项目从0到1,构建完整可靠的数据体系。覆盖数据基础→决策支持→业务运营→智能应用的完整价值闭环。通过系统化推进统一数仓、经营分析、绩效考核、AI招聘助手四大模块,将每个模块的数据流提升至秒级,并成功将数据转化为直接的业务价值,支撑了管理层战略决策、业务人员提效、人力资源部门的自动化运营。此外,还参与基于大语言模型的AI招聘助手技术的预研。
1. 集团基础数仓模块
牵头调研、定义了包括组织、客户、项目、供应商、员工在内的核心主数据标准,统一编码规则与指标逻辑。设计四层数仓模型(贴源层→明细层→计算层→展示层),增加数据变更记录,确保数据规范与可回溯性。
通过自研脚本实现元数据全链路采集与管理,支持数据血缘追溯与影响分析,将故障定位时间缩短至分钟级,极大提升运维效率。建立可配置的清洗规则与数据核验体系,实现监控、告警到修复的质量闭环管理,减少运维工作量提升故障相应效率。
2. 集团经营分析模块
基于统一数仓构建的核心数据应用,旨在将人力资源数据转化为直观的经营洞察,为管理层在人力成本、招聘效率、人员效能等领域的决策提供实时、可视化的数据支持。
实现了财务报表秒级计算,提升财务人效,将财务报表核算周期从7个工作日缩短到1个工作日内。
实现了经营分析数据看板、数据大屏、BI系统自主分析等应用支持。
3. 集团绩效考核模块
本模块旨在将复杂的绩效考核指标转化为可执行的系统逻辑与精准的计算结果,做到考核自动化与透明化。系统上线后,实现了集团全员绩效考核的线上化与自动化、员工工作成果的可视化,将绩效核算周期从5个工作日缩短至实时可查,显著提升了HR运营效率。
4. 集团AI招聘助手模块
收集、清洗并标注了人力资源领域的问答数据与公司内部文档,构建了用于模型微调的高质量语料库。参与并完成了基座模型的领域知识微调与后续评估。项目最终因模型在复杂场景下的回答准确率未达到生产要求而暂停。通过此次实践,实践了模型微调的数据准备,了解了微调链路,为后续AI方面积累了经验。