招聘漏斗数据分析器

数据散落导致的归因困境

当招聘流程横跨多个渠道和面试轮次时，数据往往散落在 Excel、邮件和 ATS 导出表里。这会导致两个典型问题：一是阶段转化率口径不清，例如“进入面试”的定义是否包含初筛通过；二是渠道 ROI 计算滞后，等到发现某个渠道成本过高时，预算已经消耗。手动拼凑报表不仅耗时，还容易掩盖异常值，让团队难以判断瓶颈到底是在简历筛选、面试通过还是 offer 接受环节。

核心能力与执行步骤

这个技能将分析过程拆分为几个可复核的步骤：

• 最少必要输入：只需要目标岗位、现有招聘数据、适用地区和时间范围。你可以直接上传历史数据文件，或用自然语言描述需求，例如：“请帮我完成招聘漏斗数据分析器：导入招聘数据→各阶段转化率分析+瓶颈识别+渠道ROI对比+招聘周期趋势。”
• 数据校验与计算：先检查字段完整性、时间范围和异常值，再生成明细与结论。当涉及确定性计算时，内部调用 python scripts/run.py --input <file> --output <result> 处理数据，无需手动填写 JSON。
• 结构化交付：把事实、计算参数、判断依据、待确认项和下一步行动分开呈现。最终输出可下载的 Markdown、CSV 或 Mermaid 图表，方便直接嵌入技术复盘文档。

适用边界与隐私注意

技能不要求蚂蚁 HR 账号或内部员工编号，也不会索要无关的身份证号或密码。如果输入数据不足以支撑完整分析，它会输出一份待补充清单，而不是用看似精确的猜测填补空白。涉及外部行业基准时，会明确标注来源、样本时间和适用范围。分析过程仅处理任务所需的最少个人信息，且不会依据性别、年龄、婚育等敏感属性做出人员决策。