基于平衡计分-层次分析的警员绩效评估方法及系统

摘要

本发明公开了一种基于平衡计分‑层次分析的警员绩效评估方法及系统，涉及信息分析技术领域；包括用户信息模块、警员信息管理模块、参数设计模块、参数关系设计模块、权重设置模块、警员评分模块、数据处理模块、考核结果分析展示模块、结果比较模块、考核结构向导模块、考核结果决策模块；本发明采用平衡计分卡思想从多角度考核员工，使考核结果数据更加全面、合理；本发明将定性和定量指标结合起来综合处理，将定性和定量指标数据统一到同一闭值空间，方便用户直观的查看和比较考核结果通过验证模型对模型的智能调整，使考核数据更加的准确、公正。

说明书

技术领域

本发明属于信息分析技术领域，具体设计一种基于平衡计分-层次分析的警员绩效评估方法及系统。

背景技术

随着城市交通量的剧增和交警工作业务范围的不断扩大，我国交警出警工作数量成倍增加。面对需要管理和考核的工作量的激增，如何快速高效、方便快捷的对交警的出警工作进行管理和考核已成为一个迫切需要解决的问题。

如今大多数的交警人员出警考核和监督中，大多数是依赖决策者的知识、经验来进行定性推理和分析，而目前的警员出警工作绩效考核系统也无法有效的解决考核过程中存在的大量非结构化问题，以及各种模糊概念和不确定因素，存在难以保证警员出警工作考核的有效性问题，以及警员出警工作考核中的跟踪和决策者的经验决策偏差等问题。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于平衡计分-层次分析的警员绩效评估方法及系统，解决了上述背景技术中所存在的问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于平衡计分-层次分析的警员绩效评估系统，包括：用户信息模块、警员信息管理模块、参数设计模块、参数关系设计模块、权重设置模块、警员评分模块、数据处理模块、考核结果分析展示模块、结果比较模块、考核结构向导模块、考核结果决策模块；

所述用户信息模块，用于登录用户修改已添加用户的基本信息，登录用户分两种权限，分别为管理员用户和普通用户，管理员用户修改所有注册用户的基本信息，普通用户只修改自身的某些信息；

所述警员信息管理模块，用于对警员的信息进行管理；

所述参数设计模块，用于对参数指标的信息进行管理；

所述参数关系设计模块，用于考核参数指标间联系的增加和删除，用户根据实际需要选择有联系的指标，给其增加联系，并在界面直观显示出因果关系图；

所述权重设置模块，用于指标权系数的设置，以及指标权系数的确定；

所述警员评分模块，用于进行警员评价打分，系统发布后，根据不同登录用户的不同身份，进入相应的管理界面，进行警员评价打分，然后系统对打分规则进行控制，并完成对打分结果的持久化；

所述数据处理模块，用于对评分数据进行处理，该模块用于对评分数据的处理，处理结果是生成各个指标的考核值；

所述考核结果分析展示模块，用于显示警员的考核结果，包括考核总值，各层指标的综合值等考核信息，考核数据转化为百分制的格式显示，通过横向比较和纵向比较对警员的考核值进行了分析，根据分析结果简单地总结了警员的考核情况；

所述结果比较模块，将动态贝叶斯网络推理出的员工绩效考核结果与平衡计分卡—层次分析法模型得出的结果进行比较，并依据比较结果，对平衡计分卡—层次分析法模型的权系数进行职能调整，使平衡计分卡—层次分析法模型的考核结果与动态贝叶斯网络推理出的结果相接近，从而增加模型的准确性和合理性；

所述考核结果向导模块，利用指标因果关系设计模块生成的因果关系图来构建网络，该模块是利用平衡计分卡指标因果关系设计模块生成的因果关系图来构建动态贝叶斯网络，然后随机从数据库中取出学习数据，进行参数学习，学习成功后，随机取出严重数据进行推理验证；

所述考核结果决策模块，应用平衡计分卡向导生成的平衡计分卡结构添加具体决策项，选择动态贝叶斯向导所生成的动态贝叶斯网络进行预测，将预测结果与平衡计分卡进行比较，调整平衡计分卡相应项。

优选的，所述警员信息管理模块只对管理员用户可见，管理员用户可以添加、修改以及删除警员的基本信息，警员的基本信息包括警员号、姓名、职位、所属部门、年龄、性别等。

优选的，所述参数设计模块只对管理员用户可见，管理员用户依据己建立的指标体系，可以分层的输入各指标的基本信息，指标的基本信息包括指标、父指标名、指标数据类型以及描述，该模块主要包括以下几个功能：指标的添加、指标的修改、指标的删除以及指标列表显示。

优选的，所述参数关系设计模块包括以下几个子功能：联系的增加、联系的删除和因果关系图可视化显示。

优选的，所述权重设置模块只对管理用户可见，其根据层次分析法算法计算各子指标的影响权系数，为以后综合处理各类指标奠定了基础。

优选的，所述警员评分模块包括以下几个子模块：角色识别模块、评测规则控制模块、评测模块和数据持久化模块。

优选的，所述数据处理模块依据己生成的指标权系数和打分角色的权系数，对评分值进行处理，包括定量数据的处理，定量和定性数据的综合处理。

优选的，所述考核结果向导模块包括以下几个子功能：平衡计分卡战略图选择、动态贝叶斯网络生成、动态贝叶斯网络学习和数据验证。

优选的，所述考核结果决策模块包括以下几个子功能：决策项添加、动态贝叶斯网络选择和平衡计分卡调整。

本发明还提供一种基于平衡计分-层次分析的警员绩效评估方法，步骤如下：

S1、运用层次分析法建立递阶层次结构：应用解决实际问题，首先找出影响问题的要素集，根据某些算法或规则，把要素集分组化、层次化，理出递阶层次结构，应用层次分析法进行综合评价如下：

S11、将问题的要素集分组化、层次化，以建立多级递阶结构模型；

S12、在多级递阶结构模型中，对属于同一父要素的要素集，根据判断尺度确定它们的相对重要度，并据此建立对比矩阵；

S13、通过一定计算后，确定各要素的相对重要度；

S14、对相对重要度进行归一化处理，所得数值集即为该要素集对父要素的权系数集；

S2、构造判断矩阵并请专家填写：

某问题的递阶层次结构建立完成后，需要通过构造和填写对比矩阵确定子要素对父要素的影响度，填写对比矩阵的方法是向填写人专家反复询问针对对比矩阵的准则，设填写后的判断矩阵为A＝(a

(1)a

(2)a

(3)a

根据上面性质，判断矩阵具有对称性，因此在填写时，通常先填写a

在特殊情况下，判断矩阵可以具有传递性，既满足等式：

a

当上式对判断矩阵所有元素都成立时，该判断矩阵为一致性矩阵；

层次分析法采用对比矩阵获得同一层次因素的相对权重，设有n件物体A

若用重量向量晰＝(w

即(A-nI)W＝0

可知W为特征向量，n为特征值

显然对于矩阵A，有

(1)a

(2)a

(3)a

根据根据正矩阵的理论可证，A具有唯一非零的最大特征λ

由于AHP的相关比重矩阵具有正倒数特性，所以当决定因素一相对于因素二的重要性时，亦即也决定因素二相对于因素一的重要性，即前者分数的倒数(a

利用矩阵中的数据可以得到指标权重的准确估计值，权重提供了对每个指标相对重要性的测度；计算过程可以总结为如下三个步骤：

(1)对对矩阵每列求和；

(2)矩阵中每个值除以相应列之和；

(3)计算每行平均值；

相关权重的计算方式为首先将之前的相关比重矩阵标准化，亦即将评比矩阵中的每个输入项除以所在列输入项之加总值,以取得一个新的标准化矩阵A'＝[a

S3、检验矩阵的一致性：

对于专家填写后的对比矩阵，通过和法计算各个元素的相对权重，和法原理为对于一致性判断矩阵,每一列归一化后就是相应的权重，对于非一致性判断矩阵，每一列归一化后近似其相应的权重，在对这n个列向量求取算术平均值作为最后的权重。具体的公式是：

一致性检验具体步骤如下：

第一步，计算一致性指标C.I.(Consistency Index)

第二步，查表确定相应的平均随机一致性指标R.I.(Random Index)；

第三步,计算一致性比例C.R.(consistency Ratio)并进行判断

当C.R.＜0.1时，认为对比矩阵的一致性是可以接受的，当C.R.＞0.1时，认为对比矩阵不符合一致性要求，需要对该矩阵进行重新修正；

S4、结合平衡计分卡法对上述评分模型进行优化：

平衡计分卡法对警员进行绩效评估具有显著的优点，主要是因为平衡计分卡综合了定性指标和定量指标、并考虑了交通警察部门的长期目标和短期目标，可以让交通警察部门正确地挖掘出优秀员工，为了使考核结果更加公正，本绩效考核评分模型采用领导评警员、警员自评、部门内警员互评的方式对警员进行打分。

本发明的有益效果：

本发明采用平衡计分卡思想从多角度考核员工，使考核结果数据更加全面、合理；本发明将定性和定量指标结合起来综合处理，将定性和定量指标数据统一到同一闭值空间，方便用户直观的查看和比较考核结果通过验证模型对模型的智能调整，使考核数据更加的准确、公正。

附图说明

图1为本发明的系统原理示意图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

参照图1所示，本发明的一种基于平衡计分-层次分析的警员绩效评估系统，包括用户信息模块、警员信息管理模块、参数设计模块、参数关系设计模块、权重设置模块、警员评分模块、数据处理模块、考核结果分析展示模块、结果比较模块、考核结构向导模块、考核结果决策模块；

用户信息模块用于登录用户修改已添加用户的基本信息，登录用户分两种权限,分别为管理员用户和普通用户，管理员用户可以修改所有注册用户的基本信息,普通用户只可以修改自己的某些信息；

警员信息管理模块用于对警员的信息进行管理，只对管理员用户可见，管理员用户可以添加、修改以及删除警员的基本信息，警员的基本信息包括警员号、姓名、职位、所属部门、年龄、性别等；

参数设计模块用于对参数指标的信息进行管理，只对管理员用户可见，管理员用户依据己建立的指标体系，可以分层的输入各指标的基本信息，指标的基本信息包括指标、父指标名、指标数据类型以及描述，该模块主要包括以下几个功能：指标的添加、指标的修改、指标的删除以及指标列表显示；

参数关系设计模块用于考核参数指标间联系的增加和删除，用户根据实际需要选择有联系的指标，给其增加联系，并在界面直观显示出因果关系图，该模块包括以下几个子功能：联系的增加、联系的删除和因果关系图可视化显示；

权重设置模块用于指标权系数的设置，本模块用于指标权系数的确定，是系统的核心模块之一，只对管理用户可见，其根据层次分析法算法计算各子指标的影响权系数，为以后综合处理各类指标奠定了基础；

警员评分模块用于进行警员评价打分，功能主要是系统发布以后，根据不同登录用户的不同身份，进入相应的管理界面，进行警员评价打分，然后系统对打分规则进行控制，并完成对打分结果的持久化，该模块包括以下几个子模块：角色识别模块、评测规则控制模块、评测模块和数据持久化模块；

数据处理模块用于对评分数据进行处理，该模块用于对评分数据的处理，该模块也是本系统的核心模块之一，依据己生成的指标权系数和打分角色的权系数，对评分值进行处理，包括定量数据的处理,定量和定性数据的综合处理，处理结果是生成各个指标的考核值；

考核结果分析展示模块用于显示警员的考核结果，包括考核总值，各层指标的综合值等考核信息，考核数据转化为百分制的格式显示，通过横向比较和纵向比较对警员的考核值进行了分析，根据分析结果简单地总结了警员的考核情况；

结果比较模块是将动态贝叶斯网络推理出的员工绩效考核结果与平衡计分卡—层次分析法模型得出的结果进行比较，并依据比较结果，对平衡计分卡—层次分析法模型的权系数进行职能调整，使平衡计分卡—层次分析法模型的考核结果与动态贝叶斯网络推理出的结果相接近，从而增加了模型的准确性和合理性；

考核结果向导模块，利用指标因果关系设计模块生成的因果关系图来构建网络，该模块是利用平衡计分卡指标因果关系设计模块生成的因果关系图来构建动态贝叶斯网络，然后随机从数据库中取出学习数据，进行参数学习，学习成功之后，随机取出严重数据进行推理验证，该模块包括以下几个子功能：平衡计分卡战略图选择、动态贝叶斯网络生成、动态贝叶斯网络学习和数据验证；

考核结果决策模块，应用平衡计分卡向导生成的平衡计分卡结构添加具体决策项，选择动态贝叶斯向导所生成的动态贝叶斯网络进行预测，将预测结果与平衡计分卡进行比较，调整平衡计分卡相应项，该模块包括以下几个子功能：决策项添加、动态贝叶斯网络选择和平衡计分卡调整。

一种基于平衡计分-层次分析的警员绩效评估方法，步骤如下：

S1、运用层次分析法建立递阶层次结构：应用解决实际问题，首先找出影响问题的要素集，根据某些算法或规则，把要素集分组化、层次化，理出递阶层次结构，应用层次分析法进行综合评价如下：

S11、将问题的要素集分组化、层次化，以建立多级递阶结构模型；

S12、在多级递阶结构模型中，对属于同一父要素的要素集，根据判断尺度确定它们的相对重要度，并据此建立对比矩阵；

S13、通过一定计算后,确定各要素的相对重要度；

S14、对相对重要度进行归一化处理，所得数值集即为该要素集对父要素的权系数集；

S2、构造判断矩阵并请专家填写：

某问题的递阶层次结构建立完成后，需要通过构造和填写对比矩阵确定子要素对父要素的影响度，填写对比矩阵的方法是向填写人专家反复询问针对对比矩阵的准则，其中两个元素两两比较哪个重要，重要多少，对重要性程度按一赋值重要性标度值见下表1，如下：

表1

设填写后的判断矩阵为A＝(a

(1)a

(2)a

(3)a

根据上面性质，判断矩阵具有对称性，因此在填写时，通常先填写a

在特殊情况下，判断矩阵可以具有传递性，既满足等式：a

当上式对判断矩阵所有元素都成立时，该判断矩阵为一致性矩阵；

层次分析法采用对比矩阵获得同一层次因素的相对权重，设有n件物体A

若用重量向量W＝(w

即(A-nI)W＝0

可知W为特征向量，n为特征值；

显然对于矩阵A，有：

(1)a

(2)a

(3)a

根据根据正矩阵的理论可证，A具有唯一非零的最大特征λ

由于AHP的相关比重矩阵具有正倒数特性，所以当决定因素一相对于因素二的重要性时，亦即也决定因素二相对于因素一的重要性，即前者分数的倒数(a

利用矩阵中的数据可以得到指标权重的准确估计值，权重提供了对每个指标相对重要性的测度。计算过程可以总结为如下三个步骤：

(1)对对矩阵每列求和；

(2)矩阵中每个值除以相应列之和；

(3)计算每行平均值；

相关权重的计算方式为首先将之前的相关比重矩阵标准化，亦即将评比矩阵中的每个输入项除以所在列输入项之加总值,以取得一个新的标准化矩阵A'＝[a

S3、检验矩阵的一致性：

对于专家填写后的对比矩阵，通过和法计算各个元素的相对权重，和法原理为对于一致性判断矩阵，每一列归一化后就是相应的权重，对于非一致性判断矩阵，每一列归一化后近似其相应的权重，在对这n个列向量求取算术平均值作为最后的权重；具体的公式是：

一致性检验具体步骤如下：

第一步，计算一致性指标C.I.(Consistency Index)

第二步，查表确定相应的平均随机一致性指标R.I.(Random Index)；如表2所示，

表2

第三步,计算一致性比例C.R.(consistency Ratio)并进行判断

当C.R.＜0.1时，认为对比矩阵的一致性是可以接受的，当C.R.＞0.1时，认为对比矩阵不符合一致性要求，需要对该矩阵进行重新修正；

S4、结合平衡计分卡法对上述评分模型进行优化：

平衡计分卡法对警员进行绩效评估具有显著的优点，主要是因为平衡计分卡综合了定性指标和定量指标、并考虑了交通警察部门的长期目标和短期目标，可以让交通警察部门正确地挖掘出优秀员工，为了使考核结果更加公正，本绩效考核评分模型采用领导评警员、警员自评、部门内警员互评的方式对警员进行打分。

下面以某交通警察部门为背景，具体描述警员的绩效考核过程

1、构建民警指标评价体系，如表3所示，

表3

针对交通警察部门员工的工作性质，构建指标评价体系是根据交警部门的具体情况设计的具有平衡计分卡思想的交警基层警员的指标体系，从表中可以看出我们所构建的体系分为四部分，每部分又可以分成多个关键绩效指标，这样就形成了一个阶梯型的层状结构。这样的分层有利于在后来计算过程中运用AHP方法计算各子指标对父指标影响的权系数，也就是说建立这样的评价指标体系为后面运用AHP方法计算打下了坚实的基础。通过AHP方法的计算可以得到各层各指标的权重，这些权重代表着子指标对父指标的影响程度，通过权重值，我们也可以更细致地看到同父各子指标之间的重要性关系。

2、权重的分析与确定

指标的权重是指该指标在本层指标中所占的相对其它指标的重要性程度，一般以100％为最高值，对本层指标内的各项指标的重要性程度进行分配。确定权重一个较为简便和合理的方法就是通过专家打分。然而仅仅凭专家评价各指标的权重，会使所得的数据有一定的主观性和局限性。因此引入AHP方法，结合专家评分来增加权重数值的准确性。具体步骤如下：

(1)专家根据以往经验和一些历史数据来填写AHP对比矩阵。

(2)通过对比矩阵的一致性检验去验证专家评分是否合理。如果不合理,让专家重新评分，转到步骤3。否则，转到步骤1。

(3)通过求得对比矩阵的最大特征值对应的特征向量的归一化来获得权值。

邀请了交警部门的最高级领导(1名支队长)，各部门的负责人(2名大队长和3名中队长)和普通民警各一名，共七人组成专家团来填写对比矩阵。根据上节设计的警员评价指标体系，利用专家团的评分值和层次分析法来确定各层指标的权重。下面详细介绍警员指标评价体系各权重的确定过程。具体确定过程如下：

应用层次分析法指标项目成效,项目质量,沟通能力,学习与成长项对于总目标的权重。专家团通过两两比较法对各指标确定权系数,根据调查结果,可以综合得到一级指标的两两比较评判表由此可以计算出评估者对—指标两两比较判断矩阵如下：

然后,计算矩阵A的特征向量和最大特征根λ

计算判断矩阵每一行元素的乘积M

M

M

M

M

计算M

W

对向量w

即：

w

＝2.340/(2.340+1.316+0.427+0.760)＝2.340/4.843＝0.48

同理求得：

w

需要说明的是，在本发明中，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。而且，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、物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、物品或者设备所固有的要素。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。