基于大数据的人才数据库分析系统及方法

技术领域

本发明涉及互联网平台的人才分析技术领域，尤其涉及一种基于大数据的人才数据库分析系统及方法。

背景技术

人力资源管理因其与人的因素内在的密切联系而使得其重要性日益突出，企业管理已经从强调对物的管理转向强调对人的管理，这是竞争加剧的结果，企业级软件也正处于技术升级的变革时期，软件中对人的管理也在逐步加强，现有的面向大中型企事业客户，运用互联网技术，提供组织搭建、人员管理、考勤管理的人力资源管理解决方案，利用大数据基于统计意义做标准化岗位胜任力构建，即做典型行业职类模板，或典型高绩效员工模型。

现有技术中仍存在如下问题：在对人才进行分析时，未对人才的真实身份和情况进行确认，在面对以往数据时，对人才的情况只能通过人为的主观判断，对人才的分析的偏差巨大。

发明内容

为此，本发明提供了一种基于大数据的人才数据库分析系统及方法用以克服现有技术中在对待分析人才进行分析时，减少对待分析人才以往数据的偏差问题。

为实现上述目的，本发明提供基于大数据的人才数据库分析系统及方法，其中，一种基于大数据的人才数据库分析方法，包括，

步骤一：数据处理模块根据当前站点对待分析人才的身份信息进行初步确定，再根据初步确定后的人才身份信息在所述当前站库点内进行检索，若当前站点内检索到所述待分析人才的数据信息时，将检索到的待分析人才的数据信息与待分析人才提供的履历信息进行比较；

步骤二：若所述当前站点库内未检索到所述待分析人才的数据信息时，则对待分析人才的最新工作或实习经历所在的站点库内进行检索，若检索到所述待分析人才的数据信息，则将检索到的数据信息与所述待分析人才提供的履历信息进行比较；

步骤三：若所述待分析人才的最新工作或实习经历所在的站点内未检索到所述待分析人才的数据信息时，则以所述待分析人才的工作或实习经历所在站点以工作或实习经历的年限时间从大到小依次进行检索，若检索到待分析人才的数据信息，则将检索到的数据信息与待分析人才提供的履历信息进行比较；

步骤四：若所述待分析人才的工作经历所在站点内未检索到待分析人才的数据信息时，则在未检索的站点内以距离当前站点的距离从近至远依次进行检索，直至完成所有站点的检索或检索到所述待分析人才的数据信息，若检索到所述待分析人才的数据信息，则将检索到的数据信息与所述待分析人才提供的履历信息进行比较，若所有站点内均未检索到待分析人才的数据信息时，则在当前站点内新建待分析人才的数据信息；

步骤五：将检索到的所述待分析人才的数据信息与待分析人才提供的履历信息进行比较时，先对所述待分析人才身份信息进行二次确定，若二次确定结果相同，再进行比较，若比较结果在误差范围内，则以站点库内检索到的待分析人才的数据信息实时生成人才曲线，若比较结果不在误差范围内，则以待分析人才提供的履历信息实时生成人才曲线，将实时生成的人才曲线与标准人才曲线进行比较；

步骤六：根据实时生成的人才曲线在标准人才曲线的差值范围，确定所述待分析人才的类型；

所述分析方法为数据处理模块对待分析人才的身份信息进行初步确定后，再对初步确定后的人才身份信息在当前站点库内进行检索，确认当前站点库内是否有待分析人才的数据信息，若当前站点库内有待分析人才的数据信息，则将检索到的待分析人才的数据信息与待分析人才提供的履历信息进行比较，若当前站点库内未检索到所述待分析人才的数据信息时，则优先以待分析人才最新工作或实习经历所在的站点库内进行检索，后对所述待分析人才的工作或实习经历所在站点以工作或实习经历的年限时间从大到小依次进行检索，再对未检索的站点内以距离当前站点的距离从近至远依次进行检索，直至完成所有站点的检索或检索到所述待分析人才的数据信息时停止检索，若所有站点内均未检索到待分析人才的数据信息时，则在当前站点内新建待分析人才的数据信息，若检索到所述待分析人才的数据信息，则将对所述待分析人才身份信息进行二次确定后，再将检索到的数据信息与所述待分析人才提供的履历信息进行比较，根据不同的比较结果确定以不同的待分析人才的数据信息生成实时人才曲线，并将实时生成的人才曲线在标准人才曲线的差值范围，确定所述待分析人才的类型。

进一步地，所述数据处理模块内设算法将人才的相关数据信息进行量化，数据处理模块内预设人才数据信息矩阵F(N、L、W、A、B)，其中，N表示站点库内当前人才的年龄，L表示站点库内当前人才的学历，W表示站点库内当前人才的工作年限，A表示站点库内当前人才的专业度，B表示站点库内当前人才的其他技能；

所述数据处理模块将实时采集到的待分析人才的履历信息构建待分析人才实时数据信息矩阵Fs(Ns、Ls、Ws、As、Bs)，其中，Ns表示履历中待分析人才的年龄，Ls表示履历中待分析人才的学历，Ws表示履历中待分析人才的工作年限，As表示履历中待分析人才的专业度，Bs表示履历中待分析人才的其他技能；

在所述步骤五中，当所述数据处理模块将检索到的所述待分析人才的数据信息与待分析人才提供的履历信息进行比较时，所述数据模块将人才数据信息矩阵F与待分析人才实时数据信息矩阵Fs中的参数分别进行比较，设定年龄误差为Nc，Nc≥0，学历误差为Lc，Lc≥0，工作年限误差为Wc，Wc≥0，专业度误差为Ac，其他技能误差为Bc，误差总值参考值为Fc，

若Ns-N≤Nc时，则确定待分析人才的年龄在误差范围内，反之则不在；

若Ls-L≤Lc时，则确定待分析人才的学历在误差范围内，反之则不在；

若Ws-W≤Wc时，则确定待分析人才的工作年限在误差范围内，反之则不在；

若As-A≤Ac时，则确定待分析人才的专业度在误差范围内，反之则不在；

若Bs-B≤Bc时，则确定待分析人才的其他技能在误差范围内，反之则不在。

进一步地，若检索到的待分析人才的数据信息与待分析人才提供的履历信息的比较结果均在误差范围内时，则以站点库内检索到的待分析人才的数据信息实时生成人才曲线；

若检索到的待分析人才的数据信息与待分析人才提供的履历信息的比较结果均不在误差范围内时，则以待分析人才提供的履历信息实时生成人才曲线；

若检索到的待分析人才的数据信息与待分析人才提供的履历信息的比较结果部分在误差范围内时，则判断不在误差范围内的参量值之和是否大于误差总值参考值Fc，若大于，则以待分析人才提供的履历信息实时生成人才曲线，反之，则以站点库内检索到的待分析人才的数据信息实时生成人才曲线。

进一步地，在所述步骤一中，在对待分析人才的身份信息进行初步确定时，初步确定方式包括人脸识别，通过实时采集待分析人才的人脸信息，将采集到的待分析人才的人脸信息与待分析人才提供的证件信息进行比较，初步确定待分析人才的身份信息，若初步确定待分析人才的身份信息与证件信息不同时，则提示待分析人才身份信息不符，若初步确定待分析人才的身份信息与证件信息相同时，则以初步确定的待分析人才的身份信息在当前站点库内进行检索；

在进行初步确定时，通过摄像拍摄模块实时采集待分析人才的人脸信息，获取待分析人才脸部特征点的位置信息，并将位置之间的距离和斜率进行比较，所述摄像拍摄模块实时采集脸部位置信息，以鼻子鼻孔中心连线的中点位置为坐标原点o，获取实时脸部信息矩阵P(a1、a2、a3、a4、a5、a6、a7、a8)，其中，a1表示眼睛的第一端点位置信息，a2表示眼睛的第二端点位置信息，a3表示眼睛的第三端点位置信息，a4表示眼睛的第四端点位置信息，a5表示嘴唇的第一端点位置信息，a6表示嘴唇的第二端点位置信息，a7表示鼻翼的第一端点位置信息，a8表示鼻翼的第二端点位置信息，通过各个端点之间的位置信息获取每两个端点组成的实时线段信息矩阵Y(k1、k2、k3…kn)，其中，k1表示预设第一线段的斜率，k2表示预设第二线段的斜率，k3表示预设第三线段的斜率，kn表示预设第n线段的斜率。

进一步地，所述摄像拍摄模块采集证件信息中照片的脸部位置信息，以鼻子鼻孔中心连线的中点位置为坐标原点o'，获取预设脸部信息矩阵P'和预设线段信息矩阵Y'，对于预设脸部信息矩阵P'(a'1、a'2、a'3、a'4、a'5、a'6、a'7、a'8)，其中，a'1表示眼睛的第一端点位置信息，a'2表示眼睛的第二端点位置信息，a'3表示眼睛的第三端点位置信息，a'4表示眼睛的第四端点位置信息，a'5表示嘴唇的第一端点位置信息，a'6表示嘴唇的第二端点位置信息，a'7表示鼻翼的第一端点位置信息，a'8表示鼻翼的第二端点位置信息；对于预设线段信息矩阵Y'(k'1、r'1、k'2、r'2、k'3…k'n，r'n)，其中，k'1表示预设第一线段的斜率，r'1表示预设第一线段的长度，k'2表示预设第二线段的斜率，r'2表示预设第二线段的长度，k'3表示预设第三线段的斜率，r'3表示预设第三线段的长度，k'n表示预设第n线段的斜率，r'n表示预设第n线段的长度。

进一步地，根据采集到的待分析人才脸部实时线段信息矩阵Y中的ki与预设线段信息矩阵Y'中的k'i和r'i进行比较，

当ki≤(β×r'i)/α×k'i时，则判定待分析人才实时采集人脸信息与证件信息相同；

当ki＞(β×r'i)/α×k'i时，则判定待分析人才实时采集人脸信息与证件信息不同。

进一步地，在所述步骤五中，数据处理模块将检索到的待分析人才的数据信息与待分析人才提供的履历信息进行比较前，先对待分析人才身份信息进行二次确定，在对待分析人才身份信息进行二次确定时，将待分析人才履历中包括的证件信息在相关网站上进行检索，并将检索结果与实时采集到的待分析人才的人脸信息进行比较，二次确定待分析人才的身份信息，若比较结果相同，则确定待分析人才的身份信息相符，若比较结果不同，则提示待分析人才身份信息不符。

进一步地，所述数据处理模块将实时生成的人才曲线与标准人才曲线进行比较，设定人才曲线关联值为c，当以待分析人才提供的履历信息实时生成人才曲线时，人才曲线关联值c为，

c＝0.1×Ns/N0+0.3×Ls/L0+0.5×Ws/W0+0.7×As/A0+0.2×Bs/B0

当以站点库内检索到的待分析人才的数据信息实时生成人才曲线时，人才曲线关联值c为，

c＝0.1×N/N0+0.3×L/L0+0.5×W/W0+0.7×A/A0+0.2×B/B0

式中，N表示站点库内当前人才的年龄，L表示站点库内当前人才的学历，W表示站点库内当前人才的工作年限，A表示站点库内当前人才的专业度，B表示站点库内当前人才的其他技能，Ns表示履历中待分析人才的年龄，Ls表示履历中待分析人才的学历，Ws表示履历中待分析人才的工作年限，As表示履历中待分析人才的专业度，Bs表示履历中待分析人才的其他技能，N0表示标准人才当前人才的年龄，L0表示站点库内当前人才的学历，W0表示站点库内当前人才的工作年限，A0表示站点库内当前人才的专业度，B0表示站点库内当前人才的其他技能。

进一步地，所述数据处理模块预设有曲线差值矩阵C(C1、C2、C3…Cn)，其中，C1表示第一预设曲线差值，C2表示第二预设曲线差值，C3表示第三预设曲线差值，Cn表示第n预设曲线差值，根据人才曲线关联值c确定待分析人才的类型为

若c≤C1时，则确定待分析人才为第一类型人才；

若C1＜c≤C2时，则确定待分析人才为第二类型人才；

若C2＜c≤C3时，则确定待分析人才为第三类型人才；

若C3＜c≤Cn时，则确定待分析人才为第n类型人才。

进一步地，一种基于大数据的人才数据库分析系统，包括：

企业库模块，其用以展示企业相关数据信息；

达人库模块，其用以展示人才相关数据信息；

灵活职场模块，其用以将所述企业库与达人库发布的职业信息进行整合显示；

解惑锦囊模块，其用以将所述企业库和达人库中发布的问题信息进行整合显示；

摄像拍摄模块，其用以调取拍摄所述系统所在的设备的摄像功能对待分析人才的人脸信息进行采集并将采集到的图像信息传输至所述数据处理模块；

数据处理模块，其分别与所述企业库模块、达人库模块、灵活职场模块、解惑锦囊模块和摄像拍摄模块连接，用以对所述企业库模块、达人库模块、灵活职场模块、解惑锦囊模块和摄像拍摄模块的数据信息进行处理，并对待分析人才的身份信息进行确定和类型划分。

与现有技术相比，本发明的有益效果在于，本发明通过提供一种基于大数据的人才数据库分析方法，通过对待分析人才的人脸信息进行采集，对待分析人才的身份信息进行初步确认，并在当前站点库内检索待分析人才的数据信息，若当前站点内未检索到则对待分析人才的数据信息，则依次在待分析人才的最新工作或实习经历所在的站点库、待分析人才的工作或实习经历所在站点以工作经历的年限时间从大到小的顺序、未检索的站点以距离当前站点的距离从近至远的顺序依次进行检索，直至完成所有站点的检索或检索到待分析人才的数据信息，若所有站点内均未检索到待分析人才的数据信息时，则在当前站点内新建待分析人才的数据信息；若检索到的待分析人才的数据信息，则将其与待分析人才提供的履历信息进行比较，先对待分析人才身份信息进行二次确定，若二次确定结果相同，再进行比较，根据不同的比较结果确定以不同的待分析人才的数据信息生成实时人才曲线，并将实时生成的人才曲线在标准人才曲线的差值范围，确定所述待分析人才的类型。通过初步确定和二次确定待分析人才的身份信息，从而更加准确地确定待分析人才的身份信息，在确定待分析人才的身份信息后，在对待分析人才提供的履历与系统检索出的数据信息进行比较时，通过数据分析误差范围，从而更加准确地确定出待分析人才数据的准确性，判断出待分析人才的类型，提高对人才以往数据的真实性，减少对人才分析出现偏差大的情况，提高系统分析的准确性。

进一步地，本发明通过所述数据处理模块内设算法将人才相关数据信息进行量化，在对待分析人才进行分析时，将每个参量的信息分别进行比较，并分别对比较结果的误差进行分别判断，根据误差的不同结果，确定对待分析人才的不同生成曲线的数据来源，从而进一步地减少人为判断数据的误差。

尤其，在对待分析人才的身份信息初步确定时，可以通过人脸识别的方式与待分析人才的履历信息和证件信息进行比较，在初步确定相同时，再对待分析人才进行检索，减少数据的误差，再检索到待分析人才数据时，对待分析人才进行二次身份确定，可以通过将履历中包括的证件所在的网站的相关信息对待分析人才进行二次身份确定，二次确定相同后再对待分析人才进行数据信息比较，进一步地在提高身份准确性的同时减少不必要的计算和系统损耗。

进一步地，本发明通过先在当前站点内进行检索、再对待分析人才最新工作经历所在站点、待分析人才工作经历从长到短的站点、其他站点的顺序对待分析人才进行检索的顺序，大大提高了检索的时间，进一步提高了检索的效率。

进一步地，本发明设定人才曲线关联值c，通过实时生成的人才曲线与标准人才曲线的比较确定所述待分析人才的类型，在确定待分析人才的身份信息和过往信息的准确性上，对待分析人才的成长确定不同的进步类型，进一步地提高所述系统分析的准确性，保证数据的真实可参考性。

附图说明

图1为本发明所述基于大数据的人才数据库分析方法的流程示意图；

图2为本发明所述基于大数据的人才数据库分析系统的功能框架图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

请参阅图1所示，本发明提供了一种基于大数据的人才数据库分析系统及方法，其中，一种基于大数据的人才数据库分析方法，包括：

步骤一：数据处理模块根据当前站点对待分析人才的身份信息进行初步确定，再根据初步确定后的人才身份信息在当前站库点内进行检索，若当前站点内检索到待分析人才的数据信息时，将检索到的待分析人才的数据信息与待分析人才提供的履历信息进行比较；

步骤二：若当前站点库内未检索到待分析人才的数据信息时，则对待分析人才的最新工作或实习经历所在的站点库内进行检索，若检索到待分析人才的数据信息，则将检索到的数据信息与待分析人才提供的履历信息进行比较；

步骤三：若待分析人才的最新工作或实习经历所在的站点内未检索到待分析人才的数据信息时，则以待分析人才的工作或实习经历所在站点以工作经历的年限时间从大到小依次进行检索，若检索到待分析人才的数据信息，则将检索到的数据信息与待分析人才提供的履历信息进行比较；

步骤四：若待分析人才的工作经历所在站点内未检索到待分析人才的数据信息时，则在未检索的站点内以距离当前站点的距离从近至远依次进行检索，直至完成所有站点的检索或检索到待分析人才的数据信息，若检索到待分析人才的数据信息，则将检索到的数据信息与待分析人才提供的履历信息进行比较，若所有站点内均未检索到待分析人才的数据信息时，则在当前站点内新建待分析人才的数据信息；

步骤五：将检索到的待分析人才的数据信息与待分析人才提供的履历信息进行比较时，先对待分析人才身份信息进行二次确定，若二次确定结果相同，再进行比较，若比较结果在误差范围内，则以站点库内检索到的待分析人才的数据信息实时生成人才曲线，若比较结果不在误差范围内，则以待分析人才提供的履历信息实时生成人才曲线，将实时生成的人才曲线与标准人才曲线进行比较；

步骤六：根据实时生成的人才曲线在标准人才曲线的差值范围，确定所述待分析人才的类型。

具体而言，本发明实施例中，在所述步骤一中，在对待分析人才的身份信息进行初步确定时，初步确定方式包括人脸识别，通过实时采集待分析人才的人脸信息，将采集到的待分析人才的人脸信息与待分析人才提供的证件信息进行比较，初步确定待分析人才的身份信息。若初步确定待分析人才的身份信息与证件信息不同时，则提示待分析人才身份信息不符；若初步确定待分析人才的身份信息与证件信息相同时，则以初步确定的待分析人才的身份信息在当前站点库内进行检索，并将检索到的待分析人才的数据信息与待分析人才提供的履历信息进行比较。

具体而言，本发明实施例中，在进行初步确定时，通过摄像拍摄模块实时采集待分析人才的人脸信息，获取待分析人才脸部特征点的位置信息，并将位置之间的距离和斜率进行比较，所述摄像拍摄模块实时采集脸部位置信息，以鼻子鼻孔中心连线的中点位置为坐标原点o，获取实时脸部信息矩阵P(a1、a2、a3、a4、a5、a6、a7、a8)，其中，a1表示眼睛的第一端点位置信息，a2表示眼睛的第二端点位置信息，a3表示眼睛的第三端点位置信息，a4表示眼睛的第四端点位置信息，a5表示嘴唇的第一端点位置信息，a6表示嘴唇的第二端点位置信息，a7表示鼻翼的第一端点位置信息，a8表示鼻翼的第二端点位置信息，通过各个端点之间的位置信息获取每两个端点组成的实时线段信息矩阵Y(k1、k2、k3…kn)，其中，k1表示预设第一线段的斜率，k2表示预设第二线段的斜率，k3表示预设第三线段的斜率，kn表示预设第n线段的斜率；

所述摄像拍摄模块采集证件信息中照片的脸部位置信息，以鼻子鼻孔中心连线的中点位置为坐标原点o'，获取预设脸部信息矩阵P'和预设线段信息矩阵Y'，对于预设脸部信息矩阵P'(a'1、a'2、a'3、a'4、a'5、a'6、a'7、a'8)，其中，a'1表示眼睛的第一端点位置信息，a'2表示眼睛的第二端点位置信息，a'3表示眼睛的第三端点位置信息，a'4表示眼睛的第四端点位置信息，a'5表示嘴唇的第一端点位置信息，a'6表示嘴唇的第二端点位置信息，a'7表示鼻翼的第一端点位置信息，a'8表示鼻翼的第二端点位置信息；对于预设线段信息矩阵Y'(k'1、r'1、k'2、r'2、k'3…k'n，r'n)，其中，k'1表示预设第一线段的斜率，r'1表示预设第一线段的长度，k'2表示预设第二线段的斜率，r'2表示预设第二线段的长度，k'3表示预设第三线段的斜率，r'3表示预设第三线段的长度，k'n表示预设第n线段的斜率，r'n表示预设第n线段的长度；

根据采集到的待分析人才脸部实时线段信息矩阵Y中的ki与预设线段信息矩阵Y'中的k'i和r'i进行比较，

当ki≤(β×r'i)/α×k'i时，则判定待分析人才实时采集人脸信息与证件信息相同；

当ki＞(β×r'i)/α×k'i时，则判定待分析人才实时采集人脸信息与证件信息不同。

具体而言，本发明实施例中，所述履历信息可以是待分析人才自己提供的书面信息，也可以是电子信息，还可以是待分析人才口述的其他信息，本发明并不对履历信息的内容和格式进行限定，以具体实施为准。

具体而言，本发明实施例中，所述站点库可以以不同地区为不同的站点库，也可以以每个省份为一个站点库，同时还可以以每个城市为一个站点库，或以每个区域为一个站点库，本发明并不对站点库的具体结构和大小作任何限定。

具体而言，本发明实施例中，在所述步骤二中，若当前站点库内未检索到待分析人才的数据信息时，则以待分析人才提供的履历信息中最新工作或实习经历的地点所在的站点库内进行检索，若待分析人才提供的履历信息中没有工作或实习经历，则在未检索的站点内以距离当前站点的距离从近至远依次进行检索，若在待分析人才的最新工作或实习经历的地点所在的站点库内检索到待分析人才的数据信息时，则将检索到的数据信息与待分析人才提供的履历信息进行比较。

具体而言，本发明实施例中，在所述步骤三中，若在待分析人才的最新工作或实习经历的地点所在的站点库内未检索到待分析人才的数据信息时，则以待分析人才的工作或实习经历的年限时间为标准，从工作或实习经历的年限时间最长到最短的顺序依次进行检索，直至在工作或实习经历的地点所在站点库内检索到待分析人才的数据信息或检索完待分析人才履历提供的所有工作或实习经历所在的站点库，若在待分析人才履历提供的工作或实习经历所在的站点库内检索到待分析人才的数据信息，则将检索到的数据信息与待分析人才提供的履历信息进行比较。

具体而言，本发明实施例中，在所述步骤四中，若在待分析人才履历提供的工作或实习经历所在的站点库内未检索到待分析人才的数据信息，则以距离当前站点的远近距离为标准，按照距离当前站点距离最近到最远的顺序依次对未检索的站点进行检索，直至检索到待分析人才的数据信息时停止检索，或完成所有站点的检索时停止检索，若完成所有站点的检索后仍未检索到待分析人才的数据信息时，则按照登记程序对待分析人才的数据信息进行录入，若检索到待分析人才的数据信息，则将检索到的数据信息与待分析人才提供的履历信息进行比较。

具体而言，本发明实施例中，若完成所有站点的检索后仍未检索到待分析人才的数据信息时，则对待分析人才根据当前站点的登记条件进行确定，若满足登记条件，则新建并采集待分析人才的数据信息传输至当前站点库，若不满足登记条件，则确定待分析人才身份不符。

具体而言，本发明实施例中，在对待分析人才的数据信息进行新建登记时，登记程序可以是对待分析人才的资料真实度进行再次核实后录入，也可以是对待分析人才的是否有犯罪情况，是否属于本地常住人口等信息进行核实，在符合当地登记准入的标准后再对待分析人才进行信息的录入。

具体而言，本发明实施例中，在所述步骤五中，数据处理模块将检索到的待分析人才的数据信息与待分析人才提供的履历信息进行比较前，先对待分析人才身份信息进行二次确定，在对待分析人才身份信息进行二次确定时，将待分析人才履历中包括的证件信息在相关网站上进行检索，并将检索结果与实时采集到的待分析人才的人脸信息进行比较，二次确定待分析人才的身份信息，若比较结果相同，则确定待分析人才的身份信息相符，若比较结果不同，则提示待分析人才身份信息不符。

具体而言，本发明实施例中，在对待分析人才身份信息进行二次确定时，通过初步确定待的比较方法，将证件信息与相关网站上的收集到的图像信息分别进行比较，从而对待分析人才进行二次确定。

具体而言，本发明实施例中，在所述步骤五中，当二次确定待分析人才身份相同时，再将检索到的待分析人才的数据信息与待分析人才提供的履历信息进行比较，确定比较结果是否在误差范围内。

所述数据处理模块内设算法将人才的相关数据信息进行量化，人才数据信息矩阵中的年龄、学历、工作年限、专业度、其他技能均属于参量，参量也可以是其他的一些参数，比如相关的工作经历，专业与工作的匹配度等因素，量化时可以是按照不同的权重比例设置，也可以按照不同的数据设置不同的数值，本发明并不限定具体的量化方法，只要满足将人才的相关参量数据信息进行量化从而进行比较。

具体而言，本发明实施例中，所述数据处理模块内预存有人才数据信息矩阵F(N、L、W、A、B)，其中，N表示站点库内当前人才的年龄，L表示站点库内当前人才的学历，W表示站点库内当前人才的工作年限，A表示站点库内当前人才的专业度，B表示站点库内当前人才的其他技能。

具体而言，本发明实施例中，所述数据处理模块将实时采集到的待分析人才的履历信息构建待分析人才实时数据信息矩阵Fs(Ns、Ls、Ws、As、Bs)，其中，Ns表示履历中待分析人才的年龄，Ls表示履历中待分析人才的学历，Ws表示履历中待分析人才的工作年限，As表示履历中待分析人才的专业度，Bs表示履历中待分析人才的其他技能。

所述数据模块将人才数据信息矩阵F与待分析人才实时数据信息矩阵Fs中的参数分别进行比较，即N与Ns进行比较，L与Ls进行比较，W与Ws进行比较，A与As进行比较，B与Bs进行比较，

设定年龄误差为Nc，Nc≥0，学历误差为Lc，Lc≥0，工作年限误差为Wc，Wc≥0，专业度误差为Ac，其他技能误差为Bc，误差总值参考值为Fc。

若Ns-N≤Nc时，则确定待分析人才的年龄在误差范围内，反之则不在；

若Ls-L≤Lc时，则确定待分析人才的学历在误差范围内，反之则不在；

若Ws-W≤Wc时，则确定待分析人才的工作年限在误差范围内，反之则不在；

若As-A≤Ac时，则确定待分析人才的专业度在误差范围内，反之则不在；

若Bs-B≤Bc时，则确定待分析人才的其他技能在误差范围内，反之则不在；

若检索到的待分析人才的数据信息与待分析人才提供的履历信息的比较结果均在误差范围内时，则以站点库内检索到的待分析人才的数据信息实时生成人才曲线；

若检索到的待分析人才的数据信息与待分析人才提供的履历信息的比较结果均不在误差范围内时，则以待分析人才提供的履历信息实时生成人才曲线；

若检索到的待分析人才的数据信息与待分析人才提供的履历信息的比较结果部分在误差范围内时，则判断不在误差范围内的参量值之和是否大于误差总值参考值Fc，若大于，则以待分析人才提供的履历信息实时生成人才曲线，反之，则以站点库内检索到的待分析人才的数据信息实时生成人才曲线。

所述数据处理模块将实时生成的人才曲线与标准人才曲线进行比较，设定人才曲线关联值为c，当以待分析人才提供的履历信息实时生成人才曲线时，人才曲线关联值c为

c＝0.1×Ns/N0+0.3×Ls/L0+0.5×Ws/W0+0.7×As/A0+0.2×Bs/B0

当以站点库内检索到的待分析人才的数据信息实时生成人才曲线时，人才曲线关联值c为

c＝0.1×N/N0+0.3×L/L0+0.5×W/W0+0.7×A/A0+0.2×B/B0

式中，N表示站点库内当前人才的年龄，L表示站点库内当前人才的学历，W表示站点库内当前人才的工作年限，A表示站点库内当前人才的专业度，B表示站点库内当前人才的其他技能，Ns表示履历中待分析人才的年龄，Ls表示履历中待分析人才的学历，Ws表示履历中待分析人才的工作年限，As表示履历中待分析人才的专业度，Bs表示履历中待分析人才的其他技能，N0表示标准人才当前人才的年龄，L0表示站点库内当前人才的学历，W0表示站点库内当前人才的工作年限，A0表示站点库内当前人才的专业度，B0表示站点库内当前人才的其他技能。

所述数据处理模块建立曲线差值矩阵C(C1、C2、C3…Cn)，其中，C1表示第一预设曲线差值，C2表示第二预设曲线差值，C3表示第三预设曲线差值，Cn表示第n预设曲线差值，根据人才曲线关联值c确定待分析人才的类型为

若c≤C1时，则确定待分析人才为第一类型人才；

若C1＜c≤C2时，则确定待分析人才为第二类型人才；

若C2＜c≤C3时，则确定待分析人才为第三类型人才；

若C3＜c≤Cn时，则确定待分析人才为第n类型人才。

请参阅图2所示，本发明还提供一种基于大数据的人才数据库分析系统，包括：

企业库模块，其用以展示企业相关数据信息；

达人库模块，其用以展示人才相关数据信息；

灵活职场模块，其用以将所述企业库与达人库发布的职业信息进行整合显示；

解惑锦囊模块，其用以将所述企业库和达人库中发布的问题信息进行整合显示；

摄像拍摄模块，其用以调取拍摄所述系统所在的设备的摄像功能对待分析人才的人脸信息进行采集并将采集到的图像信息传输至所述数据处理模块；

数据处理模块，其分别与所述企业库模块、达人库模块、灵活职场模块、解惑锦囊模块和摄像拍摄模块连接，用以对所述企业库模块、达人库模块、灵活职场模块、解惑锦囊模块和摄像拍摄模块的数据信息进行处理，并对待分析人才的身份信息进行确定和类型划分。

具体而言，本发明实施例中，所述企业库模块包括企业数据单元、审核管理单元、认证管理单元、企业管理单元和认证设置单元，所述企业数据单元包括审核数据、企业数据和认证数据；所述审核管理单元包括认领审核和审核拒绝；所述认证管理单元包括认证审核、审核拒绝和认证记录；所述企业管理单元包括全部企业、已认证企业、认证过期和未认证企业；所述认证设置单元包括套餐设置和广告设置，其中，套餐设置包括普通认证、高级认证和VI P认证。

具体而言，本发明实施例中，所述达人库模块包括人才入驻单元和个人信息单元，其中，所述人才入驻包括直接进入实名认证、实名后进入人才库个人界面和实名认证时获取资料；所述个人信息单元包括个人信息和个人权益，在个人信息中包括基本资料、工作经历、教育经历、自我介绍、成功案例、荣誉、发布的岗位需求和问题；在实名认证时需要获取的资料包括姓名、民族、性别、身份证住址、出生日期和身份证号码等其他信息，在个人信息单元中展示的个人信息中的基本资料可以包括头像、姓名、民族、性别、出生日期、户籍地址、目前身份、行业、职业、工作住址等信息进行展示。

具体而言，本发明实施例中，所述解惑锦囊模块包括提问单元、解惑单元和搜索单元。

具体而言，本发明实施例中，所述灵活职场模块包括企业库发布的岗位需求单元和达人库发布的求职需求单元。

具体而言，本发明实施例中，通过所述分析系统通过对待分析人才的人脸信息进行采集，对待分析人才的身份信息进行初步确认，并在当前站点库内检索待分析人才的数据信息，若当前站点内未检索到则对待分析人才的数据信息，则在待分析人才的最新工作或实习经历所在的站点库内进行检索，若待分析人才的最新工作或实习经历所在的站点内未检索到待分析人才的数据信息时，则以待分析人才的工作或实习经历所在站点以工作经历的年限时间从大到小依次进行检索，若待分析人才的工作经历所在站点内未检索到待分析人才的数据信息时，则在未检索的站点内以距离当前站点的距离从近至远依次进行检索，直至完成所有站点的检索或检索到待分析人才的数据信息，若所有站点内均未检索到待分析人才的数据信息时，则在当前站点内新建待分析人才的数据信息；若检索到的待分析人才的数据信息，则将其与待分析人才提供的履历信息进行比较，先对待分析人才身份信息进行二次确定，若二次确定结果相同，再进行比较，根据不同的比较结果确定以不同的待分析人才的数据信息生成实时人才曲线，并将实时生成的人才曲线在标准人才曲线的差值范围，确定所述待分析人才的类型。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。