面向项目指标的指标结果预测方法、存储介质及相关设备

技术领域

本公开涉及大数据技术领域，尤其涉及一种面向项目指标的指标结果预测方法、存储介质及相关设备。

背景技术

随着市场环境情况不断变化，企业制度层级也随之进行革新。为了满足制度层级更新后的数据处理需求，需要对目标对象在项目指标下的即期指标结果进行预测。

然而，由于当前主要依靠主观性评定的方式，对目标对象在项目指标下的即期指标结果进行预测，导致预测出的即期指标结果与目标对象在项目指标下的实际即期指标结果之间的误差大，不利于企业对目标对象进行管理。

因此，如何提高对目标对象在项目指标下的即期指标结果的预测准确性，成为本领域技术人员急需解决的技术问题。

发明内容

鉴于上述问题，本公开提供一种克服上述问题或者至少部分地解决上述问题的面向项目指标的指标结果预测方法、存储介质及相关设备，技术方案如下：

一种面向项目指标的指标结果预测方法，包括：

获得目标对象在项目指标下对应的历史指标数据和当期指标数据；

确定与所述项目指标对应的量化算法；

利用所述量化算法和所述历史指标数据，获得所述目标对象在所述项目指标下对应的历史指标结果；

利用所述量化算法和所述当期指标数据，获得所述目标对象在所述项目指标下对应的当期指标结果；

将所述当期指标结果和所述历史指标结果进行比对，获得指标比对结果；

将所述指标比对结果和所述当期指标结果输入至即期预测模型中，获得所述即期预测模型输出的所述目标对象在所述项目指标下对应的预测即期指标结果。

可选的，在所述将所述指标比对结果和所述当期指标结果输入至即期预测模型中，获得所述即期预测模型输出的所述目标对象在所述项目指标下对应的预测即期指标结果之后，所述方法还包括：

获得所述目标对象在所述项目指标下对应的实际即期指标结果；

基于所述实际即期指标结果和所述预测即期指标结果，使用实验对照方式对所述量化算法中的权重因子进行调整，获得更新好的量化算法。

可选的，所述将所述当期指标结果和所述历史指标结果进行比对，获得指标比对结果，包括：

将所述当期指标结果和所述历史指标结果输入至指标结果比对算法中，获得指标比对结果。

可选的，所述指标结果比对算法为：

Δ＝(Q

其中，Δ为所述指标比对结果，Q

可选的，所述将所述指标比对结果和所述当期指标结果输入至即期预测模型中，获得所述即期预测模型输出的所述目标对象在所述项目指标下对应的预测即期指标结果，包括：

将所述指标比对结果和所述当期指标结果输入至即期预测模型中，以使所述即期预测模型基于所述指标比对结果确定预测因子，利用所述预测因子和所述当期指标结果，计算出所述目标对象在所述项目指标下对应的预测即期指标结果。

可选的，所述即期预测模型为：

其中，

可选的，所述项目指标为通过指标有效性检验的指标。

一种面向项目指标的指标结果预测装置，包括：指标数据获得单元、量化算法确定单元、历史指标结果获得单元、当期指标结果获得单元、指标比对结果获得单元和预测即期指标结果获得单元，

所述指标数据获得单元，用于获得目标对象在项目指标下对应的历史指标数据和当期指标数据；

所述量化算法确定单元，用于确定与所述项目指标对应的量化算法；

所述历史指标结果获得单元，用于利用所述量化算法和所述历史指标数据，获得所述目标对象在所述项目指标下对应的历史指标结果；

所述当期指标结果获得单元，用于利用所述量化算法和所述当期指标数据，获得所述目标对象在所述项目指标下对应的当期指标结果；

所述指标比对结果获得单元，用于将所述当期指标结果和所述历史指标结果进行比对，获得指标比对结果；

所述预测即期指标结果获得单元，用于将所述指标比对结果和所述当期指标结果输入至即期预测模型中，获得所述即期预测模型输出的所述目标对象在所述项目指标下对应的预测即期指标结果。

一种计算机可读存储介质，其上存储有程序，所述程序被处理器执行时实现上述任一项所述的面向项目指标的指标结果预测方法。

一种电子设备，所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序指令，以执行上述任一项所述的面向项目指标的指标结果预测方法。

借由上述技术方案，本公开提供的面向项目指标的指标结果预测方法、存储介质及相关设备，可用于大数据领域或金融领域。本公开获得目标对象在项目指标下对应的历史指标数据和当期指标数据；确定与项目指标对应的量化算法；利用量化算法和历史指标数据，获得目标对象在项目指标下对应的历史指标结果；利用量化算法和当期指标数据，获得目标对象在项目指标下对应的当期指标结果；将当期指标结果和历史指标结果进行比对，获得指标比对结果；将指标比对结果和当期指标结果输入至即期预测模型中，获得即期预测模型输出的目标对象在项目指标下对应的预测即期指标结果。本公开通过量化算法对目标对象在项目指标下的对应的历史指标数据和当期指标数据进行统一量化，使得量化后得到的当期指标结果和历史指标结果能够进行比对，以使即期预测模型能够依据当期指标结果和比对后得到的指标比对结果，对目标对象在项目指标下对应的即期指标结果进行预测，获得准确的预测即期指标结果，从而提升预测即期指标结果的有效性，进而有助于企业对目标对象的管理工作。

上述说明仅是本公开技术方案的概述，为了能够更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为了让本公开的上述和其它目的、特征和优点能够更明显易懂，以下特举本公开的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本公开的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本公开实施例提供的面向项目指标的指标结果预测方法的一种实施方式的流程示意图；

图2示出了本公开实施例提供的面向项目指标的指标结果预测方法的另一种实施方式的流程示意图；

图3示出了本公开实施例提供的面向项目指标的指标结果预测装置的结构示意图；

图4示出了本公开实施例提供的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，本公开实施例提供的面向项目指标的指标结果预测方法的一种实施方式的流程示意图，该方法可以包括：

S100、获得目标对象在项目指标下对应的历史指标数据和当期指标数据。

其中，目标对象可以为存在即期指标结果预测需求的指定事物。例如：人员或设备。

其中，项目指标用于反映目标对象在特定项目中具备的参数特征。例如：项目指标可以包括工作纪律量化指标、跨组交流量化指标以及系统备份量化指标。

可选的，项目指标为通过指标有效性检验的指标。

为了保证项目指标在制度层级更新后仍然在特定项目中具备有效性，本公开实施例可以预先对项目指标进行筛选。具体的，本公开实施例可以对各个项目指标分别在项目进度、完成度以及完成度质量方面进行计量实验，从而验证出各项目指标在上述各方面中的关联性和置信度，从而确认项目指标在制度层级更新后是否依旧具备有效性。

本公开实施例选用通过指标有效性检验的项目指标，有助于后续针对具备有效性的项目指标进行目标对象的指标数据收集，实现计算机资源的高效利用，避免计算机资源浪费在无效的项目指标上。

其中，指标数据为能够量化出目标对象在项目指标下对应的具体参数的数据。例如：假设项目指标为工作纪律量化指标，则相应的指标数据可以包括特定周期以及该特定周期内目标对象的违规数据。

其中，当期指标数据为在指定时段内目标对象在项目指标下对应的指标数据。历史指标数据为在指定时段之前的历史时段内目标对象在项目指标下对应的指标数据。

本公开实施例可以预先对目标对象在项目指标下对应的历史指标数据和当期指标数据进行记录和存储，将目标对象与其对应的历史指标数据和当期指标数据进行信息绑定，以便在应用时获得指定时段内目标对象在项目指标下对应的当期指标数据，并获得在指定时段之前的一个历史时段内目标对象在项目指标下对应的历史指标数据。

S200、确定与项目指标对应的量化算法。

其中，量化算法为将指标数据量化为相应指标结果的算法。量化算法包括权重因子。可以理解的是，本公开实施例可以预先为不同的项目指标设置好相应的量化算法，从而在实际应用中查询到与项目指标对应的量化算法，以便使用量化算法对指标数据进行量化处理。

为了便于理解，此处通过举例对量化算法进行说明：与工作纪律量化指标对应的量化算法可以为：

Q＝In{a×K}

其中，K＝I×H/M

其中，Q为指标结果，a和I为权重因子，a具体为工作纪律影响因子，I具体为违规置信度因子，M为特定周期，H为特定周期M内目标对象的违规数据。

S300、利用量化算法和历史指标数据，获得目标对象在项目指标下对应的历史指标结果。

具体的，本公开实施例可以将历史指标数据代入量化算法中，基于历史指标数据和量化算法中的权重因子进行相应的量化处理，计算出目标对象在项目指标下对应的历史指标结果。

S400、利用量化算法和当期指标数据，获得目标对象在项目指标下对应的当期指标结果。

具体的，本公开实施例可以将当期指标数据代入量化算法中，基于当期指标数据和量化算法中的权重因子进行相应的量化处理，计算出目标对象在项目指标下对应的当期指标结果。

S500、将当期指标结果和历史指标结果进行比对，获得指标比对结果。

可选的，本公开实施例可以计算出当期指标结果与历史指标结果之间的差值，利用该差值得到指标比对结果。

可选的，本公开实施例可以计算出当期指标结果与历史指标结果之间的比值，利用该比值得到指标比对结果。

S600、将指标比对结果和当期指标结果输入至即期预测模型中，获得即期预测模型输出的目标对象在项目指标下对应的预测即期指标结果。

其中，即期预测模型为基于特定指标结果预测算法构建的模型。在特定指标结果预测算法中包括预测因子，该预测因子与指标比对结果有关。

本公开实施例可以将指标比对结果和当期指标结果输入值即期预测模型中，利用特定指标结果预测算法进行计算，计算出目标对象在项目指标下对应的预测即期指标结果。

本公开提供的面向项目指标的指标结果预测方法，可用于大数据领域或金融领域。本公开获得目标对象在项目指标下对应的历史指标数据和当期指标数据；确定与项目指标对应的量化算法；利用量化算法和历史指标数据，获得目标对象在项目指标下对应的历史指标结果；利用量化算法和当期指标数据，获得目标对象在项目指标下对应的当期指标结果；将当期指标结果和历史指标结果进行比对，获得指标比对结果；将指标比对结果和当期指标结果输入至即期预测模型中，获得即期预测模型输出的目标对象在项目指标下对应的预测即期指标结果。本公开通过量化算法对目标对象在项目指标下的对应的历史指标数据和当期指标数据进行统一量化，使得量化后得到的当期指标结果和历史指标结果能够进行比对，以使即期预测模型能够依据当期指标结果和比对后得到的指标比对结果，对目标对象在项目指标下对应的即期指标结果进行预测，获得准确的预测即期指标结果，从而提升预测即期指标结果的有效性，进而有助于企业对目标对象的管理工作。

为了缩小即期预测模型输出的预测即期指标结果与实际即期指标结果之间的差距，提升预测即期指标结果的准确性，本公开实施例可以在获得目标对象在项目指标下对应的预测即期指标结果之后，继续采集相应的实际指标结果，依据实际即期指标结果和预测即期指标结果，调整项目指标对应的量化算法中的权重因子，使得后续通过量化算法计算出的指标结果更加准确。

可选的，基于图1所示方法，如图2所示，本公开实施例提供的面向项目指标的指标结果预测方法的另一种实施方式的流程示意图，在步骤S600之后，该方法还可以包括：

S700、获得目标对象在项目指标下对应的实际即期指标结果。

S800、基于实际即期指标结果和预测即期指标结果，使用实验对照方式对量化算法中的权重因子进行调整，获得更新好的量化算法。

具体的，本公开实施例可以根据实际即期指标结果和预测即期指标结果之间的差值的正负号，确定对量化算法中的权重因子的调整方向。在该调整方向上确定权重因子的多组实验权重值，将计算出历史指标结果和当期指标结果的量化算法中权重因子的权重值确定为对照权重值，以实际即期指标结果作为即期指标对照结果。利用相同的历史指标数据和当期指标数据，分别验证在量化算法的权重因子的各组实验权重值下，经即期预测模型得到的即期指标实验结果，将各即期指标实验结果中与即期指标对照结果差距最小的即期指标实验结果对应的实验权重值作为目标权重值，将量化算法中的权重因子从对照权重值调整为目标权重值，以对量化算法进行更新，获得更新好权重因子的权重值的量化算法。

本公开实施例通过实验对照方式对量化算法中的权重因子进行调整，使得调整权重因子的权重值后的量化算法能够依据指标数据计算出更贴近现实实际情况的指标结果，有利于后续通过即期预测模型得到更加准确的预测即期指标结果。

可选的，本公开实施例设定量化算法的权重因子的更新周期，按照更新周期定时进行使用实验对照方式对量化算法中的权重因子进行调整，以及时更新量化算法，使得量化算法能够满足企业制度层级革新后的即期指标结果预测需求。

为了准确描述当期指标结果和历史指标结果之间的差距程度，本公开实施例可以提供指标结果比对算法，以便在获取到当期指标结果和历史指标结果之后，快速且准确地计算出指标比对结果。

可选的，本公开实施例可以将当期指标结果和历史指标结果输入至指标结果比对算法中，获得指标比对结果。

本公开实施例通过将当期指标结果和历史指标结果输入至指标结果比对算法中进行计算，能够获得可以准确反映当期指标结果相对历史指标结果的差距程度的指标比对结果，有利于后续通过即期预测模型依据指标比对结果输出准确的预测即期指标结果。

可选的，本公开实施例提供的指标结果比对算法可以为：

Δ＝(Q

其中，Δ为指标比对结果，Q

本公开实施例通过指标结果比对算法，采用百分比差值的计算方式，可以准确计算出当期指标结果和历史指标结果之间的差距，提升指标比对结果的有效性，有利于后续通过即期预测模型依据指标比对结果输出准确的预测即期指标结果。

可选的，本公开实施例可以将指标比对结果和当期指标结果输入至即期预测模型中，以使即期预测模型基于指标比对结果确定预测因子，利用预测因子和当期指标结果，计算出目标对象在项目指标下对应的预测即期指标结果。

本公开实施例通过指标比对结果确定出即期预测模型中的预测因子，串联起量化算法、指标结果比对算法和即期预测模型，能够利用目标对象在项目指标下的指标数据，逐步预测出目标对象在项目指标下对应的预测即期指标结果，从而提升预测即期指标结果的准确性和有效性，也有利于从源头上对量化算法进行更新，使得经指标结果比对算法和即期预测模型处理后得到的预测即期指标结果更加贴近实际即期指标结果，满足企业制度层级革新后的即期指标结果预测需求。

可选的，本公开实施例提供的即期预测模型可以为：

其中，

本公开实施例通过预测因子对当期指标结果进行调整，使得调整后得到的预测即期指标结果能够更加贴近实际即期指标结果，从而提升预测即期指标结果的有效性，进而有助于企业对目标对象的管理工作。

虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

与上述方法实施例相对应，本公开实施例还提供有一种面向项目指标的指标结果预测装置，其结构如图3所示，可以包括：指标数据获得单元100、量化算法确定单元200、历史指标结果获得单元300、当期指标结果获得单元400、指标比对结果获得单元500和预测即期指标结果获得单元600。

指标数据获得单元100，用于获得目标对象在项目指标下对应的历史指标数据和当期指标数据。

量化算法确定单元200，用于确定与项目指标对应的量化算法。

历史指标结果获得单元300，用于利用量化算法和历史指标数据，获得目标对象在项目指标下对应的历史指标结果。

当期指标结果获得单元400，用于利用量化算法和当期指标数据，获得目标对象在项目指标下对应的当期指标结果。

指标比对结果获得单元500，用于将当期指标结果和历史指标结果进行比对，获得指标比对结果。

预测即期指标结果获得单元600，用于将指标比对结果和当期指标结果输入至即期预测模型中，获得即期预测模型输出的目标对象在项目指标下对应的预测即期指标结果。

可选的，该面向项目指标的指标结果预测装置还可以包括：实际即期指标结果获得单元和量化算法更新单元。

实际即期指标结果获得单元，用于预测即期指标结果获得单元600将指标比对结果和当期指标结果输入至即期预测模型中，获得即期预测模型输出的目标对象在项目指标下对应的预测即期指标结果之后，获得目标对象在项目指标下对应的实际即期指标结果。

量化算法更新单元，用于基于实际即期指标结果和预测即期指标结果，使用实验对照方式对量化算法中的权重因子进行调整，获得更新好的量化算法。

可选的，指标比对结果获得单元500，可以具体用于将当期指标结果和历史指标结果输入至指标结果比对算法中，获得指标比对结果。

可选的，指标结果比对算法为：

Δ＝(Q

其中，Δ为指标比对结果，Q

可选的，预测即期指标结果获得单元600，可以具体用于将指标比对结果和当期指标结果输入至即期预测模型中，以使即期预测模型基于指标比对结果确定预测因子，利用预测因子和当期指标结果，计算出目标对象在项目指标下对应的预测即期指标结果。

可选的，即期预测模型为：

其中，

可选的，项目指标为通过指标有效性检验的指标。

本公开提供的面向项目指标的指标结果预测装置，可用于大数据领域或金融领域。本公开获得目标对象在项目指标下对应的历史指标数据和当期指标数据；确定与项目指标对应的量化算法；利用量化算法和历史指标数据，获得目标对象在项目指标下对应的历史指标结果；利用量化算法和当期指标数据，获得目标对象在项目指标下对应的当期指标结果；将当期指标结果和历史指标结果进行比对，获得指标比对结果；将指标比对结果和当期指标结果输入至即期预测模型中，获得即期预测模型输出的目标对象在项目指标下对应的预测即期指标结果。本公开通过量化算法对目标对象在项目指标下的对应的历史指标数据和当期指标数据进行统一量化，使得量化后得到的当期指标结果和历史指标结果能够进行比对，以使即期预测模型能够依据当期指标结果和比对后得到的指标比对结果，对目标对象在项目指标下对应的即期指标结果进行预测，获得准确的预测即期指标结果，从而提升预测即期指标结果的有效性，进而有助于企业对目标对象的管理工作。

关于上述实施例中的装置，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

所述面向项目指标的指标结果预测装置包括处理器和存储器，上述指标数据获得单元100、量化算法确定单元200、历史指标结果获得单元300、当期指标结果获得单元400、指标比对结果获得单元500和预测即期指标结果获得单元600等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来通过量化算法对目标对象在项目指标下的对应的历史指标数据和当期指标数据进行统一量化，使得量化后得到的当期指标结果和历史指标结果能够进行比对，以使即期预测模型能够依据当期指标结果和比对后得到的指标比对结果，对目标对象在项目指标下对应的即期指标结果进行预测，获得准确的预测即期指标结果，从而提升预测即期指标结果的有效性，进而有助于企业对目标对象的管理工作。

本公开实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现所述面向项目指标的指标结果预测方法。

本公开实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述面向项目指标的指标结果预测方法。

如图4所示，本公开实施例提供了一种电子设备1000，电子设备1000包括至少一个处理器1001、以及与处理器1001连接的至少一个存储器1002、总线1003；其中，处理器1001、存储器1002通过总线1003完成相互间的通信；处理器1001用于调用存储器1002中的程序指令，以执行上述的面向项目指标的指标结果预测方法。本文中的电子设备可以是服务器、PC、PAD、手机等。

本公开还提供了一种计算机程序产品，当在电子设备上执行时，适于执行初始化有如下面向项目指标的指标结果预测方法步骤的程序。

需要说明的是，本公开提供的面向项目指标的指标结果预测方法、存储介质及相关设备可用于大数据领域或金融领域。上述仅为示例，并不对本公开提供的面向项目指标的指标结果预测方法、存储介质及相关设备的应用领域进行限定。

本公开是参照根据本公开实施例的方法、装置、电子设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器，使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，电子设备包括一个或多个处理器(CPU)、存储器和总线。电子设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

在本公开的描述中，需要理解的是，如若涉及术语“上”、“下”、“前”、“后”、“左”和“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的位置或元件必须具有特定方位、以特定的方位构成和操作，因此不能理解为本公开的限制。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本公开的实施例可提供为方法、系统或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本公开的实施例而已，并不用于限制本公开。对于本领域技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本公开的权利要求范围之内。