4.5 KiB
4.5 KiB
需求规格说明书
1. 项目概述
1.1 项目名称
基于中国企业员工缺勤事件分析与预测系统
1.2 项目背景
在企业人力资源管理中，员工缺勤不仅影响排班、生产效率和运营成本，也会影响团队稳定性与服务质量。传统缺勤管理往往依赖人工统计和经验判断，难以及时识别高风险群体，更难解释缺勤背后的深层原因。
为提升企业对缺勤行为的洞察能力，本项目设计并实现一个面向企业管理场景的缺勤分析与预测系统。系统以中国企业模拟数据集为基础，结合统计分析、机器学习预测、聚类画像与 JD-R（工作要求-资源）理论解释，为管理者提供“现象识别 + 风险预测 + 原因解释 + 干预启发”的辅助决策支持。
1.3 项目目标
- 实现缺勤数据的全局统计与可视化展示
- 分析影响缺勤时长的关键因素
- 从
JD-R理论视角解释员工缺勤的心理学驱动机制 - 提供单次缺勤时长预测与风险评估能力
- 基于聚类结果构建员工群体画像
- 形成一套完整的毕业设计系统与配套论文材料
2. 用户角色与使用场景
2.1 用户角色
- 企业人力资源管理人员
- 部门负责人
- 学校答辩评审教师
2.2 使用场景
- 查看缺勤整体趋势和分布结构
- 分析不同因素对缺勤时长的影响
- 通过
JD-R理论理解“为什么员工会缺勤” - 输入关键因素并预测单次缺勤风险
- 查看员工群体画像与典型群体差异
- 在毕业设计答辩中展示系统界面与分析结果
3. 功能需求
3.1 数据概览模块
- 展示总缺勤事件数、员工覆盖数、平均缺勤时长、高风险事件占比等关键指标
- 展示月度缺勤趋势
- 展示星期分布
- 展示请假原因大类分布
- 展示季节分布
3.2 影响因素分析模块
- 展示特征重要性排序
- 展示关键变量相关性热力图
- 提供多维度群体对比分析
- 支持从行业、班次、岗位序列、婚姻状态、慢性病史等维度查看平均缺勤差异
3.3 JD-R 理论分析模块
- 展示工作要求、工作资源、个人资源三维度统计结果
- 展示工作倦怠与工作投入分布
- 展示健康损伤路径与激励路径的关联分析
- 支持按行业等维度查看
JD-R画像 - 展示风险等级分布与
JD-R平衡状态
3.4 缺勤预测模块
- 支持输入核心业务因子进行缺勤时长预测
- 支持显示风险等级、风险概率与置信度
- 支持多模型结果对比
- 支持默认推荐较优模型
- 支持单次预测结果的
SHAP局部解释
3.5 员工画像模块
- 支持
K-Means聚类分析 - 展示群体雷达图
- 展示聚类散点图
- 展示各群体人数、占比和文字说明
4. 非功能需求
4.1 性能需求
- 页面首次加载时间应控制在合理范围内
- 预测接口应在几秒内返回结果
- 常规图表接口应快速完成响应
4.2 易用性需求
- 界面布局清晰，适合课堂与答辩展示
- 关键功能入口明确，减少复杂操作
- 图表与统计结果需具有直观解释性
4.3 可维护性需求
- 前后端模块划分清晰
- 数据生成、训练、服务和展示逻辑相互独立
- 理论文档、接口文档与代码实现保持一致
4.4 安全性需求
- 系统不使用真实企业敏感数据
- 数据集中不包含身份证号、手机号、详细住址等敏感信息
5. 业务规则
- 每条数据代表一次员工缺勤事件
- 预测目标为缺勤时长（小时）
- 系统展示层使用三档风险划分：
- 低风险：缺勤时长小于 4 小时
- 中风险：缺勤时长 4 至 8 小时
- 高风险：缺勤时长大于 8 小时
JD-R理论解释以“工作要求高、资源不足、倦怠上升、投入下降”作为重要分析逻辑
6. 约束条件
- 系统采用前后端分离架构
- 后端基于 Flask
- 前端基于 Vue 3 与 Element Plus
- 训练数据采用项目内部生成的中国企业场景模拟数据
- 深度学习模型当前采用时序注意力融合网络，接口名称保留为
lstm_mlp
7. 验收标准
- 系统可正常启动并访问所有页面
- 各模块接口能够正确返回数据
- 预测模块可以返回缺勤时长、风险等级和解释结果
JD-R理论分析页面可正常展示维度图表与路径分析- 聚类与因素分析页面可正常展示图表
- 文档能够支撑毕业设计提交和答辩展示