基于“大數據思維”的高校畢業生就業指導工作的思考與探索

張景波

摘 ? ?要： “大數據思維”強調充分利用海量數據，注重數據的關聯性、混雜性等，在這種思維模式下開展高校畢業生就業指導工作，應善于收集、分析和應用數據，改變傳統思維方式和工作方法，提高就業指導工作成效。

關鍵詞： 大數據思維 ? ?高校畢業生 ? ?就業指導

所謂“大數據思維”就是通過對海量數據的整理分析，以尋求最有價值的信息或洞見，借此提高工作效率或效益。在這一思維模式下更強調數據的相關性、混雜性而非“抽樣”條件下的精確性。在高校，對學生的招生、培養到指導學生就業是一個系統過程，在這個過程中會產生大量的數據，善于應用這些數據對開展個性化的畢業生就業指導，提高畢業生就業指導工作成效具有重要意義。

一、畢業生相關數據的收集和分析

開展畢業生就業指導的相關數據主要來源于四個方面：一是學生自身的數據，包括學生的興趣、特長、學業成績等;二是來源于校方，如學生的生源地結構、學生的正常畢業率等;三是來源于企業，如企業招聘崗位的數量、對學生年齡的要求等;四是來源于政府的政策信息，包括勞動法律、產業政策，等等。高校應充分利用計算機等工具對所有相關數據進行動態的收集和整理，按照問題導向原則加以分析，可以為指導畢業生就業指導工作提供有效的支持。就開展畢業生就業指導工作的要求和一般規律而言，注重以下幾方面數據的收集和分析：

1.招生環節。招生環節的重要數據大致包括：各專業報考率、男女比例、少數民族構成和生源地構成等。

2.培養環節。修課門數、課程構成、課程的優良率、學生參加競賽或科研活動情況、學生獎學金獲取情況、學生參加社會實踐活動及其他能反映學生學業水平和綜合素質的數據信息等。

3.畢業環節。學生畢業設計方向、畢業后去向選擇、就業地選擇、崗位及薪資期待、學生期待的企業類型、學生考研與出國的情況等。另外，從用人單位角度看，有一些重要數據需要收集并加以分析，如畢業生一年內離職率、畢業生工作崗位與所學專業的關聯度、畢業生三年內在用人單位升職加薪情況、用人單位對同一所學校相關專業每年的人才招錄數量等。需要說明的是從企業獲取數據有一定難度，需要和企業建立良好的協作關系，或者邀請專門的公司作為第三方協助調查。

以上數據僅是列舉的部分相關數據，根據工作的需要和學生的具體情況在具體執行過程中可以適時適量地增減。在數據獲取方式上有的可以從學校的信息系統直接采集、篩選、匯總，也可以通過問卷調查等方式采集，也可以如上文所述委托第三方采集。在數據分析方面，最好采用專業的統計分析軟件進行處理，以提高數據分析的效率和準確性，如常用的SPSS統計軟件等。

二、畢業生相關數據的具體應用

數據的收集、分析是一個連續不斷的過程，數據的應用卻應把握好相應的時間節點。在實際工作開展過程中，要把畢業生就業指導工作和對學生的學業指導、學業及職業生涯規劃指導有效結合，按不同的階段進行相應的數據分析、應用。這意味著，畢業生相關數據的范疇應相應前置和后延，不僅學生就讀期間的所有相關數據都要考慮，畢業后一段時期內的數據也有重要的參考價值，需要加以分析和應用。具體來講應從以下幾個階段把握：

第一階段：學生入學伊始至大二，主要就學生入學時的初始數據，包括學生的生源地結構、年齡、民族、入學成績等進行收集、整理，并結合學生第一學年的學業數據進行分析，如可以根據每位學生各個科目的成績狀況進行相應的學業指導，對學生轉專業等事項提出相應的建議。在此基礎上，可以指導學生做好中遠期學業規劃，為學生畢業后就業奠定基礎。

第二階段：學生進入大三、大四以后，一方面可以根據學生的學業狀況繼續做好學業指導，另一方面可以根據學生的學業狀況、實習實踐情況和個人職業興趣、行業企業的發展情況等對學生的職業生涯規劃提出建議。特別是進入到大四以后，一方面要關注學生的學業情況，另一方面要注意學生的生源地分布、畢業生去向選擇、職業興趣等數據，以此作為開展就業指導的基本依據。如以北京、上海等一線城市為例，近幾年由于產業結構的調整和人口調控政策的實施，在這些城市就業較之以往競爭更激烈。由此可以根據學生的生源地情況，提前引導學生回原籍就業;又如對學生的職業興趣與所學專業的關聯度及最終的就業崗位等數據進行分析，可以對學生就業的行業、企業選擇等進行指導。

第三階段：可以就學生畢業之后對其所在的行業、企業性質、薪資情況、崗位適應情況及用人單位對畢業生的總體評價等信息進行分析，可以為學校的專業設置、培養計劃、教學計劃的修訂等工作提供參考，也可以為學生就業進行行業選擇、企業選擇、崗位選擇等提出建議。

應用相關數據時應考慮到整體性和具體性兩個方面。舉例來講，在招生環節某一專業的報考率就是一個整體性的數據。假如某一專業的報考率遠超100%，即報考人數遠超錄取名額，說明這一專業社會認可度比較高，本專業畢業生未來就業時可能面臨的情況是就業崗位較多、面臨的就業競爭壓力較大。又如學生個人的課程優良率就是具體性的數據。從這個數據可以看出學生的專業水平，有利于在對學生開展就業指導時引導他們揚長避短。

三、基于“大數據思維”開展畢業生就業指導應注意的問題

大數據時代的到來，顛覆了我們對數據價值的認知，也為我們提供了數據分析、應用的新思路，也就是所說的“大數據思維”。在這一種思維模式下開展畢業生就業指導工作應注意以下幾個方面：

第一，要盡可能多地收集數據。“大數據”之“大”主要指數據數理大且豐富，能從各個角度反映問題的本質。目前，高校畢業生就業受到的影響因素很多，除了學生自身因素和學校影響因素之外，宏觀經濟形勢的發展變化、各個行業的發展變化很快、企業的發展變化及國家相關政策變化等都會對畢業生就業產生一定的影響。要做好畢業生就業指導工作，就要盡可能多地獲取相關信息，一要注意數據的積累，二要注意獲取數據的時效。舉例來說，可以根據同一行業或同一企業中過去幾年間相同或類似崗位的薪資水平變化預測當年相似崗位的薪資水平，可以為畢業生薪資談判提供參考。這其中離不開以往數據的支撐，當然需要當年同一行業中類似崗位的薪資數據作參考。

第二，傳統思維模式下，指導學生選擇就業崗位或指導學生進行長期的職業規劃，往往會從學生自身條件和興趣出發做指導，而在“大數據思維”模式下，對數據的分析和應用要拋開原有的“因果思維”模式，即不要單純地考慮“學生喜歡”、“學生條件匹配”建議學生選擇某企業某崗位。相反，應該建立起“相關性思維”，即應該在原有基礎上考慮到行業發展的需求，考慮到企業用人的標準、考慮到學生在企業較長時期的發展空間甚至國家相關政策的影響等。這樣就可以突破“就業指導就是幫學生找到工作”急功近利的想法，逐漸建立起“就業指導要幫助學生找到適合的工作，為學生長遠發展尋求更好的機會和平臺”的指導思想。

第三，作為學生就業指導人員，在主動收集數據的同時要善于利用已有的數據。現在高校教學管理信息系統、學生管理信息系統、后勤管理信息系統、學生職業測評系統等都相對健全，有些數據可以直接使用。如通過對學生在食堂就餐每餐的花費分析，大致可以判定一個學生的經濟狀況，從而可以為特定學生在就業過程中提供相應的經濟資助等，以落實國家的自助政策，提高學生找到合適工作的可能性。

第四，“大數據思維”并不過于追求數據的精確性，有時更強調數據的混雜性，通過這種“混雜性”判斷事物發展的趨勢。鑒于此，畢業生在初次就業時有時并不能一步到位，所以可以建議畢業生“先就業后擇業”，在工作過程中發現自己真正適合的方向或崗位，拓展自己的發展空間。

總之，基于“大數據思維”開展畢業生就業指導工作，能夠為學生提供更個性化的、更科學的就業指導服務，有利于提高就業指導工作的效率和效益。

參考文獻：

[1][英]維克多·邁爾-舍恩伯格.大數據時代，2013.1（第一版）.

[2]劉若冰.大數據時代高校畢業生就業工作實踐創新研究[J].赤峰學院學報（自然科學版），2015.11（11）.