企业管理系统及其执行方法与流程

1.本发明涉及一种程序系统，尤其是一种企业管理系统及其执行方法。


背景技术：

2.目前企业业务行为管理大多采用业务流程管理(business process management，bpm)系统来实现之。对此，业务流程管理系统可被设计以适于定义组织成员之间的业务流程和构成系统之间整合(例如人与人之间、人与应用系统之间、应用系统与应用系统之间)的解决方案。然而，面对大量数据的应用场景，传统的业务流程管理系统无法无法很有效地感知数据变化，而立即做出正确的反应及处理。甚至，由于系统中的多数处理过程仍很传统地依赖人来决策，而使得决策行为的知识也无法被有效的被封装及传承。因此，传统的业务流程管理系统在面对大量数据的应用场景时，可能发生业务流程无法有效率地进行的问题。更重要的是，用户的操作习惯以及操作经验也无法有效地传承与延续。


技术实现要素：

3.本发明是针对一种企业管理系统及其执行方法，可针对用户操作行为自动地提供系统功能、作业或操作顺序等的最佳化及/或个性化推荐结果。
4.根据本发明的实施例，本发明的企业管理系统包括存储装置以及处理器。存储装置存储多个模块。处理器耦接存储装置，并且用以执行多个模块。处理器取得用户操作行为数据，并根据用户操作行为数据执行数据采集模块，以取得用户组织信息、用户操作行为记录以及用户操作时间记录。数据采集模块根据用户组织信息、用户操作行为记录以及用户操作时间记录产生推理数据。处理器执行模型推理模块，并将推理数据输入至模型推理模块中的任务推理模型，以使任务推理模型产生推理结果数据。
5.根据本发明的实施例，本发明的企业管理系统的执行方法包括以下步骤：取得用户操作行为数据；根据用户操作行为数据执行数据采集模块，以取得用户组织信息、用户操作行为记录以及用户操作时间记录；通过数据采集模块根据用户组织信息、用户操作行为记录以及用户操作时间记录产生推理数据；执行模型推理模块，并将推理数据输入至模型推理模块中的任务推理模型；以及通过任务推理模型产生推理结果数据。
6.基于上述，本发明的企业管理系统及其执行方法，可根据用户操作行为数据取得对应的用户组织信息、用户操作行为记录以及用户操作时间记录作为推理数据，并将推理数据输入至预先训练好的模型推理模块，以使模型推理模块可根据推理数据产生适于当前用户或当前应用场景的推理结果数据。
7.为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。
附图说明
8.图1是本发明的一实施例的企业管理系统的示意图；
unit，mcu)或现场可程式闸阵列(field programmable gate array，fpga)等诸如此类的处理电路或具有数据运算功能的芯片，但本发明并不以此为限。存储装置120可为记忆体(memory)，其中记忆体所述可例如是只读存储器(read only memory，rom)、可擦可编程只读存储器(erasable programmable read only memory，eprom)等非挥发存储器、随机存取存储器(random access memory，ram)等挥发存储器、及硬盘驱动器(hard disc drive)、半导体存储器等存储装置，并且用于存储本发明所提到的各种程序及信息等数据。在本实施例中，存储装置120可存储多个特定模块、算法及/或软件等，以分别供处理器110读取并执行之。值得注意的是，本发明各实施例所述的模块以及单元可个别由相对应的一个或多个算法及/或软件所实现，并且可依其一个或多个算法及/或软件的执行结果来实现实施例所描述的相关功能与操作。
43.在本实施例中，存储装置120可储存数据采集模块121、模型推理模块122、数据管理模块123、模型参数模块124以及模型训练模块125。处理器110可读取存储在存储装置120中的这些模块，并且通过执行这些模块来实现可针对用户操作行为自动地提供系统功能、作业或操作顺序等的最佳化及/或个性化推荐结果的功能。在本实施例中，企业管理系统100可例如是设置在企业内的电脑主机，并提供用户介面来供用户操作，以取得用户操作行为数据。或者，在一实施例中，企业管理系统100也可例如是以云端伺服器系统的架构来实现之。用户可通过执行电子设备的用户介面(user interface,ui)程序而连线至云端伺服器进行相关企业管理操作。对此，用户可操作电子设备的显示屏所显示的用户介面的内容，以使用户介面或相关程序可提供对应的用户操作行为数据至云端伺服器。云端伺服器可通过执行前述的多个模块来实现可针对用户操作行为自动地提供系统功能、作业或操作顺序等的最佳化及/或个性化推荐结果的功能。
44.在本实施例中，数据采集模块121可经配置以采集存储在企业资源规划(enterprise resource planning，erp)数据库中的用户组织信息、用户操作行为记录、用户操作时间记录以及相关数据信息，以产生训练数据以及推理数据。在本实施例中，模型推理模块122可经配置以将推理数据输入特定的任务推理模型后，由特定的任务推理模型输出最佳化及/或个性化的操作推荐结果，其中操作推荐结果可例如但不限于系统功能推荐、用户常用功能推荐、最佳异常排除方案推荐以及用户操作习惯推荐等。在本实施例中，数据管理模块123可经配置以对数据采集模块121所采集的多源训练数据信息进行清洗、存储和更新维护作业。在本实施例中，模型参数模块124可存储一个或多个任务推理模型以及与其分别对应的特征工程参数。在本实施例中，模型训练模块125可通过人工智能的机器学习算法迭代训练持续学习，并从数据中洞悉用户的操作经验，而更进一步地以人工智能模型形式保存(存储)在模型参数模块124中。
45.在本实施例中，用户组织信息例如是用户在企业组织架构中对应的权限、层级及/或相关身分信息。用户操作行为记录可以是指用户在先前进行相同或相似的操作行为记录。用户操作时间记录可以是指用户在先前进行相同或相似的操作行为的时机。
46.图2是本发明的一实施例的企业管理系统的执行方法的流程图。图3是本发明的一实施例的企业管理系统的多个模块的执行示意图。参考图1至图3，企业管理系统100可执行如以下步骤s210～s250。在步骤s210，处理器110可取得用户操作行为数据。在本实施例中，用户可例如通过输入设备(例如滑鼠、键盘或触控萤幕等)及/或企业管理系统100的应用程
序接口(application programming interface，api)进行相关企业管理操作行为，以使处理器110可取得对应于用户操作行为的用户操作行为数据。在步骤s220，处理器110可根据用户操作行为数据执行数据采集模块121，以取得用户组织信息、用户操作行为记录以及用户操作时间记录。在步骤s230，处理器110可通过数据采集模块121根据用户组织信息、用户操作行为记录以及用户操作时间记录产生推理数据301。
47.在步骤s240，处理器110可执行模型推理模块122，并将推理数据301输入至模型推理模块122中的任务推理模型。如图3所示，数据采集模块121可包括推理数据撷取单元1211以及训练数据采集单元1212。在本实施例中，训练数据采集单元1212可预先通过企业资源规划数据库及/或平台数据管理单元来采集训练数据302，并且将训练数据302提供至模型训练模块125。模型训练模块125可根据训练数据302可根据不同训练数据迭代训练任务推理模型。
48.具体而言，推理数据撷取单元1211可例如根据用户操作行为数据来查询企业资源规划数据库及/或平台数据管理单元，以取得可作为推理数据301的用户组织信息、用户操作行为记录以及用户操作时间记录，并且可对于撷取的数据进行数据清洗以及数据转化，以将适当的推理数据301输入至模型推理模块122。模型推理模块122可根据推理数据301从模型参数模块124中的多个任务推理模型选择对应的其中一个，并且可将推理数据301输入至模型推理模块122所选的任务推理模型。因此，在步骤s250，处理器110可通过所选的任务推理模型产生推理结果数据303。本实施例的企业管理系统100可根据用户操作行为自动地产生适于当前用户或当前应用场景的推理结果数据303。在本实施例中，处理器110可对推理结果数据303进行工程封装转换，以输出推荐结果列表。工程封装转换可例如是指根据预设或特定的列表格式将推理结果数据303的多个项目的数据转换及/或编排至列表中。如此一来，用户可根据推荐结果列表的信息以及建议来决策进行适当的下一操作行为，以使用户可适当且正确地实行的企业管理程序。
49.在本实施例中，企业管理系统100还可设定自动排程程式，并且可记录用户基于推理结果数据303所实际执行的操作所产生的用户操作结果数据304，以将推理结果数据303以及用户操作结果数据304作为下一笔训练数据302来迭代训练任务推理模型。换言之，用户可能相同于推荐结果列表的所提供的推荐信息，也可能基于其他考量执行相同或不相同于推荐结果列表的所提供的推荐信息。对此，企业管理系统100自适应性地修正及迭代训练任务推理模型，而可提供具有个性化特点的推荐服务。
50.值得注意的是，在进行推理操作之前，企业管理系统100可先采集企业管理软件资料库中的相关数据信息用以推荐系统输入。前述相关数据信息的数据样态可例如包括但不限于供应商信用评等、供应商供货品质评等和厂商咨询记录等，其中前述的评等数据可以是连续数值或有序离散值。并且，企业管理系统100可根据用户信息及组织信息构建用户画像数据。企业管理系统100可记录用户操作行为，例如业务决策记录及决策缘由等非结构化数据，以及还可记录操作时间信息，例如用户在某功能界面下的开始操作时间以及停留时间等。接着，数据采集模块121的训练数据采集单元1212可对以上多源信息进行数据汇集、数据清洗和数据维护，以更新企业资源规划数据库。训练数据采集单元1212可洞察训练数据302的数据特征信息，并且要求模型训练模块125进行模型训练。模型训练模块125可根据训练数据302的数据类型自动地选择合适的机器学习算法，以构建特征工程和算法模型结
构。最后，模型训练模块125可反复循环训练与测试模型及优化模型，以获得具有当前最佳参数网络的任务推理模型。如此一来，企业管理系统100可为企业管理软件系统中赋予人工智能服务，特别是赋予能个性化推荐服务的应用。
51.图4是本发明的另一实施例的企业管理系统的示意图。参考图4，企业管理系统400可包括处理器410、存储装置420以及企业资源规划数据库430。处理器410耦接存储装置420以及企业资源规划数据库430。存储装置420可存储数据采集模块421、模型推理模块422、数据管理模块423、模型参数模块424以及模型训练模块425。在本实施例中，企业资源规划数据库430可同样存储在存储装置420中，或是存储在外部的其他存储装置，而本发明并不加以限制。在本实施例中，数据采集模块421可包括推理数据撷取单元4211、训练数据采集单元4212、平台数据管理单元4213以及用户行为记录单元4214。模型推理模块422可包括推理特征工程单元4221、模型预测单元4222以及模型选择单元4223。模型参数模块424可包括特征参数管理单元4241以及推理模型管理单元4242。数据训练模块425可包括训练特征工程单元4251、模型训练单元4252、模型建构工程单元4253以及模型测试单元4254。关于本实施例的企业管理系统400的具体硬体特征以及实施方式可参考上述图1至图3实施例的说明。
52.图5是本发明的图4实施例的企业管理系统的训练流程图。参考图4以及图5，企业管理系统400可执行如以下步骤s501～s511。在步骤s501，处理器410可执行训练数据采集单元4212，以从用户行为记录单元4214取得用户的行为属性以及行为目标的数据样本。在步骤s502，训练数据采集单元4212可根据数据样本从平台数据管理单元4213取得对应于当前操作行为的用户信息以及组织数据。在步骤s503，训练数据采集单元4212可根据数据样本从企业资源规划数据库430取得对应于当前操作行为的相关信息及记录。在本实施例中，训练数据采集单元4212可将步骤s501～s503所取得的数据作为训练数据，并且进行存储，其中所述数据可至少包括用户组织信息、用户操作行为记录以及用户操作时间记录。在步骤s504，训练数据采集单元4212可将训练数据提供至数据管理模块423。在步骤s505，处理器410可执行数据管理模块423，以对训练数据采集单元4212所提供的训练数据进行数据清洗与规整，并且将数据清洗与规整后的训练数据提供至训练特征工程单元4251。
53.在步骤s506，处理器410可执行模型建构工程4253，以根据用户的设定或根据训练数据自动选择选择合适的算法，以使模型训练单元4252可进行任务推理模型的模型网络构建。在步骤s507，处理器410可执行训练特征工程单元4251，以根据所述任务推理模型的输入需求来产生特征参数，并且提供至模型训练单元4252。处理器410可执行模型训练单元4252，以根据所述特征参数训练所述任务推理模型。在步骤s508，模型训练单元4252可将训练后的任务推理模型提供至模型测试单元4254。在步骤s509，模型测试单元4254可根据所述任务推理模型在测试集上的评价指标判定所述任务推理模型是否完成训练。若否，在步骤s510，处理器410可重新执行步骤s505～s509，以循环训练过程。若是，在步骤s511，模型训练单元4252可输出此任务推理模型及对应的特征参数至模型参数模块424的推理模型管理单元4242以及特征参数管理单元4241，以进行模型及参数的保存。
54.值得注意的是，模型测试单元4254可根据所述任务推理模型在测试集上的评价指标进行判定，其中评价指标可根据不同任务种类来决定，并且可例如是分类准确率、回归分析均方误差或接收者操作特征曲线(receiver operating characteristic curve，roc)曲线下面积等指标。并且，模型训练模块425可迭代执行训练特征工程单元4251、模型训练单
元4252以及模型建构工程单元4253以迭代训练所述任务推理模型。
55.图6是本发明的图4实施例的企业管理系统的推理流程图。参考图4以及图6，企业管理系统400可执行如以下步骤s601～s609。在步骤s601，处理器410可通过用户行为记录单元4214根据所述用户操作行为数据发送用户当前行为属性数据至推理数据撷取单元4211。在步骤s602及步骤s603，处理器410可执行推理数据撷取单元4211，以从平台数据管理单元4213以及企业资源规划数据库430撷取用户组织信息、用户操作行为记录以及用户操作时间记录。在步骤s604，处理器410可执行推理数据撷取单元4211，以将用户组织信息、用户操作行为记录以及用户操作时间记录提供至模型推理模块422的推理特征工程单元4221。在步骤s605，处理器410可执行推理特征工程单元4221，以根据用户组织信息、用户操作行为记录以及用户操作时间记录从模型参数模块424的特征参数管理单元4241取得对应的特征工程参数，并且根据特征工程参数对用户组织信息、用户操作行为记录以及用户操作时间记录进行特征撷取，以产生推理数据。在步骤s606，推理特征工程单元4221提供推理数据至模型预测单元4222以及模型选择单元4223。在步骤s607，处理器410可执行模型选择单元4223，以根据推理数据从模型参数模块424的推理模型管理单元4242所存储的多个模型选择其中之一作为任务推理模型。模型选择单元4223可将任务推理模型的模型网络数据提供至模型预测单元4222。在步骤s608，处理器410可执行模型预测单元4222，以将推理数据输入至任务推理模型，以使任务推理模型根据推理数据进行推理演算。在步骤s609，模型预测单元4222可产生推理结果数据600。在本实施例中，处理器410还可对推理结果数据600进行工程封装转换，以输出推荐结果列表。
56.综上所述，本发明的企业管理系统及其执行方法可收集并分析用户资讯、用户操作行为以及操作时间，而经人工智能模型推理出用户的操作习惯，并依此实现系统功能、作业与操作顺序的个性化推荐的功能。本发明的企业管理系统可依据用户所属角色与组织等资讯来推荐常用功能，以有效降低用户学习门槛及企业员工训练成本。本发明的企业管理系统可收集用户在面临决策时的选择与判断，并进行操作行为分类与分析，达到企业系统于决策场景时的最佳操作推荐。
57.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。