人才盘点不加班：用 Code Interpreter 做 360 度绩效数据清洗与可视化

摘要：

每到年底人才盘点（Talent Review），HR 们就要陷入“Excel 地狱”。面对几百人的 360 度评价数据，不仅要处理缺失值、异常值（恶意打低分/老好人），还要手动计算复杂的加权分，最后在 PPT 里一个个画九宫格。以前需要 3 天的数据清洗工作，现在利用 GPT-4o 的 Data Analysis（原 Code Interpreter） 功能，仅需 10 分钟。本文将展示如何通过 Python 代码思维，自动清洗脏数据、计算加权绩效，并一键生成可交互的九宫格人才地图。

01. 痛点：Excel 跑不动的人才数据

在进行 360 度评估或年度盘点时，痛点往往不在“理念”而在“算力”：

1. 数据清洗难： 有人所有题都打 10 分（老好人），有人给竞争对手打 1 分（恶意差评）。人工很难一个个揪出来剔除。

2. 权重计算繁： 上级占 50%，平级占 30%，下级占 20%，还要结合 KPI 硬指标。VLOOKUP 公式写到手软，一旦动了源数据，全盘重来。

3. 可视化低效： 用 Excel 做九宫格（9-Box Grid）不仅丑，还难以展示“姓名标签”，更别提动态调整阈值了。

解决方案： 把 Excel 丢一边，让 GPT-4o 写 Python 脚本来跑数据。

02. Step 1: 数据准备与脱敏（合规第一）

在投喂 AI 之前，必须做好数据脱敏。这是 HR 的红线。

Excel 表头设计（示例）：

建议将数据整理为一张宽表（Wide Format）：

注：姓名替换为 ID，评分统一标准化（如 KPI 为百分制，360 为 5 分制）。

03. Step 2: 智能清洗与加权计算

打开 GPT-4o，点击回形针图标上传 Excel，开始我们的“数据炼金术”。

场景 A：识别并清洗“异常评分者”

我们首先要剔除那些评分方差极低（全打一样分）的数据。

Cleaning Prompt:

GPT-4o 的动作：

它会后台运行 Python Pandas 代码，自动计算 std() 标准差，过滤数据。这一步比 Excel 筛选快无数倍。

场景 B：计算“能力-绩效”双维分值

接下来，计算九宫格的 X 轴和 Y 轴。

Calculation Prompt:

04. Step 3: 一键生成九宫格人才地图

最惊艳的一步来了。我们不再需要手动画图，而是让 AI 生成专业的散点图。

Visualization Prompt:

05. 深度：AI 如何发现“隐性”高潜人才？

除了画图，AI 的统计分析能力还能帮我们要挖掘出Excel 看不到的洞察。

洞察 1：发现“被低估的实干家”（谦虚偏差）

● Prompt： “请帮我找出所有 Self_Score（自评）显著低于 Mgr_Score（上级评分）的员工（差异 > 1分）。这些可能是缺乏自信但能力突出的‘隐形高潜’。”

● 价值： 这类人通常是踏实干活但不爱表现的，需要 HR 主动关注和激励。

洞察 2：发现“ 向上管理大师”（评分偏差）

● Prompt： “请找出 Mgr_Score 极高（Top 10%），但 Peer_Score 和 Sub_Score 较低（Bottom 30%）的员工。”

● 价值： 这类人可能只唯上、不唯实，属于组织中的“有毒”管理者风险点。

洞察 3：部门人才密度分析

● Prompt： “请计算各部门落在‘九宫格右上角（超级明星区）’的人才比例，并生成柱状图。”

● 价值： 一眼看出哪个部门的人才梯队建设最强，哪个部门面临断层危机。

06. 总结

从 Excel 到 Code Interpreter，不仅是工具的升级，更是 HR 效能思维 的升级。

● Excel 是“手工作坊”，处理 100 人是极限。

● Python/AI 是“工业流水线”，处理 10000 人也只需要几秒。

下期预告：

盘点清楚了，日常服务怎么办？HRBP 每天都在回答重复问题。下期我们将实战 《打造 HR 的“超级大脑”：零代码搭建 7x24 小时员工服务智能体 (RAG)》