原文链接：http://tecdat.cn

“

各公司信息科技的建设离不开三方科技公司的参加，而三方科技公司提供的开发人员能力高下不一，为提前辨认高素质人员、进步后续工作效率，本文通过对现有人员根本状况、缺勤状况、人员能力评分进行剖析，构建相干模型，达到初选的目标。

”

要点提醒

本文对现有三方科技公司人员能力评分数据进行数据分析，提炼外围人员特色，对标签化流程、建模流程等工作流程中的分项工作进行论述。

主题一

三方科技人员各维度能力评分关系

为了剖析两两定量工作能力评分之间的趋势，咱们将各个维度的定量变量配对，理解这些配对之间的关系。咱们有两个对应于两个不同总体评级的定量工作能力变量，并心愿通过线连接成对的数据点，来查看不同定性评估的三方科技人员之间的差别。

图一 

咱们将在每个样本的 工作效率、工作品质和 工作态度之间制作散点图，并将来自同一工作我的项目、组别的样本用线连接起来。咱们按评级对数据点进行了着色。咱们能够看到，对于评级较高的样本，各个维度的评分较高。还要留神，优良评级的数据与个别评级的人员工作能力大不相同。通过箭头连贯同组的样本点。箭头能够帮忙咱们更分明地理解随评级工作能力变动的方向。如测试工具建设组优良人员和个别人员的差异次要在工作效率评分上。专项组优良人员和个别人员的差异次要在工作态度评分上。

主题二

三方科技人员各维度能力评级关系

咱们对评分的散布可视化。构建评分流动图，在本文中，咱们抉择工作能力评级为源，工作事项、组别被选为指标，各维度评分被选为值。

图二 

能够看到大多数三方科技人员的工作态度和工作品质的评分是优良，然而工作效率评分较低。三方科技人员工作效率有待进步。

工作效率优良的三方人员中，87% 工作态度优良，75% 工作品质优良。

从总评分（定性评估）来看，数据库治理运维、基础设施治理和资产治理三方人员是评分最高的前三名。

保理信贷反洗钱、治理组、零售业务和汽金乘用车组的优良人员比例较低，其中零售业务组的优良人员比例最低。

主题三

三方科技人员各维度能力聚类

为了从数据的聚类中提取更多有用的见解，依据所做的聚类来评估两个特色之间的趋势。在聚类后果上创立散点图是一种常见的做法，能够直观地验证聚类的品质和它们的决策边界。咱们剖析三方科技人员的工作效率、工作态度和工作品质之间的聚类趋势。

先采纳零碎聚类法对各指标进行聚类分析，把指标聚为肯定数目的类，而后抉择每一类中的代表指标作为指标，按相关系数的平方来抉择代表性的指标。用零碎聚类分析法进行聚类，确定类与类之间间隔时，采纳了最长距离法、最短距离法、类均匀间隔法、Ward’S 法, 以类均匀间隔法最为持重，计算间隔用计算相关系数 (Pearson correlation)。

图三

咱们能够看到，K-means 发现了四个群组。聚类的视觉体现证实了 4 个聚类的后果，能够认为聚类性能比拟好，聚类只有轻微的重叠，而且聚类的调配比随机的要好得多。请留神，对于所有的三方科技人员样本来说，他们的工作效率、品质和态度之间仿佛都存在着线性关系。总的来说，你能够说聚类后果充沛代表了不同工作评级的样本，因为第一类红色样本（最优类别）大多散布在每个维度的右上方，第四类（不合格类别）大多散布在每个维度的左下方。聚类的群组代表了理论评级之间的对应关系。

这种类型的信息对心愿针对特定三方科技人员评估的公司十分有用。例如，如果大多数 UI 组工作品质评分参差不齐，效率评分较高而态度评分较低，公司就能够通过提前辨认高素质人员、进步后续工作效率。