凌立文,莫美琪,陳詩欣,李瑤,杜小戀,連書珊
(華南農業大學數學與信息學院,廣州 510642)
作為一門專注于提高企業運營效率及效益的應用型學科,工業工程專業為制造業、服務業輸送了大量復合型人才,確保企業繼續保持競爭力[1-2]。隨著大數據、云計算和人工智能等新興科技的發展,工業工程的應用場景也日益增多,更為高效地為企業提供各種優化解決方案[3]。我國在上世紀八十年代末九十年代初開始開設工業工程本科專業,經過近30 年的發展,目前已有200 多所大學設置工業工程本科專業。與眾多老牌專業相比,工業工程在我國仍屬于一個“新”專業,其人才培養方案一直處于不斷摸索探索過程。由于各種歷史原因的制約,工業工程專業分布在不同學院,所授予的學位類型也有所差異,一定程度上存在學生對專業的認可度不高、課程體系設置不盡合理等情況[4~5]。有研究者通過調查問卷的方式分析影響工業工程專業學生成功應聘的因素,進而提出工業工程人才培養計劃的改進建議[6~9]。考慮到企業對技能的需求是影響畢業生薪酬的關鍵因素,本文將基于企業需求的視角,使用網絡爬蟲技術獲取企業對工業工程專業人才所需的任職資格要求,運用多元回歸分析模型確定薪酬的關鍵影響因素,并使用詞云圖描繪不同類型崗位的技能需求差異,為進一步優化工業工程專業的人才培養方案提供參考借鑒。
在招聘市場當中,薪酬是企業根據員工付出的努力、時間、學識、技能、經驗、創造與實現的績效支付的相應的回報或答謝。對應屆畢業生而言,教育經歷是決定應屆生起薪的關鍵因素。但同時可能也受應屆生的實習經歷、所求職的崗位類別、自招聘企業的公司類型和所在的地區等因素的影響。為了進一步闡述影響工業工程專業畢業生的平均薪酬,經過文獻調研,初步確定與起薪有關的8 個影響因素(見表1),并利用收集的數據,利用SPSS 對選定的變量建立多元回歸模型[10-11]:

其中Xi(i =1,2,3,…,8)為選取的起薪影響因素,βi(i=1,2,3,…,8)為其對應的系數,ε~N(0,σ2)表示隨機誤差。
本文采用 Python 編程語言,借助其 Requests、JSON 和Re 庫文件,以“工業工程”為關鍵詞,對“前程無憂”和“智聯招聘”兩個招聘平臺的網頁源代碼分析,編寫相應的規則,利用正則表達式定位所需數據并作為Excel 文件形式存儲。數據爬取的時間范圍為2019年2 月-3 月,就業城市限制為廣州、深圳、佛山、東莞以及惠州等工業工程專業需求較為集中的珠三角城市,共獲取4319 條招聘信息作為建模分析的數據源。
通過網絡爬蟲所獲取的數據不能直接進行數據分析,需要經過數據清洗、數據去重和數據轉換三個步驟對數據進行預處理。
(1)數據清洗:通過篩選刪除與關鍵詞不符合的崗位信息和代碼有關的字段。
(2)數據去重:通過剔除重復行的功能去除重復數據和數據缺失的招聘信息。
(3)數據轉換:根據詞云圖分析我們將原始的數據進行分類,進一步規范化。
為了便于回歸分析和實驗研究,本文根據預處理后的數據主要設計了兩類變量:被解釋變量和解釋變量,各變量功能和定義詳見表1。

表1 變量列表
因在爬取數據的過程中,崗位任職要求一欄的相關數據量多且不同公司所用的詞語不統一,同時不同的描述詞語其意思是一致的,且崗位任職要求主要針對個人綜合素質能力和運用計算機軟件能力兩個類別。因此在設計變量時,本文將有較強的良好團隊合作精神和溝通協調能力、有責任心、較強的邏輯思維能力、較強的分析問題和解決問題能力、抗壓能力強、學習能力強、動手能力強、執行力強的需求歸為個人綜合素質能力一類;將需要具備運用Office 辦公軟件能力、運用計算機繪圖軟件(CAD)能力歸為運用計算機軟件能力一類。
采用SPSS 軟件運用回歸分析原理采用雙檢驗原則,經過F 檢驗逐步剔除影響因素。得知地區、公司類型、個人綜合素質能力和運用計算機軟件能力這四個變量的差異性顯著的檢驗值均大于0.05,即說明該四個影響因素對平均月薪影響不顯著,故可以剔除該四個變量。逐步回歸分析最終結詳見表2。

表2 逐步回歸分析結果
利用上述步驟剔除無關變量后,對實習經歷,學歷,崗位類別和英語能力四個因素逐步引入得出模型的擬合情況、方差分析結果,詳見表3 和表5??芍P?4 的復相關系數(R)為 0.584,判定系數(R 方)為0.342,表明有34.2%的滿意度可以用該模型解釋。調整判定系數(調整R 方)為0.340,與R 方接近,說明擬合程度可接受。估計值的標準誤差為3.328,Durbin-Watson 檢驗統計量值為1.847 約等于2,故該模型殘差獨立。該回歸模型的顯著性水平為0.000,小于0.001的顯著水平,表明回歸極顯著,平均月薪與實習經歷、學歷、崗位和英語能力之間存在線性關系。本文選擇模型4 作為回歸型。

表3 模型摘要
(a.預測常量:(常量),實習經歷;b.預測常量:(產量量),實習經歷,學歷;c.預測常量:(產量量),實習經歷,學歷,崗位類別;d.預測常量:(產量量),實習經歷,學歷,崗位類別,英語能力。)

表4 方差分析
(a.預測常量:(常量),實習經歷;b.預測常量:(產量量),實習經歷,學歷;c.預測常量:(產量量),實習經歷,學歷,崗位類別;d.預測常量:(產量量),實習經歷,學歷,崗位類別,英語能力。)
在多元回歸模型中,自變量間可能存在近似的線性關系,使估計的精確度降低,模型的擬合程度大大降低,需要增大樣本容量來重新建立模型[12]。因此需要對模型的變量進行共線性檢驗,結果詳見表5。
由表 5 可知,實習經歷(X1)、學歷(X2)、崗位類別(X5)和英語能力(X6)的容差均大于0.1,故說明該模型中的四個變量不存在共線性問題。通過表5 的非標準化回歸系數代入構建的回歸模型中,得到如下回歸分析方程。如式(2)所示,學歷與實習經歷對薪酬的影響作用較大。

表5 回歸系數分析

根據華南農業大學工業工程畢業生就業崗位和所爬取招聘崗位信息分析,工業工程該專業所從事的崗位分為以下十種:工業工程師、工藝工程師、機械工程師、項目管理類、工業設計類、質量管理類、生產管理類、產品開發管理類、物流與供應鏈類和實施顧問類?;谑N崗位,本文將工業工程師和工藝工程師歸為工程師類崗位;將機械工程師和工業設計類歸為機械設計類崗位;將項目管理類、質量管理類、生產管理類和產品管理類歸為管理類崗位;將物流與供應鏈類和實施顧問單獨各為一類,以“招聘要求“字段制作五大類崗位的硬技能和軟技能詞云圖。
(1)工程師類崗位
基于詞云圖觀察高頻關鍵詞,我們可以發現對于工程師類崗位的人才,在技能方面,企業側重于求職者掌握 Solidworks、CAD 和 PROE 等繪圖軟件及 Office 辦公應用軟件。在個人素質方面,企業更希望求職者具備團隊精神、判斷能力和人際溝通等。

圖1 工程師類崗位的硬技能和軟技能詞云
(2)機械設計類崗位
對于機械設計類崗位的人才,在技能方面,企業側重于求職者掌握Solidworks、CAD 和PROE 等繪圖軟件及Office 辦公應用軟件。在個人素質方面,企業更希望求職者能有責任意識,擁有執行能力,具有合作意識和抗壓能力等。

圖2 機械設計類崗位的硬技能和軟技能詞云
(3)管理類崗位
對于機械設計類崗位的人才,在技能方面,企業側重于求職者掌握有關制造業和通訊行業的理論知識和一定的語言要求。在個人素質方面,企業更希望求職者具有一定的邏輯思維能力、溝通能力和解決問題的能力等。

圖3 管理類崗位的硬技能和軟技能詞云
(4)物流與供應鏈類崗位
對于物流與供應鏈類崗位的人才,在技能方面,企業側重于求職者掌握有關供應鏈管理中的訂單、實施、跟蹤、建設、方案等過程量的知識與技能。在個人素質方面,企業更希望求職者具有一定的邏輯思維能力、行業意識和溝通能力等。

圖4 物流與供應鏈類崗位的硬技能和軟技能詞云
(5)實施顧問類崗位
對于實施顧問的人才,在技能方面,企業側重于求職者掌握MES 系統、ERP、SQL 等應用軟件的操作。在個人素質方面,企業更希望求職者具有一定的溝通能力、表達能力和學習能力等。
根據以上分析可以看出,影響工業工程畢業生起薪的主要因素是實習經歷,學歷,崗位類別和英語能力;此外,不同類別的職位對求職者的技能和個人素質也是不同的。

圖5 實施顧問類崗位的硬技能和軟技能詞云
(1)任何一個專業的求職者能將專業理論知識有效地運用到工作當中,與實踐融為一體,與社會接軌,是學校培養人才的方向。對于工業工程實踐性較強的專業而言,學校在課程設置的時候,不要僅開設理論知識,更應當側重實踐課程的設置,應當提供一些與專業有關的比賽和實習等實踐平臺。學生應當學會利用資源主動尋找實踐的機會,在實踐中積累自身的經驗,提高自身的競爭力。
(2)學??梢詫⒐I工程專業設置為一個大類,在招收工業工程專業的學生時,大一學年設置工業工程的通識教育課程,讓學生以整體的思想了解工業工程。大二學年的時候進行分流,根據學生的選擇與現行企業的需求,有針對性的開設相應課程,有效地向社會輸入人才。學生主動地了解工業工程,在前期的不斷實踐過程中,結合自身的興趣及能力,盡早的做好自身的職業規劃,根據社會需求,有目的地提高自身相關方面的技能。
(3)從整體而言,不管哪一個工作崗位,對于工業工程的人才,企業都希望求職者具備熟練操作繪圖軟件和Office 辦公軟件的能力,掌握簡單的編程閱讀能力,外語聽說能力、溝通交流能力和具備團隊合作意識。學校應當在開設與繪圖軟件、辦公軟件和外語相關的課程時加大學分和課時同時提高評定標準,引起學生的重視。