aisi-tech/forsetsystem
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
Files
27c394fd8cdf4ce62fa3bc80ec301d3272cd4c1d
forsetsystem/docs/03_数据设计文档.md

5.1 KiB
Raw Blame History

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：

Reference in New Issue View Git Blame Copy Permalink