人力资源管理 × 数据科学 × AI：智能招聘与人才分析

1
import pandas as pd
2

3
# 假设这是从HR系统导出的员工数据
4
# （实际中你从钉钉/飞书/企业微信后台导出即可）
5
employees = pd.read_csv('员工数据.csv')
6

7
# 给每个员工计算"离职风险分"
8
def calculate_risk(row):
9
    risk = 0
10
    # 两年没晋升？+20分
11
    if row['晋升间隔年数'] >= 2:
12
        risk += 20
13
    # 司龄2-4年是离职高发期？+15分
14
    if 2 <= row['司龄'] <= 4:
15
        risk += 15
16
    # 月均工时明显偏高（加班过多）？+15分
17
    if row['月均工时'] > 200:
18
        risk += 15
19
    # 上次绩效评分偏低？+20分
20
    if row['绩效评分'] < 3.0:
21
        risk += 20
22
    # 满意度调查得分低？+30分
23
    if row['满意度'] < 5:
24
        risk += 30
25
    return risk
26

27
employees['离职风险分'] = employees.apply(calculate_risk, axis=1)
28

29
# 找出风险最高的10个人
30
high_risk = employees.nlargest(10, '离职风险分')
31
print("⚠️ 需要重点关注的高离职风险员工：")
32
for _, emp in high_risk.iterrows():
33
    print(f"  {emp['姓名']} | {emp['部门']} | "
34
          f"{emp['岗位']} | 风险分{emp['离职风险分']} | "
35
          f"司龄{emp['司龄']}年 | 绩效{emp['绩效评分']}")
36

37
# 按部门汇总——哪个部门最"危险"？
38
print(f"\n📊 各部门离职风险均值：")
39
print(employees.groupby('部门')['离职风险分'].mean().sort_values(ascending=False))

1
# 季度员工满意度调查收到了200条开放式反馈
2
# 比如："加班太多，没有生活""领导挺好的就是工资低""希望有培训机会"
3
# 过去HR要花两天逐条看，现在让AI帮忙总结
4

5
feedbacks = [
6
    "这个季度加班太多了，连续三周没有周末了",
7
    "工资比同行低了至少20%，好几个同事因为这个走了",
8
    "我们部门经理特别好，总是帮我们争取资源",
9
    "希望能多一些培训机会，感觉自己技术落后了",
10
    # ... 实际有200条
11
]
12

13
prompt = f"""你是员工关怀专家。下面是本季度员工调查的200条反馈。
14
请分析：
15
1. 大家最关心的3个问题是什么（按频率排序）
16
2. 分别占比多少
17
3. 针对每个问题，给管理层提一条具体可行的建议
18
4. 整体情绪是正面还是负面？
19
5. 有没有需要立刻处理的"燃眉之急"？
20

21
要求：用数据说话，建议要具体（比如不要说"改善薪酬"，要说"研发岗位建议普调15%以上"）。
22

23
反馈内容：
24
{chr(10).join(feedbacks)}"""
25

26
# 实际调用：response = openai_client.chat.completions.create(...)
27
# AI会在1分钟内生成一份有洞察的报告