一种检测组织健康状况方法、系统和存储介质与流程

1.本说明书涉及企业分析、机器学习领域，特别涉及一种检测组织健康状况方法、系统和存储介质。


背景技术：

2.从生命周期的视角看，企业有四种生命阶段：创业阶段、成长阶段、发展阶段和持续发展阶段。企业的生命从创业阶段开始，但并不是每一个企业都能天然长大，顺利进入下一阶段。很多企业甚至是绝大部分企业在一个阶段盘旋滞留很久，直到死亡。企业组织是一个有机体，在企业发展周期中，伴随着内外部环境因素的变化，企业基本都会产生内部或者外部方面的问题。
3.为了将企业情况合理量化，cn110110898a公开了一种基于企业健康指标的行业分析方法。该现有技术根据机器学习模型对未知目标企业数据进行预测处理，确定未知目标企业的预测处理结果。然而由于模型功能有限，导致预测结果比较单一、准确性较低。
4.因此，希望提供一种检测组织健康状况的方法、系统和存储介质，对企业经营状况和团队情况进行及时的诊断，及时发现经营过程中出现的问题。


技术实现要素：

5.本说明书一个或多个实施例提供一种检测组织健康状况方法。所述检测组织健康状况方法包括：获取目标企业的至少一个健康检测指标项；获取所述目标企业的企业数据；基于所述至少一个健康检测指标项对所述企业数据进行分析，确定所述目标企业的至少一个健康检测指标值；获取所述至少一个健康检测指标值对应的标准健康检测指标；基于所述至少一个健康检测指标值和对应的所述标准健康检测指标，确定所述目标企业的健康评估数据；基于所述健康评估数据和所述企业数据，确定推荐学习内容；以及基于预设方法确定定期评估计划。
6.本说明书实施例之一提供一种组织健康状况检测系统，所述检测组织健康状况系统包括：获取模块，用于获取目标企业的至少一个健康检测指标项；获取所述目标企业的企业数据；基于所述至少一个健康检测指标项对所述企业数据进行分析，确定所述目标企业的至少一个健康检测指标值；获取所述至少一个健康检测指标值对应的标准健康检测指标；确定模块，用于基于所述至少一个健康检测指标值和对应的所述标准健康检测指标，确定所述目标企业的健康评估数据；推荐模块，用于基于所述健康评估数据和所述企业数据，确定推荐学习内容；以及定期评估模块，用于基于预设方法确定定期评估计划。
7.本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行检测组织健康状况方法。
附图说明
8.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进
行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
9.图1是根据本说明书一些实施例所示的组织健康状况检测系统的示例性示意图；
10.图2是根据本说明书一些实施例所示的检测组织健康状况的方法的示例性流程图；
11.图3是根据本说明书一些实施例所示的确定推荐学习内容的示例性流程图；
12.图4是根据本说明书一些实施例所示的确定学习效果和评价的示例性示意图；
13.图5是根据本说明书一些实施例所示的知识图谱的示例性示意图。
具体实施方式
14.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
15.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
16.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
17.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
18.图1是根据本说明书一些实施例所示的组织健康状况检测系统的示例性示意图。在一些实施例中，所述组织健康状况检测系统100可以包括处理器110、获取模块120、确定模块130、推荐模块140和定期评估模块150。其中，处理器110可以通过控制获取模块120、确定模块130、推荐模块140和定期评估模块150实现检测组织健康状况的方法。
19.处理器110可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理器可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本说明书中描述的功能。例如，处理器110可以接收获取模块120获取的企业数据，对其进行分析后将结果传输回获取模块120。
20.在一些实施例中，获取模块120可以用于获取目标企业的至少一个健康检测指标项和企业数据，并基于健康检测指标项对企业数据进行分析，确定目标企业的至少一个健康检测指标值。关于健康检测指标项、企业数据和健康检测指标值的更多内容可以参见图2及其相关内容。
21.在一些实施例中，获取模块120可以基于大数据确定至少一种行业类型所包括的
至少一个健康检测指标项的健康检测指标范围，并基于至少一个健康检测指标项的健康检测指标范围确定对应的标准健康检测指标。关于健康检测指标范围以及标准健康检测指标的更多内容可以参见图2及其相关内容。
22.在一些实施例中，确定模块130可以用于基于至少一个健康检测指标指和对应的标准健康检测指标，确定目标企业的健康评估数据。关于健康评估数据的具体内容可以参见图2及其相关内容。
23.在一些实施例中，推荐模块140可以用于基于健康评估数据和企业数据，确定推荐学习内容。关于推荐学习内容的更多说明可以参见图2及其相关内容。
24.在一些实施例中，推荐模块140可以基于健康评估数据和企业数据，确定候选学习内容；预测候选学习内容的学习效果和评价；对候选学习内容进行至少一轮迭代更新；响应于预设条件被满足，获取迭代结果并基于迭代结果确定推荐学习内容。关于迭代更新的更多内容可以参见图3及其相关内容。
25.在一些实施例中，推荐模块140可以进一步基于企业数据确定目标企业的改进项，并基于改进项，推荐改进方案。关于推荐改进方案的更多说明可以参见图2及其相关内容。
26.在一些实施例中，定期评估模块150可以基于预设方法确定定期评估计划。关于预设方法和定期评估计划的更多内容可以参见图2及其相关内容。
27.需要注意的是，以上对于组织健康情况检测系统100及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的获取模块120、确定模块130、推荐模块140和定期评估模块150可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
28.图2是根据本说明书一些实施例所示的检测组织健康状况的方法的示例性流程图。在一些实施例中，流程200可以由组织健康状况检测系统100执行。如图2所示，流程200包括下述步骤。
29.步骤210，获取目标企业的至少一个健康检测指标项。
30.目标企业是指需要进行组织健康状况检测的企业或公司，可以包括各行业类型的企业或公司。
31.健康检测指标项是评价企业组织健康状况的指标项目。例如，顾客、顾客价值、有效市场、企业财务能力、企业经营力、规模和盈利能力等。
32.根据企业发展的不同生命阶段可以将企业划分为不同组织类型。企业生命阶段是指企业发展的不同发展阶段，如创业阶段、成长阶段、行业先锋阶段、领航者阶段。相应的，可以将企业划分为创业型组织、成长型组织、行业先锋型组织、领航者组织等。
33.在一些实施例中，不同的企业生命阶段对应不同健康检测指标项。例如，创业型组织对应的健康检测指标项可以包括顾客、顾客价值、产品、产品的顾客价值、创业团队等；成长型组织对应的健康检测指标项可以包括有效顾客、有效市场、有效规模、有效增长等；行业先锋型组织对应的健康检测指标项可以包括企业财务能力、企业经营力、企业核心团队等；领航者组织对应的健康检测指标项可以包括规模和盈利能力、产品技术领先力、社会发
展贡献度等。
34.在一些实施例中，不同的健康检测指标项可以赋予不同的健康项权重。根据不同健康检测指标项对应的健康检测指标值的加权结果可以确定企业的健康评估数据。关于健康评估数据的更多说明可以参见步骤250及其相关描述。健康项权重可以通过多种方式确定。例如，提前预设等。
35.在一些实施例中，处理器可以基于目标企业的行业领域（如金融、科技、建筑等）、企业类型（如小型企业、中型企业等）、生命阶段等数据构建目标企业的企业信息向量，基于目标企业的企业信息向量在向量数据库确定目标企业的至少一个健康检测指标项及其对应的健康项权重。
36.向量数据库是指用于存储、索引和查询向量的向量数据库。通过向量数据库，可以面对大量向量快速进行相似性查询和其他向量管理。在一些实施例中，向量数据库中包括多个参考企业信息向量、与多个参考企业信息向量分别对应的至少一个健康检测指标项及其健康项权重。其中，参考企业信息向量可以基于其他企业的行业领域、企业类型、生命阶段等数据组成的向量。
37.参考企业信息向量对应的至少一个健康检测指标项及其健康项权重可以基于其他企业的历史指标数据确定。所述历史指标数据中可以包括其他企业的企业信息（如行业领域、企业类型、生命阶段等）和对应的指标信息（如至少一个健康检测指标项及其健康项权重等）。在一些实施例中，可以基于多个参考企业信息向量、与多个参考企业信息向量分别对应的健康检测指标项及其健康项权重构建向量数据库。
38.处理器可以基于企业信息向量，在向量数据库中确定符合匹配条件的参考企业信息向量作为目标企业信息向量，并将与目标企业信息向量对应的至少一个健康检测指标项及其健康项权重确定为目标企业的至少一个健康检测指标项及其对应的健康项权重。其中，匹配条件可以指用于确定目标企业信息向量的判断条件。在一些实施例中，匹配条件可以包括向量距离小于距离阈值、向量距离最小等。距离阈值可以是系统默认值、人为预设值等。
39.步骤220，获取目标企业的企业数据。
40.企业数据是指与企业的经营、组织、健康等状况相关的数据。例如，企业数据可以包括与人员、运行、产品、销售、服务、财务等相关的数据。
41.企业数据可以通过多种方式获取。例如，可以基于目标企业的历史企业年报获取企业数据。
42.在一些实施例中，处理器还可以通过组织调查的方式获取企业数据。组织调查是运用结构化的资料收集方法和测量技术对企业数据进行收集的方法。组织调查方法包括：根据至少一个健康检测指标项构建至少一个封闭式问题以确定电子调查问卷；通过电子调查问卷搜集目标企业每一个员工对应的问卷数据；将搜集到的所有员工对应的问卷数据进行团队评估分析，以获得目标企业的企业数据。其中，团队评估分析是指在专家等的引导下对个体评估结果（即每一个员工对应的问卷数据）进行统一认识的评估方法。
43.在一些实施例中，为降低干扰数据的影响，处理器还可以对通过电子调查问卷获取的数据进行筛选。例如，筛选去除胡乱填写、填写位置错位、明显偏离范围的数据等。筛选方式可以提前预设。例如，在设计调查问卷时提前设置多个选项供员工选择；又例如，检测
员工提交的问卷中同一选项的出现率，同一选项的出现率过高（如选项a的出现率超过90%等）的问卷无法提交等。
44.在本说明书的一个或多个实施例中，通过组织调查方法可以获得有效而可靠的企业数据，从而更准确地了解企业的组织状况。
45.步骤230，基于至少一个健康检测指标项对企业数据进行分析，确定目标企业的至少一个健康检测指标值。
46.健康检测指标值是指针对某一健康检测指标项的实际检测值。每一个健康检测指标项可以对应一个健康检测指标值，某一健康检测指标值可以反映对应健康检测指标项的健康程度。健康检测指标值可以通过数值等方式表示，数值越大表示对应健康检测指标项的健康程度越高。健康检测指标值可以通过向量表示。
47.在一些实施例中，处理器可以基于至少一个健康检测指标项对企业数据进行分析，确定目标企业的至少一个健康检测指标值。例如，处理器可以通过数据处理（如相关算法）、计算机技术（如机器学习模型）等方式进行分析处理，确定至少一个的健康检测指标项各自对应的健康检测指标值。
48.步骤240，获取至少一个健康检测指标值对应的标准健康检测指标。
49.标准健康检测指标是指目标企业的某一健康检测指标值的正常数值/范围。
50.标准健康检测指标可以通过多种方式确定。在一些实施例中，目标企业的标准健康检测指标可以基于先验经验预设。
51.在一些实施例中，处理器可以基于大数据，确定目标行业类型所包括的至少一个健康检测指标项的健康检测指标范围；基于至少一个健康检测指标项的健康检测指标范围，确定对应的标准健康检测指标。
52.目标行业类型是指与目标企业的行业类型相同的行业类型。
53.大数据可以包括目标行业类型的其他企业/公司的企业数据。所述大数据可以基于第三方平台获取。
54.健康检测指标范围是指目标行业类型内所有企业的某一健康检测指标项对应的健康检测指标值的正常范围。
55.在一些实施例中，对于至少一个健康检测指标项中每一个健康检测指标项，处理器可以基于大数据，通过数据处理方法（如，统计算法、数据挖掘算法等）对目标行业类型内所有企业的企业数据进行处理（如融合处理），确定每一个健康检测指标项对应的健康检测指标范围。
56.处理器可以通过多种方式，基于至少一个健康检测指标项的健康检测指标范围，确定对应的标准健康检测指标。在一些实施例中，处理器可以将某一健康检测指标项对应的健康检测指标范围的中间值确定为该健康检测指标项对应的标准健康检测指标。在一些实施例中，处理器还可以将某一健康检测指标项对应的健康检测指标范围确定为该健康检测指标项对应的标准健康检测指标。
57.在本说明书的一个或多个实施例中，基于大数据确定标准健康检测指标，可以结合行业的实际情况通过大量数据分析，获得更准确的数据。
58.步骤250，基于至少一个健康检测指标值和对应的标准健康检测指标，确定目标企业的健康评估数据。
59.健康评估数据是指评估企业组织健康状况的相关数据。在一些实施例中，健康评估数据可以包括健康评估总分和多个健康评估分。健康评估总分是评价企业整体组织健康状况的评分；多个健康评估分分别是评价企业的多个健康检测指标项的健康状况的评分。
60.某一健康检测指标项对应的健康评估分可以通过多种方式，基于健康检测指标值与对应的标准健康检测指标确定。在一些实施例中，处理器可以将健康检测指标值与对应的标准健康检测指标的差值，或将健康检测指标值与对应的健康检测指标范围的差值确定为该健康检测指标项对应的健康评估分。在一些实施例中，处理器还可以根据评分标准，对健康检测指标值与对应的标准健康检测指标的差值或健康检测指标值与对应的健康检测指标范围的差值进行评分，并将评分结果确定为该健康检测指标项对应的健康评估分。其中，示例性的评分标准可以为所述差值越大，该健康检测指标项对应的健康评估分越低。
61.在一些实施例中，目标企业的健康评估总分可以基于各个健康检测指标项的健康评估分和对应健康项权重确定。例如，基于健康项权重与健康评估分进行加权求和确定。关于健康项权重的更多说明可以参见步骤210及其相关描述。
62.在一些实施例中，健康评估数据还可以包括反映企业不良健康状况的可见问题以及潜在问题。
63.在一些实施例中，处理器可以将小于第一预设阈值的健康评估分对应的健康检测指标项确定为可见问题，将大于第一预设阈值、小于第二预设阈值的健康评估分对应的健康检测指标项确定为潜在问题。其中，第一预设阈值和第二预设阈值是与健康评估分相关的阈值条件，第一预设阈值小于第二预设阈值。第一预设阈值和第二预设阈值可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。
64.步骤260，基于健康评估数据和企业数据，确定推荐学习内容。
65.推荐学习内容是对推荐给企业人员进行学习的内容。企业人员通过学习推荐学习内容，可以改善企业组织健康状况。其中，企业人员可以包括企业领导、管理人员、普通员工等。
66.在一些实施例中，推荐学习内容可以包括至少一个数字课程和至少一个案例。
67.数字课程是指针对解决企业某一阶段出现的问题的学习资料。例如，提高普通员工积极性的书籍、提高管理人员管理水平的书籍等。案例是指针对企业中实际发生的健康情况，形成的典型实例的分析和讲解。例如，提高生产效率的案例、开拓客户的案例等。
68.推荐学习内容可以通过多种方式确定。在一些实施例中，可以基于企业人员的职位确定推荐学习内容。例如，管理人员的推荐学习内容可以包括管理学方面的书籍和管理案例。
69.在一些实施例中，处理器可以基于多个参考企业的参考健康评估数据、参考企业数据以及对应的参考推荐学习内容构建预设对照表；基于目标企业的健康评估数据和企业数据，通过预设对照表确定目标企业的推荐学习内容。
70.在一些实施例中，可以根据从第三方平台获取的参考企业的历史数据构建多个不同的参考企业的参考健康评估数据、参考企业数据以及参考推荐学习内容的对应关系得到预设对照表。在一些实施例中，处理器可以基于目标企业的健康评估数据、企业数据在预设对照表中检索，确定与目标企业接近的参考企业，并将参考企业对应的参考推荐学习内容
确定为目标企业的推荐学习内容。
71.在一些实施例中，处理器还可以基于健康评估数据和企业数据确定候选学习内容；对候选学习内容进行至少一轮迭代更新以确定推荐学习内容。相关说明可以参见图3。
72.步骤270，基于预设方法确定定期评估计划。
73.定期评估计划可以是定期对企业组织健康状况进行评估的计划。在一些实施例中，定期评估计划可以包括评估周期、评估内容等。
74.在一些实施例中，预设方法可以是基于企业的生命阶段确定评估周期，基于健康评估数据确定评估内容。例如，处理器可以确定企业生命阶段越长的组织对应的评估周期越长等；又例如，处理器可以将健康评估数据中的健康评估分低于健康评估阈值的健康检测指标项确定为评估内容等。健康评估阈值是指用于确定评估内容的阈值，可以基于经验预设。
75.在本说明书的一个或多个实施例中，检测组织健康状况的方法可以及时发现企业存在的问题，采取处理措施，保持企业组织健康；还可以反馈企业不良健康状况的可见问题和潜在问题，并及时解决排除；以及，检测企业组织健康状况，并有针对性地推荐学习内容，改善企业组织健康状况。
76.在一些实施例中，处理器还可以进一步基于目标企业的企业数据确定目标企业的改进项，并基于改进项推荐改进方案。
77.改进项是指需要改进的健康检测指标项。例如，改进项可以是产品、产品的顾客价值等。
78.改进方案是指对企业的改进项进行改进的方案。改进方案可以包括改进内容、改进时间等。
79.改进项可以基于经验确定。例如，当产品产量下降时，可以确定改进项为产品。又例如，当产品销量下降时，可以确定改进项为产品的顾客价值等。
80.在一些实施例中，处理器可以基于企业数据确定目标企业的改进项。
81.处理器可以基于企业数据确定健康检测指标项对应的健康评估分，并将低于第二预设阈值的健康评估分对应的健康检测指标项确定为改进项。关于第二预设阈值的更多说明可以参见前文相关描述。
82.改进方案可以基于经验确定。例如，当产品产量下降时，可以确定改进方案的改进内容为提高员工工作效率，改进时间为1个月等。
83.在一些实施例中，处理器可以基于改进项，推荐改进方案。
84.在一些实施例中，处理器可以将改进项确定为改进内容，并基于改进项对应的健康评估分确定改进时间。例如，健康评估分越低的改进项对应的改进时间越长。处理器可以将确定好的改进方案向用户进行推送/推荐。
85.在本说明书的一个或多个实施例中，处理器基于目标企业的企业数据确定改进项，并进一步确定推荐改进方案，可以针对性地对企业出现的问题进行改进，使企业更好地发展。
86.图3是根据本说明书一些实施例所示的确定推荐学习内容的示例性流程图。在一些实施例中，流程300可以由推荐模块130执行。如图3所示，流程300包括下述步骤。
87.步骤310，基于健康评估数据和企业数据，确定候选学习内容。
88.候选学习内容是指候选的向目标企业的企业人员进行推荐的学习内容。候选学习内容可以包括至少一个候选的数字课程和至少一个候选的案例。
89.在一些实施例中，第一轮迭代对应的候选学习内容（后续也称为初始候选学习内容）可以基于目标企业的健康评估数据和企业数据确定。例如，可以通过预设对照表确定初始候选学习内容，相关说明可以参见步骤260。在一些实施例中，后续迭代对应的候选学习内容可以来源于上一轮对候选学习内容进行更新的结果。关于替换更新候选学习内容的更多说明可以参见后文相关部分。
90.步骤320，预测候选学习内容的学习效果和评价。
91.学习效果是指目标企业的企业人员对学习内容进行学习后，某一健康检测指标项的提升效果。例如，学习效果可以是产品产量的提升、人员效率的提升等。在一些实施例中，学习效果可以体现为部门对学习内容进行学习后，健康检测指标项的改进值。在一些实施例中，学习效果可以体现为企业人员对学习内容进行学习后，个人素质项的改进值。关于健康检测指标项的更多说明可以参见图2，关于个人素质项的更多说明可以参见图4。
92.评价是指目标企业的企业人员对学习内容的评分。例如，评价可以是对某一数字课程的评价等。每个数字课程和每个案例可以对应一个评价。
93.在一些实施例中，可以基于参考企业的相关数据预测某一候选学习内容的学习效果和评价。例如，处理器可以将参考企业学习与候选学习内容相同的学习内容时，对应的学习效果和评价作为候选学习内容的学习效果和评价。
94.在一些实施例中，处理器还可以基于企业数据和候选学习内容构建学习内容图谱，通过预测模型对学习内容图谱进行处理，预测学习效果和评价。其中，预测模型为机器学习模型。相关内容的更多说明可以参见图4、图5。
95.步骤330，对候选学习内容进行至少一轮迭代更新。
96.在一些实施例中，对候选学习内容的至少一轮迭代更新可以基于步骤331至步骤335进行。需要说明的是，步骤331至步骤335的顺序并非限制性的，例如，在执行了步骤333之后可以执行步骤334或步骤335，在执行完步骤335之后可以执行步骤334，在执行完步骤334可以执行步骤与332，其可以根据实际情况确定。
97.步骤331，基于替换学习内容，更新候选学习内容。
98.替换学习内容是指对候选学习内容进行更新的学习内容。替换学习内容可以包括至少一个用于替换的数字课程和/或至少一个用于替换的案例。在一些实施例中，替换学习内容可以根据参考企业的历史学习内容确定。例如，可以将参考企业的历史学习内容中，与当前的候选学习内容不同的历史学习内容作为替换学习内容。又例如，将参考企业的历史学习内容中，学习效果较好的历史学习内容作为替换学习内容。在一些实施例中，可以预先确定至少一个替换学习内容组成的替换学习内容数据库。
99.在一些实施例中，每一轮迭代中，处理器可以基于替换学习内容，通过预设替换规则更新候选学习内容。示例性的预设替换规则可以是：替换评价排名靠后的预设数量的候选学习内容等。预设数量可以由系统或人为预设。
100.仅作为示例，目标企业的候选学习内容包括候选数字课程a，候选案例b，候选数字课程c，对应评价排名为：候选案例b对应评价高于候选数字课程c对应评价，候选数字课程c对应评价高于候选数字课程a对应评价，预设数量为1，则处理器可以从替换学习内容数据
库中随机挑选替换数字课程a1，并将候选数字课程a更新为替换数字课程a1，得到更新后的候选学习内容包括替换数字课程a1，候选案例b，候选数字课程c。
101.步骤332，预测更新后的候选学习内容的学习效果和评价。
102.在一些实施例中，每一轮迭代中，处理器可以对更新后的候选学习内容的学习效果和评价进行预测。更新后的候选学习内容的学习效果和评价的预测方法与更新前的候选学习内容的学习效果和评价的预测方法相同，具体可参见图4、图5相关部分。
103.步骤333，基于更新前后的学习效果，确定是否保留替换学习内容。
104.更新前的学习效果是指更新前的候选学习内容（即上一轮迭代对应的候选学习内容）对应的学习效果，更新后的学习效果是指基于替换学习内容对候选学习内容进行更新后的候选学习内容（即本轮迭代对应的候选学习内容）对应的学习效果。
105.在一些实施例中，每一轮迭代中，是否保留用于更新候选学习内容的替换学习内容，可以根据更新前后的学习效果确定。当更新前的学习效果优于更新后的学习效果时，确定不保留替换学习内容，处理器执行步骤334。当更新后的学习效果优于更新前的学习效果，保留替换学习内容，即可以将基于替换学习内容更新后的候选学习内容用于下一轮迭代，处理器执行步骤335。
106.步骤334，响应于不保留替换学习内容，对替换学习内容进行更新，并进一步更新候选学习内容。
107.在一些实施例中，当候选学习内容中的替换学习内容不保留时，处理器可以对替换学习内容进行更新。在一些实施例中，处理器可以随机从替换学习内容数据库中选择新的替换学习内容对先前选择的替换学习内容进行更新。
108.在一些实施例中，对替换学习内容进行更新后，可以基于更新后的替换学习内容，进一步更新候选学习内容。
109.作为一具体示例，更新后的候选学习内容包括替换数字课程a1，候选案例b，候选数字课程c；在确定替换数字课程a1不保留时，处理器可以从替换学习内容数据库中随机选择替换数字课程a2，并将替换数字课程a1更新为替换数字课程a2；基于更新后的替换数字课程a2进一步更新候选学习内容，得到更新后的候选学习内容包括替换数字课程a2，候选案例b，候选数字课程c。
110.在一些实施例中，对候选学习内容进一步更新后，处理器可以返回执行步骤332和步骤333，即对更新后的候选学习内容对应的学习效果和评价进行预测，并基于本次更新前后的学习效果，确定是否保留替换学习内容，直到确定保留更新后的替换学习内容时进入步骤335；否则循环执行步骤334、步骤332和步骤333。
111.步骤335，响应于保留替换学习内容，判断是否满足预设条件。
112.预设条件是指结束迭代更新的条件。在一些实施例中，预设条件可以包括达到最大迭代次数、候选学习内容对应的预测学习效果满足效果阈值等。其中，最大迭代次数和效果阈值可以提前预设。当预设条件被满足时，处理器执行步骤340。当预设条件未被满足时，处理器依次、循环执行步骤334、步骤332和步骤333，并在保留更新后的替换学习内容时进入步骤335，进行下一轮迭代，直到满足预设条件时，结束迭代。
113.后续迭代中，每一轮执行迭代的候选学习内容均为前一轮迭代更新的结果，具体迭代更新方式与第一轮相同。例如，上述示例中第一轮更新后的候选学习内容可以作为下
一轮迭代更新的候选学习内容。
114.在一些实施例中，对候选学习内容的迭代更新可以每隔一段时间进行一次。其中，每次迭代更新的间隔时间可以基于健康评估数据确定。例如，健康评估数据中的健康评估总分越高，则对应的迭代更新时间越长等。
115.步骤340，响应于预设条件被满足，获取迭代结果。
116.迭代结果是指迭代更新完成后的候选学习内容。在一些实施例中，处理器可以将结束迭代更新后的候选学习内容确定为迭代结果。
117.步骤350，基于迭代结果，确定推荐学习内容。
118.在一些实施例中，处理器可以将迭代结果确定为推荐学习内容，即处理器可以将迭代更新完成后的候选学习内容确定为推荐学习内容。
119.在本说明书的一个或多个实施例中，通过健康评估数据和企业数据确定候选学习内容，并基于预测学习效果和评价对候选学习内容进行更新，进一步确定推荐学习内容，可以使推荐的学习内容更加符合企业的实际情况的同时提升学习效果，更好地改善企业组织健康状况。
120.应当注意的是，上述有关流程200、300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200、300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
121.图4是根据本说明书一些实施例所示的确定学习效果和评价的示例性示意图。
122.在一些实施例中，处理器可以基于企业数据410和候选学习内容420，获取学习内容图谱430；基于预测模型450对学习内容图谱430和企业数据440进行处理，确定学习效果460和评价470。
123.在一些实施例中，处理器可以基于企业数据410和候选学习内容420，获取学习内容图谱430。例如，处理器可以基于企业人员、企业人员的个人素质、企业组织以及案例、数字课程等构建学习内容图谱。关于企业数据和候选学习内容的具体内容可以参见图2、图3及其相关内容。
124.学习内容图谱是由节点和边组成的数据结构，边连接节点，节点和边可以具有属性。在一些实施例中，学习内容图谱可以是反映企业数据和候选学习内容的属性及关联关系的图谱。需要说明的是，一个学习内容图谱可以与一个企业人员对应，即一个学习内容图谱中仅包括一个人员节点。
125.学习内容图谱可以包括多种节点和多种边。
126.在一些实施例中，学习内容图谱可以包括企业数据节点和学习内容节点。其中，学习内容节点可以基于候选学习内容确定。
127.企业数据节点是指与目标企业的企业数据对应的节点。在一些实施例中，企业数据节点可以包括人员节点、部门节点、健康项节点和个人素质项节点。
128.人员节点是指以目标企业的企业人员生成的节点。人员节点的属性可以反映企业人员的相关特征。在一些实施例中，人员节点的属性可以包括性别、年龄、职位、工龄等。
129.部门节点是指以目标企业的部门（如人力部等）生成的节点。部门节点的属性可以反映企业部门的相关特征。在一些实施例中，部门节点的属性可以包括职能和规模等。
130.健康项节点是指以目标企业的健康检测指标项生成的节点。健康项节点可以与目
标企业的每一项健康检测指标项一一对应。健康项节点的属性可以反映健康检测指标项的相关特征。在一些实施例中，健康项节点的属性可以包括健康检测指标项。在一些实施例中，目标企业中每个部门可以对应一个健康检测指标项，相应的不同健康项节点可以对应不同的部门。关于健康检测指标项的更多说明可以参见图2及其相关描述。
131.个人素质项节点是指以目标企业的企业人员的个人素质生成的节点。个人素质项节点的属性可以反映企业人员个人素质的相关特征。在一些实施例中，个人素质项节点的属性可以包括受教育程度、专业程度、努力程度和理解力等。其中，不同的个人素质项节点可以具有不同的属性。
132.学习内容节点是指与解决目标企业问题相关的学习内容对应的节点。在一些实施例中，学习内容节点可以包括数字课程节点和案例节点。
133.数字课程节点是指以数字课程生成的节点。数字课程节点的属性可以反映数字课程的相关特征。在一些实施例中，数字课程节点的属性可以包括数字课程名称、数字课程评价和平均学习时长等。平均学习时长可以指学习该书需要的平均时长，用于评估学习成本。数字课程评价是指数字课程对应的评价。关于评价的更多说明可以参见图3及其相关描述。
134.案例节点是指以案例生成的节点。案例节点的属性可以反映案例的相关特征。在一些实施例中，案例节点的属性可以包括案例名称、部门属性、案例评价以及平均学习时长等。案例评价是指案例对应的评价。部门属性是指案例与企业内部门的对应关系。如案例a属于财务部等。关于评价的更多说明可以参见图3。
135.多个节点之间可以由边进行连接，边的属性可以反映节点之间的关系。当两个节点之间存在关系，则连接成边。
136.在一些实施例中，学习内容图谱的边可以包括多种。例如，第一类边、第二类边、第三类边、第四类边和第五类边等。
137.第一类边是指人员节点与部门节点之间的边。某一学习内容图谱中的第一类边可以包括多条，表示某企业人员与企业内多个部门的关联关系。第一类边的属性可以反映人员节点与部门节点之间的关联关系。在一些实施例中，第一类边的属性可以包括领导（表示企业人员在部门中为领导角色）、参与（表示企业人员在部门中为参与角色）等。
138.第二类边是指部门节点和健康项节点之间的边。第二类边的属性可以反映部门节点与健康项节点之间的关联关系。在一些实施例中，第二类边的属性可以包括第一权重、健康评估分等。其中，第一权重是指健康项对应的健康检测指标项的权重。在一些实施例中，部门对应的健康检测指标项的第一权重、健康评估分的确定方式与企业的健康评估分和健康项权重的确定方式类似，更多说明可以参见图2及其相关描述。
139.第三类边是指人员节点和个人素质项节点之间的边。第三类边的属性可以反映人员节点与个人素质项节点之间的关联关系。在一些实施例中，第三类边的属性可以包括得分。得分是指描述某企业人员的个人素质情况的分数。不同的个人素质项可以对应不同得分。在一些实施例中，得分可以基于企业人员信息和个人素质项确定。例如，企业人员学历越高，则连接人员节点与表示受教育程度的个人素质项节点的第三类边的得分越大等。在一些实施例中，第三类边的属性还可以包括第二权重。第二权重可以表示某一个人素质项对于某一企业人员的重要程度。第二权重可以基于经验预设。
140.第四类边是指数字课程节点和个人素质项节点之间的边。第四类边的属性可以反
映数字课程节点与个人素质项节点之间的关联关系。在一些实施例中，第四类边的属性可以包括第三权重。第三权重可以表示某一数字课程对于某一个人素质项的关联程度。第三权重可以通过经验预设得到。
141.在一些实施例，当数字课程节点与个人素质项节点之间满足第一关联条件时，可以通过第四类边连接。在一些实施例中，第一关联条件包括第一关联度满足第一关联阈值。其中，第一关联阈值可以预设得到。第一关联度是指某一数字课程与某一个人素质项之间的关联程度。
142.示例性的，第一关联度可以通过如下公式（1）确定：其中，表示第一关联度，表示某企业人员对于个人素质项i的得分，表示个人素质项i对应的节点与数字课程j对应的节点之间存在的第四类边对应的第三权重。
143.第五类边是指案例节点与健康项节点之间的边。第五类边的属性可以反映案例节点与健康项节点之间的关联关系。在一些实施例中，第五类边的属性可以包括第四权重。第四权重可以表示某一案例对于某一健康检测指标项的关联程度。
144.在一些实施例中，第四权重可以根据经验预设得到。在一些实施例中，当案例节点与健康项节点之间满足第二关联条件时，可以通过第五类边连接。在一些实施例中，第二关联条件可以包括案例与部门的相似度满足相似度阈值、第二关联度满足第二关联阈值。其中，相似度阈值和第二关联阈值可以预设。案例与部门的相似度是指将案例的部门属性和部门的向量相似度。第一关联度是指某一案例与某一部门之间的关联程度。
145.示例性的，第二关联度可以通过如下公式（2）确定：其中，表示第二关联度，表示案例f对应的评价，表示个人素质项g对应的节点与案例f对应的节点之间存在的第五类边对应的第四权重。某一案例对应的评价可以通过统计分析确定。
146.节点和边的属性可以基于基础数据用各种方法确定。例如，个人素质项节点的属性可以基于企业人员个人信息档案获取等；又例如，部门节点的属性可以基于企业数据确定等。数据来源可以是其他实施例中说明的方法，也可以是其他方法。数据可以包括当时的数据，也可以包括根据经验预设的数据、历史数据等。
147.仅为示例性的，可以参考图5理解下述一些实施例，但附图仅为对其中部分实施方式的示意，并不构成对实施方式的限定。如图5所示的学习内容图谱430中的节点和边仅为部分，学习内容图谱中还可以包括其他节点和边。
148.如图5所示，学习内容图谱430仅包括一个人员节点a。个人素质项节点a和个人素质项节点b分别通过第二类边a和第二类边b与人员节点a连接。个人素质项节点a通过第四类边a与数字课程节点a连接，个人素质项节点b分别通过第四类边b和第四类边c与数字课程节点b和数字课程节点c连接。员工节点a分别通过第一类边a和第一类边b与部门节点a和部门节点b连接。部门节点a和部门节点b分别通过第三类边a和第三类边b与健康项节点a和健康项节点b连接。健康项节点a分别通过第五类边b和第五类边c与案例节点b和案例节点c连接；健康项节点b通过第五类边a与案例节点a连接。
149.本说明书提供的一些实施例中的学习内容图谱将与企业数据和学习内容相关的内容用节点表示，并用边表述各节点之间的关联关系。学习内容图谱通过清晰地表现方式，明确企业内部的结构，能更快速地探寻企业问题原因、发现解决问题的核心并提出针对性的解决措施，对监测和维持企业的健康都有着非常重要的作用。
150.在一些实施例中，处理器可以基于预测模型450对学习内容图谱430和企业数据440进行处理，确定学习效果460和评价470。其中，预测模型每次输出的学习效果可以包括某一个企业人员对数字课程和案例进行学习后，其个人素质项的该禁止，以及该企业人员所属部门对应健康检测指标项的改进值；输出的评价可以包括该企业人员对数字课程和案例进行学习后，对各个数字课程和案例的评价。关于企业数据、学习效果和评价的更多说明可以参见图2、图3及其相关描述。
151.预测模型是机器学习模型。在一些实施例中，预测模型可以是图神经网络模型（graph neural network, gnn）。预测模型也可以是其他图模型，例如图卷积神经网络模型（gcnn），或者在图神经网络模型中增加其他处理层、修改其处理方法等。
152.在一些实施例中，预测模型450的输入可以包括学习内容图谱430和企业数据440，输出可以包括学习效果460和评价470。
153.预测模型由相同或不同的处理设备基于训练数据训练获得。训练数据包括训练样本以及标签。在一些实施例中，训练样本可以是参考企业的参考学习内容图谱和参考企业的企业数据。参考学习内容图谱可以基于从第三方平台获取的参考企业的企业数据确定。参考学习内容图谱的节点及其属性、边及其属性与上述说明类似。标签可以为参考学习内容图谱对应的学习效果和评价。评价标签的获取可以通过在不同组织或部门的运转过程中获得。
154.在一些实施例中，可以基于大量带有标签的训练样本训练得到预测模型。具体的，将带有标签的训练样本输入初始预测模型，基于标识对初始预测模型进行训练，直至满足损失函数小于阈值、收敛，或训练周期达到阈值等条件，获取训练好的预测模型。在一些实施例中，可以基于训练样本，通过各种方法进行训练。例如，可以基于梯度下降法进行训练等。
155.需要说明的是，处理器可以基于企业数据和第一轮迭代对应的初始候选学习内容构建初始的学习内容图谱。在对候选学习内容进行更新的过程中，同时可以对学习内容图谱进行更新。例如，可以基于更新后的数字课程和案例对学习内容图谱进行更新。
156.在一些实施例中，学习内容图谱可以每隔一段固定的时间重新进行一次迭代，间隔的时长可以依据企业的健康项评估结果确定。例如，企业的健康评估分越高，对应的间隔时长越长等。在一些实施例中，可以在第一轮迭代时根据第一轮的候选学习内容构建出一个学习内容图谱；后续迭代会对候选学习内容进行更新，相应可以将替换学习内容增加到学习内容图谱中，对学习知识图谱进行更新。
157.在本说明书的的一个或多个实施例中，学习内容图谱能每隔一段时间进行迭代训练，更新数据，可以持续地进行组织的健康情况检测以及对应更新学习内容来维护组织的健康情况。
158.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能
会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
159.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
160.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
161.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
162.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
163.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
164.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

技术特征：
1.一种检测组织健康状况的方法，其特征在于，所述方法由处理器执行，包括：获取目标企业的至少一个健康检测指标项；获取所述目标企业的企业数据；基于所述至少一个健康检测指标项对所述企业数据进行分析，确定所述目标企业的至少一个健康检测指标值；获取所述至少一个健康检测指标值对应的标准健康检测指标；基于所述至少一个健康检测指标值和对应的所述标准健康检测指标，确定所述目标企业的健康评估数据；基于所述健康评估数据和所述企业数据，确定推荐学习内容；以及基于预设方法确定定期评估计划；其中，所述推荐学习内容至少包括至少一个数字课程和至少一个案例，所述基于所述健康评估数据和所述企业数据，确定推荐学习内容包括：基于所述健康评估数据和所述企业数据，确定候选学习内容；预测所述候选学习内容的学习效果和评价；对所述候选学习内容进行至少一轮迭代更新；响应于预设条件被满足，获取迭代结果；基于所述迭代结果确定所述推荐学习内容。2.如权利要求1所述的方法，其特征在于，所述获取所述至少一个健康检测指标值对应的标准健康检测指标包括：基于大数据，确定目标行业类型所包括的所述至少一个健康检测指标项的健康检测指标范围；基于所述至少一个健康检测指标项的所述健康检测指标范围，确定对应的所述标准健康检测指标。3.如权利要求1所述的方法，其特征在于，所述方法还包括：基于所述企业数据确定所述目标企业的改进项；基于所述改进项，推荐改进方案。4.如权利要求1所述的方法，其特征在于，所述至少一轮迭代更新包括：基于替换学习内容，更新所述候选学习内容；预测更新后的候选学习内容的学习效果和评价；基于更新前后的所述学习效果，确定是否保留所述替换学习内容；响应于不保留所述替换学习内容，对所述替换学习内容进行更新，并更新所述候选学习内容；响应于保留所述替换学习内容，判断是否满足所述预设条件；响应于所述预设条件未被满足，对所述候选学习内容继续更新。5.如权利要求4所述的方法，其特征在于，所述学习效果和所述评价通过预测模型确定，包括：基于所述企业数据和所述候选学习内容，获取学习内容图谱；基于所述预测模型对所述学习内容图谱和所述企业数据进行处理，确定所述学习效果和所述评价；其中，所述预测模型为机器学习模型。
6.一种检测组织健康状况的系统，其特征在于，所述系统包括：获取模块，用于获取目标企业的至少一个健康检测指标项；获取所述目标企业的企业数据；基于所述至少一个健康检测指标项对所述企业数据进行分析，确定所述目标企业的至少一个健康检测指标值；获取所述至少一个健康检测指标值对应的标准健康检测指标；确定模块，用于基于所述至少一个健康检测指标值和对应的所述标准健康检测指标，确定所述目标企业的健康评估数据；推荐模块，用于基于所述健康评估数据和所述企业数据，确定推荐学习内容；以及定期评估模块，用于基于预设方法确定定期评估计划；其中，所述推荐学习内容至少包括至少一个数字课程和至少一个案例，所述推荐模块进一步用于：基于所述健康评估数据和所述企业数据，确定候选学习内容；预测所述候选学习内容的学习效果和评价；对所述候选学习内容进行至少一轮迭代更新；响应于预设条件被满足，获取迭代结果；基于所述迭代结果确定所述推荐学习内容。7.如权利要求6所述的系统，其特征在于，所述获取模块进一步用于：基于大数据，确定目标行业类型所包括的所述至少一个健康检测指标项的健康检测指标范围；基于所述至少一个健康检测指标项的所述健康检测指标范围，确定对应的所述标准健康检测指标。8.如权利要求6所述的系统，其特征在于，所述推荐模块进一步用于：基于所述企业数据确定所述目标企业的改进项；基于所述改进项，推荐改进方案。9.如权利要求6所述的系统，其特征在于，所述至少一轮迭代更新包括：基于替换学习内容，更新所述候选学习内容；预测更新后的候选学习内容的学习效果和评价；基于更新前后的所述学习效果，确定是否保留所述替换学习内容；响应于不保留所述替换学习内容，对所述替换学习内容进行更新，并更新所述候选学习内容；响应于保留所述替换学习内容，判断是否满足所述预设条件；响应于所述预设条件未被满足，对所述候选学习内容继续更新。10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1-5中任一项所述的检测组织健康状况的方法。

技术总结
本说明书实施例提供一种检测组织健康状况的方法、系统和存储介质，包括获取目标企业的至少一个健康检测指标项和企业数据，并基于所述至少一个健康检测指标项对企业数据进行分析，确定目标企业的至少一个健康检测指标值；获取至少一个健康检测指标值对应的标准健康检测指标，并基于至少一个健康检测指标值和对应的标准健康检测指标，确定目标企业的健康评估数据；基于健康评估数据和企业数据，确定推荐学习内容；以及基于预设方法确定定期评估计划。计划。计划。


技术研发人员：葛新
受保护的技术使用者：上海知到知识数字科技有限公司
技术研发日：2023.06.26
技术公布日：2023/9/7