TWI848245B

TWI848245B - 企業管理系統及其執行方法

Info

Publication number: TWI848245B
Application number: TW110143476A
Authority: TW
Inventors: 畢文亮; 王智; 劉士弘; 孫國鑫
Original assignee: 大陸商鼎捷軟件股份有限公司; 鼎新電腦股份有限公司
Priority date: 2021-11-17
Filing date: 2021-11-23
Publication date: 2024-07-11
Also published as: TW202322001A; CN114154816A; US20230153651A1

Abstract

本發明提供一種企業管理系統及其執行方法。企業管理系統包括儲存裝置以及處理器。儲存裝置儲存多個模組。處理器耦接儲存裝置，並且用以執行多個模組。處理器取得使用者操作行為資料，並根據使用者操作行為資料執行資料採集模組，以取得使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄。資料採集模組根據使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄產生推理資料。處理器執行模型推理模組，並將推理資料輸入至模型推理模組中的任務推理模型，以使任務推理模型產生推理結果資料。

Description

企業管理系統及其執行方法

本發明是有關於一種程序系統，且特別是有關於一種企業管理系統及其執行方法。

目前企業業務行為管理大多采用業務流程管理(Business Process Management，BPM)系統來實現之。對此，業務流程管理系統可被設計以適於定義組織成員之間的業務流程和構成系統之間整合(例如人與人之間、人與應用系統之間、應用系統與應用系統之間)的解決方案。然而，面對大量資料的應用場景，傳統的業務流程管理系統無法很有效地感知資料變化，而立即做出正確的反應及處理。甚至，由於系統中的多數處理過程仍很傳統地依賴人來決策，而使得決策行為的知識也無法被有效的被封裝及傳承。因此，傳統的業務流程管理系統在面對大量資料的應用場景時，可能發生業務流程無法有效率地進行的問題。更重要的是，使用者的操作習慣以及操作經驗也無法有效地傳承與延續。

本發明提供一種企業管理系統及其執行方法，可針對使用者操作行為自動地提供系統功能、作業或操作順序等的最佳化及/或個性化推薦結果。

本發明的企業管理系統包括儲存裝置以及處理器。儲存裝置儲存多個模組。處理器耦接儲存裝置，並且用以執行多個模組。處理器取得使用者操作行為資料，並根據使用者操作行為資料執行資料採集模組，以取得使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄。資料採集模組根據使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄產生推理資料。處理器執行模型推理模組，並將推理資料輸入至模型推理模組中的任務推理模型，以使任務推理模型產生推理結果資料。

本發明的企業管理系統的執行方法包括以下步驟：取得使用者操作行為資料；根據使用者操作行為資料執行資料採集模組，以取得使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄；通過資料採集模組根據使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄產生推理資料；執行模型推理模組，並將推理資料輸入至模型推理模組中的任務推理模型；以及通過任務推理模型產生推理結果資料。

基於上述，本發明的企業管理系統及其執行方法，可根據使用者操作行為資料取得對應的使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄作為推理資料，並將推理資料輸入至預先訓練好的模型推理模組，以使模型推理模組可根據推理資料產生適於當前使用者或當前應用場景的推理結果資料。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

現將詳細地參考本發明的示範性實施例，示範性實施例的實例說明於附圖中。只要有可能，相同元件符號在圖式和描述中用來表示相同或相似部分。

圖1是本發明的一實施例的企業管理系統的示意圖。參考圖1，企業管理系統100包括處理器110以及儲存裝置120。處理器110耦接儲存裝置120。在本實施例中，處理器110可包括中央處理器(Central Processing Unit，CPU)、微處理器(Microprocessor Control Unit，MCU)或現場可程式閘陣列(Field Programmable Gate Array，FPGA)等諸如此類的處理電路或具有資料運算功能的芯片，但本發明並不以此為限。儲存裝置120可為記憶體(Memory)，其中記憶體所述可例如是唯讀記憶體(Read Only Memory，ROM)、可擦可編程唯讀記憶體(Erasable Programmable Read Only Memory，EPROM)等非揮發記憶體、隨機存取記憶體(Random Access Memory，RAM)等揮發記憶體、及硬碟驅動器(hard disc drive)、半導體記憶體等儲存裝置，並且用於儲存本發明所提到的各種程序及資訊等資料。在本實施例中，儲存裝置120可儲存多個特定模組、算法及/或軟體等，以分別供處理器110讀取並執行之。值得注意的是，本發明各實施例所述的模組以及單元可個別由相對應的一個或多個算法及/或軟體所實現，並且可依其一個或多個算法及/或軟體的執行結果來實現實施例所描述的相關功能與操作。

在本實施例中，儲存裝置120可儲存資料採集模組121、模型推理模組122、資料管理模組123、模型參數模組124以及模型訓練模組125。處理器110可讀取儲存在儲存裝置120中的這些模組，並且通過執行這些模組來實現可針對使用者操作行為自動地提供系統功能、作業或操作順序等的最佳化及/或個性化推薦結果的功能。在本實施例中，企業管理系統100可例如是設置在企業內的電腦主機，並提供使用者介面來供使用者操作，以取得使用者操作行為資料。或者，在一實施例中，企業管理系統100也可例如是以雲端伺服器系統的架構來實現之。使用者可通過執行電子設備的使用者介面(User Interface, UI)程序而連線至雲端伺服器進行相關企業管理操作。對此，使用者可操作電子設備的顯示屏所顯示的使用者介面的內容，以使使用者介面或相關程序可提供對應的使用者操作行為資料至雲端伺服器。雲端伺服器可通過執行前述的多個模組來實現可針對使用者操作行為自動地提供系統功能、作業或操作順序等的最佳化及/或個性化推薦結果的功能。

在本實施例中，資料採集模組121可經配置以採集儲存在企業資源規劃(Enterprise Resource Planning，ERP)資料庫中的使用者組織資訊、使用者操作行為記錄、使用者操作時間記錄以及相關資料資訊，以產生訓練資料以及推理資料。在本實施例中，模型推理模組122可經配置以將推理資料輸入特定的任務推理模型後，由特定的任務推理模型輸出最佳化及/或個性化的操作推薦結果，其中操作推薦結果可例如但不限於系統功能推薦、使用者常用功能推薦、最佳异常排除方案推薦以及使用者操作習慣推薦等。在本實施例中，資料管理模組123可經配置以對資料採集模組121所採集的多源訓練資料資訊進行清洗、儲存和更新維護作業。在本實施例中，模型參數模組124可儲存一個或多個任務推理模型以及與其分別對應的特徵工程參數。在本實施例中，模型訓練模組125可通過人工智能的機器學習算法迭代訓練持續學習，並從資料中洞悉使用者的操作經驗，而更進一步地以人工智能模型形式保存(儲存)在模型參數模組124中。

在本實施例中，使用者組織資訊例如是使用者在企業組織架構中對應的權限、層級及/或相關身分資訊。使用者操作行為記錄可以是指使用者在先前進行相同或相似的操作行為記錄。使用者操作時間記錄可以是指使用者在先前進行相同或相似的操作行為的時機。

圖2是本發明的一實施例的企業管理系統的執行方法的流程圖。圖3是本發明的一實施例的企業管理系統的多個模組的執行示意圖。參考圖1至圖3，企業管理系統100可執行如以下步驟S210~S250。在步驟S210，處理器110可取得使用者操作行為資料。在本實施例中，使用者可例如通過輸入設備(例如滑鼠、鍵盤或觸控螢幕等)及/或企業管理系統100的應用程序接口(Application Programming Interface，API)進行相關企業管理操作行為，以使處理器110可取得對應於使用者操作行為的使用者操作行為資料。在步驟S220，處理器110可根據使用者操作行為資料執行資料採集模組121，以取得使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄。在步驟S230，處理器110可通過資料採集模組121根據使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄產生推理資料301。

在步驟S240，處理器110可執行模型推理模組122，並將推理資料301輸入至模型推理模組122中的任務推理模型。如圖3所示，資料採集模組121可包括推理資料擷取單元1211以及訓練資料採集單元1212。在本實施例中，訓練資料採集單元1212可預先通過企業資源規劃資料庫及/或平台資料管理單元來採集訓練資料302，並且將訓練資料302提供至模型訓練模組125。模型訓練模組125可根據訓練資料302可根據不同訓練資料迭代訓練任務推理模型。

具體而言，推理資料擷取單元1211可例如根據使用者操作行為資料來查詢企業資源規劃資料庫及/或平台資料管理單元，以取得可作為推理資料301的使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄，並且可對於擷取的資料進行資料清洗以及資料轉化，以將適當的推理資料301輸入至模型推理模組122。模型推理模組122可根據推理資料301從模型參數模組124中的多個任務推理模型選擇對應的其中一個，並且可將推理資料301輸入至模型推理模組122所選的任務推理模型。因此，在步驟S250，處理器110可通過所選的任務推理模型產生推理結果資料303。本實施例的企業管理系統100可根據使用者操作行為自動地產生適於當前使用者或當前應用場景的推理結果資料303。在本實施例中，處理器110可對推理結果資料303進行工程封裝轉換，以輸出推薦結果列表。工程封裝轉換可例如是指根據預設或特定的列表格式將推理結果資料303的多個項目的資料轉換及/或編排至列表中。如此一來，使用者可根據推薦結果列表的資訊以及建議來決策進行適當的下一操作行為，以使使用者可適當且正確地實行的企業管理程序。

在本實施例中，企業管理系統100還可設定自動排程程式，並且可記錄使用者基於推理結果資料303所實際執行的操作所產生的使用者操作結果資料304，以將推理結果資料303以及使用者操作結果資料304作為下一筆訓練資料302來迭代訓練任務推理模型。換言之，使用者可能相同於推薦結果列表的所提供的推薦資訊，也可能基於其他考量執行相同或不相同於推薦結果列表的所提供的推薦資訊。對此，企業管理系統100自適應性地修正及迭代訓練任務推理模型，而可提供具有個性化特點的推薦服務。

值得注意的是，在進行推理操作之前，企業管理系統100可先採集企業管理軟體資料庫中的相關資料資訊用以推薦系統輸入。前述相關資料資訊的資料樣態可例如包括但不限於供應商信用評等、供應商供貨品質評等和廠商諮詢記錄等，其中前述的評等資料可以是連續數值或有序離散值。並且，企業管理系統100可根據使用者資訊及組織資訊構建使用者畫像資料。企業管理系統100可記錄使用者操作行為，例如業務決策記錄及決策緣由等非結構化資料，以及還可記錄操作時間資訊，例如使用者在某功能界面下的開始操作時間以及停留時間等。接著，資料採集模組121的訓練資料採集單元1212可對以上多源資訊進行資料彙集、資料清洗和資料維護，以更新企業資源規劃資料庫。訓練資料採集單元1212可洞察訓練資料302的資料特徵資訊，並且要求模型訓練模組125進行模型訓練。模型訓練模組125可根據訓練資料302的資料類型自動地選擇合適的機器學習算法，以構建特徵工程和算法模型結構。最後，模型訓練模組125可反復循環訓練與測試模型及優化模型，以獲得具有當前最佳參數網絡的任務推理模型。如此一來，企業管理系統100可為企業管理軟體系統中賦予人工智能服務，特別是賦予能個性化推薦服務的應用。

圖4是本發明的另一實施例的企業管理系統的示意圖。參考圖4，企業管理系統400可包括處理器410、儲存裝置420以及企業資源規劃資料庫430。處理器410耦接儲存裝置420以及企業資源規劃資料庫430。儲存裝置420可儲存資料採集模組421、模型推理模組422、資料管理模組423、模型參數模組424以及模型訓練模組425。在本實施例中，企業資源規劃資料庫430可同樣儲存在儲存裝置420中，或是儲存在外部的其他儲存裝置，而本發明並不加以限制。在本實施例中，資料採集模組421可包括推理資料擷取單元4211、訓練資料採集單元4212、平台資料管理單元4213以及使用者行為記錄單元4214。模型推理模組422可包括推理特徵工程單元4221、模型預測單元4222以及模型選擇單元4223。模型參數模組424可包括特徵參數管理單元4241以及推理模型管理單元4242。資料訓練模組425可包括訓練特徵工程單元4251、模型訓練單元4252、模型建構工程單元4253以及模型測試單元4254。關於本實施例的企業管理系統400的具體硬體特徵以及實施方式可參考上述圖1至圖3實施例的說明。

圖5是本發明的圖4實施例的企業管理系統的訓練流程圖。參考圖4以及圖5，企業管理系統400可執行如以下步驟S501~S511。在步驟S501，處理器410可執行訓練資料採集單元4212，以從使用者行為記錄單元4214取得使用者的行為屬性以及行為目標的資料樣本。在步驟S502，訓練資料採集單元4212可根據資料樣本從平台資料管理單元4213取得對應於當前操作行為的使用者資訊以及組織資料。在步驟S503，訓練資料採集單元4212可根據資料樣本從企業資源規劃資料庫430取得對應於當前操作行為的相關資訊及記錄。在本實施例中，訓練資料採集單元4212可將步驟S501~S503所取得的資料作為訓練資料，並且進行儲存，其中所述資料可至少包括使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄。在步驟S504，訓練資料採集單元4212可將訓練資料提供至資料管理模組423。在步驟S505，處理器410可執行資料管理模組423，以對訓練資料採集單元4212所提供的訓練資料進行資料清洗與規整，並且將資料清洗與規整後的訓練資料提供至訓練特徵工程單元4251。

在步驟S506，處理器410可執行模型建構工程4253，以根據使用者的設定或根據訓練資料自動選擇選擇合適的算法，以使模型訓練單元4252可進行任務推理模型的模型網絡構建。在步驟S507，處理器410可執行訓練特徵工程單元4251，以根據所述任務推理模型的輸入需求來產生特徵參數，並且提供至模型訓練單元4252。處理器410可執行模型訓練單元4252，以根據所述特徵參數訓練所述任務推理模型。在步驟S508，模型訓練單元4252可將訓練後的任務推理模型提供至模型測試單元4254。在步驟S509，模型測試單元4254可根據所述任務推理模型在測試集上的評價指標判定所述任務推理模型是否完成訓練。若否，在步驟S510，處理器410可重新執行步驟S505~S509，以循環訓練過程。若是，在步驟S511，模型訓練單元4252可輸出此任務推理模型及對應的特徵參數至模型參數模組424的推理模型管理單元4242以及特徵參數管理單元4241，以進行模型及參數的保存。

值得注意的是，模型測試單元4254可根據所述任務推理模型在測試集上的評價指標進行判定，其中評價指標可根據不同任務種類來決定，並且可例如是分類準確率、回歸分析均方誤差或接收者操作特徵曲線(Receiver Operating Characteristic curve，ROC)曲線下面積等指標。並且，模型訓練模組425可迭代執行訓練特徵工程單元4251、模型訓練單元4252以及模型建構工程單元4253以迭代訓練所述任務推理模型。

圖6是本發明的圖4實施例的企業管理系統的推理流程圖。參考圖4以及圖6，企業管理系統400可執行如以下步驟S601~S609。在步驟S601，處理器410可通過使用者行為記錄單元4214根據所述使用者操作行為資料發送使用者當前行為屬性資料至推理資料擷取單元4211。在步驟S602及步驟S603，處理器410可執行推理資料擷取單元4211，以從平台資料管理單元4213以及企業資源規劃資料庫430擷取使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄。在步驟S604，處理器410可執行推理資料擷取單元4211，以將使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄提供至模型推理模組422的推理特徵工程單元4221。在步驟S605，處理器410可執行推理特徵工程單元4221，以根據使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄從模型參數模組424的特徵參數管理單元4241取得對應的特徵工程參數，並且根據特徵工程參數對使用者組織資訊、使用者操作行為記錄以及使用者操作時間記錄進行特徵擷取，以產生推理資料。在步驟S606，推理特徵工程單元4221提供推理資料至模型預測單元4222以及模型選擇單元4223。在步驟S607，處理器410可執行模型選擇單元4223，以根據推理資料從模型參數模組424的推理模型管理單元4242所儲存的多個模型選擇其中之一作為任務推理模型。模型選擇單元4223可將任務推理模型的模型網絡資料提供至模型預測單元4222。在步驟S608，處理器410可執行模型預測單元4222，以將推理資料輸入至任務推理模型，以使任務推理模型根據推理資料進行推理演算。在步驟S609，模型預測單元4222可產生推理結果資料600。在本實施例中，處理器410還可對推理結果資料600進行工程封裝轉換，以輸出推薦結果列表。

綜上所述，本發明的企業管理系統及其執行方法可收集並分析使用者資訊、使用者操作行為以及操作時間，而經人工智能模型推理出使用者的操作習慣，並依此實現系統功能、作業與操作順序的個性化推薦的功能。本發明的企業管理系統可依據使用者所屬角色與組織等資訊來推薦常用功能，以有效降低使用者學習門檻及企業員工訓練成本。本發明的企業管理系統可收集使用者在面臨決策時的選擇與判斷，並進行操作行為分類與分析，達到企業系統於決策場景時的最佳操作推薦。

最後應說明的是：以上各實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的範圍。

100、400:企業管理系統 110、410:處理器 120、420:儲存裝置 121、421:資料採集模組 1211、4211:推理資料擷取單元 1212、4212:訓練資料採集單元 122:資料推理模組 123:資料管理模組 124:模型參數模組 125:模型訓練模組 301:推理資料 302:訓練資料 303:推理結果資料 304:使用者操作結果資料 4213:平台資料管理單元 4214:使用者行為記錄單元 4221:推理特徵工程單元 4222:模型預測單元 4223:模型選擇單元 4241:特徵參數管理單元 4242:推理模型管理單元 4251:訓練特徵工程單元 4252:模型訓練單元 4253:模型建構工程單元 4254:模型測試單元 S210~S250、S501~S511、S601~S609:步驟

圖1是本發明的一實施例的企業管理系統的示意圖。圖2是本發明的一實施例的企業管理系統的執行方法的流程圖。圖3是本發明的一實施例的企業管理系統的多個模組的執行示意圖。圖4是本發明的另一實施例的企業管理系統的示意圖。圖5是本發明的圖4實施例的企業管理系統的訓練流程圖。圖6是本發明的圖4實施例的企業管理系統的推理流程圖。

S210~S250:步驟

Claims

一種企業管理系統，包括：一儲存裝置，儲存多個模組；以及一處理器，耦接所述儲存裝置，並且用以執行所述多個模組，所述處理器取得一使用者操作行為資料，並根據所述使用者操作行為資料執行一資料採集模組，以取得一使用者組織資訊、一使用者操作行為記錄以及一使用者操作時間記錄，其中所述資料採集模組根據所述使用者組織資訊、所述使用者操作行為記錄以及所述使用者操作時間記錄產生一推理資料，所述處理器執行一模型推理模組，並將所述推理資料輸入至所述模型推理模組中的一任務推理模型，以使所述任務推理模型產生一推理結果資料，其中所述模型推理模組包括一推理特徵工程單元、一模型選擇單元以及一模型預測單元，所述推理特徵工程單元根據所述使用者組織資訊、所述使用者操作行為記錄以及所述使用者操作時間記錄從模型參數模組取得對應的特徵工程參數，並且根據所述特徵工程參數對所述使用者組織資訊、所述使用者操作行為記錄以及所述使用者操作時間記錄進行特徵擷取，以產生所述推理資料，其中所述模型選擇單元根據所述推理資料從多個模型選擇其中之一作為所述任務推理模型，並且所述模型預測單元將所述推理資料輸入至所述任務推理模型，以使所述任務推理模型產生所述推理結果資料。
如請求項1所述的企業管理系統，所述資料採集模組包括一使用者行為記錄單元、一平台資料管理單元以及一推理資料擷取單元，所述使用者行為記錄單元根據所述使用者操作行為資料發送一使用者當前行為屬性資料至一推理資料擷取單元，以使所述推理資料擷取單元從所述平台資料管理單元以及一企業資源規劃資料庫擷取一使用者組織資訊、一使用者操作行為記錄以及一使用者操作時間記錄，並提供至所述模型推理模組。
如請求項1所述的企業管理系統，所述處理器對所述推理結果資料進行一工程封裝轉換，以輸出一推薦結果列表。
如請求項1所述的企業管理系統，所述處理器根據自動排程設定執行一模型訓練模組，以根據所述推理結果資料以及對應於所述推理結果資料的一使用者操作結果資料來訓練所述任務推理模型。
如請求項1所述的企業管理系統，所述資料採集模組包括一訓練資料採集單元，所述訓練資料採集單元從企業資源規劃資料庫取得一訓練資料，並且所述處理器根據所述訓練資料執行資料訓練模組，以訓練所述任務推理模型，其中所述處理器將經訓練後的所述任務推理模型一的特徵工程參數儲存至一模型參數模組中。
如請求項5所述的企業管理系統，所述資料訓練模組包括一訓練特徵工程單元、一模型建構工程單元以及一模型訓練單元，所述訓練特徵工程單元對訓練資料進行資料探索，並且所述模型建構工程單元根據訓練資料進行建構所述任務推理模型，其中所述訓練特徵工程單元根據所述任務推理模型的輸入需求來產生一特徵參數，並且所述模型訓練單元根據所述特徵參數訓練所述任務推理模型。
如請求項6所述的企業管理系統，所述資料訓練模組還包括一模型測試單元，所述模型測試單元迭代執行所述訓練特徵工程單元、所述模型建構工程單元以及所述模型訓練單元模型，以迭代訓練所述任務推理模型。
如請求項7所述的企業管理系統，所述模型測試單元根據所述任務推理模型在測試集上的一評價指標判定所述任務推理模型是否完成訓練。
如請求項6所述的企業管理系統，所述處理器執行一資料管理模組，以對所述訓練資料進行資料清洗與規整，並將資料清洗與規整後的所述訓練資料提供至所述訓練特徵工程單元。
一種企業管理系統的執行方法，包括：取得一使用者操作行為資料；根據所述使用者操作行為資料執行一資料採集模組，以取得一使用者組織資訊、一使用者操作行為記錄以及一使用者操作時間記錄；通過所述資料採集模組根據所述使用者組織資訊、所述使用者操作行為記錄以及所述使用者操作時間記錄產生一推理資料；執行一模型推理模組，並將所述推理資料輸入至所述模型推理模組中的一任務推理模型；以及通過所述任務推理模型產生一推理結果資料，其中通過所述任務推理模型產生所述推理結果資料的步驟包括：通過一推理特徵工程單元根據所述使用者組織資訊、所述使用者操作行為記錄以及所述使用者操作時間記錄從一模型參數模組取得對應的特徵工程參數，並且根據所述特徵工程參數對所述使用者組織資訊、所述使用者操作行為記錄以及所述使用者操作時間記錄進行特徵擷取，以產生所述推理資料；通過一模型選擇單元根據所述推理資料從多個模型選擇其中之一作為所述任務推理模型；以及通過一模型預測單元將所述推理資料輸入至所述任務推理模型，以使所述任務推理模型產生所述推理結果資料。
如請求項10所述的企業管理系統的執行方法，通過所述資料採集模組根據所述使用者組織資訊、所述使用者操作行為記錄以及所述使用者操作時間記錄產生所述推理資料的步驟包括：通過一使用者行為記錄單元根據所述使用者操作行為資料發送一使用者當前行為屬性資料至一推理資料擷取單元；以及通過一推理資料擷取單元從一平台資料管理單元以及一企業資源規劃資料庫擷取一使用者組織資訊、一使用者操作行為記錄以及一使用者操作時間記錄，並提供至所述模型推理模組。
如請求項10所述的企業管理系統的執行方法，還包括：對所述推理結果資料進行一工程封裝轉換，以輸出一推薦結果列表。
如請求項10所述的企業管理系統的執行方法，還包括：根據一自動排程設定執行一模型訓練模組，以根據所述推理結果資料以及對應於所述推理結果資料的一使用者操作結果資料來訓練所述任務推理模型。
如請求項10所述的企業管理系統的執行方法，還包括：通過一訓練資料採集單元從一企業資源規劃資料庫取得一訓練資料；根據所述訓練資料執行資料訓練模組，以訓練所述任務推理模型；以及將經訓練後的所述任務推理模型的特徵工程參數儲存至一模型參數模組中。
如請求項14所述的企業管理系統的執行方法，訓練所述任務推理模型的步驟包括：通過一訓練特徵工程單元對一訓練資料進行資料探索；通過一模型建構工程單元根據訓練資料進行建構所述任務推理模型；通過所述訓練特徵工程單元根據所述任務推理模型的輸入需求來產生一特徵參數；以及通過一模型訓練單元根據所述特徵參數訓練所述任務推理模型。
如請求項15所述的企業管理系統的執行方法，還包括：通過一模型測試單元迭代執行所述訓練特徵工程單元、所述模型建構工程單元以及所述模型訓練單元模型，以迭代訓練所述任務推理模型。
如請求項16所述的企業管理系統的執行方法，還包括：通過所述模型測試單元根據所述任務推理模型在測試集上的一評價指標判定所述任務推理模型是否完成訓練。
如請求項15所述的企業管理系統的執行方法，還包括：執行一資料管理模組，以對所述訓練資料進行資料清洗與規整；以及將資料清洗與規整後的所述訓練資料提供至所述訓練特徵工程單元。