以自然语言搜索分析数据的 BI 平台——这是 ThoughtSpot Spotter 最主要的用途，也是本文讨论的前提。

这篇写给 HR 与招聘：围绕岗位描述撰写、面试题与评估表和员工手册问答这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。

HR 与招聘的三个高频用法

1. 岗位描述撰写

可直接复制到 ThoughtSpot 里修改：

根据以下岗位信息写一份岗位描述：职责 5 条、任职要求分「必须 / 加分」两类、工作地点与方式。避免出现与岗位无关的年龄、性别等限制。

把关：没有歧视性要求。

2. 面试题与评估表

可直接复制到 ThoughtSpot 里修改：

为【岗位】设计 6 道结构化面试题，覆盖专业能力、协作和问题解决，每道题附「好回答的特征」，便于面试官统一打分。

把关：每道题都有评分参考。

3. 员工手册问答

在 ThoughtSpot Spotter 中可以这样提：

根据员工手册回答：试用期请病假如何计算？请引用手册的章节，手册中没有规定的请说明「需咨询 HR」。

把关：回答引用了手册原文。

也可以试试：指标异动解读

这是「数据与分析」类工具的通用任务，HR 与招聘同样用得上。

日活本周下降了，请列出可能原因的排查清单，按「数据问题 / 产品变化 / 外部因素」分类，每项写明需要查看的数据。

边界与合规

简历筛选不得以性别、年龄等因素做歧视性判断，候选人信息需妥善保管。

  • 产出由 HR 与招聘本人负责，AI 只是草稿和辅助。
  • 对外内容发布前至少看一遍。
  • 如单位有规定的工具清单，优先在清单内选择；ThoughtSpot Spotter 的同类还有 Power BI Copilot、Tableau。

一周试用建议

选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 ThoughtSpot 纳入日常流程。

更多可以试的用法

自然语言问数

准备材料：一张销售明细表。

请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。

检查点：给出了可复核的计算过程。

写 SQL 查询

适用情况：手头有数据库表结构说明时。

根据以下表结构写 SQL：统计每个月新增用户数和其中完成首单的比例。请说明关联条件和可能存在的口径问题。

检查点：说明了口径问题。

数据清洗方案

准备材料：一份有缺失和异常值的数据。

分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。

验收标准：说明了处理对结论的影响。

常见问题：问数结果看似合理但错误

准备几道已知答案的问题做抽检。

常见问题：图表结论被过度解读

区分相关与因果，在报告中标注假设。

常见问题：敏感数据暴露给模型

使用脱敏视图或只读账号，限制可访问的表。

概念补充：文本转 SQL

把自然语言问题转换为数据库查询语句。

写在最后

文中提示词和示例仅作示意，实际效果取决于你的材料和 ThoughtSpot 当前版本，重要内容请人工核对后再使用。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读