上週我們用 5W1H 拆解了「報到率低」這個常見的招募疑惑
從職缺類型、地點、人選背景、流程環節等六大面向，建立了資料分析的切入點
但如果你還停留在只是回報報到率下降的事實，那主管可能只會回你一句：So !?
這週想帶大家進入思維階層的第二、三層：
📌提出假設 × 對應資料需求 + 📌尋找欄位 × 資料來源
我在實務上會針對每個問題，設計出「可能的假設」，再對應要蒐集的資料欄位，才能讓後續報表設計與視覺圖表，有明確的目的
✅ 「報到率低」這句話，我會這樣拆解上週的 5W1H 各自對應的提出假設
🔹 What：哪些職缺報到率低？
→ 可能是特定職系（如基層作業、研發職）流失率高
→ 對應資料：職缺別 × 報到率、offer 發出量、實際報到人數
🔹 Where：集中在哪些地點？
→ 偏鄉、偏遠廠區、無遠距選項的地點報到率偏低
→ 對應資料：地點 × 報到率、是否遠距
🔹 When：什麼時候報到率變低？
→ 年後、Q2、選後、旺季等階段性時間點可能有波動
→ 對應資料：報到率 × 時間軸、重大社會事件交叉分析
🔹 Who：是哪些人不來報到？
→ Z 世代、跨職能轉職者、外籍人才等背景報到意願差異大
→ 對應資料：應徵者年齡層、工作年資、轉職類型分類
🔹 Why：為什麼沒來報到？
→ 談薪卡關、流程太長、制度太硬、企業吸引力不足
→ 對應資料：流程天數、面談至 offer 間距、offer 拒絕紀錄、薪資排名對比
🔹 How：是哪段流程中斷？
→ 是談完薪就斷？還是前一晚突然 no-show？
→ 對應資料：轉換率funnel（面談→offer→報到）、掉案時間點分析
為什麼要這樣假設？
👉 幫你聚焦資料設計，不再亂抓欄位
👉 讓每張圖表都能「對應假設」，不再只是勇感覺畫圖
👉 為後續決策行動鋪路
📌這些假設與欄位，是我在打造 Power BI 報表時最重要的分析前置步驟
沒有這一步，再好的圖表也只是在回報現象，而無法推進決策