大数据分析方法在高校毕业生就业中的应用分析
来源:用户上传
作者:尹婷 赵思佳
摘 要：为了我国高校人才培养进行准确定位，促进我国高校的人才培养水平的提升，将大数据分析方法运用于高校毕业生就业指导的工作。文章从大数据的基本理念、应用原则、建设方式以及应用方式出发，强调了大数据分析方法在高校毕业生就业指导工作中的重要性，并且为更好地提升高校的人才输出水平提供了一定的帮助。
关键词：大学生就业;数据处理;大数据
《国家中长期教育改革和发展规划纲要（2010—2020年）》强调“信息技术对教育发展具有革命性影响，必须予以高度重视”，并对建立“教育质量、学生流动、资源配置和毕业生就业状况等监测分析系统”作出了明确要求。这一文件的颁布，为大数据分析在高校毕业生就业指导工作中的运用奠定了一定的基础。在大数据时代，高校应该转变人才培养思维，借助大数据的科学分析，提升人才培养水平。
一、大数据分析的基本原理
通过用数学算法将海量数据进行计算，预测事情发生的概率，便是大数据应用的核心。大数据可以预测的范围很广，在大学生就业方面也可以利用大数据进行分析，比如利用大数据分析预测计算机专业的学生在毕业时是否会选择加入IT公司，还是会进行自主创业。
大数据分析基于数据，这是大数据应用于预测的基础。各种系统经过长时间的运行，就会拥有很多的数据，这样的数据越多，数据分析的效果就会越准确。以云计算为基础，将数据信息储存下来，充分的进行分析和计算是大数据应用学的本质。大数据分析只是找到两者相关联系，而不得到导致结果发生的原因是什么。将大学生就业的信息进行分析，得到几年之后就业情况，并且利用分析结果指导政策制定，就是大学生就业中的应用。
二、大数据分析在大学生就业的应用原则
如果要建立起大学生就业分析的大数据应用，那么就需要两方面的原则。
（一）必须依靠大量的数据，才能分析得到结果
如果数据样本不够多的话，难以对其进行分析，或许对于特定领域是有效的，但是对于广泛意义是不符合的。
（二）不要追求数据的准确性
大学生就业情况是很复杂的，很难做到每一个细节都是非常正确的，只要拥有足够多的数据，就可以抵消掉错误的数据，这样的价值更高。能让学校在教育中拥有更有效的方式，而且不要关注某一特定因素对大学生就业的影响。
三、大数据分析方法在高校毕业生就业指导工作中的建设方式以及应用
（一）大数据分析方法在高校毕业生就业指导工作中的建设方式
对于建设方式来说可以有很多种，但是最适用的只有自有建设和外联协作两种。自有建设可以在某一区域上，可以以行政区域为一点，然后全国就有很多这样的点，然后再将这些点连接在一起，就可以构成一个独立的网络。这样既可以分析某一节点的数据，也可以分析全国的数据，这样所得的结果就会很有建设意义。而且还可以建设某些节点的自有数据库，这就是大数据应用的方便所在。
外联合作就是指与有数据采集能力的互联网公司进行合作，通过云计算处理，得到所需数据。外联合作的成本会比自有建设低，但是没有指向性，所需时间会相对较长。
（二）大数据分析方法在高校毕业生就业指导工作中的应用
1.数据收集
大数据建设的基础是对企业的用人标准数据的收集以及对毕业生的综合素质的收集。目前高校对企业的用人标准数据的收集主要是通过企业的官方招聘网站以及电话询问;对毕业生综合素质的收集主要是通过学籍档案、课程成绩、社会实践评价以及师生评价等方式。
随着校园信息化的发展，各类的信息系统中都保留着学生日常行为数据，这些书籍会是用于分析和评价学生特征的重要依据，例如校园wifi系统里的行为轨迹数据，图书借阅系统里的借阅数据，学生一卡通消费数据等等，还可以将学校官网、微博、搜索软件、微信的数据自动接入到毕业生基本信息系统中，利用系统进行数据抓取。
2.数据清洗
数据清洗的目的即在海量数据中筛选、处理留下企业以及毕业生的有用数据，促进企业与毕业生的双向选择的顺利进行。这一过程的进行也是为了促进我国高校就业分析工作的稳步进行，通过噪声数据的删除，完善企业的基本用人标准的构建，完善毕业生素质调查工作的有效开展。
这个过程非常重要，除了要清洗掉大数据中的涉及隐私的敏感数据，还需要将数据进行量化评价，例如学生wifi系统中的定位数据量化后，可以得到学生在教学区、图书馆、运动区、宿舍、校外等不同类型的区域停留时间所占比重，这样可以分析出学生是运动型的，还是学习型的还是睡觉型的。
3.数据使用
利用获取的数据，利用算法将这些数据换算成毕业生的就业力，再利用就业力去匹配企业的就业岗位，帮助毕业生和企业相互找到合适的岗位和员工，这样就通过利用大数据分析的方法服务于高校毕业生就业。
通过一端时间的积累，基于以上内容可以总结出我国当前社会企业的用人标准以及毕业生的相关情况。这些数据可以运用于，就业形势的研判，从而在高校学生的就业指导工作中划定工作标准。高校的就业指导教师还能通过企业相关数据的分析，对学生的求职行为进行制定，从而促进我国高校的就业率提升。随着时代的发展，大数据的整合运用已经非常重要，针对于高校教师的教学而言，必须要充分掌握企业用人标准的各个指标，才能促进高等院校的充分就业。
四、注意事项
（1）大数据处理方法跟以往的研究方法有很多不同，并不需要关注其他太多的因素，尽可能的去获得更多的数据是关键。
（2）大数据处理之后的结果可能会给很多学生带来很多困惑，可能会让很多学生为了一个很好的毕业画像来刻意制造数据。
（3）因为所需要的信息量是巨大的，所以可能有些数据可能会涉及隐私问题，所以必须有相关的法律法规来规范。
五、部分分析结果
（一）毕业生就业地区分析
学校就业指导来源之一就是毕业生的工作去向。根据一些调查结果显示，毕业生主演就业地点主要是省内，而且才毕业的同学在省内就业的概率很大，在省外就业的学生中，男生会比女生更多。
（二）毕业生就业的公司分析
有超过一半的毕业生会选择中小企业，接近一半的毕业生会在民营企业工作。2015年末，中小企业提供了全社会80%以上的就业机会，民营企业占87.3%。[1]
（三）薪酬以及实践能力分析
每个学校的毕业生的学历不尽相同，本科生的工资待遇大部分是在3千到7千区间，收入差距比较明显，在各个学校的本科毕业生之间影响学生收入的重要因素之一是工作经验。[3]随着毕业生实践能力的提高，毕业生薪酬也随着提高。
（四）学历与薪酬的关系
学历与收入有着巨大的关联。硕士以上学历与硕士一下的薪酬有着巨大的不同，这就体现了学历在薪酬方面的优势。
六、总结
在不久的将来，大数据处理肯定会成为社会基础设施的一部分，不可或缺。我们应该不断地在大学生就业方面进行大数据处理，通过数据就可以发现很多不一样的结果，或许将是人们进步的阶梯之一。数据可以给我们带来很多的便利，從中得出的结论不仅能让学校更好的为毕业生带来福利，还可以用来平常的教学中，用来提高学生的整体素质。很多学科会在大数据时代拥有巨大的改变，由此，改变的不止是学科，还有人们的生活方式等。大数据在大学生就业的应用会越来越广，为大学生就业方向提供了线索，很有价值意义。
参考文献：
[1][美]维克托·迈尔·合恩伯格.盛杨燕，周涛译.大数据时代.浙江人民出版社，2013，12.
[2]柴国俊.大学毕业生初始工资结构研究[D].成都：西南财经大学，2014.
[3]董良.教育、工作经验与家庭背景对居民收入的影响——对明瑟方程和“布劳—邓肯”模型的综合[J].中国社会科学院研究生院学报，2016，（4）：103-109.
基金项目：湖南省职业院校教育教学改革研究项目（ZJGB2016073）
转载注明来源:https://www.xzbu.com/1/view-15061455.htm
