本發(fā)明涉及計算機應(yīng)用領(lǐng)域，更具體的說，涉及一種員工信用評價和應(yīng)用的方法、裝置及電子設(shè)備。
背景技術(shù)：
：每個公司都有一套標準的業(yè)務(wù)處理流程，即公司中的每個員工對應(yīng)的業(yè)務(wù)處理流程是一樣的，即將業(yè)務(wù)單據(jù)發(fā)送到公司的流程處理人員進行審核，審核通過后進入下一道審批流程，直至流程審批結(jié)束進行業(yè)務(wù)處理。對于公司中表現(xiàn)優(yōu)異和表現(xiàn)較差的員工，業(yè)務(wù)處理流程都是相同的，即員工權(quán)益相同。如員工a為該公司高管、從未曠工，員工b為一般員工，經(jīng)常曠工，員工a和員工b同時進行業(yè)務(wù)處理申請時，給予處理的進度和時間是相同的，這樣會導致員工a有一定的心理落差，進而會影響員工a的工作積極性。技術(shù)實現(xiàn)要素：有鑒于此，本發(fā)明提供一種員工信用評價和應(yīng)用的方法、裝置及電子設(shè)備，以解決對于公司中表現(xiàn)優(yōu)異和表現(xiàn)較差的員工，業(yè)務(wù)處理流程一樣，員工權(quán)益相同的問題。為解決上述技術(shù)問題，本發(fā)明采用了如下技術(shù)方案：一種員工信用評價和應(yīng)用的方法，包括：當接收到攜帶有人員標識的財務(wù)報銷請求時，查找所述人員標識對應(yīng)的員工信息；根據(jù)所述員工信息，計算所述人員標識對應(yīng)的員工的業(yè)務(wù)處理信用等級；查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略；其中，每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)于一個所述業(yè)務(wù)處理信用等級，且每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)的所述業(yè)務(wù)處理信用等級不同。優(yōu)選地，根據(jù)所述員工信息，計算所述人員標識對應(yīng)的員工的業(yè)務(wù)處理信用等級，包括：將所述員工信息中的每個指標的數(shù)值與相應(yīng)的指標對應(yīng)的權(quán)重相乘，得到多個指標值；將多個所述指標值相加，得到所述員工的當前信用度；根據(jù)所述當前信用度，計算得到當前信用分數(shù)；根據(jù)公式f＝αf0+βfx計算得到所述員工的信用分數(shù)；查找所述信用分數(shù)對應(yīng)的業(yè)務(wù)處理信用等級；其中，f為所述信用分數(shù)，f0為數(shù)據(jù)庫中存儲的所述員工的歷史信用分數(shù)，fx為所述當前信用分數(shù)，α、β為常數(shù)。優(yōu)選地，每個所述指標對應(yīng)的權(quán)重的計算過程包括：獲取樣本數(shù)據(jù)；根據(jù)所述樣本數(shù)據(jù)、預先建立的用于計算員工業(yè)務(wù)處理信用等級的logistic模型、以及每個所述指標的各個分類的量化值，采用極大似然估計算法，計算得到每個所述指標對應(yīng)的權(quán)重。優(yōu)選地，所述指標包含至少一個業(yè)務(wù)單據(jù)指標和至少一個業(yè)務(wù)處理指標；其中，所述業(yè)務(wù)單據(jù)指標的數(shù)值的計算過程包括：根據(jù)所述員工信息中與所述業(yè)務(wù)單據(jù)指標有關(guān)聯(lián)關(guān)系的信息、預先建立的用于計算員工子業(yè)務(wù)處理信用等級的logistic子模型和所述業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到所述業(yè)務(wù)單據(jù)指標的數(shù)值；所述業(yè)務(wù)處理指標的數(shù)值的計算過程包括：根據(jù)所述員工信息中與所述業(yè)務(wù)處理指標有關(guān)聯(lián)關(guān)系的信息、所述logistic子模型和所述業(yè)務(wù)處理指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到所述業(yè)務(wù)處理指標的數(shù)值。優(yōu)選地，還包括：采用k-s檢驗算法驗證所述logistic模型的輸出結(jié)果的準確度。一種員工信用評價和應(yīng)用的裝置，包括：第一查找單元，用于當接收到攜帶有人員標識的財務(wù)報銷請求時，查找所述人員標識對應(yīng)的員工信息；計算單元，用于根據(jù)所述員工信息，計算所述人員標識對應(yīng)的員工的業(yè)務(wù)處理信用等級；第二查找單元，用于查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略；其中，每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)于一個所述業(yè)務(wù)處理信用等級，且每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)的所述業(yè)務(wù)處理信用等級不同。優(yōu)選地，所述計算單元包括：第一計算單元，用于將所述員工信息中的每個指標的數(shù)值與相應(yīng)的指標對應(yīng)的權(quán)重相乘，得到多個指標值；第二計算單元，用于將多個所述指標值相加，得到所述員工的當前信用度；第三計算單元，用于根據(jù)所述當前信用度，計算得到當前信用分數(shù)；第四計算單元，用于根據(jù)公式f＝αf0+βfx計算得到所述員工的信用分數(shù)；第三查找單元，用于查找所述信用分數(shù)對應(yīng)的業(yè)務(wù)處理信用等級；其中，f為所述信用分數(shù)，f0為數(shù)據(jù)庫中存儲的所述員工的歷史信用分數(shù)，fx為所述當前信用分數(shù)，α、β為常數(shù)。優(yōu)選地，還包括：獲取單元，用于獲取樣本數(shù)據(jù)；第五計算單元，用于根據(jù)所述樣本數(shù)據(jù)、預先建立的用于計算員工業(yè)務(wù)處理信用等級的logistic模型、以及每個所述指標的各個分類的量化值，采用極大似然估計算法，計算得到每個所述指標對應(yīng)的權(quán)重。優(yōu)選地，所述指標包含至少一個業(yè)務(wù)單據(jù)指標和至少一個業(yè)務(wù)處理指標；相應(yīng)的，所述裝置還包括：第六計算單元，用于根據(jù)所述員工信息中與所述業(yè)務(wù)單據(jù)指標有關(guān)聯(lián)關(guān)系的信息、預先建立的用于計算員工子業(yè)務(wù)處理信用等級的logistic子模型和所述業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到所述業(yè)務(wù)單據(jù)指標的數(shù)值；第七計算單元，用于根據(jù)所述員工信息中與所述業(yè)務(wù)處理指標有關(guān)聯(lián)關(guān)系的信息、所述logistic子模型和所述業(yè)務(wù)處理指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到所述業(yè)務(wù)處理指標的數(shù)值。優(yōu)選地，還包括：驗證單元，用于采用k-s檢驗算法驗證所述logistic模型的輸出結(jié)果的準確度。一種電子設(shè)備，包括：存儲器和處理器；其中，所述存儲器用于存儲程序；處理器用于調(diào)用程序，其中，所述程序用于：當接收到攜帶有人員標識的財務(wù)報銷請求時，查找所述人員標識對應(yīng)的員工信息；根據(jù)所述員工信息，計算所述人員標識對應(yīng)的員工的業(yè)務(wù)處理信用等級；查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略；其中，每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)于一個所述業(yè)務(wù)處理信用等級，且每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)的所述業(yè)務(wù)處理信用等級不同。相較于現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：本發(fā)明提供了一種員工信用評價和應(yīng)用的方法、裝置及電子設(shè)備，本發(fā)明中計算得到員工的業(yè)務(wù)處理信用等級后，查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略。業(yè)務(wù)處理信用等級不同，業(yè)務(wù)單據(jù)處理策略不同，解決了現(xiàn)有的業(yè)務(wù)處理流程中，對于公司中表現(xiàn)優(yōu)異和表現(xiàn)較差的員工，業(yè)務(wù)處理流程相同，員工權(quán)益相同的問題。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。圖1為本發(fā)明提供的一種員工信用評價和應(yīng)用的方法的方法流程圖；圖2為本發(fā)明提供的另一種員工信用評價和應(yīng)用的方法的方法流程圖；圖3為本發(fā)明提供的一種員工信用評價和應(yīng)用的裝置的結(jié)構(gòu)示意圖；圖4為本發(fā)明提供的另一種員工信用評價和應(yīng)用的裝置的結(jié)構(gòu)示意圖。具體實施方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。本發(fā)明實施例提供了一種員工信用評價和應(yīng)用的方法，參照圖1，包括：s101、當接收到攜帶有人員標識的財務(wù)報銷請求時，查找所述人員標識對應(yīng)的員工信息；其中，每個員工有唯一的、用于表示該員工的身份的人員標識。員工信息包括多個指標，其中，參照表1，表1中介紹了每個指標中各個分類的量化值的定義方法?，F(xiàn)以員工的財務(wù)報銷流程為例，介紹下指標。表1中總共介紹了15個指標，包括文化程度、職稱等。以文化程度指標為例，文化程度中包含本科以下、本科學歷、碩士學歷、博士研究生及以上四個分類，其中，本科以下對應(yīng)的量化值為0，本科學歷對應(yīng)的量化值為1，碩士學歷對應(yīng)的量化值為2，博士研究生及以上對應(yīng)的量化值為3。其他指標中各個分類的量化值的定義方法同文化程度指標類似，請參照圖表1，在此不再贅述。表1每個指標中各個分類的量化值的定義方法當一個員工要進行財務(wù)報銷時，就能夠查找到該員工的員工信息，其中，員工信息存儲在數(shù)據(jù)庫中，如員工為員工a，學歷為本科，職稱為工程師，從業(yè)年限為5年以下等數(shù)據(jù)。需要說明的是，上述15個指標是從多個指標中，采用主成分分析法篩選出來的。其中，采用主成分分析法篩選指標時，應(yīng)該滿足綜合性原則、可操作性原則、預見性原則、可量化原則和靈活性原則。具體的，采用主成分分析法篩選的原理為：設(shè)對某一事物的研究設(shè)計p個指標，分別用x1，x2，...，xp表示，這p個指標構(gòu)成的p維隨機變量為x＝(x1，x2，...，xp)′。設(shè)隨機向量x的均值為μ，協(xié)方差矩陣為φ。對x進行線性變換，可以形成新的綜合變量，用y表示。新的綜合變量可以由原來的變量線性表示。即滿足下式。由于可以任意地對原始變量進行上述線性變換，由不同的線性變換得到的綜合變量y的統(tǒng)計特性也不盡相同。為了取得較好的效果，我們希望yi＝ui′x的方差盡可能大且各yi之間相互獨立，由于var(yi)＝var(ui′x)＝ui′∑ui，對于任意給定的常數(shù)c，有var(cui′x)＝cui′∑uic＝c2ui′∑ui。因此對ui不加限制時，可使var(yi)任意增大，問題將沒有意義，我們將線性變換約束在下面的原則之下：1、ui′ui＝1，即ui12+ui22+...+uip2＝1(i＝1，2，...，p)2、yi與yj相互無關(guān)(i≠j；i，j＝1，2，...，p)3、y1是x1，x2，...，xp的一切滿足綜合性原則的線性組合中方差最大者；y2是與y1不相關(guān)的x1，x2，...，xp所有線性組合中方差最大者；......；yp是與y1，y2，...，yp-1都不相關(guān)的x1，x2，...，xp的所有線性組合中方差最大者。(3)基于以上三條原則決定的綜合變量y1，y2，...，yp分別稱為原始變量的第一，第二，...，第p個主成分。其中，各綜合變量在總方差中占得比重依次遞減。只挑選前幾個方差最大的主成分，達到簡化系統(tǒng)結(jié)構(gòu)，抓住問題實質(zhì)目的。s102、根據(jù)所述員工信息，計算所述人員標識對應(yīng)的員工的業(yè)務(wù)處理信用等級；s103、查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略；其中，每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)于一個所述業(yè)務(wù)處理信用等級，且每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)的所述業(yè)務(wù)處理信用等級不同。仍以財務(wù)報銷流程為例，財務(wù)報銷流程分為多個財務(wù)報銷策略，參照表2。表2中介紹了信用等級與財務(wù)報銷策略的對應(yīng)關(guān)系。表2業(yè)務(wù)處理信用等級與財務(wù)報銷策略的對應(yīng)關(guān)系從表2中可以看出，業(yè)務(wù)處理信用等級分為四種，分別為a+、a、b和c四種，其中，a+等級對應(yīng)的財務(wù)報銷策略為付款期為1天，費用票據(jù)交財務(wù)后可立即將費用打到員工的銀行卡中，其他三種業(yè)務(wù)處理信用等級對應(yīng)的財務(wù)報銷策略請參照表2。需要說明的是，表2中的不同的業(yè)務(wù)處理信用等級對應(yīng)的不同的財務(wù)報銷策略，僅為一個實施例，只要是能夠保證不同的業(yè)務(wù)處理信用等級對應(yīng)的不同的財務(wù)報銷策略的方案均屬于本發(fā)明的保護范圍。本實施例提供了一種員工信用評價和應(yīng)用的方法，本實施例中計算得到員工的業(yè)務(wù)處理信用等級后，查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略。業(yè)務(wù)處理信用等級不同，業(yè)務(wù)單據(jù)處理策略不同，解決了現(xiàn)有的業(yè)務(wù)處理流程中，對于公司中表現(xiàn)優(yōu)異和表現(xiàn)較差的員工，業(yè)務(wù)處理流程相同，員工權(quán)益相同的問題。可選的，本發(fā)明的另一實施例中，參照圖2，步驟s102包括：s201、將所述員工信息中的每個指標的數(shù)值與相應(yīng)的指標對應(yīng)的權(quán)重相乘，得到多個指標值；從表1中可以看出，每個指標均有對應(yīng)的數(shù)值，如指標為文化，指標的數(shù)值為0-3中的一個。由于每個員工信息中的每個指標均對應(yīng)于一數(shù)值，如文化程度為本科學歷對應(yīng)的數(shù)值為1，文化程度對應(yīng)的權(quán)重為0.5，則文化程度的指標值為1*0.5，采用同樣的方法，將每個指標的數(shù)值與相應(yīng)的指標對應(yīng)的權(quán)重相乘，得到多個指標值。其中，指標對應(yīng)的權(quán)重的計算過程為：獲取樣本數(shù)據(jù)；根據(jù)所述樣本數(shù)據(jù)、預先建立的用于計算員工業(yè)務(wù)處理信用等級的logistic模型、以及每個所述指標的各個分類的量化值，采用極大似然估計算法，計算得到每個所述指標對應(yīng)的權(quán)重。其中，樣本數(shù)據(jù)為公司的500個員工的員工信息。在挑選樣本數(shù)據(jù)時，應(yīng)該剔除不合理的樣本數(shù)據(jù)。首先構(gòu)建logistic模型，logistic邏輯回歸：是一種廣義的線性回歸分析模型，自變量可以連續(xù)也可以是分類的，通過logistic回歸，可以得到各個指標對應(yīng)的權(quán)重。具體的，其中xi∈rp是員工的指標的數(shù)值，yi∈{0，1}是一個二分類的屬性變量(yi＝1表示第i個員工信用較差，yi＝0表示第i個員工信用較好)，用logistic回歸建立員工業(yè)務(wù)處理信用等級模型的目的是用下式估計一個員工的信用好壞：其中x是m維向量，代表m個指標的數(shù)值，β是m維待估計的參數(shù)，代表每項指標對應(yīng)的權(quán)重，β0為常數(shù)，p(y＝1|x)為給定x的條件下，y為1的概率。logistic模型是非線性模型，不能利用通常的最小二乘法估計。估計logistic回歸最常用的方法是極大似然估計法。原理可簡單描述如下：假設(shè)有n個個體構(gòu)成的總體：y1，y2，...，yn。從中隨機抽取n個樣本，其觀測值記為y1，y2，...，yn。設(shè)：pi＝p(yi＝1|xi)為給定xi的條件下得到的結(jié)果yi＝1的條件概率，則在同樣條件下得到結(jié)果yi＝0的條件概率為p(yi＝0|xi)＝1-pi。于是，我們得到了一個觀察值的概率為：由于各項觀測相互獨立，所以他們的聯(lián)合分布可以表示為：其中，如式2推導出，式3也稱為似然函數(shù)。我們的目的是求出能夠使似然函數(shù)達到最大的參數(shù)的估計值。由于直接求出式3的最大值比較困難，一般的做法是對式3取自然對數(shù)。因為ln[l(θ)]是l(θ)的單調(diào)函數(shù)，使ln[l(θ)]取得最大值的參數(shù)也必然使l(θ)取得最大值。因此式4稱為似然對數(shù)函數(shù)。為了求出估計其中的參數(shù)，使式4取最大值，分別對βi(i＝1，2，...，m)求偏導，并令其為0，得：式5、式6稱為似然方程。由式5和式6提供的的估計值稱為極大似然估計，我們用來表示，而相應(yīng)的條件概率的估計值則用表示，這個值是在給定xi的條件下yi＝1的概率的估計，它代表了logistic模型的擬合值或預測值?？梢宰C明，在隨機樣本情況下，logistic回歸模型的極大似然估計具有一致性、有效性和漸進正態(tài)性等特點。由式1得到：式7左邊是員工為信用差的員工的比例的對數(shù)。β0為常數(shù)，β1至βm為各個指標對應(yīng)的權(quán)重。根據(jù)式7可以得到，ln[p1/(1-p1)]＝β0+β1x1+β2x2+......βmxm。左邊為員工為信用差的員工的比例的對數(shù)，x1至x15代表指標的數(shù)值。得到式7之后，由于已經(jīng)有500個員工的樣本數(shù)據(jù)，將500個員工的員工信息中相應(yīng)的數(shù)值帶入到式7中，即能夠得到β0至βm。s202、將多個所述指標值相加，得到所述員工的當前信用度；s203、根據(jù)所述當前信用度，計算得到當前信用分數(shù)；具體的，計算當前信用分數(shù)的過程為：1、假設(shè)員工信用好的發(fā)生比是1∶1時的信用分數(shù)是20，以此為基準分數(shù)。2、當好員工發(fā)生比翻倍時信用分數(shù)增加30。即：score＝30/ln(2)*logit+20。其中l(wèi)ogit是信用差的員工發(fā)生比的對數(shù)，即分數(shù)越高，企業(yè)風險越低。從式7中，可以計算得到的數(shù)值，進而能夠計算得到score的數(shù)值。s204、計算員工的信用分數(shù)；具體的，根據(jù)公式f＝αf0+βfx計算得到員工的信用分數(shù)。其中，f為信用分數(shù)，f0為數(shù)據(jù)庫中存儲的員工的歷史信用分數(shù)，fx為當前信用分數(shù)，α、β為常數(shù)。優(yōu)選的，α＝0.3，β＝0.7。需要說明的是，歷史信用分數(shù)為該員工上次報銷時的信用分數(shù)，若該員工為第一次報銷時，無上次報銷時的信用分數(shù)時，此時將業(yè)務(wù)處理指標和每個業(yè)務(wù)單據(jù)指標的數(shù)值設(shè)置為1，再根據(jù)該員工其他指標的數(shù)值，計算得到該員工的信用分數(shù)。s205、查找信用分數(shù)對應(yīng)的業(yè)務(wù)處理信用等級；具體的，參照表2，表2中給出了不同信用分數(shù)對應(yīng)的業(yè)務(wù)處理信用等級，舉例來說，信用分數(shù)為80-100分時，對應(yīng)的業(yè)務(wù)處理信用等級為a+，信用分數(shù)為50-100分時，對應(yīng)的業(yè)務(wù)處理信用等級為a。本實施例中，通過計算得到當前信用分數(shù)，再結(jié)合歷史信用分數(shù)，計算得到信用分數(shù)，能夠保證信用分數(shù)是隨著員工報銷的次數(shù)而不斷改變的，能夠反應(yīng)出員工的實時信用分數(shù)?？蛇x的，本發(fā)明的另一實施例中，還包括：采用k-s檢驗算法驗證logistic模型的輸出結(jié)果的準確度。在模型中，設(shè)fn1(x)為信用好員工的累積概率分布，fn2(x)為信用差員工的累積概率分布，得到k-s值為k-s＝max|fn1(x)-fn2(x)|當n→∞時，可得到信用好員工和信用差員工的累積分布曲線與概率密度曲線。k-s值就是累積分布函數(shù)中所取得的最大值。一般認為，當k-s的檢驗值大于0.35時，就可以認為該logistic模型是可用的。本實施例中，采用k-s檢驗算法驗證logistic模型的輸出結(jié)果的準確度，能夠驗證建立的logistic模型是否是可用的模型，即logistic模型的輸出結(jié)果是否準確?？蛇x的，本發(fā)明的另一實施例中，指標包含至少一個業(yè)務(wù)單據(jù)指標和至少一個業(yè)務(wù)處理指標；其中，業(yè)務(wù)單據(jù)指標的數(shù)值的計算過程包括：根據(jù)所述員工信息中與所述業(yè)務(wù)單據(jù)指標有關(guān)聯(lián)關(guān)系的信息、預先建立的用于計算員工子業(yè)務(wù)處理信用等級的logistic子模型和所述業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到所述業(yè)務(wù)單據(jù)指標的數(shù)值。具體的，根據(jù)子樣本數(shù)據(jù)，采用預先建立的用于計算員工子業(yè)務(wù)處理信用等級的logistic子模型和所述業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到每個業(yè)務(wù)單據(jù)指標中的各個子指標的權(quán)重；再根據(jù)權(quán)重和所述員工信息中與所述業(yè)務(wù)單據(jù)指標有關(guān)聯(lián)關(guān)系的信息，計算得到業(yè)務(wù)單據(jù)指標的數(shù)值。所述業(yè)務(wù)處理指標的數(shù)值的計算過程包括：根據(jù)所述員工信息中與所述業(yè)務(wù)處理指標有關(guān)聯(lián)關(guān)系的信息、所述logistic子模型和所述業(yè)務(wù)處理指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到所述業(yè)務(wù)處理指標的數(shù)值。需要說明的是，計算得到業(yè)務(wù)處理指標的數(shù)值的過程同計算得到業(yè)務(wù)單據(jù)指標的數(shù)值的過程相似，請參照計算業(yè)務(wù)單據(jù)指標的數(shù)值的過程，在此不再贅述。具體參照表1中的指標x10至x15，其中包含的業(yè)務(wù)單據(jù)指標為差旅業(yè)務(wù)單據(jù)指標、交通業(yè)務(wù)單據(jù)指標、培訓費業(yè)務(wù)單據(jù)指標和會議費業(yè)務(wù)單據(jù)指標，包含的業(yè)務(wù)處理指標為采購業(yè)務(wù)處理指標。具體的，業(yè)務(wù)單據(jù)和業(yè)務(wù)處理指標中各個子指標的各個分類的量化值的定義方法見表3至表7。表3差旅業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值的定義方法差旅業(yè)務(wù)單據(jù)指標定義發(fā)票開具時間x1超過時效性＝0；未超過時效性＝1單據(jù)是否涂改x2涂改＝0；未涂改＝1發(fā)票類型x3與申請不一致＝0；一致＝1影像是否清晰x4不清晰＝0；清晰＝1出差起止時間是否與票據(jù)一致x5不一致＝0；一致＝1表4交通業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值的定義方法交通業(yè)務(wù)單據(jù)指標定義發(fā)票開具時間x1超過時效性＝0；未超過時效性＝1單據(jù)是否涂改x2涂改＝0；未涂改＝1發(fā)票類型x3與申請不一致＝0；一致＝1公章是否清晰x4不清晰＝0；清晰＝1表5采購業(yè)務(wù)處理指標中各個子指標的各個分類的量化值的定義方法采購業(yè)務(wù)處理指標定義單據(jù)開具時間x1超過時效性＝0；未超過時效性＝1單據(jù)是否涂改x2涂改＝0；未涂改＝1發(fā)票類型x3與申請不一致＝0；一致＝1是否開具法人單位全稱x4否＝0；是＝1公章是否合格x5不合格＝0；合格＝1表6培訓費業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值的定義方法培訓費業(yè)務(wù)單據(jù)指標定義單據(jù)開具時間x1超過時效性＝0；未超過時效性＝1單據(jù)是否涂改x2涂改＝0；未涂改＝1發(fā)票類型x3與申請不一致＝0；一致＝1培訓單位提供的發(fā)票或證明x4無＝0；有＝1影像是否清晰x5不清晰＝0；清晰＝1表7會議費業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值的定義方法會議費業(yè)務(wù)單據(jù)指標定義單據(jù)開具時間x1超過時效性＝0；未超過時效性＝1單據(jù)是否涂改x2涂改＝0；未涂改＝1發(fā)票類型x3與申請不一致＝0；一致＝1附有會議文件或證明x4無＝0；有＝1影像是否清晰x5不清晰＝0；清晰＝1現(xiàn)結(jié)合表3，介紹下表3中的內(nèi)容，表3中定義了差旅業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值的定義方法。差旅業(yè)務(wù)單據(jù)指標包含發(fā)票開具時間、單據(jù)是否涂改、發(fā)票類型、影像是否清晰和出差起止時間是否和票據(jù)一致五個子指標，其中，以發(fā)票開具時間子指標為例，當發(fā)票開具時間超過時效性時，發(fā)票開具時間對應(yīng)的量化值為0，當發(fā)票開具時間未超過時效性時，發(fā)票開具時間對應(yīng)的量化值為1?，F(xiàn)以差旅業(yè)務(wù)單據(jù)指標為例，介紹下計算差旅業(yè)務(wù)單據(jù)指標的數(shù)值的方法。首先，根據(jù)預先建立的用于計算員工子業(yè)務(wù)處理信用等級的logistic子模型和極大似然估計算法計算得到ln[p2/(1-p2)]＝α0+α1x1+α2x2+.....αmxm。其中，為了區(qū)分logistic子模型和logistic模型，將logistic模型中的p寫為p1，將logistic子模型中的p寫為p2。α0至αm是常數(shù)，其中，α0至αm是通過子樣本數(shù)據(jù)計算得到，具體計算過程參照β0至βm的計算過程。當有員工報銷時，根據(jù)該員工的員工信息中與差旅業(yè)務(wù)單據(jù)指標有關(guān)聯(lián)關(guān)系的信息，即發(fā)票開具時間、單據(jù)是否涂改、發(fā)票類型、影像是否清晰和出差起止時間是否和票據(jù)一致信息，計算得到的數(shù)值，進而能夠求出p2的數(shù)值，再根據(jù)p2的數(shù)值，查找表1中相關(guān)的差旅業(yè)務(wù)單據(jù)指標的數(shù)值。需要說明的是，其他業(yè)務(wù)單據(jù)指標或者是業(yè)務(wù)處理指標的計算過程同差旅業(yè)務(wù)單據(jù)指標的數(shù)值的計算過程相似，請參照差旅業(yè)務(wù)單據(jù)指標的數(shù)值的計算過程。此外，若在計算員工信用分數(shù)時，發(fā)現(xiàn)該待報銷員工并未提交過業(yè)務(wù)單據(jù)或者是沒有進行過業(yè)務(wù)處理。此時，默認沒有提交過的業(yè)務(wù)單據(jù)指標或者是業(yè)務(wù)處理指標的p2值為0.5。本實施例中，通過為業(yè)務(wù)單據(jù)指標或者是業(yè)務(wù)處理指標建立logistic子模型，進而能夠求出業(yè)務(wù)單據(jù)指標或者是業(yè)務(wù)處理指標的數(shù)值?？蛇x的，本發(fā)明的另一實施例中提供了一種員工信用評價和應(yīng)用的裝置，參照圖3，包括：第一查找單元101，用于當接收到攜帶有人員標識的財務(wù)報銷請求時，查找所述人員標識對應(yīng)的員工信息；計算單元102，用于根據(jù)所述員工信息，計算所述人員標識對應(yīng)的員工的業(yè)務(wù)處理信用等級；第二查找單元103，用于查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略；其中，每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)于一個所述業(yè)務(wù)處理信用等級，且每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)的所述業(yè)務(wù)處理信用等級不同?？蛇x的，本發(fā)明的另一實施例中，還包括：獲取單元，用于獲取樣本數(shù)據(jù)；第五計算單元，用于根據(jù)所述樣本數(shù)據(jù)、預先建立的用于計算員工業(yè)務(wù)處理信用等級的logistic模型、以及每個所述指標的各個分類的量化值，采用極大似然估計算法，計算得到每個所述指標對應(yīng)的權(quán)重?？蛇x的，本發(fā)明的另一實施例中，所述指標包含至少一個業(yè)務(wù)單據(jù)指標和至少一個業(yè)務(wù)處理指標；相應(yīng)的，所述裝置還包括：第六計算單元，用于根據(jù)所述員工信息中與所述業(yè)務(wù)單據(jù)指標有關(guān)聯(lián)關(guān)系的信息、預先建立的用于計算員工子業(yè)務(wù)處理信用等級的logistic子模型和所述業(yè)務(wù)單據(jù)指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到所述業(yè)務(wù)單據(jù)指標的數(shù)值；第七計算單元，用于根據(jù)所述員工信息中與所述業(yè)務(wù)處理指標有關(guān)聯(lián)關(guān)系的信息、所述logistic子模型和所述業(yè)務(wù)處理指標中各個子指標的各個分類的量化值，采用極大似然估計算法，計算得到所述業(yè)務(wù)處理指標的數(shù)值?？蛇x的，本發(fā)明的另一實施例中，還包括：驗證單元，用于采用k-s檢驗算法驗證logistic模型的輸出結(jié)果的準確度。本實施例提供了一種員工信用評價和應(yīng)用的裝置，本實施例中計算得到員工的業(yè)務(wù)處理信用等級后，查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略。業(yè)務(wù)處理信用等級不同，業(yè)務(wù)單據(jù)處理策略不同，解決了現(xiàn)有的業(yè)務(wù)處理流程中，對于公司中表現(xiàn)優(yōu)異和表現(xiàn)較差的員工，業(yè)務(wù)處理流程相同，員工權(quán)益相同的問題。需要說明的是，本實施例中的各個單元的工作過程，請參照上述實施例中的說明，在此不再贅述。可選的，本發(fā)明的另一實施例中，參照圖4，計算單元102包括：第一計算單元1021，用于將所述員工信息中的每個指標的數(shù)值與相應(yīng)的指標對應(yīng)的權(quán)重相乘，得到多個指標值；第二計算單元1022，用于將多個所述指標值相加，得到所述員工的當前信用度；第三計算單元1023，用于根據(jù)所述當前信用度，計算得到當前信用分數(shù)；第四計算單元1024，用于根據(jù)公式f＝αf0+βfx計算得到所述員工的信用分數(shù)；第三查找單元1025，用于查找所述信用分數(shù)對應(yīng)的業(yè)務(wù)處理信用等級；其中，f為所述信用分數(shù)，f0為數(shù)據(jù)庫中存儲的所述員工的歷史信用分數(shù)，fx為所述當前信用分數(shù)，α、β為常數(shù)。本實施例中，通過計算得到當前信用分數(shù)，再結(jié)合歷史信用分數(shù)，計算得到信用分數(shù)，能夠保證信用分數(shù)是隨著員工報銷的次數(shù)而不斷改變的，能夠反應(yīng)出員工的實時信用分數(shù)。需要說明的是，本實施例中的各個單元的工作過程，請參照上述實施例中的說明，在此不再贅述?？蛇x的，本發(fā)明的另一實施例中提供了一種電子設(shè)備，包括：存儲器和處理器；其中，所述存儲器用于存儲程序；處理器用于調(diào)用程序，其中，所述程序用于：當接收到攜帶有人員標識的財務(wù)報銷請求時，查找所述人員標識對應(yīng)的員工信息；根據(jù)所述員工信息，計算所述人員標識對應(yīng)的員工的業(yè)務(wù)處理信用等級；查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略；其中，每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)于一個所述業(yè)務(wù)處理信用等級，且每個所述業(yè)務(wù)單據(jù)處理策略對應(yīng)的所述業(yè)務(wù)處理信用等級不同。本實施例中計算得到員工的業(yè)務(wù)處理信用等級后，查找所述業(yè)務(wù)處理信用等級對應(yīng)的業(yè)務(wù)單據(jù)處理策略。業(yè)務(wù)處理信用等級不同，業(yè)務(wù)單據(jù)處理策略不同，解決了現(xiàn)有的業(yè)務(wù)處理流程中，對于公司中表現(xiàn)優(yōu)異和表現(xiàn)較差的員工，業(yè)務(wù)處理流程相同，員工權(quán)益相同的問題。對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。當前第1頁12