书接上回

上一篇《HR数据分析入门指南》讲了”做什么”和”为什么做”，这篇讲”如何用AI和飞书做得更快更好”。

写在前面：HR数据分析的三大效率瓶颈

如果你读完上一篇《HR数据分析入门指南》，已经了解了数据分析的价值和方法，但真正动手时可能会遇到这些问题：

瓶颈一：数据收集慢

员工信息分散在多个地方——招聘平台、Excel表格、纸质档案、钉钉/飞书通讯录。要整理一份完整的员工信息表，可能需要两三天。每次更新数据，又要重新核对一遍。

瓶颈二：指标建模难

知道要建指标，但不知道该建哪些；公式容易写错，口径不统一；每次计算都要手动操作，费时费力还容易出错。

瓶颈三：分析过程累

有了数据，不知道从何下手分析；分析维度单一，结论缺乏深度；写分析报告耗时耗力，老板还觉得”看不出什么”。

这篇文章要解决的问题：

用AI+飞书，把原本需要几天的工作压缩到几小时，把容易出错的手工操作变成自动化流程。

你将学会：

1. 用AI自动生成数据收集模板，10分钟搞定原本需要半天设计的表格
2. 用飞书多维表格实现数据自动收集和汇总，告别手工录入
3. 用AI生成指标体系和计算公式，避免公式错误
4. 用AI辅助数据分析，从”不知道怎么分析”到”有思路有方法”
5. 用飞书制作数据仪表盘，让分析结果一目了然

工具准备：

工具	用途	是否免费
AI助手（ChatGPT/文心一言/通义千问/Kimi）	生成模板、公式、分析思路	大部分免费
飞书多维表格	数据收集、存储、计算、可视化	免费（基础版）
飞书智能伙伴（可选）	在飞书内直接使用AI	部分免费

一、AI如何帮助HR快速收集数据

1.1 传统数据收集的痛点

很多HR做数据分析，第一步就卡住了——数据收集。

常见问题：

问题	具体表现	后果
数据分散	员工信息在Excel，招聘数据在平台后台，离职记录在纸质档案	整理一份完整数据需要2-3天
格式不统一	有的用”男/女”，有的用”1/0″，有的用”M/F”	数据无法直接使用，需要清洗
手工录入	每次更新数据都要手动填写	耗时且容易出错
版本混乱	“员工信息表最终版.xlsx”、”员工信息表最新版.xlsx”、”员工信息表_真的最终版.xlsx”	不知道哪个是最新的

1.2 用AI自动生成数据收集模板

场景：你需要设计一份员工信息表，但不知道该包含哪些字段，也不知道怎么设计才合理。

传统做法：上网搜索模板，东拼西凑，可能花半天时间。

AI做法：10分钟搞定。

操作步骤：

第一步：打开AI助手

可以选择以下任一工具： – ChatGPT（https://chat.openai.com） – 文心一言（https://yiyan.baidu.com） – 通义千问（https://tongyi.aliyun.com） – Kimi（https://kimi.moonshot.cn）

第二步：输入提示词

我是一家中小企业的HR，需要设计一份员工信息表，用于人力资源数据分析。

公司情况：
- 员工规模：约80人
- 行业：互联网/软件
- 主要岗位：研发、产品、销售、运营、行政

请帮我设计：
1. 员工信息表应该包含哪些字段？请列出字段名称、字段说明、填写规范
2. 字段的设计要考虑后续数据分析的需要
3. 请用表格形式呈现，方便我直接复制使用

第三步：获取结果并优化

AI会生成一份完整的字段清单，你可以继续追问：

请补充以下内容：
1. 增加绩效相关字段（我们公司绩效分为A/B/C/D四个等级）
2. 增加薪酬相关字段（基本工资、最近调薪日期）
3. 增加离职相关字段（离职日期、离职原因分类）

示例输出：

字段名称	字段说明	填写规范	示例
员工编号	唯一标识	入职年份+部门代码+序号	2026001
姓名	员工姓名	与身份证一致	张三
部门	所属部门	统一使用部门全称	研发部
岗位	岗位名称	与岗位说明书一致	前端工程师
职级	职级等级	P1-P5/M1-M3	P2
入职日期	入职时间	YYYY-MM-DD	2024-03-15
学历	最高学历	高中/大专/本科/硕士/博士	本科
年龄	员工年龄	以当年为准	28
性别	员工性别	男/女	男
基本工资	固定月薪	数值，不含绩效奖金	8000
绩效等级	最近一次考核结果	A/B/C/D	B
最近调薪日期	最近一次调薪生效日期	YYYY-MM-DD	2025-01-01
状态	在职状态	在职/离职	在职
离职日期	离职时间	YYYY-MM-DD，在职员工留空
离职原因	离职原因分类	薪酬/发展空间/工作环境/家庭原因/其他

第四步：复制到Excel或飞书

直接复制AI生成的表格，粘贴到Excel或飞书多维表格即可使用。

进阶技巧：让AI生成多张关联表格

我需要建立完整的人力资源数据体系，请帮我设计以下三张表格：
1. 员工信息表（核心字段）
2. 招聘记录表（核心字段）
3. 离职记录表（核心字段）

要求：
1. 三张表格之间能够通过员工编号关联
2. 字段设计要考虑后续数据分析的需要
3. 每张表格请用独立的表格形式呈现

1.3 用AI清洗和标准化历史数据

场景：你手头有一份历史数据，但格式混乱，需要清洗。

常见问题： – 性别字段：有的写”男/女”，有的写”1/0″，有的写”M/F” – 日期格式：有的写”2024-03-15″，有的写”2024/03/15″，有的写”2024.03.15″ – 学历字段：有的写”本科”，有的写”大学本科”，有的写”本科学位” – 存在重复记录

操作步骤：

第一步：导出原始数据

从现有系统导出数据，或整理现有Excel表格。

第二步：向AI描述问题

我有一份员工信息表，存在以下数据质量问题，请帮我清洗：

原始数据示例：
| 姓名 | 性别 | 学历 | 入职日期 |
|-----|------|------|---------|
| 张三 | 1 | 本科 | 2024.03.15 |
| 李四 | 女 | 大学本科 | 2024/03/20 |
| 王五 | M | 本科学位 | 2024-03-25 |

需要解决的问题：
1. 性别字段统一为"男/女"（1/M转为"男"，0/F转为"女"）
2. 学历字段统一为"高中/大专/本科/硕士/博士"
3. 日期格式统一为"YYYY-MM-DD"

请给出清洗后的数据，并说明清洗规则。

第三步：获取清洗后的数据

AI会给出清洗后的数据和清洗规则说明。

第四步：应用到实际数据

对于少量数据（几十条），可以直接让AI处理。

对于大量数据（几百上千条），可以让AI生成Excel公式或Python脚本：

请给我Excel公式，用于批量清洗以下字段：
1. 性别字段（原数据在B列，清洗后放在C列）
2. 学历字段（原数据在D列，清洗后放在E列）
3. 日期字段（原数据在F列，清洗后放在G列）

示例输出（Excel公式）：

性别清洗公式（C列）：=IF(OR(B2="男",B2="1",B2="M"),"男",IF(OR(B2="女",B2="0",B2="F"),"女",""))

学历清洗公式（E列）：=IF(ISNUMBER(FIND("博士",D2)),"博士",IF(ISNUMBER(FIND("硕士",D2)),"硕士",IF(ISNUMBER(FIND("本科",D2)),"本科",IF(ISNUMBER(FIND("大专",D2)),"大专",IF(ISNUMBER(FIND("高中",D2)),"高中","")))))

日期清洗公式（G列）：=TEXT(DATEVALUE(SUBSTITUTE(SUBSTITUTE(F2,".","-"),"/","-")),"YYYY-MM-DD")

1.4 用飞书多维表格实现数据自动收集

场景：你希望员工信息能够自动收集，而不是每次都手动录入。

传统做法：HR发Excel模板给各部门，各部门填写后发回来，HR再汇总整理。过程繁琐，格式容易乱。

飞书做法：创建一个在线表单，员工自助填写，数据自动汇总到表格。

操作步骤：创建员工信息收集表单

第一步：创建多维表格

1. 打开飞书，点击左侧”多维表格”图标
2. 点击”新建多维表格”
3. 命名为”员工信息表”

第二步：设计字段

根据AI生成的字段清单，逐个添加字段：

字段名称	字段类型	说明
员工编号	文本	设置为”唯一”字段，避免重复
姓名	文本
部门	单选	设置选项：研发部、产品部、销售部、运营部、行政部
岗位	文本
职级	单选	设置选项：P1、P2、P3、P4、P5、M1、M2、M3
入职日期	日期	设置格式为YYYY-MM-DD
学历	单选	设置选项：高中、大专、本科、硕士、博士
年龄	数字
性别	单选	设置选项：男、女
基本工资	数字	设置为”货币”格式
绩效等级	单选	设置选项：A、B、C、D
最近调薪日期	日期
状态	单选	设置选项：在职、离职
离职日期	日期
离职原因	单选	设置选项：薪酬、发展空间、工作环境、家庭原因、其他

字段类型选择技巧：

• 单选
  
  ：适合选项固定的字段（如部门、学历、性别），便于后续筛选和分析
• 多选
  
  ：适合可以多选的字段（如员工技能标签）
• 数字
  
  ：适合需要计算的字段（如年龄、工资）
• 日期
  
  ：适合时间相关字段，便于按时间筛选
• 文本
  
  ：适合自由填写的字段

第三步：创建表单视图

1. 在多维表格中，点击右上角”+”，选择”表单”
2. 命名为”员工信息登记表”
3. 选择需要员工填写的字段（敏感字段如工资可以不放在表单中）
4. 设置必填字段（如姓名、部门、岗位、入职日期等）

第四步：设置字段校验规则

为了提高数据质量，可以设置校验规则：

字段	校验规则	设置方法
员工编号	格式校验	在字段设置中添加”正则校验”：^\d{7}$（7位数字）
手机号	格式校验	正则校验：^1[3-9]\d{9}$
邮箱	格式校验	正则校验：^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$
入职日期	逻辑校验	设置”不能晚于今天”

第五步：分享表单

1. 点击表单右上角”分享”
2. 设置访问权限：
• 公司内部：选择”仅本企业成员可填写”
• 外部招聘：选择”任何人可填写”
3. 复制分享链接，发送给需要填写的人

第六步：设置自动通知

1. 点击表格右上角”自动化”
2. 创建自动化规则：
• 触发条件：新增一条记录
• 执行动作：发送消息给HR负责人
3. 这样每次有新员工填写信息，HR会自动收到通知

进阶功能：自动计算字段

有些字段可以自动计算，减少手工填写：

自动计算字段	计算逻辑	设置方法
司龄	当前日期-入职日期	创建”公式”字段，公式：DATEDIF(入职日期, TODAY(), "Y")
年龄	根据出生日期计算	创建”公式”字段，公式：DATEDIF(出生日期, TODAY(), "Y")
月薪合计	基本工资+绩效工资	创建”公式”字段，公式：基本工资+绩效工资

效果对比：

对比项	传统方式	飞书多维表格
收集时间	2-3天（发Excel、催收、汇总）	半天（发链接、自动汇总）
格式问题	经常出现格式不统一	单选字段自动规范
重复录入	容易重复录入同一个人	唯一字段自动去重
数据更新	需要重新收集	员工可自行更新
权限控制	Excel无法精细控制	可设置字段级权限

二、AI如何帮助HR快速建立指标模型

2.1 传统建模的痛点

有了数据，下一步是建立指标体系。这个阶段常见的问题：

问题	具体表现	后果
不知道建什么指标	网上找了一堆指标，不知道哪些适合自己公司	指标太多或太少
公式容易写错	离职率、留存率等公式写错	分析结果不准确
口径不统一	不同人对同一指标理解不同	数据无法对比
计算过程繁琐	每次都要手动计算	耗时且容易出错

2.2 用AI生成指标体系

场景：你需要为公司建立HR指标体系，但不知道从何下手。

操作步骤：

第一步：向AI描述公司情况

我是一家中小企业的HR，需要建立人力资源数据分析指标体系。

公司情况：
- 员工规模：约80人
- 行业：互联网/软件
- 发展阶段：快速扩张期（过去一年人员增长50%）
- 当前痛点：招聘跟不上业务发展，核心人才流失

请帮我：
1. 设计适合我们公司的HR指标体系
2. 指标数量控制在15-20个核心指标
3. 每个指标请说明：指标名称、计算公式、业务意义、监测频率
4. 请按模块分类（招聘、流动、绩效、薪酬、人效）
5. 请用表格形式呈现

第二步：获取指标清单

AI会根据你的公司情况，生成定制化的指标清单。

示例输出：

招聘模块（重点，因为公司处于快速扩张期）

指标名称	计算公式	业务意义	监测频率
招聘完成率	实际入职人数 ÷ 计划招聘人数 × 100%	招聘目标达成情况	月度
招聘周期	入职日期 – 需求审批日期	招聘效率	月度
渠道转化率	某渠道入职人数 ÷ 该渠道简历数 × 100%	渠道效果评估	季度
新员工留存率	入职满6个月仍在职人数 ÷ 同期入职总人数 × 100%	招聘质量	季度

人员流动模块（重点，因为存在核心人才流失问题）

指标名称	计算公式	业务意义	监测频率
月度离职率	当月离职人数 ÷ 当月平均人数 × 100%	人员稳定性	月度
核心人才流失率	核心岗位离职人数 ÷ 核心岗位总人数 × 100%	关键人才保留	季度
新员工离职率	入职半年内离职人数 ÷ 同期入职总人数 × 100%	新人融入情况	季度

人效模块

指标名称	计算公式	业务意义	监测频率
人均产值	营业收入 ÷ 年均员工人数	人均贡献	季度
人事费用率	人力成本总额 ÷ 营业收入 × 100%	人力成本控制	季度

第三步：追问细节

关于"核心人才流失率"这个指标：
1. 如何定义"核心岗位"？
2. 核心岗位清单应该如何制定？
3. 请给出一个核心岗位清单的示例

2.3 用AI编写指标计算公式

场景：你需要在Excel或飞书中计算指标，但不确定公式怎么写。

操作步骤：

第一步：描述需求

我需要在飞书多维表格中计算月度离职率，请帮我写公式。

数据情况：
- 员工信息表中有"状态"字段（在职/离职）
- 有"离职日期"字段
- 需要计算2024年3月的离职率

离职率公式：当月离职人数 ÷ 当月平均人数 × 100%
当月平均人数 = (月初人数 + 月末人数) ÷ 2

请给出飞书多维表格的公式写法。

第二步：获取公式

AI会给出具体的公式写法和解释。

示例输出：

飞书多维表格公式（注意：以下公式仅供参考，实际使用需根据飞书版本和表格结构调整）：

离职人数（3月）：
在员工信息表中创建"统计字段"，筛选条件：离职日期 >= 2024-03-01 且 离职日期 <= 2024-03-31

月初人数（3月1日）：
统计满足以下条件的员工数：
- 入职日期 < 2024-03-01
- 且（状态 = "在职" 或 离职日期 >= 2024-03-01）

月末人数（3月31日）：
统计满足以下条件的员工数：
- 入职日期 <= 2024-03-31
- 且（状态 = "在职" 或 离职日期 > 2024-03-31）

月度离职率：
= 离职人数 ÷ ((月初人数 + 月末人数) ÷ 2) × 100%

重要提示：飞书多维表格的公式语法与Excel不同，跨表引用需要使用”统计字段”功能。建议在飞书中直接使用”统计字段”或”仪表盘”功能，操作更简单。

第三步：在飞书中应用

在飞书多维表格中创建”统计”字段，使用上述公式。

常用公式速查表：

指标	飞书多维表格公式
员工总数	=COUNTIF(状态, "在职")
本月新入职	=COUNTIFS(入职日期, ">="&DATE(YEAR(TODAY()),MONTH(TODAY()),1), 状态, "在职")
本月离职	=COUNTIFS(离职日期, ">="&DATE(YEAR(TODAY()),MONTH(TODAY()),1), 离职日期, "<="&EOMONTH(TODAY(),0))
平均司龄	=AVERAGEIF(状态, "在职", 司龄)
本科及以上占比	=COUNTIFS(学历, "本科", 状态, "在职") + COUNTIFS(学历, "硕士", 状态, "在职") + COUNTIFS(学历, "博士", 状态, "在职") / COUNTIF(状态, "在职") * 100

2.4 用飞书多维表格实现指标自动计算

场景：你希望指标能够自动计算，每次打开表格就能看到最新数据。

操作步骤：

第一步：创建指标仪表盘表

在同一个多维表格中，新建一个”数据表”，命名为”核心指标”。

第二步：设计指标字段

字段名称	字段类型	说明
指标名称	文本	如”员工总数”、”月度离职率”
指标值	数字	通过公式自动计算
上月值	数字	用于对比
环比变化	公式	(本月值-上月值)/上月值*100
监测频率	单选	月度/季度/年度
更新时间	日期	自动记录最后更新时间

第三步：设置自动计算

对于每个指标，创建对应的公式字段：

员工总数：=COUNTIF({员工信息表.状态}, "在职")

本月新入职：=COUNTIFS({员工信息表.入职日期}, ">="&DATE(YEAR(TODAY()),MONTH(TODAY()),1), {员工信息表.状态}, "在职")

本月离职人数：=COUNTIFS({员工信息表.离职日期}, ">="&DATE(YEAR(TODAY()),MONTH(TODAY()),1), {员工信息表.离职日期}, "<="&EOMONTH(TODAY(),0))

第四步：设置异常预警

对于关键指标，可以设置预警规则：

1. 点击字段设置
2. 选择”条件格式”
3. 设置规则：
• 月度离职率 > 10%：显示红色
• 月度离职率 > 5%：显示黄色
• 月度离职率 ≤ 5%：显示绿色

第五步：设置自动化更新

1. 点击右上角”自动化”
2. 创建规则：
• 触发条件：每天早上8点
• 执行动作：更新”更新时间”字段
3. 这样每天打开表格，都能看到最新的指标数据

效果对比：

对比项	传统方式	飞书自动化
计算时间	每次手动计算，约30分钟	自动计算，实时更新
出错概率	公式容易写错	公式设置一次，自动运行
数据时效	可能是上周的数据	实时数据
异常发现	需要人工检查	自动预警提醒

三、AI如何帮助HR高效分析数据

3.1 传统分析的痛点

有了数据和指标，下一步是分析。这个阶段常见的问题：

问题	具体表现	后果
不知道从何下手	面对一堆数据，不知道怎么分析	分析流于表面
分析维度单一	只看总数和平均值	发现不了问题
结论缺乏深度	“离职率上升了”但不知道为什么	无法提出有效建议
报告难写	有发现但不知道怎么表达	报告质量不高

3.2 用AI生成分析思路

场景：老板让你分析”为什么最近离职率上升”，你不知道从何下手。

操作步骤：

第一步：向AI描述问题

我是公司HR，老板让我分析"为什么最近离职率上升"，请帮我设计分析思路。

公司情况：
- 员工规模：约80人
- 行业：互联网/软件
- 最近3个月离职率：5% → 7% → 9%（呈上升趋势）
- 我有员工信息表，包含：部门、岗位、司龄、绩效等级、薪酬、离职原因等字段

请帮我：
1. 设计分析框架（应该从哪些维度分析）
2. 每个维度应该看什么指标
3. 可能的假设和验证方法
4. 请用结构化的方式呈现

第二步：获取分析框架

示例输出：

分析框架：离职率上升原因分析

第一层：描述现状– 离职率趋势：最近6个月的离职率变化 – 与行业对比：公司离职率 vs 行业平均离职率

第二层：维度拆解

分析维度	分析内容	可能发现
部门维度	各部门离职率对比	某个部门离职率异常高
岗位维度	各岗位离职率对比	某类岗位流失严重
司龄维度	不同司龄段离职率	新人或特定司龄段流失
绩效维度	不同绩效等级离职率	高绩效员工流失？
薪酬维度	离职员工薪酬分布	薪酬竞争力问题？

第三层：深入分析– 离职原因分布：主动离职的主要原因是什么 – 相关性分析：薪酬水平与离职率的相关性 – 对比分析：离职员工 vs 在职员工的特征差异

第四层：提出假设并验证

假设	验证方法	数据支持
假设1：薪酬竞争力不足	对比离职员工薪酬与市场水平	离职员工薪酬低于市场25分位
假设2：发展空间有限	分析司龄1-3年员工离职率	司龄1-3年员工离职率最高
假设3：管理问题	分析各部门离职率差异	某部门离职率显著高于其他部门

第三步：按框架执行分析

根据AI给出的分析框架，逐层进行分析。

3.3 用AI解读数据

场景：你已经按维度拆解了数据，但不知道如何解读。

操作步骤：

第一步：整理数据

将分析结果整理成表格形式。

第二步：向AI描述数据

我分析了公司最近3个月的离职情况，发现以下数据，请帮我解读：

【部门离职率】
| 部门 | 员工数 | 离职人数 | 离职率 |
|-----|-------|---------|-------|
| 研发部 | 30 | 6 | 20% |
| 产品部 | 10 | 1 | 10% |
| 销售部 | 20 | 2 | 10% |
| 运营部 | 15 | 1 | 6.7% |
| 行政部 | 5 | 0 | 0% |

【司龄离职率】
| 司龄段 | 员工数 | 离职人数 | 离职率 |
|-------|-------|---------|-------|
| 0-6个月 | 15 | 2 | 13.3% |
| 6-12个月 | 20 | 4 | 20% |
| 1-3年 | 25 | 3 | 12% |
| 3年以上 | 20 | 1 | 5% |

【离职原因】
| 离职原因 | 占比 |
|---------|------|
| 薪酬不满意 | 40% |
| 发展空间有限 | 30% |
| 工作压力大 | 15% |
| 其他 | 15% |

请帮我：
1. 解读这些数据，找出关键问题
2. 分析可能的原因
3. 提出针对性的建议

第三步：获取解读

示例输出：

关键发现：

1. 研发部离职率异常高（20%），是公司整体离职率（10%）的2倍

• 研发部贡献了60%的离职人数（6/10）
• 需要重点关注研发部的留人问题

2. 司龄6-12个月员工离职率最高（20%）

• 这个阶段是新人融入的关键期
• 可能存在新人培养、导师机制等问题

3. 薪酬不满意是首要离职原因（40%）

• 需要关注薪酬竞争力
• 特别是研发岗位的市场薪酬水平

可能的原因：

1. 研发岗位薪酬可能低于市场水平
2. 新人融入期支持不足
3. 研发岗位发展通道不清晰

建议措施：

1. 调研研发岗位市场薪酬，评估是否需要调整
2. 优化新人培养机制，加强导师辅导
3. 建立研发岗位的晋升通道

重要提醒：数据脱敏

在使用AI解读数据时，必须对敏感数据进行脱敏处理：

敏感信息	脱敏方法
姓名	用”员工A、员工B”代替，或直接删除
身份证号	删除
手机号	删除或用”138****1234″格式
具体薪酬	用薪酬区间代替，如”8000-10000″
具体日期	用”2024年3月”代替具体日期

3.4 用AI生成分析报告

场景：你完成了分析，需要写一份报告给老板。

操作步骤：

第一步：整理分析结果

将你的分析发现整理成要点：

分析主题：公司离职率上升原因分析

关键发现：
1. 研发部离职率20%，是公司整体的2倍
2. 司龄6-12个月员工离职率最高（20%）
3. 薪酬不满意是首要离职原因（40%）

可能原因：
1. 研发岗位薪酬低于市场水平
2. 新人融入期支持不足
3. 研发岗位发展通道不清晰

建议措施：
1. 调研研发岗位市场薪酬，评估调整
2. 优化新人培养机制
3. 建立研发岗位晋升通道

第二步：让AI生成报告

请根据以下分析结果，生成一份给老板的分析报告。

要求：
1. 报告风格：简洁、专业、数据驱动
2. 报告结构：背景-发现-原因-建议
3. 篇幅：800字左右
4. 重点内容请用加粗标注

分析结果：
[粘贴上面的分析结果]

第三步：获取报告并优化

示例输出：

关于公司离职率上升原因的分析报告

一、背景

公司最近3个月离职率呈上升趋势：5% → 7% → 9%。为找出原因，HR部门对离职情况进行了系统分析。

二、关键发现

1. 研发部离职率异常高

研发部离职率达20%，是公司整体离职率（10%）的2倍。研发部贡献了60%的离职人数，是离职问题的重灾区。

1. 司龄6-12个月员工流失最严重

司龄6-12个月员工离职率达20%，显著高于其他司龄段。这个阶段是新人融入的关键期，流失率高说明融入支持可能不足。

1. 薪酬不满意是首要离职原因

40%的离职员工表示”薪酬不满意”是离职主要原因，其次是”发展空间有限”（30%）。

三、原因分析

综合以上发现，离职率上升的主要原因可能是：

1. 研发岗位薪酬竞争力不足
   
   ：研发岗位市场薪酬上涨较快，公司薪酬可能已低于市场水平
2. 新人融入支持不足
   
   ：司龄6-12个月员工流失严重，说明新人培养机制需要优化
3. 研发岗位发展通道不清晰
   
   ：研发人员看不到晋升希望，选择离职

四、建议措施

问题	建议措施	预期效果
研发薪酬竞争力不足	调研市场薪酬，评估调整关键岗位薪酬	提升薪酬竞争力，降低流失
新人融入支持不足	优化新人培养机制，加强导师辅导	提升新人留存率
发展通道不清晰	建立研发岗位晋升通道（P1-P5）	提升员工发展预期

3.5 用飞书实现数据可视化

场景：你希望将分析结果以图表形式呈现，让老板一目了然。

操作步骤：

第一步：创建仪表盘

1. 在飞书多维表格中，点击右上角”+”，选择”仪表盘”
2. 命名为”HR数据仪表盘”

第二步：添加图表

图表1：员工总数趋势

1. 点击”添加图表”
2. 选择”折线图”
3. 设置：
• X轴：月份
• Y轴：员工总数
4. 效果：展示员工数量变化趋势

图表2：各部门离职率对比

1. 点击”添加图表”
2. 选择”柱状图”
3. 设置：
• X轴：部门
• Y轴：离职率
4. 效果：直观展示各部门离职率差异

图表3：离职原因分布

1. 点击”添加图表”
2. 选择”饼图”
3. 设置：
• 维度：离职原因
• 指标：人数
4. 效果：展示离职原因占比

图表4：核心指标卡片

1. 点击”添加图表”
2. 选择”指标卡”
3. 设置：
• 指标：员工总数、本月新入职、本月离职、月度离职率
4. 效果：关键指标一目了然

第三步：设置筛选器

1. 添加”日期筛选器”：可以按月份查看数据
2. 添加”部门筛选器”：可以按部门查看数据

第四步：设置自动刷新

1. 点击仪表盘设置
2. 开启”自动刷新”
3. 设置刷新频率：每天/每周

第五步：分享仪表盘

1. 点击右上角”分享”
2. 设置权限：
• 老板：可查看
• HR团队：可编辑
3. 复制分享链接

仪表盘设计原则：

原则	说明
重点突出	核心指标放在最显眼位置
层次分明	先总览，再细分
颜色统一	使用公司品牌色，异常数据用红色标注
可交互	添加筛选器，让查看者可以自助分析

四、实战案例：从零搭建离职分析体系

4.1 场景背景

公司情况： – 行业：互联网/软件 – 员工规模：80人 – 问题：最近离职率上升，老板要求分析原因

目标： – 搭建离职分析体系 – 找出离职率上升的原因 – 提出改进建议

4.2 第一步：用AI设计数据收集方案

操作：向AI描述需求

我需要搭建离职分析体系，请帮我设计：
1. 离职记录表应该包含哪些字段
2. 离职原因应该如何分类（不要太粗也不要太细）
3. 离职面谈应该问哪些问题

AI输出：

离职记录表字段设计：

字段名称	字段类型	说明
员工编号	文本	与员工信息表关联
姓名	文本
部门	单选
岗位	文本
入职日期	日期
离职日期	日期
司龄	公式	自动计算
绩效等级	单选	A/B/C/D
薪酬水平	单选	高于市场/市场水平/低于市场
离职类型	单选	主动离职/被动离职/合同到期不续签
离职原因-大类	单选	薪酬/发展/管理/工作环境/个人原因
离职原因-细类	单选	根据大类联动显示
是否核心员工	单选	是/否
离职面谈记录	多行文本

离职原因分类：

大类	细类
薪酬	薪酬低于市场、薪酬内部不公平、调薪不及时
发展	晋升空间有限、技能提升受限、职业规划不清晰
管理	上级管理风格、团队氛围、沟通不畅
工作环境	加班过多、工作压力、办公环境
个人原因	家庭原因、健康原因、继续深造、异地搬迁

4.3 第二步：用飞书搭建数据收集系统

操作步骤：

1. 创建离职记录表

在飞书多维表格中创建新表，按AI设计的字段添加。

2. 设置离职原因联动

使用”选项联动”功能： – 选择”薪酬”大类时，细类选项显示：薪酬低于市场、薪酬内部不公平、调薪不及时 – 选择”发展”大类时，细类选项显示：晋升空间有限、技能提升受限、职业规划不清晰

3. 创建离职登记表单

• 只包含需要填写的字段
• 设置必填字段：员工编号、姓名、部门、离职日期、离职类型、离职原因

4. 设置自动通知

• 触发条件：新增离职记录
• 执行动作：发送消息给HR负责人

5. 设置权限

• HR团队：可编辑
• 部门负责人：可查看本部门数据
• 其他员工：不可见

4.4 第三步：用AI辅助数据分析

场景：收集了3个月的离职数据，共10条记录。

操作：将数据脱敏后发给AI分析

我收集了最近3个月的离职数据，请帮我分析：

【离职数据】
| 部门 | 岗位 | 司龄 | 绩效 | 离职原因-大类 | 离职原因-细类 | 是否核心员工 |
|-----|------|------|------|--------------|--------------|-------------|
| 研发部 | 前端工程师 | 0.8年 | B | 薪酬 | 薪酬低于市场 | 是 |
| 研发部 | 后端工程师 | 1.2年 | A | 发展 | 晋升空间有限 | 是 |
| 研发部 | 测试工程师 | 0.6年 | B | 管理 | 上级管理风格 | 否 |
| 研发部 | 前端工程师 | 0.9年 | B | 薪酬 | 薪酬低于市场 | 否 |
| 研发部 | 后端工程师 | 1.5年 | A | 发展 | 晋升空间有限 | 是 |
| 产品部 | 产品经理 | 2.0年 | B | 发展 | 晋升空间有限 | 否 |
| 销售部 | 销售代表 | 0.5年 | C | 工作环境 | 工作压力 | 否 |
| 销售部 | 销售代表 | 0.7年 | B | 薪酬 | 薪酬低于市场 | 否 |
| 运营部 | 运营专员 | 1.0年 | B | 发展 | 技能提升受限 | 否 |
| 运营部 | 运营专员 | 0.8年 | C | 个人原因 | 家庭原因 | 否 |

请帮我：
1. 分析离职数据的特点
2. 找出关键问题
3. 提出改进建议

AI分析结果：

关键发现：

1. 研发部离职率最高
   
   ：10人中有5人来自研发部，占比50%
2. 核心员工流失严重
   
   ：10人中有3人是核心员工，占比30%
3. 薪酬和发展是主要原因
   
   ：薪酬原因占40%，发展原因占40%
4. 司龄0.5-1.5年员工流失最多
   
   ：10人中有8人司龄在1.5年以内

改进建议：

1. 优先解决研发部问题：

• 调研研发岗位市场薪酬
• 建立研发岗位晋升通道（P1-P5）

2. 加强核心员工保留：

• 建立核心员工预警机制
• 定期一对一沟通

3. 优化新人融入：

• 加强导师辅导
• 设置3个月、6个月、1年关键节点关怀

4.5 第四步：用飞书呈现分析结果

操作步骤：

1. 创建离职分析仪表盘

• 添加图表：各部门离职人数、离职原因分布、司龄分布、核心员工流失情况
• 添加指标卡：总离职人数、核心员工流失率、研发部离职率

2. 设置异常预警

• 核心员工离职：红色标注
• 单月离职率超过10%：红色标注

3. 分享给老板

• 设置”可查看”权限
• 发送分享链接

4.6 效率对比

环节	传统方式	AI+飞书方式	效率提升
设计数据收集方案	半天（查资料、设计字段）	10分钟（AI生成）	提升90%
搭建数据收集系统	1天（设计表格、设置格式）	1小时（飞书多维表格）	提升88%
数据分析	2-3小时（手动计算、制图）	30分钟（AI辅助）	提升75%
撰写分析报告	2小时	30分钟（AI生成初稿）	提升75%
制作数据仪表盘	1天	2小时	提升75%
总计	约3天	约4小时	提升83%

说明：以上效率提升数据为理论估算值，实际效果因个人熟练程度、数据复杂度、工具使用情况等因素而异。初次使用可能需要更多时间学习和调试。

五、AI使用的风险与注意事项

在使用AI辅助HR数据分析时，必须注意以下风险和限制：

5.1 数据安全风险

风险：将员工数据发送给AI，可能导致数据泄露。

防范措施：

风险等级	数据类型	处理建议
高风险	姓名+身份证号+手机号+薪酬	禁止发送给AI
中风险	部门+岗位+司龄+绩效	脱敏后可发送（去掉姓名等标识）
低风险	汇总数据（如各部门离职率）	可直接发送

脱敏检查清单：

• [ ] 已删除姓名、身份证号、手机号
• [ ] 已将具体薪酬改为薪酬区间
• [ ] 已将具体日期改为月份或季度
• [ ] 确认数据无法反向识别个人

5.2 AI生成内容的准确性风险

风险：AI可能生成错误的内容，包括： – 公式错误 – 分析结论错误 – 编造不存在的”事实”（AI幻觉）

防范措施：

AI生成内容	检查要点
数据模板	检查字段是否完整、是否符合公司实际情况
计算公式	在Excel或飞书中测试，验证结果是否正确
分析结论	人工复核数据，确认结论有数据支撑
分析报告	检查是否有编造的数据或事实

重要原则：AI是辅助工具，最终判断必须由人来完成。

5.3 过度依赖风险

风险：过度依赖AI，导致HR自身分析能力下降。

防范措施：

1. 先理解原理，再使用AI：在使用AI生成公式前，先理解公式背后的逻辑
2. 保留人工判断：AI给出的分析建议，要结合业务实际情况判断
3. 持续学习：定期复盘AI生成的内容，学习其中的方法和思路

5.4 AI使用的边界

适合用AI的场景： – 生成模板和框架 – 辅助计算和整理 – 提供分析思路 – 生成报告初稿

不适合用AI的场景： – 涉及敏感人事决策（如晋升、裁员） – 需要深度业务判断的分析 – 涉及员工隐私的数据处理

六、工具选择与进阶建议

6.1 AI工具选择建议

国内可直接访问的AI工具：

工具	访问方式	优势	适用场景
文心一言	yiyan.baidu.com	中文能力强、免费	中文报告生成、模板设计
通义千问	tongyi.aliyun.com	中文能力强、免费	公式生成、分析思路
Kimi	kimi.moonshot.cn	支持长文本、免费	长文档分析、数据解读
豆包	www.doubao.com	字节出品、免费	日常问答、模板生成
智谱清言	chatglm.cn	中文能力强、免费	报告生成、分析框架

需要特殊访问方式的AI工具：

工具	优势	劣势	适用场景
ChatGPT	能力强、功能全面	需要翻墙、付费	复杂分析、公式生成
Claude	长文本处理能力强	需要翻墙	长文档分析

选择建议：

• 零基础HR
  
  ：文心一言或通义千问（国内可直接访问、免费、中文友好）
• 有基础HR
  
  ：ChatGPT（能力强，但需要特殊访问方式）
• 需要分析长文档
  
  ：Kimi（国内可直接访问、支持长文本）

6.2 飞书功能速查

建议配合飞书官方教程使用：本文为文字教程，部分操作可能因飞书版本更新而变化。建议在使用时参考飞书官方帮助中心（help.feishu.cn）的图文教程和视频教程。

多维表格核心功能：

功能	用途	操作路径
表单视图	数据收集	视图→添加表单
公式字段	自动计算	添加字段→公式
统计字段	汇总统计	添加字段→统计
条件格式	异常预警	字段设置→条件格式
自动化	自动通知、更新	右上角→自动化
仪表盘	数据可视化	添加视图→仪表盘
权限管理	数据安全	分享→权限设置

6.3 团队推广指南

如果你已经掌握了AI+飞书的使用方法，可以考虑推广到团队：

第一步：选择试点对象

• 选择愿意尝试新工具的同事
• 选择有明确数据分析需求的同事
• 避免选择对新技术抵触的同事

第二步：小范围试点

• 选择一个具体场景（如招聘渠道分析）
• 手把手教同事完成一次完整流程
• 让同事感受到效率提升

第三步：建立标准流程

• 将常用提示词整理成文档
• 将常用操作录制成短视频
• 建立”AI使用规范”（什么数据可以发给AI、什么不可以）

第四步：定期复盘优化

• 每月收集团队使用反馈
• 优化提示词模板
• 解决使用中遇到的问题

团队推广检查清单：

• [ ] 整理了常用提示词文档
• [ ] 录制了关键操作视频教程
• [ ] 建立了数据脱敏规范
• [ ] 明确了AI使用的边界
• [ ] 建立了问题反馈渠道

6.4 进阶学习路径

| 仪表盘 | 数据可视化 | 添加视图→仪表盘 | | 权限管理 | 数据安全 | 分享→权限设置 |

常用自动化规则：

触发条件	执行动作	用途
新增记录	发送消息	新员工入职通知
字段变更	发送消息	离职审批通知
定时触发	更新字段	每日更新指标
条件满足	发送消息	异常预警

5.3 进阶学习路径

第一阶段：掌握基础（1-2周）

• 学会使用AI生成模板和公式
• 学会使用飞书多维表格收集数据
• 学会制作简单的数据仪表盘

第二阶段：提升效率（2-4周）

• 学会使用飞书自动化功能
• 学会用AI辅助数据分析
• 学会设计完整的分析框架

第三阶段：进阶应用（1-3个月）

• 学会预测性分析（离职预测等）
• 学会搭建完整的HR数据体系
• 学会用数据驱动决策

推荐学习资源：

资源	内容	链接
飞书帮助中心	多维表格使用教程	help.feishu.cn
《谁说菜鸟不会数据分析》	数据分析入门	图书
Excel数据分析课程	公式、透视表	网易云课堂等

附录一：AI提示词模板库

数据收集类

模板1：生成员工信息表

我是一家[行业]公司的HR，员工规模约[人数]人，需要设计员工信息表。
请帮我设计包含[核心字段]的员工信息表，用表格形式呈现，包含字段名称、字段说明、填写规范、示例。

模板2：生成招聘记录表

我需要设计招聘记录表，用于跟踪招聘全流程。
请帮我设计包含：需求信息、渠道信息、候选人信息、面试信息、录用信息的招聘记录表。
用表格形式呈现，字段要考虑后续数据分析的需要。

模板3：生成离职记录表

我需要设计离职记录表，用于分析离职原因。
请帮我设计离职记录表，包含员工基本信息、离职信息、离职原因分类。
离职原因分类不要太粗（如"个人原因"）也不要太细，请给出合理的分类建议。

指标建模类

模板4：生成指标体系

我是一家[行业]公司的HR，公司处于[发展阶段]，当前痛点是[具体问题]。
请帮我设计适合的HR指标体系，控制在15-20个核心指标。
每个指标请说明：指标名称、计算公式、业务意义、监测频率。
按模块分类（招聘、流动、绩效、薪酬、人效），用表格形式呈现。

模板5：生成计算公式

我需要在[Excel/飞书多维表格]中计算[指标名称]。
公式定义：[公式说明]
数据情况：[字段名称和位置]
请给我具体的公式写法，并解释公式逻辑。

数据分析类

模板6：生成分析框架

我需要分析[问题]，请帮我设计分析框架。
公司情况：[公司背景]
数据情况：[可用的数据字段]
请给出：分析维度、每个维度看什么、可能的假设和验证方法。

模板7：解读数据

我分析了[问题]，发现以下数据，请帮我解读：

[粘贴数据表格]

请帮我：
1. 找出数据中的关键问题
2. 分析可能的原因
3. 提出针对性的建议

模板8：生成分析报告

请根据以下分析结果，生成一份给[老板/业务部门]的分析报告。

要求：
1. 报告风格：[简洁/详细]
2. 报告结构：背景-发现-原因-建议
3. 篇幅：[字数]左右
4. 重点内容请用加粗标注

分析结果：
[粘贴分析结果]

数据清洗类

模板9：清洗数据

我有一份数据，存在以下问题：
[描述问题]

原始数据示例：
[粘贴示例数据]

请帮我：
1. 给出清洗规则
2. 给出清洗后的数据
3. 给出Excel公式或Python代码（用于批量处理）

附录二：飞书多维表格操作手册

创建多维表格

1. 打开飞书，点击左侧”多维表格”图标
2. 点击”新建多维表格”
3. 输入表格名称

添加字段

1. 点击表格右上角”+”或表格最后一列的”+”
2. 选择字段类型：
• 文本：自由填写的内容
• 单选：选项固定的内容（如部门、学历）
• 多选：可多选的内容（如技能标签）
• 数字：需要计算的内容（如年龄、工资）
• 日期：时间相关内容
• 公式：自动计算的内容
• 统计：汇总统计的内容

创建表单

1. 点击表格右上角”+”，选择”表单”
2. 输入表单名称
3. 选择需要收集的字段
4. 设置必填字段
5. 点击”分享”获取链接

设置自动化

1. 点击表格右上角”自动化”
2. 点击”新建自动化”
3. 设置触发条件：
• 记录变更时
• 定时触发
• 手动触发
4. 设置执行动作：
• 发送消息
• 更新字段
• 添加记录

创建仪表盘

1. 点击表格右上角”+”，选择”仪表盘”
2. 输入仪表盘名称
3. 点击”添加图表”
4. 选择图表类型：
• 指标卡：展示关键指标
• 柱状图：对比分析
• 折线图：趋势分析
• 饼图：占比分析
5. 设置图表数据源和维度

设置权限

1. 点击表格右上角”分享”
2. 添加成员或群组
3. 设置权限级别：
• 可编辑：可以修改数据
• 可查看：只能查看数据
• 可评论：可以查看和评论

附录三：数据脱敏检查清单

在使用AI处理数据前，请确保已完成以下脱敏操作：

必须删除的信息：

• [ ] 姓名（用”员工A”代替或删除）
• [ ] 身份证号
• [ ] 手机号
• [ ] 银行卡号
• [ ] 家庭住址

建议脱敏的信息：

• [ ] 具体薪酬（用薪酬区间代替）
• [ ] 具体出生日期（用年龄代替）
• [ ] 具体入职日期（用司龄代替）
• [ ] 具体离职日期（用月份代替）

脱敏示例：

原始数据	脱敏后数据
张三，13812345678，身份证310…	员工A，手机号已删除，身份证已删除
基本工资15000元	基本工资10000-20000元
1990年5月15日出生	34岁
2024年3月15日入职	司龄0.8年

文章总结：

AI和飞书可以显著提升HR数据分析的效率：

环节	传统方式	AI+飞书方式
数据收集	手工录入，2-3天	表单自动收集，半天
指标建模	手动设计，半天	AI生成，10分钟
数据分析	手动计算，2-3小时	AI辅助，30分钟
报告撰写	手动撰写，2小时	AI生成，30分钟
可视化	手动制图，1天	仪表盘，2小时

关键不是替代HR，而是让HR把时间花在更有价值的事情上——理解业务、发现问题、提出建议。