Agent Skills
返回列表
📊

新员工90天留存洞察

数据分析 更新于 2026.08.28

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-ux5e2k6b/mayihr-recruitment-320。

技能介绍

要解决的问题

新员工离职高发于入职后 0 到 90 天，但很多分析只停在「整体离职率」一个数字，无法回答留存曲线在 30、60、90 天这些节点到底如何变化。早期离职一旦发生，原因常被招聘渠道、入职流程、岗位匹配等信息淹没，靠人工归因既慢又容易带偏见。预警也缺乏机制化：管理者往往等到离职面谈启动，才意识到本可以更早发现信号。

它如何工作

技能接收一句自然语言指令或现有文件。它先从中抽取已确认的事实，只追问完成任务所缺的最少必要项，不要求用户手写结构化表单。进入计算前，会检查字段一致性、统计口径、时间范围与异常值，保证结果可复核、可复算。

核心处理包括：

  • 按 0-30-60-90 天窗口拆解留存明细与结论
  • 对早期离职原因做归因，并明确区分事实、证据与假设
  • 识别预警信号，输出按优先级排列的提醒清单

需要确定性计算时，技能把已确认信息写入内部临时 JSON，通过 run.py 脚本以 --input 与 --output 参数执行。该 JSON 只用于脚本调用，不会出现在对话里。产出会分开呈现事实、计算参数、判断依据与待确认项，并可落盘为 Markdown、CSV、XLSX 等格式。

适用边界

  • 不要求蚂蚁HR账号或内部员工编号
  • 不会声称已发送、申报或写入业务系统，除非宿主工具真正执行并回读
  • 输入不足时输出待补充清单，而不是用看似精确的结论替代未知
  • 只处理任务所需的最少个人信息，不索取无关身份证号、账号密码或完整病历
  • 不依据性别、年龄、婚育、籍贯、民族、健康等敏感属性做出人员决策

使用场景

  • HR需要复盘上季度新员工入职30、60、90天的留存情况，并找出早期离职的共性原因，以便调整下个季度的招聘策略。
  • 业务主管拿到一份包含新员工绩效和入职时间的表格，想识别出在入职60天内可能出现离职风险的预警信号。
  • 数据分析团队需要将招聘渠道数据与新员工入职后前三个月的留存明细进行交叉比对，输出结构化的评估报告。

适合人员

  • 招聘HR：需要量化新员工早期留存表现，并定位导致早期离职的流程或岗位匹配问题。
  • 人力数据分析师：需要处理招聘和入职数据，生成可复核的留存明细与风险预警清单。
  • 业务团队负责人：需要识别团队内新成员在入职头三个月的离职风险信号，以便提前介入留人。