yss-project/HR_DASHBOARD_PART1_OVERVIEW.md

人事板块首页分析与实现方案 - 第1部分：功能概览

📋 文档说明

• 文档版本：v1.0
• 创建时间：2025-11-20 01:45
• 维护人：Cascade AI Assistant
• 状态：✅ 待实施

---

🎯 人事板块首页功能模块总览

1️⃣ 数据可视化页面 (Visualization Tab)

1.1 绩效总览雷达图

功能描述：展示各部门在4个维度的绩效对比

• 完成率（Completion Rate）
• 优秀作品率（Excellent Work Rate）
• 满意度（Satisfaction Rate）
• 延期率（Overdue Rate）

数据来源：需要对接真实项目数据

• 可复用表：Project 表

• 必要字段：

  Project {
  department: Pointer<Department>  // 部门关联
  currentStage: string             // 当前阶段
  status: string                   // 项目状态
  data: {
    timeline: {
      expectedDate: Date           // 预计完成日期
      actualDate: Date             // 实际完成日期
    },
    quality: {
      score: number                // 质量评分
      isExcellent: boolean         // 是否优秀作品
    },
    clientSatisfaction: number     // 客户满意度
  }
  }
  

实现方案：

// 查询逻辑
async loadDepartmentPerformance() {
  const departments = await new Parse.Query('Department').find();
  
  const performance = await Promise.all(departments.map(async dept => {
    const projectQuery = new Parse.Query('Project');
    projectQuery.equalTo('department', dept);
    projectQuery.greaterThan('createdAt', this.getLastMonthDate());
    
    const projects = await projectQuery.find();
    
    // 计算各维度数据
    const total = projects.length;
    const completed = projects.filter(p => p.get('status') === 'completed').length;
    const excellent = projects.filter(p => p.get('data')?.quality?.isExcellent).length;
    const overdue = projects.filter(p => {
      const expected = p.get('data')?.timeline?.expectedDate;
      const actual = p.get('data')?.timeline?.actualDate;
      return actual && expected && actual > expected;
    }).length;
    
    const satisfactionAvg = projects.reduce((sum, p) => 
      sum + (p.get('data')?.clientSatisfaction || 0), 0) / total;
    
    return {
      department: dept.get('name'),
      completionRate: (completed / total) * 100,
      excellentWorkRate: (excellent / total) * 100,
      satisfactionRate: satisfactionAvg,
      overdueRate: (overdue / total) * 100
    };
  }));
  
  this.departmentPerformance = performance;
}

---

1.2 职级分布饼图

功能描述：展示设计师职级占比

数据来源：

• 主表：Profile 表

• 必要字段：

  Profile {
  roleName: string              // 职位名称
  isActivated: boolean          // 是否已激活
  isDeleted: boolean            // 是否已删除
  data: {
    hrData: {
      level: 'junior' | 'intermediate' | 'senior'  // 职级
      employmentStatus: string  // 在职状态
    }
  }
  }
  

实现方案：

async loadRankDistribution() {
  const query = new Parse.Query('Profile');
  query.equalTo('isActivated', true);
  query.notEqualTo('isDeleted', true);
  query.equalTo('data.hrData.employmentStatus', 'active');
  
  const profiles = await query.find();
  
  const distribution = {
    junior: 0,
    intermediate: 0,
    senior: 0
  };
  
  profiles.forEach(profile => {
    const level = profile.get('data')?.hrData?.level || 'junior';
    distribution[level]++;
  });
  
  const total = profiles.length;
  this.rankDistribution = [
    { level: '初级设计师', count: distribution.junior, 
      percentage: (distribution.junior / total * 100).toFixed(1), 
      color: '#4CAF50' },
    { level: '中级设计师', count: distribution.intermediate, 
      percentage: (distribution.intermediate / total * 100).toFixed(1), 
      color: '#2196F3' },
    { level: '高级设计师', count: distribution.senior, 
      percentage: (distribution.senior / total * 100).toFixed(1), 
      color: '#FF9800' }
  ];
}

---

1.3 入职离职趋势折线图

功能描述：展示近6个月人员流动情况

数据来源：

• 主表：Profile 表

• 必要字段：

  Profile {
  createdAt: Date               // 入职日期（创建时间）
  data: {
    hrData: {
      hireDate: Date            // 正式入职日期
      resignationDate: Date     // 离职日期
      employmentStatus: string  // 在职状态
    }
  }
  }
  

实现方案：

async loadMonthlyTrend() {
  const months = this.getLast6Months();
  
  const monthlyData = await Promise.all(months.map(async month => {
    const startDate = new Date(month.year, month.month, 1);
    const endDate = new Date(month.year, month.month + 1, 0);
    
    // 查询当月入职人数
    const hireQuery = new Parse.Query('Profile');
    hireQuery.greaterThanOrEqualTo('createdAt', startDate);
    hireQuery.lessThanOrEqualTo('createdAt', endDate);
    const hired = await hireQuery.count();
    
    // 查询当月离职人数
    const resignQuery = new Parse.Query('Profile');
    resignQuery.greaterThanOrEqualTo('data.hrData.resignationDate', startDate);
    resignQuery.lessThanOrEqualTo('data.hrData.resignationDate', endDate);
    const left = await resignQuery.count();
    
    return {
      month: `${month.year}-${(month.month + 1).toString().padStart(2, '0')}`,
      hired,
      left,
      notes: ''
    };
  }));
  
  this.monthlyTrend = monthlyData;
}

---

1.4 离职原因分析

功能描述：分析员工离职原因并提供改进建议

数据来源：需要新建 ResignationRecord 表

• 新建表：ResignationRecord

• 必要字段：

  ResignationRecord {
  profile: Pointer<Profile>      // 关联员工
  resignationDate: Date          // 离职日期
  reason: string                 // 离职原因
  reasonCategory: string         // 原因分类（薪酬/发展/环境/个人/其他）
  department: Pointer<Department> // 部门
  exitInterview: {
    satisfaction: number         // 满意度评分
    feedback: string             // 反馈意见
    wouldReturn: boolean         // 是否愿意回归
    recommendations: string[]    // 改进建议
  },
  data: {
    analysisReport: {
      rootCause: string          // 根本原因
      improvementPlan: string[]  // 改进计划
      priority: 'high' | 'medium' | 'low'
    }
  }
  }
  

实现方案：

async loadResignationAnalysis(timeRange: '3months' | '6months' | '1year') {
  const startDate = this.getStartDateByRange(timeRange);
  
  const query = new Parse.Query('ResignationRecord');
  query.greaterThanOrEqualTo('resignationDate', startDate);
  query.include('profile');
  query.include('department');
  
  const records = await query.find();
  
  // 分析原因分布
  const reasonDistribution = this.analyzeReasonDistribution(records);
  
  // 生成改进建议
  const improvements = this.generateImprovementPlan(records);
  
  return {
    distribution: reasonDistribution,
    improvements,
    totalCount: records.length
  };
}

---

2️⃣ 招聘流程优化页面 (Recruitment Tab)

2.1 AI简历分析功能 ⭐ 重点功能

功能描述：使用豆包AI分析简历，进行多维度筛选

数据来源：需要新建 Resume 表和 ResumeAnalysis 表

新建表1：Resume

Resume {
  candidateName: string          // 候选人姓名
  contact: {
    phone: string                // 手机号
    email: string                // 邮箱
    wechat: string               // 微信号
  },
  resumeText: string             // 简历内容（文本）
  resumeFileUrl: string          // 简历文件URL
  uploadDate: Date               // 上传日期
  status: 'pending' | 'analyzed' | 'rejected' | 'interview' | 'offer'
  
  // 基本信息
  education: {
    degree: 'high_school' | 'junior_college' | 'bachelor' | 'master' | 'doctor'
    school: string
    major: string
    graduationDate: Date
  },
  
  experience: {
    totalYears: number           // 总工作年数
    relevantYears: number        // 相关工作年数
    companies: Array<{
      name: string
      position: string
      duration: string
      description: string
    }>
  },
  
  skills: string[]               // 技能列表
  projects: Array<{
    name: string
    role: string
    description: string
    techStack: string[]
  }>,
  
  jobPosition: string            // 应聘职位
  expectedSalary: number         // 期望薪资
}

新建表2：ResumeAnalysis

ResumeAnalysis {
  resume: Pointer<Resume>        // 关联简历
  analysisDate: Date             // 分析时间
  overallScore: number           // 综合评分 (0-100)
  
  // 多维度评分
  dimensions: {
    education: {
      score: number              // 学历评分
      level: 'high' | 'medium' | 'low'
      detail: string
    },
    skills: {
      score: number              // 技能评分
      level: 'high' | 'medium' | 'low'
      matchedSkills: string[]
      missingSkills: string[]
    },
    projectExperience: {
      score: number              // 项目经验评分
      level: 'high' | 'medium' | 'low'
      relevantProjects: number
      projectTypes: string[]     // 擅长项目类型
    },
    workExperience: {
      score: number              // 工作经验评分
      level: 'high' | 'medium' | 'low'
      yearsMatched: boolean
    },
    capability: {
      score: number              // 综合能力评分
      level: 'high' | 'medium' | 'low'
      strengths: string[]        // 优势
      weaknesses: string[]       // 不足
    },
    cultureFit: {
      score: number              // 文化匹配度
      level: 'high' | 'medium' | 'low'
      analysis: string
    }
  },
  
  // AI推荐结论
  recommendation: {
    level: 'recommend' | 'consider' | 'reject'
    summary: string
    reasons: string[]
    concerns: string[]
    confidence: number
  },
  
  // 筛选信息
  screeningResults: Array<{
    criterion: string            // 筛选标准
    status: 'pass' | 'warning' | 'fail'
    detail: string
  }>
}

AI分析实现方案：

async analyzeResumeWithAI(resumeId: string) {
  // 1. 获取简历数据
  const resumeQuery = new Parse.Query('Resume');
  const resume = await resumeQuery.get(resumeId);
  
  // 2. 准备AI分析请求
  const analysisRequest: ResumeAnalysisRequest = {
    resumeText: resume.get('resumeText'),
    jobPosition: resume.get('jobPosition'),
    jobRequirements: [
      '本科及以上学历',
      '3年以上设计经验',
      '熟练使用 Photoshop, Illustrator, Sketch',
      '有室内设计项目经验',
      '良好的沟通能力和团队协作精神'
    ]
  };
  
  // 3. 调用豆包AI服务
  const aiResponse = await this.doubaoAiService
    .analyzeResume(analysisRequest)
    .toPromise();
  
  // 4. 保存分析结果到 ResumeAnalysis 表
  const ResumeAnalysisClass = Parse.Object.extend('ResumeAnalysis');
  const analysis = new ResumeAnalysisClass();
  
  analysis.set('resume', resume);
  analysis.set('analysisDate', new Date());
  analysis.set('overallScore', aiResponse.overallScore);
  
  // 多维度评分
  analysis.set('dimensions', {
    education: this.extractEducationDimension(aiResponse),
    skills: this.extractSkillsDimension(aiResponse),
    projectExperience: this.extractProjectDimension(aiResponse),
    workExperience: this.extractWorkDimension(aiResponse),
    capability: this.extractCapabilityDimension(aiResponse),
    cultureFit: this.extractCultureDimension(aiResponse)
  });
  
  // AI推荐结论
  analysis.set('recommendation', {
    level: aiResponse.recommendation.level,
    summary: aiResponse.recommendation.summary,
    reasons: aiResponse.recommendation.reasons,
    concerns: aiResponse.recommendation.concerns,
    confidence: aiResponse.recommendation.confidence
  });
  
  // 筛选结果
  analysis.set('screeningResults', aiResponse.screeningInfo.map(info => ({
    criterion: info.title,
    status: info.status,
    detail: info.detail
  })));
  
  await analysis.save();
  
  // 5. 更新简历状态
  resume.set('status', 'analyzed');
  await resume.save();
  
  return analysis;
}

AI分析维度详解：

1. 学历维度：本科及以上优先，专业相关性
2. 技能维度：设计软件熟练度，技术栈匹配度
3. 项目经验维度：
   • 擅长项目类型（住宅/商业/办公/酒店等）
   • 项目规模和复杂度
   • 项目角色和贡献
4. 能力维度：
   • 审美能力
   • 创新能力
   • 执行能力
   • 沟通能力
   • 学习能力
5. 文化匹配度：价值观、工作态度、团队协作

---

待续第2部分：招聘流程跟踪、绩效分析、新人管理...