招聘漏斗转化分析

解决什么问题

招聘数据通常散落在 ATS、表格、导出报表和手工统计里。团队常见的问题是：只知道最终入职人数，却说不清每个环节损失了多少候选人，也不知道瓶颈究竟出现在简历筛选、面试、Offer 还是入职阶段。另一个难点是口径不统一：各部门对“有效简历”“面试通过”的定义不一致，导致转化率无法比较，渠道 ROI 也难以解释。

这个技能用于把一次招聘漏斗分析做成可复核的分析任务。它接受自然语言请求或上传文件，输出管理层可读的结论、逐行可核对的指标明细，以及后续行动清单。

核心能力与关键步骤

• 自然语言入口：可以直接说“请帮我完成招聘漏斗转化分析：招聘各环节转化率+瓶颈识别+优化建议+渠道ROI”，也可以上传现有 HR 数据文件。
• 最小化信息收集：从用户原话或文件中提取已确认事实，只追问完成任务所缺的最少必要项，例如待分析的 HR 数据、统计期间、指标口径或管理问题。不需要用户手填内部 JSON，也不把员工编号设为通用必填。
• 数据质量检查：先检查字段、口径、时间范围、重复值和异常值，再生成明细与结论。输出会保留原表行号或用户可识别字段，并标注逐行结果、异常原因和复核状态。
• 确定性计算：需要结构化检查时，技能会把已确认信息写入内部临时 JSON，再运行 python scripts/run.py --input --output。内部 JSON 只用于脚本调用，不向用户展示，也不要求用户手填。
• 可交付结果：先在对话中给出结论和关键明细，再按任务生成可下载的 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片。交付内容包括管理层可读的分析结论、结构化指标明细和图表建议、数据质量与行动清单。
• 外部基准处理：涉及外部数据或行业基准时，会标明来源、样本时间和适用范围；无法核验时会写明假设和待确认项。

适用边界与注意点

• 不要求蚂蚁HR账号、内部员工编号或用户手写 JSON。
• 不声称已经发送、申报、审批、提醒或写入业务系统，除非宿主工具实际执行并回读。
• 输入不足时，输出待补充清单，不使用看似精确的内容替代未知事实。
• 不得依据性别、年龄、婚育、籍贯、民族、健康等敏感属性作出不当人员决策。