215 lines
5.1 KiB
Markdown
215 lines
5.1 KiB
Markdown
# 数据设计文档
|
||
|
||
## 1. 数据集说明
|
||
|
||
本系统数据集为中国企业员工缺勤事件模拟数据集。每条记录表示一次员工缺勤事件，预测目标为缺勤时长（小时）。数据在中国企业管理场景假设下生成，并补充了 `JD-R` 理论相关字段。
|
||
|
||
数据文件：
|
||
|
||
- `backend/data/raw/china_enterprise_absence_events.csv`
|
||
|
||
## 2. 数据粒度
|
||
|
||
- 记录粒度：单次缺勤事件
|
||
- 员工粒度：同一员工可对应多条缺勤记录
|
||
- 企业粒度：多个企业组成整体样本池
|
||
|
||
## 3. 字段分类
|
||
|
||
### 3.1 企业与组织字段
|
||
|
||
- 企业编号
|
||
- 所属行业
|
||
- 企业规模
|
||
- 所在城市等级
|
||
- 用工类型
|
||
- 部门条线
|
||
- 岗位序列
|
||
- 岗位级别
|
||
|
||
### 3.2 员工基础字段
|
||
|
||
- 员工编号
|
||
- 性别
|
||
- 年龄
|
||
- 司龄年数
|
||
- 最高学历
|
||
- 婚姻状态
|
||
- 是否本地户籍
|
||
- 子女数量
|
||
- 是否独生子女家庭负担
|
||
- 居住类型
|
||
|
||
### 3.3 工作负荷字段
|
||
|
||
- 班次类型
|
||
- 是否夜班岗位
|
||
- 月均加班时长
|
||
- 近30天出勤天数
|
||
- 近90天缺勤次数
|
||
- 近180天请假总时长
|
||
- 通勤时长分钟
|
||
- 通勤距离公里
|
||
- 是否跨城通勤
|
||
- 绩效等级
|
||
- 近12月违纪次数
|
||
- 团队人数
|
||
- 直属上级管理跨度
|
||
|
||
### 3.4 健康与生活方式字段
|
||
|
||
- BMI
|
||
- 是否慢性病史
|
||
- 年度体检异常标记
|
||
- 近30天睡眠时长均值
|
||
- 每周运动频次
|
||
- 是否吸烟
|
||
- 是否饮酒
|
||
- 心理压力等级
|
||
- 是否长期久坐岗位
|
||
|
||
### 3.5 缺勤事件字段
|
||
|
||
- 缺勤月份
|
||
- 星期几
|
||
- 是否节假日前后
|
||
- 季节
|
||
- 事件日期
|
||
- 事件日期索引
|
||
- 事件序号
|
||
- 员工历史事件数
|
||
- 请假申请渠道
|
||
- 请假类型
|
||
- 请假原因大类
|
||
- 是否提供医院证明
|
||
- 是否临时请假
|
||
- 是否连续缺勤
|
||
- 前一工作日是否加班
|
||
- 缺勤时长（小时）
|
||
|
||
### 3.6 `JD-R` 理论字段
|
||
|
||
- 工作自主性
|
||
- 情绪劳动强度
|
||
- 时间压力感知
|
||
- 角色模糊度
|
||
- 工作家庭冲突
|
||
- 上级支持
|
||
- 同事支持
|
||
- 技能多样性
|
||
- 职业发展机会
|
||
- 参与决策
|
||
- 组织公平感
|
||
- 自我效能感
|
||
- 心理韧性
|
||
- 乐观程度
|
||
- 工作倦怠
|
||
- 工作投入
|
||
- `_jdr_version`
|
||
|
||
## 4. 目标变量设计
|
||
|
||
目标变量：
|
||
|
||
- `缺勤时长（小时）`
|
||
|
||
系统展示层风险等级映射：
|
||
|
||
- 小于 4 小时：低风险
|
||
- 4 至 8 小时：中风险
|
||
- 大于 8 小时：高风险
|
||
|
||
## 5. 特征工程设计
|
||
|
||
系统在原始字段基础上构建以下衍生特征：
|
||
|
||
- 加班通勤压力指数
|
||
- 家庭负担指数
|
||
- 健康风险指数
|
||
- 岗位稳定性指数
|
||
- 节假日风险标记
|
||
- 排班压力标记
|
||
- 缺勤历史强度
|
||
- 生活规律指数
|
||
- 管理负荷指数
|
||
- 工龄分层
|
||
- 年龄分层
|
||
- 通勤分层
|
||
- 加班分层
|
||
|
||
## 6. `JD-R` 复合指标设计
|
||
|
||
在 `model_features.py` 中，系统进一步构建以下理论复合指标：
|
||
|
||
- 工作要求指数
|
||
- 工作资源指数
|
||
- 个人资源指数
|
||
- `JD-R` 平衡度
|
||
- 倦怠风险指数
|
||
- 工作投入指数
|
||
|
||
这些指标用于 `JD-R` 页面分析、解释路径分析和预测解释维度聚合。
|
||
|
||
## 7. 数据生成逻辑
|
||
|
||
### 7.1 生成原则
|
||
|
||
- 结合中国企业实际管理场景设计字段
|
||
- 保证类别分布与数值范围具有合理性
|
||
- 让关键特征和目标变量之间保持稳定、可学习关系
|
||
- 让理论变量与业务变量之间具备可解释映射关系
|
||
|
||
### 7.2 影响关系示例
|
||
|
||
- 请假类型对缺勤时长有显著影响
|
||
- 医院证明通常对应更高缺勤时长
|
||
- 夜班、长通勤和高加班会提升缺勤风险
|
||
- 慢性病史和健康异常会提升缺勤时长
|
||
- 年假和调休通常对应较短缺勤时长
|
||
|
||
### 7.3 `JD-R` 变量生成逻辑
|
||
|
||
- 工作要求侧重由加班、通勤、夜班、家庭冲突和角色模糊等因素驱动
|
||
- 工作资源侧重由上级支持、同事支持、技能多样性、职业发展和组织公平感构成
|
||
- 个人资源侧重由自我效能感、心理韧性和乐观程度构成
|
||
- 工作倦怠由高要求与低资源共同推动
|
||
- 工作投入由高资源、高个人资源与较低倦怠共同促进
|
||
|
||
## 8. 时序样本构造
|
||
|
||
为支持深度学习时序模型，数据集在事件层面额外补充了时序字段：
|
||
|
||
- `事件日期`：缺勤事件发生日期
|
||
- `事件日期索引`：便于排序和窗口切片的数值型时间索引
|
||
- `事件序号`：同一员工内部的事件顺序
|
||
- `员工历史事件数`：该员工在数据集中对应的事件总数
|
||
|
||
深度学习样本构造规则如下：
|
||
|
||
- 以员工为单位按 `事件日期索引` 和 `事件序号` 排序
|
||
- 取最近 `8` 次缺勤事件作为时间窗口输入
|
||
- 序列不足时使用前向零填充
|
||
- 当前事件作为窗口最后一个时间步
|
||
- 静态特征单独输入静态分支，与时序编码结果融合后进行回归预测
|
||
|
||
## 9. 数据质量要求
|
||
|
||
- 无大量缺失值
|
||
- 类别字段取值可控
|
||
- 数值字段范围合理
|
||
- 高风险比例处于可接受范围
|
||
- 关键变量与目标方向关系合理
|
||
- `JD-R` 变量与业务变量关系具有可解释性
|
||
|
||
## 10. 当前数据集统计
|
||
|
||
- 样本量：12000
|
||
- 员工覆盖数：2575
|
||
- 企业覆盖数：180
|
||
- 行业数：7
|
||
- 字段总数：73
|
||
|
||
详细统计可参考：
|
||
|
||
- [中国企业缺勤模拟数据集说明.md](D:/forsetsystem/docs/中国企业缺勤模拟数据集说明.md)
|