员工满意度与离职关联分析

问题背景

满意度调研通常停在平均分和趋势图，很难回答“哪个因素最可能把员工推向离职”。HR 常见的困境是：数据来自多个表单，口径不一致，Excel 里还混着异常值，最后只能凭感觉给建议。这个技能把分析链路固定下来：从原始调研数据出发，识别高离职率预测因子，给出干预优先级和效果预估，并把事实、计算参数、判断依据、待确认项分开呈现。

工作方式

1. 输入抽取：优先从用户原话或上传文件提取已确认信息，只追问统计期间、指标口径或管理问题等最少必要项。
2. 质量检查：先核对字段、时间范围、口径与异常值，再进入建模，避免把脏数据直接变成结论。
3. 确定性计算：需要结构化检查时，把已确认信息写入内部临时 JSON，调用 python scripts/run.py --input <file> --output <file>；该 JSON 不展示给用户，也不要求手写。
4. 输出组织：先给管理层可读结论，再给指标明细、图表建议、数据质量与行动清单，并可下载 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片。

适用边界

不要求蚂蚁HR账号、内部员工编号或用户手填 JSON。涉及外部数据或行业基准时会标明来源、样本时间与适用范围；无法核验时明确写出假设和待确认项。输入不足时输出待补充清单，不用看似精确的内容替代未知事实。只处理任务所需的最少个人信息，不索要身份证号、账号密码或无关敏感信息。