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...

這陣子常分享：從拆解問題到最後的行動決策，都需要貫徹「資料思維 + BI + 分析邏輯」今天想介紹一個比較不像 BI 的 BI 功能它內建簡易的 AI 分析模型，會根據你給的資料，自動推算出哪些因素最影響某個結果...

在眾多 Power BI 的視覺化圖表中，有一種我特別推薦用來做「問題分析」的工具：Decomposition Tree（分解樹）它是最能幫助我們追根究柢、找出關鍵因素的方式(與當初利用Python撰寫SHAP關鍵因子是等同道理，這AI太可怕了) 📌...