第二阈值时，缩短评价周期。延长和缩短的步长可根据实际情况而定，可以是5天或10天，并且设置最短评价周期，最短缩至该最短评价周期。通过该调整，可以在人才相对稳定的情况下，减小评价的频率，减小由大量请求任务给客户端带来的负载；反之则需要增大评价的频率，以便针对人才的不稳定及时作出应对方针。82.在处理社保查询请求、记录对比请求、人才流动评价请求时，需要多台执行客户端来完成，但是由于不同执行客户端的性能、效率不同，因此需要在分配请求给执行客户端时，需要按照执行客户端的处理速度，将各个请求按比例分配至各个执行客户端，使得不同执行客户端的负载达到相对均衡。请参照图2，具体包括以下步骤：83.fp1，将各个待处理的请求置于消息队列中；84.fp2，初始分配，将消息队列中待处理的请求依次轮询分配给各个执行客户端；如包括第1至第5执行客户端，则将推送的第1个请求分配给第1执行客户端，第2个请求分配给第2执行客户端，依次类推；第6个请求分配给第1执行客户端，如此循环。该分配的方法使得每个执行客户端中待处理的请求的数量基本持平。85.fp3，分配完成后，在每个执行客户端倒数第k个待处理的请求之前插入计算执行客户端处理速度的任务；为了使计算处理速度的任务留下了充足的时间，并且使计算处理速度的样本数据尽可能大，k 优选为5。86.fp4，每一执行客户端设置有一个计数器，每当一个请求处理完成，计数器进行累加一计数，并在每一次分配时，计数器归0；87.fp5，当任一执行客户端处理至倒数第k个待处理的请求时，触发计算处理速度的任务，计算所有执行客户端处理请求的速度，所述执行客户端处理请求的速度的方法如下：以上一次分配的时间点至今为一个周期，统计该周期内执行客户端的处理请求的总数，该总数除以本周期的时长，即为执行客户端处理请求的速度。同时，将其他执行客户端中的计算处理速度的任务删除，避免计算处理速度的任务被多次触发，浪费客户端的资源；同时，若不删除其他执行客户端中的计算速度的任务，在同一分配周期内，相邻两次任务之间的时间间隔较短，甚至于不足以处理一个请求，对于计算速度是没有贡献的。88.fp6，当任一执行客户端处理完所有的请求时，根据所有执行客户端的处理请求的速度的比例，将此时消息队列中待处理的请求进行按比例分配，并回到fp3，进行下一轮分配。89.在上述分配方法中，能够大致保证执行客户端完成从第二次分配开始每一次分配的请求的时间大致相等。但这是一种很理想的情况，但是对于每一台执行客户端在上一次分配的请求实际完成的时间差并不能被消除，若随着多次分配的时间差叠加，最终可能导致时间差越来越大，执行客户端的负载均衡被彻底打破。为了解决上述问题，分配方法还可以采用另一种基于填平机制的策略：90.fp1，将各个待处理的请求置于消息队列中；91.fp2，初始分配，将消息队列中待处理的请求依次轮询分配给各个执行客户端；如包括第1至第5执行客户端，则将推送的第1个请求分配给第1执行客户端，第2个请求分配给第2执行客户端，依次类推；第6个请求分配给第1执行客户端，如此循环。该分配的方法使得每个执行客户端中待处理的请求的数量基本持平。92.fp3，分配完成后，在每个执行客户端的第1个待处理的请求之前插入计时器，并在所有待处理的请求的正中间依次插入计时任务和计算处理速度的任务；这里的插入位置选在正中间是为了保证计时任务和计算处理速度的任务出现在在每一个分配节点，能够被执行到。93.fp4，每一执行客户端设置有一个计数器，每当一个请求处理完成，计数器进行累加一计数，并在每一次分配时，计数器归0；94.fp5，当每一执行客户端处理至待处理的请求的正中间时，先触发计时任务，记录下每一台执行客户端执行本周期内一半待处理的请求的计时时长；然后每一执行客户端触发计算处理速度的任务，计算所有执行客户端在最近一个分配节点至今处理请求的速度，该速度等于每一个执行客户端的计数器计数除以所述计时时长。95.fp6，当任一执行客户端处理完所有的请求时，先根据每一台的执行客户端执行本周期内一半待处理的请求的计时时长进行填平，具体的，选取多台执行客户端的计时时长的最大值作为参考值，然后计算每一台执行客户端的计时时长与该参考值的差值乘以对应的执行客户端的处理请求的速度作为该台执行服务器需要填平的数量；然后从消息队列中优先抓取对应数量的请求分配至每一台执行客户端中实现填平；最后再根据所有执行客户端的处理请求的速度的比例，将此时消息队列中剩余的待处理的请求进行按比例分配，并回到fp3，进行下一轮分配。96.通过以上填平机制，可以消除每一台执行客户端在上一次分配的请求实际完成的时间差，避免了因为执行客户端在每一次分配后具体执行时的时间差累加最终达到均衡被打破的现象发生。97.实施例二：98.一种终端设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如实施例一所述的基于区域分析的人才流动评价方法。99.实施例三：100.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如实施例二所述的基于区域分析的人才流动评价方法。101.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!