共计 4648 个字符，预计需要花费 12 分钟才能阅读完成。
作者 | 胡豫陇
清华大学博士后
方云智能团队核心成员，AI 算法利用专家
方云开创团队具备深厚技术研发和企业治理教训，依靠长期行业积攒和对数字化产业的深刻理解，以数字化形式评估研发团队，驱动企业精确度量研发组织及集体的工作效力，正当调配研发资源。帮忙技术决策者准确测评研发组织绩效（便于向上汇报、平级沟通）和集体绩效（便于向下治理）。回顾 2020 年度，咱们在数据分析方面，基于理论用户数据做了大量尝试，获得了显著功效，并将研究成果转化为理论利用，深度晋升了产品能力。
（一）算法钻研过程
算法钻研的根底是数据，无论是基于数学和教训常识的建模剖析，还是基于统计学和机器学习的数据分析，都须要依靠数据来发展。
算法钻研的第一步，咱们建设了自主的数据指标体系，并在这个指标体系根底上，发展后续的钻研。指标体系由三级指标组成，一级为最根底元数据，二级指标由一级指标计算失去、三级指标由二级指标和一级指标计算失去。一般来说，高级指标具备更高的信息密度，在进行信息表征时，也可能实现更加深度的信息传播成果。但另一方面，数据分析时并不是抉择的高级指标越多，越有成果。而是要依据具体场景和算法要求，抉择必要的各级指标，能力达到所需的剖析成果。例如在 kmeans 算法中，低级别指标反而具备更好的分类成果，而在 SVM 算法中，则须要高级别指标。
钻研的第二步，Kmeans。咱们鉴于元数据收集较为残缺，同时数据量不是很大的状况，联合 sklearn 的算法抉择疏导图，抉择了 Kmeans 算法对员工的行为数据进行无监督学习聚类。
在抉择了若干根底指标数据的同时，咱们引入 RFM 思维，将员工在指定周期内的工作新鲜度（R）、工作频次（F）和工作量（M）也作为聚类指标，一并用于算法聚类，获得了非常显著的分类成果。这里的外围在于咱们不仅通过根底指标评估了员工的工作后果数据，还通过 RFM 办法评估了员工的工作过程数据。将这两类数据相结合做出的聚类，可能很好的对员工进行分类表征。分类后果的解读能够间接依据指标的含意进行解释。
钻研第三步，SVM。在聚类获得了较好的成果的根底上，咱们认为数据品质是牢靠的，这相当于咱们有了很好的主观数据集，在此基础上，咱们提出由企业管理者对员工的体现进行打分，造成 Label，这样咱们就失去了监督学习的训练集，从而能够对员工行为进行监督学习下的预测。这项工作咱们进行了多种尝试，并最终通过特色工程，选取了最为无效的 15 个指标，来作为员工行为的表征指标。
这里咱们回顾一下钻研的历程，以作为当前钻研的教训参考。SVM 最后剖析时，咱们抉择了多于 60 个指标进行监督学习，然而学习效果并不好，类别间的区分度很低，这次要是因为过多的指标导致 SVM 算法无奈分明地寻找到类别间的界限。所以咱们通过一些特色工程的办法，来进行降维。首先通过 pearson 相关度剖析，咱们将大量的指标依据关联度，分为了 24 类，每一类中的指标都具备高度的相关性。因而能够在每一类指标中选出一个最具代表性的指标。这个选取过程由咱们钻研团队依据理论状况，抉择了最具代表性的 24 个指标。其次，24 个指标做 SVM 仍然过多，咱们用 RFE 算法来判断哪些指标对学习准确率影响最大，从而来选出最无效的那些指标。RFE 过程中，咱们应用 Lasso、Ridge、Logistic、RFClassifier、linerSVM 这 5 种算法来作为筛选器，别离失去每一种算法下最无效的特色，进而，咱们选取那些被更多算法视为“无效”的特色，例如工作均匀实现时长，在 5 种筛选器种都被认为无效，那么这个特色对于咱们做监督学习，就是一个很好的特色。
此外，特色筛选还应思考一个问题，那就是筛选器和分类器是否要具备雷同的算法范式。例如，如果分类筹备用 SVM，那么筛选器待业要选 SVM 类的。这样能力保障筛选进去的特色，在对应的分类算法下是最为无效的。
钻研第四步，数据分布拟合。尽管在前三步钻研中咱们获得了肯定的功效，但通过认真测验已有的数据咱们发现数据依然存在两方面问题，一是一些数据还是会存在漏填、错填的问题，这属于数据谬误问题。二是在填报比拟残缺的数据中，存在一些极值数据，这些数据并不一定是谬误数据，也有可能是个别员工行为表现异样导致。无论是哪种状况导致的数据异样（前提是曾经预处理过缺失值），咱们都能够通过拟合数据的散布，来判断数据的散布状况，并寻找那些离群点。
在数据分布拟合钻研中，咱们通过对多种散布函数的尝试，最终提出可通过正态分布、F 散布、卡方散布、Gamma 散布这四种常见的散布函数来拟合员工行为数据。以正态分布为例，如果咱们拟合某个指标合乎正态分布，那么咱们能够认为左右两侧 5% 区间以内的数据是惯例行为，而两侧 5% 以外的数据是异样行为。并且通过进一步剖析咱们发现，一侧 5% 到千分之一之间的数据，有时也属于正当行为，而一侧千分之一以外的数据，才最有可能称为异样行为。通过这样的剖析，咱们就能够通过数据分布拟合的形式，来发现员工的异样行为数据，并提出对应的管理策略。
此外，咱们还曾提出在拟合时，要拟合显著能力认为数据合乎某一散布。但如果这样判断，咱们发现有的数据并不满足显著的要求，然而数据确自身具备很强的实用信息，因而咱们提出，不用以显著为剖析前提。而这其实也表明，数字化时代，要以更加符合实际的剖析伎俩来剖析数据，领导业务。而不必拘泥于过于学术或刻板的剖析规范。
总结而言，在这四条主线钻研思路下，咱们对单干客户的员工行为数据发展了特色工程、非监督学习、监督学习、数据分布拟合等一系列规范的算法钻研。进而，结合实际利用场景，将钻研后果转化为了具体利用。接下来总结一下所造成的具体利用。
（二）产品转化后果
研究成果向产品转化，是一个一直积攒，由质变引起量变的过程。在最后的钻研中，咱们会在多个点上发展钻研，但最终哪些研究成果能转变为理论利用，是不确定的。而随着钻研的增多，可能转变为理论产品性能的成绩就会浮现，这体现在三个档次。第一档次，一些好的钻研点，一些对特定场景的解决方案，可能转变为理论产品性能。第二档次，单个性能点看似没有太大价值，然而当呈现某个典型性能点后，咱们会意识到，其余看似无用的性能点，却是对这个典型性能点的无效补充。第三档次，多个研究会呈现出一些共性，这些共性可能转化为产品思路和产品模式，这是要比单点产品性能更具价值的中央。这样的由钻研向产品转化的思路，扎根实际，又提炼总结，是具备很好的参考意义的。
咱们在多个钻研点摸索后，一直思考如何将钻研点转化为实用的性能，这既要联合客户需要，也要联合咱们本人对用户痛点、产品性能的设计。2020 年度的钻研，咱们始终在做的主线是员工行为画像，无论是监督学习还是非监督学习，都是为了选定一套适合的指标和权重，来达成对员工的排名。在这个思路下，咱们整合多种排名算法，最终提出：由用户自主抉择排名模式。在不同的排名模式下，咱们为用户提供不同的算法或排名形式，这就相当于咱们当前端智能化的形式，满足了用户在前端多样化的需要。而这也正是数字化时代，产品以智能化形式，为用户提供个性化性能的体现。具体而言，咱们为用户提供四种可选模式，来实现对员工排名。
模式一、行业最佳实际，以成熟用户已有案例，制订一套指标和相应权重。用户选取想要的案例类别，咱们依据其理论数据，计算相应排名后果。这里打分模式有两种，一是产品自定义给出，二是依据已有打分排名，用 Kmeans 确认不同类别优良度，回归树反推指标权重。
模式二：AI 聚类算法，系统对员工进行天然状态进行三次或屡次 kmeans 聚类，每次调整指标品种和权重，而后由客户抉择一种合乎预期的聚类后果，那么客户的抉择就对应了指标品种和权重。
模式三：AI 监督学习，对员工进行 kmeans 聚类，失去 n 个类别，客户对 n 类按优良度进行排序打分，接下来，零碎根据打分状况，通过 RFE 算法（Estimator 选用决策树回归或决策树分类），判断不同指标重要度。
模式四：AI 辅助定制（纯手动），由用户指定 n 个指标，并为 n 个指标确定权重，系统对员工进行排名，可抉择算法有：加权求和、RandomForestRegressor、GradientBoostingRegressor。备注，后两种具体实现形式是，依据加权求和打分失去 y，x 就是输出的加权指标。而后训练失去模型。
方云智能多种 AI 绩效评价办法均已通过实际验证，并实现产品化。
（三）算法准确率剖析
数据分析时后果个别须要有肯定的准确度，才能够说算法对问题实现了肯定解决。在数字化转型的过程中，咱们不用以相对的预测准确率来判断算法好坏。这是因为咱们在评估员工行为时，训练集标注或者人的认知，都是极具主观性的，而且这种主观性又是会动态变化的，所以算法可能捕捉到的，有时候兴许是客观规律，但有时候兴许就只是管理者的一时情绪。咱们评估算法的好坏，应该从实际登程，对于合乎认知、法则的算法是好算法，然而能解释或捕获短期用户态度的算法，也是牢靠的。具体而言，咱们针对已有的钻研，给出下述准确率总结。
一、Kmeans 是非监督学习，无准确率，但能够论述咱们对老黄牛和南郭先生的发现，是合乎治理常识的。
SVM 预测，咱们首先失去了一个要害论断，治理严格水平高、中、低，对应员工体现中、高、低。这一论断的得出是合乎常识法则的，那么咱们也能够反推认为算法是无效的。
二、依据对过来员工数据 +label 进行 SVM 训练，咱们预测将来的准确率最后仅为 60%，但通过样本筛选，参数调优后，准确率可达到 93%。
三、数据合理性剖析中，咱们通过以不同的散布拟合员工行为数据，选出 95% 区间内的员工，再进一步选出 95% 到 0.001 之间的员工，精确选出数据呈现问题的员工。具体实际结果表明，咱们的确捕捉到了行为极值点，也捕捉到了 5% 以外但行为正当的点。
（四）钻研总结和下一步打算
算法钻研、数据分析的目标，最终还是为了找到新的用户需要，开发新的产品性能。第二局部中咱们总结了由钻研向产品理论性能转化的思路。一是好的钻研点间接转变为理论产品性能。二是一些低价值的性能点撑持典型性能点后。三是钻研体现出的共性思路，转化为产品思路和产品模式。
接下来咱们的钻研也致力于从这三个方面来摸索更多的产品性能和产品模式。目前提的主思路有：
一是将项目管理的常识和流程植入产品，帮忙企业管理者简略、高效的实现项目管理。这其中将人员动态分配到不同的工作中，就会是非常典型的一个性能。在此基础上，员工行为的剖析和排名就会成为很好的辅助性能，咱们能够根据员工行为特点，将他们调配到不同状况的工作中。
二是深入单点性能。咱们在 SVM 训练模型时发现，每个月的模型放到下个月或者其余月份来预测，准确率不稳固。其中很可能的起因是每个月的评估规范有所稳定。那咱们就能够在长期数据上，对每个月都进行模型训练，失去多个模型。在此基础上，将将来一个月的数据放在过来多个月的模型上预测，这样就会呈现一个月的数据在多个月模型下评估各不相同的状况，这就能反馈出每个月评估规范的稳定状况。
三是产品模式的降级。咱们能够采纳轻量化前端，收集一些简略必要的数据后，将简单的剖析都放在后端来实现。性能上的出现就是，用户在前端进行一些个性化的数据和模式抉择，零碎可能在后端为用户进行多样化的剖析，出现给用户智能化的操作界面（如智能化流程、模板化流程）、剖析后果（排名、雷达图、行为空间映射等），甚至是客制化流程、数据，算法，零碎提供剖析后果。
收费试用地址：www.farcloud.com
