理论 → 数据 → AI
在硕士阶段，我进一步将人力资源问题转化为数据分析与决策问题。
通过 R 与 Python 的训练，我学习如何对人力资源数据进行结构化处理与分析，并通过数据可视化呈现关键洞察，使原本依赖经验的判断过程更加清晰与可解释。
同时，战略人力资源管理、组织行为、多元化管理与领导力等课程，帮助我从组织层面理解人才决策，使我能够从业务需求、团队结构与组织环境出发进行判断。
在课程项目与案例分析中，我多次围绕真实业务场景展开分析，包括招聘决策支持、组织诊断以及人与AI协作方式的再设计等问题。
这段经历让我逐渐形成一个更完整的分析路径：用理论理解人，用数据校准判断，并用AI重新思考招聘与组织决策的方式。
在本科阶段，我系统接受了人力资源与劳动保障领域的学术训练，涵盖人力资源管理、人才测评与选聘、劳动关系、薪酬福利与社会保障等核心模块，建立了对“人力资源管理”这一学科的完整理解框架。
同时，在对中国劳动力市场与就业结构的学习中，我逐渐形成了对人才供需关系、行业差异与组织用工方式的基础认知，为后续在招聘场景中的判断提供了重要的背景支撑。
这一阶段让我意识到，招聘并不是孤立的岗位匹配，而是嵌入在宏观劳动力环境中的决策过程。
执行 → 体系 → 判断
在字节的中高端招聘场景中，我开始真正面对“复杂判断”。
与早期岗位不同，这类岗位对业务理解与人才要求更高，单纯依赖简历信息已不足以支撑判断。
在这一过程中，我需要主动补充业务知识，理解岗位背后的业务逻辑，并在与用人部门的沟通中不断校准判断标准。
同时，在候选人获取与沟通中，我也意识到中高阶人才具有更强的选择权与时间约束，这要求招聘不仅是筛选，更是一种有策略的沟通与关系建立。
通过这一阶段的实践，我逐渐将“经验判断”转化为更结构化的分析过程，并开始关注判断的稳定性与可解释性。
在腾讯的校招体系中，我第一次接触到高度标准化与精细分工的人力资源运作方式。
从开源、筛选到面试安排，每一个环节都有清晰的流程与标准，也让我意识到招聘不仅依赖经验，更是一套可以被拆解、优化与复制的系统。
在大规模候选人处理过程中，我逐渐建立了对“流程效率”与“判断质量”之间关系的理解，并开始尝试用更结构化的方式组织信息与决策。
同时，这段经历也让我接触到更成熟的工具与方法，拓展了我对招聘工作边界的认知，并逐步形成自己的工作方式。
这是我第一次将人力资源专业训练带入实际业务场景。
在一家中型体量的互联网公司中，我不仅参与招聘流程，也接触到更贴近业务侧的HRBP工作，包括需求理解、候选人沟通与招聘数据整理。
由于团队结构相对灵活，我得以参与多个环节，逐渐理解招聘不仅是流程执行，而是连接业务需求与人才供给的过程。
这段经历让我从“如何完成招聘任务”，开始转向思考“为什么需要这个人”。
我相信，人才判断的核心不只是经验，
而是理解业务、洞察人性、分析数据并做出更好的决策。
PROJECTS
围绕招聘、People Analytics 与真实咨询项目，
持续探索如何让人才判断变得更加结构化、可解释与可验证。
ORCA Guidebook
Real Client Consulting Project
真实企业咨询项目
作为 UCL Practera Applied People Analytics 项目成员，我参与了与真实企业客户合作的咨询项目。
客户 ORCA 正在探索一种面向全球港口社区的分布式回收模式，希望通过与不同国家和地区的合作伙伴协作，建立覆盖全球的渔网回收网络。
随着项目规模扩大，企业面临的不再只是技术问题，而是如何在不同法律环境、文化背景与运营条件下，确保全球合作伙伴能够稳定、安全且一致地运行。
负责 Standards & Legal Requirements 模块。围绕国际标准体系、法律合规要求与合作伙伴治理机制展开研究，并设计全球标准层、运营标准层与本地法律层相结合的治理框架。
第一次参与真实企业咨询项目。相比课程案例分析，更需要在复杂环境中进行判断，并从组织治理、风险控制与执行落地角度思考问题。
Store24 Analysis
Strategic HR Analytics
Store24 人才保留与门店绩效分析
企业通常认为员工流失率越低越好。本项目基于 Store24 门店数据，研究管理者任职时间、员工任职时间与门店利润之间的关系，希望通过数据验证人才保留策略的商业价值。
数据分析、回归分析、商业问题拆解与人力资源策略建议。
开始真正从业务结果角度理解人力资源工作的价值。人才管理的意义不仅在于管理人才本身，更在于支持组织绩效的提升。
People Analytics
People Analytics
R语言统计分析项目
基于美国新泽西州与宾夕法尼亚州快餐行业数据，研究社区收入水平、人口结构与品牌因素对价格差异的影响。通过统计分析与建模方法，将现实商业现象转化为可验证的数据问题。
数据清洗、描述性分析、假设检验、多元回归分析与模型解释。
学会使用统计方法验证现实问题，而非依赖经验和直觉进行判断。
Data Visualisation
Data Visualisation
Python数据可视化项目
基于12000+条电商用户行为数据，分析影响购买转化的关键因素。通过数据可视化呈现用户浏览路径、访问时长与访客类型之间的关系，并将复杂数据转化为更容易理解的商业洞察。
数据处理、用户行为分析、可视化设计与洞察提炼。
开始思考如何把复杂数据转化为管理者能够快速理解的信息，让分析真正服务于决策。
BEYOND TOOLS
工具会变化，
但理解业务、判断人才与支持决策的能力始终重要。
无论是招聘实践、数据分析还是咨询项目，
我更关注如何将复杂问题转化为可理解、可验证与可执行的决策过程。
Understanding people is still the core of People Analytics.
CAPABILITY
我希望把 HR 专业理解、数据分析能力与 AI 工具应用结合起来，
形成更高效、更结构化的人才判断与业务支持方式。
让 AI 在招聘与人才管理中真正落地、产出可用成果。
覆盖招聘与人才管理的关键环节：AI 辅助招聘、JD 优化、候选人画像总结、结构化面试题生成、员工调研分析，以及 HR 政策问答原型设计。
还能用 vibe coding 快速搭建 HR 展示页面与轻量流程原型，把想法直接转化为可展示、可测试的作品。
让数据真正回答 HR 与业务问题，而不只是跑出结果。
能够独立完成数据清洗、描述性分析、假设检验、回归分析与可视化表达，工具以 R、Python 为主，辅以 SPSS。
更关注如何将数据结果转化为可解释的业务洞察，而不是停留在图表或代码本身。
科班出身的人力资源背景，横跨中英两段教育。
本科系统学习人力资源管理、人才测评与选聘、劳动关系、薪酬福利与社会保障，打下扎实的人力资源理论基础。
硕士在 UCL School of Management 主攻 People Analytics、战略人力资源管理、组织行为与数据分析，形成从传统 HR 到数据化人才决策的复合背景。
在真实招聘场景里跑过完整流程，而不只是了解概念。
拥有互联网公司招聘与 HRBP 方向的实习经验，覆盖校招与中高端招聘的实际流程，参与过从人才搜索、候选人沟通到面试推进的关键环节。
习惯站在业务视角理解岗位需求与候选人特征，让招聘真正对接业务侧的真实期待。
AT A GLANCE
UCL 硕士 · 211 本科 · 人力资源科班
IELTS 7.5 · 中文母语 · 跨文化沟通
R · Python · SPSS
回归分析 · 假设检验 · 数据可视化 · People Analytics
国内互联网招聘实习 · UK HR 市场研究
HRBP 业务视角 · 中英双市场视野
Prompt Design · AI Workflow
Vibe Coding · HR Prototype
我更关注的不是工具本身，而是如何将 HR 专业理解、数据分析与 AI 工具结合起来，支持更清晰、更稳定的人才判断。
