Bancolombia数据马拉松Datatón员工排班优化数据集-2023
数据来源：互联网公开数据
标签：Bancolombia, 数据马拉松, 排班优化, 员工, 需求预测, 运营效率, 银行, 时间序列, 优化问题
数据概述：
本数据集源自 Bancolombia 举办的 2023 年数据马拉松（Datatón），旨在解决银行员工排班优化问题。数据集分为两个阶段，分别模拟了不同复杂度的排班场景。
第一阶段：
该阶段数据主要关注单个分行 XYZ 的 8 名员工的排班优化。员工状态包括：工作（Trabaja）、休息（Pausa Activa）、午餐（Almuerza）、未上班（Nada）。目标是根据每15分钟的客户需求（demanda）和员工的可用状态，制定排班计划，以最小化员工工作状态与需求之间的差异。
数据包含：
demand 表：包含分行代码（suc_cod）、时间（fecha_hora，15分钟为间隔）、需求量（demanda）。
workers 表：包含分行代码（suc_cod）、员工身份证号（documento）、合同类型（contrato）。
第二阶段：
该阶段扩展至 5 个分行，并考虑了员工每周的排班情况。员工的合同类型分为全职（TC）和兼职（MT），不同合同类型的员工有不同的工作时间和休息规定。目标是在满足不同合同类型员工的排班约束条件下，优化排班，最小化工作状态与需求之间的差异。
数据包含：
demand 表：包含分行代码（suc_cod）、时间（fecha_hora，15分钟为间隔）、需求量（demanda）。
workers 表：包含分行代码（suc_cod）、员工身份证号（documento）、合同类型（contrato）。
数据用途概述：
该数据集适用于多种分析和研究场景，包括：
排班优化算法开发与测试：用于开发和评估优化算法，以解决复杂的排班问题。
运营效率分析：研究不同排班方案对银行运营效率的影响。
需求预测与管理：结合需求数据，探索更精准的需求预测模型，从而优化排班。
合同类型影响分析：研究不同合同类型对排班的影响，以及如何根据合同类型制定最佳排班策略。
教育与培训：作为案例研究，用于教学和培训，帮助学习者理解排班优化的实际应用。
