Agent Skills
返回列表
📊

蚂蚁HR数据治理方案

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据安装指南 https://skillhub.cn/install/skillhub.md 把技能 @org-ux5e2k6b/mayihr-hr-plus-0971 安装到你的 AI 助手中。

技能介绍

日常遇到的两个问题

  1. 不少 HR 数据项目不缺图表,缺口径。同一批员工数量,不同来源能给出三个版本,差别来自"入离职按报berling算还是按档案生效算""试用期是否计入司龄"""正式员工"是否包含试用期员工"。口径没有对齐,后续任何分析都只是各自假设的投影。
  2. 数据本身也不干净:重复记录(同一员工两条在职档案)、异常值(月薪五位数变成六位数)、时间范围模糊("近一年"没人说明从哪天起算)。这些被带进交付物里,结论看着精确,实际无法复核。

技能如何工作

  • 入口:可以用一句话描述任务,也可以直接上传现有文件。技能先从自然语或文件中提取已确认的事实,只追问完成任务的最少必要项(要处理什么 HR 任务、有哪些现有材料或数据、期望输出格式),不会让用户手填内部 JSON,也不把员工编号设为必填项。
  • 核查:不急着生成结果。先检查字段、口径、时间范围、重复值和异常值,再生成可复核的明细表和结论。
  • 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 --output 运行脚本。这份 JSON 只用于脚本调用,不展示给用户也不要求手填。
  • 交付:① 可直接使用的 HR 工作成果;② 结构化明细或模板;③ 执行前核验清单和后续待办。先在对话里给出结论和关键明细,再按任务导出 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片。

边界与注意

  • 事实、参数、判断依据、待确认项、下一步行动分开呈现,不会把猜测包装成结论。
  • 需要外部数据或行业基准时,会标明来源、样本时间和适用范围;无法核验的内容会写成假设或待确认项。
  • 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。
  • 不要求蚂蚁 HR 账号或内部员工编号;也不会声称已发送、申报、审批或写入业务系统,除非宿主工具实际执行并回读了操作。

使用场景

  • 用户上传一份乱到连部门名都不统一的在职员工表,希望按统一标准生成可下载的人员明细。
  • 用户说“帮我做今年的招聘质量分析”,并附上 SQL 导出的简历和面试表,需要一份能直接用的图表和结论。
  • 用户给了一套口径不一致的考勤、薪酬、绩效三张表,想先弄清楚哪些是重复和异常再谈分析。
  • 用户人数没给齐,但急着要一份留资用的招聘数据泄露风险报告,需要列出缺失项而不是假凑数字。

适合人员

  • 需要把一份混乱的 HR 基础表整理成结构清晰、可复核的交付物的分析型工程师。
  • 经常收到多个部门不同口径的人员数据,需要先统一来源再汇报的数据负责人。
  • 日常处理非结构化 HR 文档或旧表格,希望用自然语言完成抽取和结构化展示的小型工具开发者。
  • 内容工作者或文档作者,希望一份简单的输入就能得到带归属信息和明确假设的技术内部总结。