一种基于分值核定的绩效和股权管理系统、方法及设备

摘要

本发明公开了一种基于分值核定的绩效和股权管理系统、方法及设备，该系统包括服务器，所述服务器上创建有如下模块：设置模块，用于为企业设置绩效考核标准；数据获取模块，用于获取各员工的原始数据；其中，原始数据包括工作数据和信息数据；管理模块，用于：根据工作数据并结合所述绩效和股权考核标准得出第一考核结果；根据信息数据并结合所述绩效和股权考核标准得出第二考核结果；将各考核结果进行数据聚合后进行输出结果显示；其有益效果是：利用客观的工作数据和信息数据为基础内容，精准体现劳动者的客观贡献值，其杠杆作用突出，能有效去主观化和去人为化因素，且整个系统自动运行，人工干预少，处理效率高。

说明书

技术领域

本发明涉及绩效管理和股权管理技术领域，具体涉及一种基于分值核定的绩效和股权管理系统、方法及设备。

背景技术

绩效管理和股权管理由来已久，在企业中被广泛应用。现有的绩效管理技术中企业一般采用“计件法”或“提成法”，按劳动产出的产品数或业绩数的一定比例计提员工利益的方法，但这些方法无法用于行政性工作的绩效核算，所以企业常还会采用“相对评价法”、“绝对评价法”、“描述法”和“目标考核法”这四种方法进行绩效考核和收益分配。“相对评价法”是在被评价对象的群体中建立基准(通常以该群体的平均水平为基准)，然后依据基准对个体进行评价的方法；“绝对评价法”是在被评价对象群体之外，以预先设定的目标作为基准，再根据个体工作结果达到基准的某个绝对位置进行评价的方法；“描述法”是从上司、同事、客户等多维度集合意见对被评价对象进行评价的方法；“目标考核法”是按既定的指标或评价标准来衡量员工完成任务程度的方法。然而，这四种方法主要是以人为评议、评分为主的，在统计上往往也是人工计算、手动制表；这些均以人的主观评价为主，易受人为因素的影响，且处理效率低，从而造成得出的绩效结果不够准确和客观。现有的股权管理技术中，企业基本都是采用“预设份额法”，即预先确定股东人选及其股权比例。这种方法主要是通过人为商定的方式来得出股权比例的，这种静态的权益分配比例，不仅缺乏客观性，更是跟各位股东此后实际价值的贡献比例无法一致，会把股东们导向股权纷争。

发明内容

本发明的发明目的在于：为企业提供一种以客观数据为基础、去人为因素的一种基于分值核定的绩效和股权管理系统、方法及设备。

第一方面：一种基于分值核定的绩效和股权管理系统，包括服务器，所述服务器上创建有如下模块：

设置模块，用于为企业设置绩效和股权考核标准；

数据获取模块，用于获取各员工的原始数据；其中，所述原始数据包括工作数据和信息数据；所述原始数据通过输入设备输入所得或通过自动读取的方式抓取所得；

管理模块，用于：

根据所述工作数据并结合所述绩效和股权考核标准得出第一考核结果；

根据所述信息数据并结合所述绩效和股权考核标准得出第二考核结果；

将各考核结果进行数据聚合后进行输出结果显示。

作为本申请一种可选的实施方式，所述工作数据包括员工的工作时间、工资金额和工作量；

所述信息数据包括员工的工龄、职级、学历、职称、情报条数、技能证数量、知识产权贡献个数。

作为本申请一种可选的实施方式，所述绩效和股权考核标准包括加分项，所述加分项为个体特项权益，所述个体特项权益利用所述管理模块通过以下公式计算：

个人特项利益＝[1+(对应员工的工作贡献分值÷单位工作贡献总分值-对应员工的薪资÷单位总薪资)]×(单位可分总利益÷单位人数)；其中，对应员工的工作贡献分值＝个人工作结果总分值+个人工作行为总分值+个人资格总分值；个人工作结果总分值＝本期公司总收入×(对应员工的本期工作时长÷公司全员本期工作时长总和)；个人工作行为总分值＝考勤次数+制度遵守次数；个人资格总分值＝工龄月份数+职级分+学历分+职称分+情报条数+技能证数量+知识产权贡献个数。

作为本申请一种可选的实施方式，所述的一种基于分值核定的绩效和股权管理系统，还包括优化模块，所述优化模块用于利用预设的评估模型周期性的对输出结果进行评估，并根据评估结果优化所述绩效考核标准。

作为本申请一种可选的实施方式，所述评估模型通过以下步骤生成：

创建神经网络；

初始化粒子群；

计算各粒子的适应度值；

更新粒子的速度和位置，并重新计算新粒子的适应度值；

按照新的粒子适应度值对粒子的个体最优和全局最优更新；

当达到最大迭代次数时，结束粒子群算法，并根据获得的最优粒子优化设置所述神经网络的初始权值和阈值。

第二方面，本发明实施例提供了一种基于分值核定的绩效和股权管理方法，应用于第一方面所述的一种基于分值核定的绩效和股权管理系统，所述方法包括：

通过设置模块为企业设置绩效考核标准；

利用数据获取模块获取各员工的原始数据；其中，所述原始数据包括工作数据和信息数据；

由管理模块根据所述工作数据并结合所述绩效和股权考核标准得出第一考核结果；

并根据所述信息数据并结合所述绩效和股权考核标准得出第二考核结果；

将各考核结果进行数据聚合后进行输出结果显示。

作为本申请一种可选的实施方式，所述绩效和股权考核标准包括加分项，所述加分项为个体特项利益，所述个体特项利益利用所述管理模块通过以下公式计算：

个人特项利益＝[1+(对应员工的工作贡献分值÷单位工作贡献总分值-对应员工的薪资÷单位总薪资)]×(单位可分总利益÷单位人数)；其中，对应员工的工作贡献分值＝个人工作结果总分值+个人工作行为总分值+个人资格总分值；个人工作结果总分值＝本期公司总收入×(对应员工的本期工作时长÷公司全员本期工作时长总和)；个人工作行为总分值＝考勤次数+制度遵守次数；个人资格总分值＝工龄月份数+职级分+学历分+职称分+情报条数+技能证数量+知识产权贡献个数。

作为本申请一种可选的实施方式，所述方法还包括：由优化模块利用预设的评估模型周期性的对输出结果进行评估，并根据评估结果优化所述绩效和股权考核标准。

作为本申请一种可选的实施方式，所述评估模型通过以下步骤生成：

创建神经网络；

初始化粒子群；

计算各粒子的适应度值；

更新粒子的速度和位置，并重新计算新粒子的适应度值；

按照新的粒子适应度值对粒子的个体最优和全局最优更新；

当达到最大迭代次数时，结束粒子群算法，并根据获得的最优粒子优化设置所述神经网络的初始权值和阈值。

第三方面，本发明实施例提供了一种基于分值核定的绩效和股权管理设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如第二方面所述的方法。

采用上述技术方案，具有以下优点：本发明提出的一种基于分值核定的绩效和股权管理系统、方法及设备，利用客观的工作数据和信息数据为基础内容，精准体现劳动者的客观贡献值，其杠杆作用突出，能有效去主观化和去人为化因素，且整个系统自动运行，人工干预少，处理效率高；克服了现有技术中掺杂了很多的人为因素，评价结果往往偏离客观价值轴心，对于人缘较差的人往往是不公平的缺陷，特别适用于应用到企业行政性类工作的绩效和股权管理中。

附图说明

图1是本发明实施例所提供的一种基于分值核定的绩效和股权管理系统的结构示意图；

图2是本发明实施例提供的一种基于分值核定的绩效和股权管理方法的流程示意图。

具体实施方式

下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。

在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。

下面结合附图，对本发明作详细的说明。

参考图1所示，一种基于分值核定的绩效和股权管理系统，包括服务器，所述服务器上创建有如下模块：

设置模块，用于为企业设置绩效和股权考核标准。

具体地，不同的考核标准对应设置有具体的考核内容；应用时，可通过设置相关的考核表来实现。

数据获取模块，用于获取各员工的原始数据；其中，所述原始数据包括工作数据和信息数据；所述原始数据通过输入设备输入所得或通过自动读取的方式抓取所得。

具体地，所述工作数据包括员工的工作时间、工资金额、工作量、公司每周期营收额和考勤数据等；所述信息数据包括工龄、职级、学历、职称、情报条数、技能证数量、知识产权贡献个数等；所述输入设备包括考勤机、扫描设备、加载有应用程序的移动终端等；所述自动读取可采用遍历读取或是爬取的方式。

管理模块，用于：

根据所述工作数据并结合所述绩效和股权考核标准得出第一考核结果；

应用时，所述第一考核结果为：某周期(月、旬、星期等)员工的效能、产能和绩效收益，其公式是：

(1)V

即：员工的效能＝员工的工作结果分值÷员工的工作计划分值

(2)V

即：员工的产能＝员工的工作结果分值÷员工的本期薪资

(3)W

即：员工的绩效收益＝员工的绩效考核工资×员工的效能×员工的产能

其中：

O

即：员工的工作结果分值＝本期公司总收入×员工的本期工作时长在公司的占比；

＝本期公司总收入×(员工的本期工作时长÷公司全员本期工作时长总和)

0

即：员工的工作计划分值＝上期公司总收入×员工的本期薪资在公司的占比；

＝上期公司总收入×(员工的本期薪资/公司全员本期薪资总和)

上期公司总收入I

相应的，本期的公司总收入I

需要说明的是，本申请实施例计算过程中所需的数据，均是从数据获取模块中读取而来。

以本人的工作结果分值O

虽然O

绩效考核工资W

根据所述信息数据并结合所述绩效考核标准得出第二考核结果；

具体地，根据员工的工龄、职级、学历、职称、情报条数、技能证数量、知识产权贡献个数，并结合考核标准，得出员工对应的分值；例如，工龄多一年加0.5，学历高一级加1.0。

将各考核结果进行数据聚合后进行输出结果显示。

具体地，将第一考核结果和第二考核结果进行数据聚合，以得到该员工对应的考核结果；进行转正、晋升、休假核定、津贴发放、月度和年度评优，以及进行物质奖励、车房贷款奖励、社保奖励、理财奖励、旅游奖励等的评比。

进一步地，实施时，所述绩效和股权考核标准包括加分项，所述加分项为个体特项权益(某项奖金、奖励、福利、股权)，所述个体特项权益利用所述管理模块通过以下公式计算：

个人特项利益＝[1+(对应员工的工作贡献分值÷单位工作贡献总分值-对应员工的薪资÷单位总薪资)]×(单位可分总利益÷单位人数)。其中，对应员工的工作贡献分值＝个人工作结果总分值+个人工作行为总分值+个人资格总分值；个人工作结果总分值＝本期公司总收入×(对应员工的本期工作时长÷公司全员本期工作时长总和)；个人工作行为总分值＝考勤次数+制度遵守次数；个人资格总分值＝工龄月份数+职级分+学历分+职称分+情报条数+技能证数量+知识产权贡献个数。

应用时，为更加准确、科学化的进行员工股权分配，所述管理模块还用于对个体股权数进行计算，即，考核标准还包括个体股权数，具体如下：

个体股权数＝个体总分值×企业收益率×时间风险率×沉淀价值率。其中：所述个体可以是员工股东或者法人股东，所述个体为员工股东时，个体总分值＝员工本人的工作贡献分值合计数，所述个体为法人股东时，个体总分值＝法人股东的投资总金额数；企业收益率＝企业盈利率之和÷月份数；时间风险率＝月份数的log

具体地，在计算某周期员工的特项利益时，获取该员工所在单位的某项可分配利益总值数据，以及该单位所有人的该周期薪资(薪资＝绩效考核工资+基本工资)数据、工作结果分数据，以员工的工作贡献分值除以单位全员工作的工作贡献总分值，即得出该员工在单位中的工作结果分占比；以该员工的本期薪资除以单位全员本期总薪资，即得出该员工在单位中的薪资占比；以单位本期某项可分配总利益除以单位人数，即得出了人均利益数。根据“薪资比重对应贡献比重”的价值原则，那么，某人的贡献价值占比与薪资占比之间的差(即纠偏值)为正值，该值就是他相对于单位人均贡献值的超出比例；反之，差为负值，该值就是他相对少贡献了的比例，那么，经过纠偏，即在本期人均利益数基础上增加他超出的比例或者减去他不足的比例，得到他的实际可分利益，就符合了自然价值规律。

再进一步，企业依据这些分值和指标，以及企业盈利率、月份数、工总额，进行员工期权、股权的取值和分配，也达到了去人为元素、按客观价值规律执行的目的。

通过上述方案，利用客观的工作数据和信息数据为基础内容，精准体现劳动者的客观贡献值，其杠杆作用突出，能有效去主观化和去人为化因素，且整个系统自动运行，人工干预少，处理效率高；克服了现有技术中掺杂了很多的人为因素，评价结果往往偏离客观价值轴心，对于人缘较差的人往往是不公平的缺陷，特别适用于应用到企业行政性类工作的绩效和股权管理中。

进一步地，为了提升绩效评估的准确性，使其更加科学化，能准确体现出数据所展示的规律；所述的一种基于分值核定的绩效和股权管理系统，还包括优化模块，所述优化模块用于利用预设的评估模型周期性的对输出结果进行评估，并根据评估结果优化所述绩效和股权考核标准。

具体地，所述评估模型通过以下步骤生成：

创建神经网络；即，确定输入层、隐含层和输出层的节点数；员工的各原始数据对应于神经网络的输入，绩效和股权评价值作为神经网络的输出；

初始化粒子群；随机设定粒子的位置和速度；

计算各粒子的适应度值；

更新粒子的速度和位置，并重新计算新粒子的适应度值；

按照新的粒子适应度值对粒子的个体最优和全局最优更新；

当达到最大迭代次数时，结束粒子群算法，并根据获得的最优粒子优化设置所述神经网络的初始权值和阈值。

这样，可根据绩效评价值进行调整，从而使得绩效评价更加科学、合理。

基于上述同样的发明构思，参照图2所示，本发明实施例还公开了一种基于分值核定的绩效和股权管理方法，应用于前文所述的一种基于分值核定的绩效和股权管理系统；所述方法包括：

S101，通过设置模块为企业设置绩效和股权考核标准；

S102，利用数据获取模块获取各员工的原始数据；其中，所述原始数据包括工作数据和信息数据；

S103，由管理模块根据所述工作数据并结合所述绩效和股权考核标准得出第一考核结果；

S104，并根据所述信息数据并结合所述绩效和股权考核标准得出第二考核结果；

S105，将各考核结果进行数据聚合后进行输出结果显示。

在其他实施例中，在前述方案的基础上，所述绩效和股权考核标准包括加分项，所述加分项为个体特项权益，所述个体特项权益利用所述管理模块通过以下公式计算：

个人特项利益＝[1+(对应员工的工作贡献分值÷单位工作贡献总分值-对应员工的薪资÷单位总薪资)]×(单位可分总利益÷单位人数)。其中，对应员工的工作贡献分值＝个人工作结果总分值+个人工作行为总分值+个人资格总分值；个人工作结果总分值＝本期公司总收入×(对应员工的本期工作时长÷公司全员本期工作时长总和)；个人工作行为总分值＝考勤次数+制度遵守次数；个人资格总分值＝工龄月份数+职级分+学历分+职称分+情报条数+技能证数量+知识产权贡献个数。

用时，为更加准确、科学化的进行员工股权分配，所述方法还包括，通过管理模块对个体股权数进行计算，具体如下：

个体股权数＝个体总分值×企业收益率×时间风险率×沉淀价值率。其中：所述个体可以是员工股东或者法人股东，所述个体为员工股东时，个体总分值＝员工本人的工作贡献分值合计数，所述个体为法人股东时，个体总分值＝法人股东的投资总金额数；企业收益率＝企业盈利率之和÷月份数；时间风险率＝月份数的log

进一步地，为了使得绩效和股权考核更加科学、合理；所述方法还包括：由优化模块利用预设的评估模型周期性的对输出结果进行评估，并根据评估结果优化所述绩效和股权考核标准。

其中，所述评估模型通过以下步骤生成：

创建神经网络；

初始化粒子群；

计算各粒子的适应度值；

更新粒子的速度和位置，并重新计算新粒子的适应度值；

按照新的粒子适应度值对粒子的个体最优和全局最优更新；

当达到最大迭代次数时，结束粒子群算法，并根据获得的最优粒子优化设置所述神经网络的初始权值和阈值。

需要说明的是，上述方法实施例中的具体实施方式，可参照前文系统实施例中的描述，在此不再赘述。

通过上述方法，利用客观的工作数据和信息数据为基础内容，精准体现劳动者的客观贡献值，其杠杆作用突出，能有效去主观化和去人为化因素，且整个系统自动运行，人工干预少，处理效率高；更好地激发了劳动潜能，更好地促进了生产的发展。

在本发明的另一优选实施例中，还提供了一种基于分值核定的绩效和股权管理设备，可以包括：一个或多个处理器、一个或多个输入设备、一个或多个输出设备和存储器，上述处理器、输入设备、输出设备和存储器通过总线相互连接。存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令执行上述方法实施例部分的方法。

应当理解，在本发明实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

输入设备可以包括键盘等，输出设备可以包括显示器(LCD等)、扬声器等。

该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器、输入设备、输出设备可执行本发明方法实施例中所描述的实现方式，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；本领域的普通技术人员应当理解：在不脱离本发明基本构思的前提下，其依然可以对前述各实施例所记载的技术方案进行修改、润饰，或者对其中部分或者全部技术特征进行等同替换和变化；而这些修改、润饰或者替换和变化，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。