作为负责招聘、员工关系和培训的人力资源专员，你可能也有同感：招聘文案、面试安排、员工沟通、制度解释和各类通知很多，措辞还要格外谨慎。大多数业务分析卡在“不知道从哪里看起”，AI 可以快速给出分析思路、图表和初步结论，节省摸索时间。下面以HR的真实场景为例，演示用 AI 做数据分析的完整流程：用带数据分析功能的 AI 工具上传脱敏数据，先让它描述数据，再按你的业务问题逐步追问。

使用场景

HR拿到一份“招聘进度”数据，字段有招聘岗位、简历日期、面试人数、招聘渠道。HR 负责人想知道：最近面试人数的变化趋势如何，哪个招聘岗位表现最好，有没有异常。用 AI 先做一轮探索，可以更快找到值得深挖的方向。尤其当HR 负责人同时还在等“筛选简历约 150 份”的结果时，能把这部分工作提速，就能腾出精力处理更重要的判断。

用什么工具

推荐使用支持运行代码或上传文件分析的工具，例如 ChatGPT 的数据分析功能、Claude 的文件分析、Kimi 和通义千问的文档/表格解读，或者 Excel、WPS 中的 AI 分析功能。

能执行 Python 代码的 AI 助手最适合做数据分析，它会真正读取数据、计算并画图，而不是凭空描述；不能执行代码的工具只适合写分析思路和公式。

一个虚构的例子

下面这个例子是虚构的：小孙遇到的难题是“两个技术岗位招聘周期偏长，用人部门催得紧”。为了不让它拖慢“发布 4 个岗位的招聘信息”的进度，小孙决定借助 AI 做数据分析。第一次只写了一句简单的要求，结果很空泛；第二次把对象（HR 负责人）、目的和限制条件都写清楚，输出就可用多了。这也是本文提示词模板要把背景写全的原因。

操作步骤

  1. 导出数据并脱敏：删除候选人简历、员工薪资和个人隐私信息，必要时只保留样本
  2. 先让 AI 描述数据：行数、字段类型、缺失值和异常值
  3. 提出具体业务问题，一次一个
  4. 要求 AI 展示计算过程或代码，便于复核
  5. 把关键结论回到原始数据中抽查验证

可复用的提示词

把方括号和括号里的内容换成你自己的信息即可：

【背景】身份：负责招聘、员工关系和培训的人力资源专员；平时主要和员工和候选人和HR 负责人打交道。
我上传了一份“招聘进度”数据（CSV），字段：招聘岗位、简历日期、面试人数、招聘渠道。
我是HR，需要给HR 负责人做一次简短的数据分析。

请按步骤进行：
1. 先检查数据质量：行数、缺失值、明显异常值，告诉我你如何处理
2. 按月汇总面试人数，画一张折线图，描述趋势
3. 按招聘岗位分组对比面试人数，列出排名前三和后三
4. 给出 3 条可能的解释（标明是假设），以及验证每条假设需要什么数据

请展示你使用的代码，结论用中文简洁表述。

效果示例（虚构演示）

示例输出如下（虚构内容，仅演示 AI 大致会给出什么样的结果）：

数据质量：共 1,248 行（示例数字），面试人数有 6 行缺失，已在汇总时剔除；有 2 条记录数值异常偏大，建议核实是否为录入错误。

趋势：近三个月面试人数整体呈上升趋势，其中 9 月增幅最明显。

分组对比：“后端开发”的面试人数最高，“销售代表”次之；排名靠后的分组记录数较少，结论稳定性有限。

可能的解释（假设）

  1. 9 月有集中活动或季节因素——需要活动日历来验证
  2. “后端开发”的投入增加——需要对应的资源或成本数据
  3. 统计口径变化——需要确认 9 月前后简历日期的记录方式是否一致

这样的输出只是起点。真正用到“发布 4 个岗位的招聘信息”这类工作里之前，还需要对照原始资料逐条检查，并补上 AI 不知道的背景。

实用技巧与常见坑

  • 只用不能运行代码的 AI 做计算，可能得到“看起来对”的错误数字。
  • 样本量小的分组结论不稳定，让 AI 同时报告每组的记录数。

给HR的特别提醒

员工个人信息一律脱敏后再交给 AI 处理。另外，涉及劳动法规、薪酬和解约的问题，以当地法规和专业意见为准，不能只依赖 AI 回答。

再补充一条经验：写招聘和制度内容时，请 AI 检查是否存在性别、年龄等歧视性表述。

变体用法

  • 用户分群：让 AI 推荐分群维度并解释每个群的特征。
  • 把分析结论改写成给HR 负责人看的三句话摘要。

相关阅读