本发明涉及绩效考核，并且更具体地，涉及一种基于数据处理的评分方法及系统。
背景技术：
1、研发工作由于具有创造性，实现的多路径性，难以制定统一的标准进行考核。本发明通过调研一家以研发工作为主的公司，发现该公司在研发人员日常考核中，存在如下问题：一是研发考核多以主观评价为主，对于紧急工作完成的认可度高，而对于日常的研发工作缺乏一定的评价基准；二是该公司的研发人员考核分为两级，先是由研发工作项负责人对组内成员进行考核评分，再由部门经理对组内成员进行二次考核评分，存在工作项负责人的评分尺度不一导致工作组整体分数偏高或偏低，工作项负责人评分拉不开差距等问题，另外部门经理对全体成员的了解不如具体负责人，对全员进行评分也存在偏差。
技术实现思路
1、针对上述问题，本发明提出了一种基于数据处理的评分方法，包括：
2、获取科研人员单位时间内的工作数据及绩效考核数据，对所述工作数据及绩效考核数据进行预处理，以生成工作数据集及绩效考核数据集，分别对所述工作数据集及绩效考核数据集进行特征进行特征提取，以得到工作特征数据及绩效考核特征数据；
3、确定工作特征数据中，每个工作特征的权重，并确定绩效考核特征数据中，每个绩效考核特征的权重，对所述每个工作特征的权重与所述每个绩效考核特征的权重进行一一关联，以确定评分指标以及所述评分指标对应的权重，并基于所述评分指标及评分指标的权重，构建初始评分模型；
4、基于所述工作数据及绩效考核数据，对所述初始评分模型进行校验，以确定所述初始评分模型的误差，并以所述误差作为初始评分模型的修正误差，对所述初始评分模型进行校准，得到评分模型；
5、获取目标科员人员单位时间内的目标工作数据，基于所述目标工作数据，确定对应的评分指标值，将所述评分指标值，带入所述评分模型进行计算，以确定单位时间内，目标科研人员的工作评分。
6、可选的，对所述工作数据及绩效考核数据进行预处理，包括：
7、对所述工作数据及绩效考核数据进行去噪、去重及补全处理；
8、并校验所述工作数据与绩效考核数据是否一一对应，若否，调整所述工作数据与绩效考核数据的对应关系，以确定所述工作数据与绩效考核数据具备一一对应关系。
9、可选的，工作特征数据，包括如下中的至少一种：工作时间数据、工作完成度数据、工作耗时数据、完成工作质量数据、产出价值数据及行为规范数据。
10、可选的，绩效考核特征数据具体为：与工作特征数据对应的评分数据。
11、可选的，方法还包括：当因工作的调整，对评分指标或评分指标的权重进行调整时，基于调整的评分指标或评分指标的权重，对评分模型进行调整，以更新评分模型。
12、可选的，单位时间以周、月或季为单位。
13、可选的，评分模型，包括：日常工作子评分模型、项目工作子评分模型、外勤工作子评分模型和行为规范评分子模型；
14、所述日常工作子评分模型用于对科研人员的日常工作进行评分；
15、所述项目工作子评分模型用于对科研人员的项目工作进行评分；
16、所述外勤工作子评分模型用于对科研人员的外勤工作进行评分；
17、所述行为规范子评分模型用于对科研人员的行为规范进行评分；
18、可选的，工作评分为日常工作评分、项目工作评分、外勤工作评分和行为规范评分的加权评分。
19、再一方面，本发明还提出了一种基于数据处理的评分系统，包括：
20、数据采集单元，用于获取科研人员单位时间内的工作数据及绩效考核数据，对所述工作数据及绩效考核数据进行预处理，以生成工作数据集及绩效考核数据集，分别对所述工作数据集及绩效考核数据集进行特征进行特征提取，以得到工作特征数据及绩效考核特征数据；
21、训练单元，用于确定工作特征数据中，每个工作特征的权重，并确定绩效考核特征数据中，每个绩效考核特征的权重，对所述每个工作特征的权重与所述每个绩效考核特征的权重进行一一关联，以确定评分指标以及所述评分指标对应的权重，并基于所述评分指标及评分指标的权重，构建初始评分模型；
22、修正单元，用于基于所述工作数据及绩效考核数据，对所述初始评分模型进行校验，以确定所述初始评分模型的误差，并以所述误差作为初始评分模型的修正误差，对所述初始评分模型进行校准，得到评分模型；
23、评分单元，用于获取目标科员人员单位时间内的目标工作数据，基于所述目标工作数据，确定对应的评分指标值，将所述评分指标值，带入所述评分模型进行计算，以确定单位时间内，目标科研人员的工作评分。
24、可选的，对所述工作数据及绩效考核数据进行预处理，包括：
25、对所述工作数据及绩效考核数据进行去噪、去重及补全处理；
26、并校验所述工作数据与绩效考核数据是否一一对应，若否，调整所述工作数据与绩效考核数据的对应关系，以确定所述工作数据与绩效考核数据具备一一对应关系。
27、可选的，工作特征数据，包括如下中的至少一种：工作时间数据、工作完成度数据、工作耗时数据、完成工作质量数据、产出价值数据及行为规范数据。
28、可选的，绩效考核特征数据具体为：与工作特征数据对应的评分数据。
29、可选的，修正单元还用于：当因工作的调整，对评分指标或评分指标的权重进行调整时，基于调整的评分指标或评分指标的权重，对评分模型进行调整，以更新评分模型。
30、可选的，单位时间以周、月或季为单位。
31、可选的，评分模型，包括：日常工作子评分模型、项目工作子评分模型、外勤工作子评分模型和行为规范评分子模型；
32、所述日常工作子评分模型用于对科研人员的日常工作进行评分；
33、所述项目工作子评分模型用于对科研人员的项目工作进行评分；
34、所述外勤工作子评分模型用于对科研人员的外勤工作进行评分；
35、所述行为规范子评分模型用于对科研人员的行为规范进行评分；
36、可选的，工作评分为日常工作评分、项目工作评分、外勤工作评分和行为规范评分的加权评分。
37、再一方面，本发明还提供了一种计算设备，包括：一个或多个处理器；
38、处理器，用于执行一个或多个程序；
39、当所述一个或多个程序被所述一个或多个处理器执行时，实现如上述所述的方法。
40、再一方面，本发明还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的方法。
41、与现有技术相比，本发明的有益效果为：
42、本发明提出了一种基于数据处理的评分方法，包括：获取科研人员单位时间内的工作数据及绩效考核数据，对所述工作数据及绩效考核数据进行预处理，以生成工作数据集及绩效考核数据集，分别对所述工作数据集及绩效考核数据集进行特征进行特征提取，以得到工作特征数据及绩效考核特征数据；确定工作特征数据中，每个工作特征的权重，并确定绩效考核特征数据中，每个绩效考核特征的权重，对所述每个工作特征的权重与所述每个绩效考核特征的权重进行一一关联，以确定评分指标以及所述评分指标对应的权重，并基于所述评分指标及评分指标的权重，构建初始评分模型；基于所述工作数据及绩效考核数据，对所述初始评分模型进行校验，以确定所述初始评分模型的误差，并以所述误差作为初始评分模型的修正误差，对所述初始评分模型进行校准，得到评分模型；获取目标科员人员单位时间内的目标工作数据，基于所述目标工作数据，确定对应的评分指标值，将所述评分指标值，带入所述评分模型进行计算，以确定单位时间内，目标科研人员的工作评分。本发明能够有效的对工作人员的工作进行考核，且避免了人工干预，公平公正。
1.一种基于数据处理的评分方法，其特征在于，所述数据评分方法，包括：
2.根据权利要求1所述的评分方法，其特征在于，所述对所述工作数据及绩效考核数据进行预处理，包括：
3.根据权利要求1所述的评分方法，其特征在于，所述工作特征数据，包括如下中的至少一种：工作时间数据、工作完成度数据、工作耗时数据、完成工作质量数据、产出价值数据及行为规范数据。
4.根据权利要求1所述的评分方法，其特征在于，所述绩效考核特征数据具体为：与工作特征数据对应的评分数据。
5.根据权利要求1所述的评分方法，其特征在于，所述方法还包括：当因工作的调整，对评分指标或评分指标的权重进行调整时，基于调整的评分指标或评分指标的权重，对评分模型进行调整，以更新评分模型。
6.根据权利要求1所述的评分方法，其特征在于，所述单位时间以周、月或季为单位。
7.根据权利要求1所述的评分方法，其特征在于，所述评分模型，包括：日常工作子评分模型、项目工作子评分模型、外勤工作子评分模型和行为规范评分子模型；
8.一种基于数据处理的评分系统，其特征在于，所述数据评分系统，包括：
9.一种计算机设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1-7中任一所述的方法。
