Files

shenjianZ e63267cef6 feat: 将数据集从国外员工缺勤数据替换为中国企业缺勤模拟数据

- 新增中国企业员工缺勤模拟数据集生成脚本(generate_dataset.py)，覆盖7个行业、180家企业、2600名员工
  - 重构 config.py，更新特征字段为中文名称，调整目标列、员工ID、行业类型等配置
  - 重构 clustering.py，简化聚类逻辑，更新聚类特征和群体命名（高压通勤型、健康波动型等）
  - 重构 feature_mining.py，更新相关性分析和群体比较维度（按行业、班次、婚姻状态等）
  - 新增 model_features.py 定义模型训练特征
  - 更新 preprocessing.py 和 train_model.py 适配新数据结构
  - 更新各 API 路由默认参数（model: random_forest, dimension: industry）
  - 前端更新主题样式和各视图组件适配中文字段
  - 更新系统名称为 China Enterprise Absence Analysis System

2026-03-11 10:46:58 +08:00

3.4 KiB

Raw Blame History

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与生产效率，也会对团队稳定性、运营成本和服务质量造成影响。传统方式往往依赖人工统计与经验判断，难以及时识别风险。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，通过数据统计、特征分析、风险预测和员工画像等功能，为管理者提供辅助决策支持。

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
提供单次缺勤风险预测能力
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
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 缺勤预测模块

支持输入核心业务因子进行缺勤时长预测
支持显示风险等级与置信度
支持多模型结果对比
支持自动选择较优模型

3.4 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
文档和代码保持一致

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）
风险等级划分规则：
- 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

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企业场景数据

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与风险等级
影响因素分析与聚类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

3.4 KiB Raw Blame History