中國音樂學院大數據讓就業匹配度更高

文/田蓓 牟綜磊

（作者單位為中國音樂學院網絡信息中心）

提升畢業生就業水平是高校管理目標中的一個重要方面。當前，我國高校畢業生均不同程度存在就業不充分、不理想，就業困難等問題，不少高校畢業生就業工作還停留在傳統的搜集招聘信息、組織供求對接、統計匯總畢業去向等層面上，對用人單位招聘需求的變化、畢業生求職意向、求職行為的變化、畢業生流向的深層次分析以及就業趨勢的預測等方面的研究不夠深入，究其原因，既有受到原有工作習慣的掣肘，更多的是缺乏統計、分析、預測的相應數據和技術支撐。如何有效提高高校畢業生數據分析工作質量、有力促進畢業生就業成為當前高校就業工作的重要課題。

高校畢業生數據分析的重要性

高校畢業生數據分析是高校就業工作的重要環節，深入分析畢業生數據則是做好這項工作的有力抓手。分析畢業生數據有助于發現就業工作出現的問題，深入探究畢業生求職和用人單位招聘的內在規律，從而為預測畢業生就業趨勢、解決就業問題提供重要依據，進而促進高校就業工作的改革創新。

中國音樂學院

具體而言，通過對畢業生專業分析，可以幫助高校了解不同專業的社會需求度、需求變化和需求敏感度，有助于高校更好地進行專業設置優化、課程優化，及時調整有關專業的招生規模；通過對畢業生就業單位分析，可以幫助高校了解人才培養質量以及社會認可程度，有助于高校及時跟蹤用人單位動態，加強與用人單位的溝通，盡早了解用人單位需求變化和用人滿意度，及時調整學校有關政策；通過對畢業生就業區域分析，可以幫助高校了解區域就業情況，促進學校加強與吸納畢業生少的地域的市場開發，加強市場對接工作，為畢業生提供更多高質量的就業機會；通過對畢業生求職行為分析，可以幫助高校了解畢業生的求職動機、意向單位、主要考慮因素、就業滿意度等信息，有助于高校根據實際情況制定相應政策和工作計劃，教育畢業生形成正確的就業觀念，引導畢業生形成合理就業預期，同時向畢業生提供必要的培訓和幫助，為提升高校就業工作水平提供有力支撐；通過加強對過往畢業生數據的分析，可以幫助高校預測就業形勢、趨勢，幫助潛在就業困難的學生盡快有針對性地提升能力和改進不足，提升就業能力。通過分析可以看出，畢業生數據分析對于高校提升就業工作水平，提升畢業生就業質量和效率意義十分重大，需要引起高校決策層和就業管理部門的高度重視。

當前，雖然不少高校都開展了就業分析工作，但由于畢業生數量眾多、就業相關信息量大、統計分析人員力量薄弱、統計手段傳統等原因，不同程度存在就業數據獲取不全面、不系統，統計分析不深入、不精確，分析結論不夠科學、預測性不強等問題，這些問題成為制約高校發揮就業分析功能的重要因素。如何有效提升就業分析質量，是高校就業工作面臨的重大挑戰和亟待解決的重要問題。

大數據技術作用及表現

眾所周知，信息技術的發展極大提升了整個人類社會的運行效率。本世紀以來，高校信息化建設的快速發展有力提升了高校各方面的管理水平。在高校畢業生就業工作方面，現代科技手段同樣將發揮重要作用，大數據技術即為其中關鍵技術之一。大數據技術的使用可以有效扭轉當前不少高校存在的數據不完整、就業分析不全面、就業預測不科學不準確等局面，幫助高校較為全面地掌握用人單位招錄情況和畢業生求職情況，及時發現存在的問題和面臨的困難，改變就業信息呈現形態，使得就業分析直觀、高效。具體來講，大數據技術的引入對高校畢業生數據分析工作的提升作用表現在以下幾個方面：

有效提升數據完整度和就業評價質量

通過建立統一的數據標準，整合與就業有關的各方面數據信息，能顯著改善就業信息分散、重復、不準確的問題，同時，通過數據挖掘技術、數據可視化技術等大數據相關技術可以為畢業生就業管理者提供直觀、精準有效的數據信息，甚至可以定制化有關就業元素生成相關信息，使得就業管理者可以方便、快捷、準確掌握畢業生就業情況，多維度評價就業質量，以便及時調整學校的招生、培養、就業相關政策和工作計劃。

有力提升就業工作質量

一方面，大數據技術的使用使掌握畢業生求職、就業過程的實時信息成為了可能，就業管理部門可以及時發現就業過程中存在的問題、分析需求，并提供精準就業指導。大數據技術結合信息化手段的使用，極大地提高了就業統計、分析效率，同時，基于就業數據信息的統計和分析，構建預警機制，能在就業中為教學、管理工作反饋有價值的參考信息，避免教學、管理工作無的放矢。

在一定程度上預測就業形勢，提供就業參考

前瞻性的工作能有效提升就業質量，從某種意義上說，對就業的預測比事后統計描述分析更加重要。從宏觀來看，通過對歷年就業數據的采集分析，可以把握就業形勢變化、行業走向和人才匹配情況，為畢業生提供就業服務參考；從微觀來看，大數據個性化推薦技術的使用可以為畢業生提供就業參考，根據以往的就業數據，結合畢業生本人專業、學歷、特長、性別、期望薪資、期望就業區域進行模糊匹配，提供有價值的建議。

關鍵技術與數據分析

針對當前高校畢業生數據大幅度增長的情況，如何有效運用這些數據更好地服務于畢業生就業成為亟待解決的問題。概括地說，需要以下技術作為支撐：一是大數據存儲技術。通過該技術解決結構化數據存儲、半結構化數據存儲、非結構化數據存儲的問題；二是大數據共享交換技術。通過該技術解決數據接入，數據清洗、轉換、脫敏、脫密，數據資產管理，數據導出等問題；三是大數據分析與挖掘技術。通過該技術解決準實時分析、實時分析、機器學習等問題；四是大數據可視化技術。數據可視化可以增強數據的呈現效果，方便用戶以更加直觀的方式觀察數據，進而發現數據中隱藏的信息。該技術通過圖形、圖像處理、計算機視覺對數據加以可視化解釋，可以極大提升數據的易用性。

獲取高校畢業生基礎數據進行數據處理

要有效發揮大數據技術在畢業生數據分析中的作用，首先必須做好數據收集，實現數據有效采集與整合，建立統一的畢業生數據庫。一是要加強對畢業生本人情況數據的收集，比如畢業生的性別、專業、學歷、特長、主修輔修課程、成績情況、科研情況、社會實踐活動情況、獎學金以及其他獎勵情況、師生評價、就業意向、期望薪資等信息。二是要加強畢業生去向信息的收集，比如就業區域、就業行業、就業單位、初始就業薪資待遇等信息。在所要收集的數據中，既要注意收集結構化數據，也要注意收集非結構化數據，數據收集工作可以貫穿于學生在校學習生活全過程，實現對學生的全過程跟蹤管理。高校畢業生數據來源如圖1 所示。

在建立了統一的畢業生數據庫后，要對數據進行處理，應用數據清洗技術對缺損數據、相似重復信息進行處理，提高數據質量；要對數據進行相關性分析，去除無關屬性，同時對一些敏感數據進行脫敏、脫密處理；要對數據進行概化操作使數據適合數據挖掘，為數據挖掘與分析做好準備。

對高校畢業生數據進行挖掘與分析

高校畢業生數據來源分散，對數據庫中的數據進行模型化研究對于科學分析畢業生數據，提高數據分析的準確性和預測性具有十分重要的意義。決策樹方法是數據挖掘的核心技術之一，由于決策樹算法具有分類精度高、模式簡單的特點，因此可以將其作為高校畢業生就業數據分析的基礎。比如，在分析畢業生就業單位性質時，我們發現學生成績、政治面貌、學歷、師生評價等對不同性質的單位影響因子不同，通過決策樹分析可以較準確預測畢業生的就業去向。圖2 為高校畢業生就業數據分析流程示意圖。

從分類決策樹中可以看出成績良好以上的畢業生基本都能就業，能獲得更多的選擇機會，成績良好以上的中共黨員畢業生到機關、事業單位、國企的概率非常大；即使是成績良好的非中共黨員畢業生也有機會進機關、事業單位和國企；成績良好以下的畢業生就業可選擇余地要少一些，師生評價成為比較關鍵的因素，師生評價高的畢業生，還是有少量機會進入機關事業單位和國企，而對于成績良好以下、評價不高的畢業生絕大多數只能選擇私企和個體或者自由職業。

圖1 高校畢業生數據來源

此外，對于非典型影響因素，可以結合數據統計分析方法進行輔助分析，通過對一定數量樣本數據進行統計，可以預測未來一段時間的畢業生就業趨勢。

圖2 高校畢業生就業數據分析流程

系統設計與實現

以中國音樂學院畢業生數據分析系統核心功能解析為例：

1.系統環境搭建

在系統環境的搭建上，采用前后端分離部署技術。開設兩臺服務器，服務器A用于部署前端項目，稱為前端服務器，服務器B 用于部署后端項目，數據放在此服務器上，稱為后端服務器。通過開放API的方式，后端服務器向前端服務器中的前端項目提供數據或數據操作接口，以此實現前端與后端的銜接，提高系統性能、反應速度和擴展性。

2.后端數據實時更新

（1）使用實時數據倉庫：從技術上解決了數據使用的延遲， 任何時間點都可以得到當前最精確的分析結果，實現了畢業生數據分析系統性能優化。實時數據倉庫是一個經過數據源中數據的抽取、清洗、轉換、加載、存儲到數據倉庫中，為用戶提供有價值信息的應用系統。數據倉庫能夠精確、可靠地從業務數據庫中取出數據，通過處理后轉換成有價值的信息，再進行分析。

（2）使用多元數據源：畢業生數據分析需要使用多元數據源，首要數據源為畢業生系統所使用的數據庫，在其基礎上增加 Excel 表格數據作為第二數據源，主要用于補充畢業生系統的不全面數據。通過從多元數據源中抽取、加載、轉換、存儲到數據倉庫中，使得畢業生數據分析展示數據類型更加多元化，展示效果更加豐富、直觀。

（3）數據獲取及處理的流程：高校畢業生數據庫和 Excel 表格數據共同構成了數據源。經過 ETL 過程，實時抽取至 ODS（操作數據存儲，Operational Data Store）層ODS 庫，ODS 庫在業務系統和數據存儲層之間形成一個隔離層，ODS 庫中的數據表一般存儲用于實時加載和更新，ODS 庫中的數據會加載至數據倉庫。通過使用數據倉庫中存儲的數據，實現了數據訪問層中各個功能，畢業生數據分析架構如圖3 所示。

3.前端數據展示多樣化

圖3 畢業生數據分析架構

前端應用FineReport 設計器，使用HTML5 圖表提供優秀的動態效果和強大的交互體驗。

（1）畢業生數據分析系統除了基本的報表展示和導出功能外，增加了以維度為基礎的圖表展示，包括柱形圖、折線圖、餅圖、雷達圖、散點圖等。例如，通過追蹤畢業生就業單位類型、就業行業等信息可以為就業指導部門提供決策數據支撐，使學校為畢業生求職提供更專業的指導和服務；通過就業行業分析可以看出學生畢業后從事的工作與所學專業是否匹配，有助于學校進行專業和課程改革，與時俱進，培養適應時代發展的優秀人才，服務社會。

（2）畢業生數據分析采用數據地圖，重點使用區域地圖和鉆取地圖，提供豐富的數據地理信息展示，可以展示畢業生生源、畢業去向，可按地域進行詳細分析，為將來招生和就業提供強有力的依據。學校可以依據畢業生去向的分布數據指導該院系的就業相關工作，做好專業設置與市場對接工作。使用圖表交互，豐富的交互效果提高了就業數據展示的可視化體驗。例如，可以用柱形圖和折線圖相結合的組合圖來展示畢業生數據變化，也可以用普通的表格展示每年的畢業生數據、就業率信息，用表格數據支撐組合圖的數據，讓分析變得更加有理有據。

高校畢業生就業關乎民生，同時也反映出高校教學、管理水平，提升高校畢業生就業水平是高校管理的重要職責和任務目標。在科技飛速發展的今天，有效運用前沿信息技術，將大數據相關技術應用于高校就業工作，建立畢業生數據分析系統，能夠有效提升就業評價質量和就業工作質量，對于解決人才與市場供需不匹配問題以及幫助就業困難畢業生提升就業機會都具有重要的意義。高校就業工作人員應當持續豐富畢業生相關數據來源，提高數據資源的整合、分析能力和對畢業生就業的預測能力，不斷提升就業指導工作的針對性、時效性和科學性。