大數據背景下高校精準就業服務工作研究

馮永鵬 張云婷

摘? 要： 高校就業工作是教育領域重要的民生工程和人才工程。目前，大數據已經成為高校精準就業工作的重要推手，高校應發掘大數據在精準就業工作中的價值意蘊，以大數據技術為手段，樹立大數據思維;建立就業信息臺賬;發揮大數據平臺效用;提高大數據素養能力，為高校提高就業質量和水平提供重要參考。

關鍵詞： 大數據; 高校; 精準就業

中圖分類號： G647.38? ? ? ? ? 文獻標志碼： A? ? ? ? ? 文章編號： 1671-2153（2020）05-0047-07

大數據是指使用傳統、常用的軟件技術和工具在一定時間內完成獲取、管理和處理的數據集。大數據不僅代表數據規模的定義，它更代表著信息技術發展進入了一個新的時代，代表著大數據分析和應用所帶來的新服務和新的發展機遇[1]。2015年，黨的十八屆五中全會提出“實施國家大數據戰略”;2016年，“十三五”規劃綱要對全面促進大數據發展提出方向性目標和任務[2];2017年12月，習近平總書記在中央政治局第二次集體學習中明確指出：“大數據是信息化發展的新階段”，要懂得大數據，用好大數據，增強利用大數據推進各項工作的本領，不斷提高對大數據發展規律的把握能力，使大數據在各項工作中發揮更大作用[3]。隨著我國將大數據上升為國家戰略，并持續推向深入，就如何運用大數據來促進高校就業工作成為了重要議題。面對高校就業工作大數據化，須適應新時代發展的需要，以大數據為支撐，以了解和掌握就業基本信息為基礎，以促進精準就業為目標，站在戰略高度，看到高校就業工作在大數據背景下發展的新思路新方向，找到精準就業服務工作新的著力點，從而促使大數據在高校就業工作領域得到快速推廣與應用。

一、形勢分析：大數據成為高校精準就業的重要推手

高校就業質量是衡量一所高校辦學水平和專業人才培養質量的重要指標。據教育部統計，2020屆全國普通高校畢業生預計近874萬人，就業形勢依然復雜嚴峻[4]。今年以來，一系列促進高校就業工作的政策持續推進，使高校畢業生就業率維持在較高水平，就業態勢實現平穩發展，但穩中有變、變中有憂，不確定、不穩定因素仍在增加。教育部副部長翁鐵慧在2020屆全國普通高校畢業生就業創業工作網絡視頻會議中指出：高校要科學推送就業信息，要推送個性化指導服務，努力實現崗位信息與求職信息“無縫對接”，提高就業統計科學性、即時性和準確性[5]。與此同時，大學生供大于求、用人單位供不應求等供需結構性矛盾、數據匹配精準性問題依然存在，影響了高質量就業。當前，“實施大數據戰略”已上升為國家戰略高度，大數據為高校精準就業與高質量就業帶來了新機遇，提供了新方向，為后期精準就業指導服務提供了科學參考。大數據是運用傳統軟硬件技術工具對海量數據進行采集、存儲、處理、分析、可視化、管理、服務和安全的集合，大數據一般具有大體量、準確性、多樣性、時效性、大價值五大特點。大數據最重要的特點就是對各種格式和形態的數據進行分析，實現智能化匹配，可以很好地解決目前高校就業工作中的諸多問題。針對當前高校就業工作中存在的“供需矛盾”問題，大數據以需求為導向，尋找數據尺度算法和降低復雜度，將高校端、用人單位端、學生端三個端口進行連接，通過讓用人單位和畢業生直接對接的方式，讓高校就業部門從“上傳下達者”和“橋梁承載者”變身為“數據決策者”和“交通指揮官”，助力高校全面精準掌握畢業生在就業過程中存在的問題與障礙，精準推進高校畢業生更高質量更充分地就業，從而讓高校就業工作實現高效、便捷、低成本、高精準。近年來，多數高校運用大數據對就業市場和大學生就業的新變化情況進行分析，運用以互聯網技術、云計算、大數據為基礎，研發線上“智能匹配對接”、線下“精準高效就業”的高校精準就業智慧平臺就成為了大趨勢，探索出適應新時代發展的精準就業服務模式，促進更高質量和更充分就業。同時，高校應該堅持把科學運用大數據而推動畢業生就業創業工作放在突出位置和納入學校人才培養工作的整體戰略中。總體來看，運用大數據實現高校精準就業不僅可以從實質上解決“招不到人”和“一崗難求”矛盾問題，而且對于促進社會穩定發展和深化高等教育教學改革也有重要意義。

二、定位思考：大數據對高校精準就業的主要價值意蘊

大數據的挖掘和分析有利于實現精準就業決策和服務，并為高校精準就業創造條件，實現高校高質量就業。

（一）大數據有助于精準就業，促進畢業生更高質量就業

大數據分析是提升高校精準就業工作的最佳途徑。大數據對高校就業工作具有兩大支撐作用：一是實現真正意義上的精準就業，提高精準就業的研究和決策水平。大數據通過獲取、處理和分析就業數據，以有效的信息技術手段和計算方法，發現和提取就業信息數據的價值，為高校就業工作提供高附加值的應用和服務，促使了高校就業工作的創新化與深度化[6]。在傳統的“小數據”中，“用什么數據說話”、“讓數據說什么話”、“如何讓數據說話”在很大程度上取決于工作者的主觀經驗，但在“大數據”時代，大數據具有客觀性，體現著其在現代科學技術體系中具有相對客觀的優越性，如何讓“數據說話”、“數據說什么樣的話”成為了高校就業部門需要始終貫徹的科學意識。大數據有助于準確把握高校大學生的就業特點，對大學生從進校到畢業求職進行全過程、全方位的數據分析，能夠對高校大學生進行全方位的跟進。同時，大數據可以對同一群體或個體在求職的不同時間段、同一時間段內不同群體或個體的數據進行差異性、關聯性分析，可以對就業過程中存在的具體問題進行精準分析，從而為實施針對性、精準性的就業工作提供決策依據。二是大數據平臺可以根據國家和地方部門與高校的各自訴求來提供精準化服務。國家和地方部門通過建立人才需求基礎信息庫，加強與高校的精準對接，基于大數據完善大學生個人用戶和招聘用戶的“畫像”，實施就業供需精準匹配。高校基于對數據的挖掘與分析，快速鎖定被就業對象，完成定崗、定向、“定單式”精準輸出，改變傳統高校就業方式，徹底解決由于信息不對稱造成的大學生盲目就業、難就業問題。大學生根據大數據平臺分析，可以迅速根據個人的知識結構、能力特點和興趣愛好來匹配出適合的就業類型。

（二）大數據有助于優化高校就業工作的內容供給

中共教育部黨組印發的《高校思想政治工作質量提升工程實施綱要》中明確要求：“要優化內容供給、改進工作方法、創新工作載體，激活高校工作的內生動力”[7]。大數據因人而生，由人發展，為人所用，具有鮮明的意識形態屬性，高校是大數據的使用者和發展者，提升高校的大數據素養和引導高校使用大數據來促進就業工作，是大數據時代高校就業工作內容質量提升的內在要求和重要內容，這也意味著高校就業的內容質量提升必然以大數據為驅動要素。大數據有助于推動高校就業工作“供給側改革”與優化內容供給，一是創新高校就業信息精準化體系。大數據方便對數據進行分類管理，能夠結合定量測評和定性分析，探索大學生學習與職業發展調查WUT評估、預測及支持體系建構，保障指標機制科學化，做到就業數據信息的精準化運用。二是完善高校就業信息精細化程度。大數據可以設計實施大學生“來校、入學、畢業”、“信息采集、跟蹤管理、信息更新”全方位全節點的數據可視化。并以學生群體分類和求職需求導向為依據，統籌安排全職與兼職就業內容，精準科學面向應屆畢業生推送大型招聘會、中型招聘會、專場宣講會內容，進行點對點推送。大數據通過探索分層分類個性化、差異化對接形式，促成實踐實習、就業創業等精準化就業項目，創建更為高效更為精準的就業服務體系。三是優化高校就業精準指導服務工作。指導服務是畢業生就業的基礎工作，要更加個性化、精準化。大數據以精細化管理為手段，以信息化平臺為基礎，通過分析畢業生參加招聘會次數和頻率，形成數據共享、集成與分析模型，從而開展針對性的就業指導。大數據以互聯網大數據管理為保障，可以全方位地對簽約就業協議或勞動合同就業、其他形式就業、升學、出國出境、未就業和暫不就業等情況精準界定并分類統計，并以第三方抽樣調查、布點監測等方式開展統計，建立第三方核查機制，完善以畢業生為主的反饋核查機制。同時有助于精準幫扶特殊群體，通過一對一服務，精準推送政策和崗位信息。四是強化落實畢業生就業數據統計和檢測。大數據可以將畢業2-8年的畢業生為對象設置六個維度，24項指標，深入分析畢業生就業率、就業去向、就業滿意度、就業適配性、薪資待遇、用人單位滿意度以及畢業生對專業設置和教育教學的反饋意見，通過建立數據結構模型，推動形成就業與招生計劃、專業調整、人才培養之間的聯動機制，為人才培養提供有力支撐[8]。

（三）大數據有助于準確把握大學生的就業行為和特點

大數據有助于分析過去，把握現在和預測未來。一是大數據能夠全面記錄大學生的成長發展軌跡，全程記錄大學生求職軌跡，深度分析與及時反饋，個性化求職策略調整，并從動態上把握大學生的求職狀況和實踐狀況。有助于把握重點群體并有針對性地進行就業幫扶，科學構建人際支持系統與篩查系統。二是大數據可以根據大學生的職業發展理論建立需求模型，觀察不同類型學校、不同學科、不同群體特征，并能夠關注群體特征的差異性。三是大數據可以對大學生從進校到畢業全過程、全方位、全立體的數據進行分析，對大學生群體及個體的思想和行為特征進行多維度的描述，從而立體式地還原大學生數字化生活的真實狀態。譬如，建立全面的個性化信息，記錄畢業生在校期間綜合表現，從“學習成績、個人特長、個人榮譽、科技創新、社會實踐、志愿公益、社會工作、文體發展、誠信記錄、專業匹配程度、職業發展情況、擇業單位關注情況、就業期待（薪資、生活質量、崗位性質、就業區域）”等十三大模塊對學生進行綜合評估，進行個性興趣、價值觀與職業測評，最終依據不同發展階段學生成長及發展的實際及訴求，準確推送與學生職業素質培養、就業服務項目、實習實踐、企業兼職及企業招聘等相匹配的就業信息，實現精準化個性化的信息推送。

三、案例分析：大數據提升高校就業的精準化水平

為全面了解畢業生的就業情況及去向等因素，運用大數據精準地開展就業工作。筆者采用問卷調查法，選取江蘇某高校1000余名2020屆應屆畢業生作為研究對象，從工作地點選擇、就業方向選擇兩個方面進行深入細致的分析，并構建數據模型。使用KNN算法對工作地點選擇、就業方向選擇等數據進行分析，使用Python對數據進行預處理，對13個自變量X值與因變量值進行分析，得出大學生對就業方向和地點選擇的影響因子以及其影響力大小，從而為高校提高精準就業質量和水平提供重要參考。筆者將13個小類特征劃分為兩個大類，分別是性格特征、工作目標、學習成績、英語成績、社會工作經歷、學科競賽、社會實踐、兼職工作、就業方向、求職所具備的素質、影響就業因素、專業對口度、對本專業的了解情況，并將13個小類特征進行兩兩組合（強關聯因素），使用KNN模型算法預測，從中選出前10%準確率高的特征搭配，然后將所有數據集導入模型中，進行分析，并給特征數據集構建三維立體空間。

（一）工作地點影響因素分析

如圖1所示，在本次調研對象中沒有兼職工作經歷的應屆畢業生居多。首先從總量上看，沒有學科競賽經歷的應屆畢業生更傾向于選擇生源地或者大學所在地，相比于北上廣深這些熱門城市，自己熟悉的城市更容易吸引他們;而在有學科競賽經歷的應屆畢業生中，選擇北上廣深的居多，特別是對于無兼職工作經歷的應屆畢業生，工作機會是他們優先考慮的因素。從各工作地點選擇所占比例來看，可觀察到兩種組合，一是北上廣深或找到合適工作就去比例較大，這或許可以說明應屆畢業生比較重視工作機會、薪資以及自我提升機會等因素。從圖1中的分析結果可知，有學科競賽經歷的人更注重工作機會;另一種是選擇生源地或大學所在地的居多，這種選擇也意味工作環境對于應屆畢業生來說更熟悉，這時首要考慮的因素可能是工作的成本，如工作地點離家距離、城市生活節奏、物價水平、人脈積累等，在生源地或者大學所在地工作不需要時間去適應新的環境或者重新建立人脈關系，所以沒有學科競賽經歷的應屆畢業生更傾向于在不需要重新積累人脈或者重新適應的熟悉環境中工作。

如圖2所示，可觀察到無論工科、理科和文科應屆畢業生，大多數選擇留在大學所在地工作，應屆畢業生在選擇工作時受個人興趣和親友意見的影響較大，令人意外的是，在選擇工作的時候首要考慮薪資待遇的占比反而較少，這一定程度上反映“90后”應屆畢業生在選擇工作時比較重視工作中的主觀體驗，關注于工作內容本身，而不僅僅是自身能力是否勝任工作或報酬之類的問題;因為“90后”個性都比較強，更關注自我價值挖掘，而且目前很多工作的門檻比較低，從事工作與本科所學專業不相關的現象比比皆是。此外，總趨勢是趨向于生源地和大學所在地或者找到合適的工作就去，其中工科和理科應屆畢業生中選北上廣深的要多一些。如圖3所示，“北上廣深+找到合適工作就去”強關聯組合在擔任過學生干部的應屆畢業生中所占比重，比沒有擔任過學生干部的學生大很多，而在這些學生中，外向和多重性格的學生選擇北上廣深的比例相較于內向和慢熱學生更多，內向的學生選擇去北上廣深的比較少，而選擇留在大學所在地的所占比例比較大。

綜上所述，我們發現在具備某一特質的應屆畢業生中選擇生源地的比例高時，大學所在地所占的比例也會相應較高，而生源地與大學所在地有相似之處，根據這一規律可以將這些選擇大致分成兩類，一是選擇北上廣深和找到合適的工作就去，另一個是選擇生源地或者大學所在地，仔細分析可以發現這兩類選擇對應于當代大學生不同的需求。不同的需求下同學們在選擇工作時首要考慮的因素也不一樣。首先，應屆畢業生在選擇工作時可能會考慮工作機會、離家距離、自我提升機會、人際關系積累、就業成本、生活城市環境、政府政策等。對于生源地或大學所在地不是一二線城市的應屆畢業生來說，北上廣深意味著更多的就業機會、自我提升機會和更好的生活環境，但就業成本相對較高（租房成本、重新積累人脈、適應新環境等）;而在大學所在地或生源地工作意味著能更快適應工作狀態、競爭壓力小、更容易享受當地政府政策優惠、更低就業成本等。此外，結合圖1、圖2、圖3分析可得出，有學科競賽經歷、擔任過學生干部的理工科應屆畢業生傾向于選擇北上廣深等就業機會多的城市，具備這些特征的學生往往有很高的積極性，且能在大學階段給自己制定了規劃，在實踐探索中對自身能力以及職業意向有一定的認識，因此他們在就業階段對自身能力提升的渴望比較強烈。相較之下，無學科競賽經歷、無學生干部經歷的學生在找工作過程中優勢不明顯，因此更傾向就業成本低、工作狀態可長期維持穩定的生源地或大學所在地。

（二）就業方向選擇影響因素分析

如圖4所示，多數應屆畢業生認為學校知名度、實踐經歷、工作經驗以及外在形象對就業方向影響較大，注重學校知名度和溝通表達能力的應屆畢業生中選擇自主創業的比例比較大，而注重實踐和工作經驗的應屆畢業生中選擇去國有企業的比例大大高于選擇其他因素的，特別是理工科學生更加關注。同時，注重外在形象的應屆畢業生選擇去民營企業和部隊的比例較高，而注重實踐和工作經驗的理工科學生也有相當一大部分學生選擇去民營企業。如圖5中所示，特別是就業方向選擇學校的畢業生，學校知名度影響他們的錄用率;而在選擇基層作為就業方向的畢業生中工科生比較多。

如圖6所示，社會實踐次數為2次似乎為一個分界線，社會實踐次數大于2次的應屆畢業生大多數選擇國有企業或學校，而社會實踐次數少于2次的應屆畢業生都傾向基層和民營企業（除成績優秀的學生外）。成績優秀且實踐經歷豐富的應屆畢業生中幾乎沒有選擇去基層和部隊。在選擇去學校的應屆畢業生中主力軍為成績中上的學生。在成績較差的應屆畢業生中幾乎沒有選擇自主創業，其中社會實踐經歷豐富的應屆畢業生主要選擇政府機關或國有企業，而社會實踐經歷相對較少的人傾向于基層。

為進一步增強分析精準性，下面將結合九型人格理論對上述8個因素如何影響就業方向選擇分析。九型人格是一個倍受美國斯坦福大學推崇，并成為現今最熱門的課程之一，是職業規劃、職業發展的最佳輔助工具之一。從社會實踐經歷、學習成績、對就業影響因素的看法等因素中，可大概觀察到大學生的主要性格特質，從而分析出他們行為選擇背后的動機和需求。從上述結論中，我們明顯發現愿意自主創業的學生主要具有學習成績優秀、關注個人興趣、實踐和工作經驗豐富以及出色的公關素質等特征，這些特征是8號領袖型人格所具備的，即行動力強、追求獨立自主、主觀自信、勇于挑戰、目標感明確等。而成績優秀、社會實踐經驗少的學生可能是理性主導的5號、6號或7號人格，他們比較注重邏輯思維，頭腦冷靜，思路清晰，善于對問題作出理性而深刻的分析，有學者范，能夠成為出色的幕后決策者，因此這類學生往往傾向于選擇政府機關、基層或學校。

四、趨勢展望：大數據提升高校就業的精準化水平

大數據時代，高校精準就業服務工作提升，要不斷樹立大數據思維、建立就業信息臺賬、發揮大數據平臺效用、提高大數據素養能力，提高就業服務的精準化程度。

（一）樹立大數據思維

互聯網和信息技術的快速發展，促使就業部門建立起以數據說話的定量決策思維，根據時間長度、空間廣度的大數據分析，使高校就業工作主客體對相互之間思想和行為變化及特征的把握更加真實、全面，既能從變化的數據中尋找因果關系，又能從系統的數據中尋找關聯要素。具體而言，一是運用大數據來處理海量信息，對信息處理的要求更高，信息的搜集、處理和存儲各個環節更需要各個部門的配合，形成合力，否則，大數據戰略只能是一盤散沙。二是科學利用大數據進行信息整合，打造全校就業工作“一盤棋”，將高校招生單位、培養單位、學生工作處、就業單位、團組織、二級學院等職能部門所收集的基礎信息進行共享和比對，通過在就業部門建設高校就業信息大數據中心，加強高校就業數據的獲取、篩選、整理、組織、分析和決策，真正實現高校就業信息數據的統一管理，提高就業工作效率，提升就業服務的精準化水平。三是二級單位應為學生建立求職檔案，細致全面了解每一位畢業生的求職狀況，及時跟蹤求職動態，并科學指導學生端及時上傳求職簡歷，明確求職地域、崗位意愿、起薪標準等個性化求職意向，以便數據平臺系統智能化匹配，不斷提高供需對接和人崗匹配效率，在海量招聘崗位中及時精準地向學生推送符合要求的就業信息。

（二）建立就業信息臺賬

信息是基礎，也是保障，是高校開展精準就業工作的基礎，只有摸清底數，才能精準施策。要想充分發揮出大數據的作用，就要重視信息的采集，并且要采集到精準、安全、可靠的信息數據。具體而言，一是掌握基礎信息。包括學生學習成績、個人特長、社會實踐、獎懲情況、求職意向、薪資待遇、職業測評和誠信記錄等內容，建立大學生數字化人才信息庫，做到個人信息清、就業愿望清、技能狀況清、求職過程清、就業情況清“五清”。二是核查基礎信息。與學生工作處、校團委、輔導員等進行數據交換，比對核查，補充完善學生第二課堂成績單等核心內容。三是落實基礎信息。將畢業生求職信息按照意向清單分解下發，并依托當地就業服務平臺，及時錄入人力資源臺賬信息系統;對于用工單位，可以采用線上登記、線下采集方式，掌握本地用人單位的基本用人需求，建成精準化、廣覆蓋的企業人才需求數據庫。通過搭建臺賬的方式，不僅讓就業部門掌握資料信息，做好就業服務，也讓供需雙方找到了平臺，夯實了信息化建設基礎。只有準確掌握了畢業生的基本信息以及用人單位的基本需求，才能真正做到就業服務的精準，此外，就業信息并非一成不變，要定時更新，確保“一池活水而非死水”。

（三）發揮大數據平臺效用

大數據平臺是實現高校精準就業工作的前提。以江南大學為例，學校已通過就業信息網、智慧就業APP搭建了供需精準對接服務平臺，不斷完善用人單位崗位需求信息數據庫。具體而言，一是利用“互聯網+就業”新模式，準確掌握畢業生求職意愿和用人單位崗位需求信息，充分利用“智慧就業”系統、“91job”平臺的個性化定制服務功能，建立精準推送就業服務機制，精準推送個性化指導服務，努力實現崗位信息與求職信息“無縫對接”，提高就業統計科學性、即時性和準確性，從而降低學生求職的時間和經濟成本，提高求職成功率。二是與學生資助中心建立對接聯系，運用大數據對“貧困庫信息”進行比對分析，重點幫扶關心建檔立卡貧困家庭、農村生源學生、少數民族、身體殘疾等特殊困難群體，針對學生的不同特點和需求，送政策、送指導、送信息，實現個性化就業服務[6]。三是發動二級學院領導、專業教師、黨員師生與就業困難學生結對子，實行“一生一策”動態管理制度、“月報”、“周報”動態管理制度，建立幫扶工作臺賬，優先推薦就業崗位，落實求職創業補貼，進行有針對性的指導和服務。

（四）提高大數據素養

大數據時代，不再是“一把鑰匙開一把鎖”，而是“一把鑰匙可以開不同的鎖，而同一把鎖也可由不同的鑰匙來開”。高校就業工作應遵循“數據為主、價值導向、就業指導、精準服務”的工作思路。具體而言，一是關注大學生進入大學后生涯成長，運用大數據進行精準就業指導教育，運用大數據加強多維度、全程化精準就業指導力度，建設職業化、專業化、專家化就業指導師資隊伍，將大數據知識學習和素養提升納入高校就業指導教師培養的內容體系，培養大學生就業工作的大數據專門人才，不斷完善精準就業服務發展支持體系。二是細化就業服務體系，提供以智能化、信息化為主導的精準對接就業服務，做優做強校園招聘市場，不斷提高用人單位和學生滿意度，真正實現畢業生更高質量和更充分就業。

總體來看，大數據正在進入高校工作的各個領域層面。利用大數據開展高校就業工作，有利于實現就業資源配置的精準化、就業管理決策的科學化、就業“數量化與質量化”的統一化與就業宏觀評估與微觀評估相統一。可以說，大數據技術與高校就業工作的深度融合有助于引發“就業生態”的再平衡。量變層面：大數據技術在高校就業工作中的運用，提高了就業效率與資源共享服務水平;質變層面：科學優化就業工作流程，實現高校就業供需精準匹配，能夠促進就業質量的全面提升，實現真正意義上的精準就業。

參考文獻：

[1] 黃宜華，苗凱翔. 深入理解大數據：大數據處理與編程實踐[M]. 南京：南京大學，2014.

[2] 新華社. 國家十三五規劃綱要[EB/OL]. （2016-03-17）[2020-03-31]. http：//www.xinhuanet.com/politics/2016lh/2016-03/17/c_1118366322.htm.

[3] 新華社.習近平主持中共中央政治局第二次集體學習并講話[EB/OL]. （2017-12-09）[2020-03-31]. http：//www.gov.cn/xinwen/2017-12/09/content_5245520.htm.

[4] 教育部. [EB/OL]. （2019-11-01）[2020-03-31]. http：//www.moe.gov.cn/jyb_xwfb/s5147/201911/t20191101_406366.html.

[5] 新華社. 2020屆全國普通高校畢業生就業創業工作網絡視頻會議[EB/OL]. （2019-10-31）[2020-03-31]. http：//www.gov.cn/xinwen/2019-10/31/content_5447265.htm.

[6] 王美麗. 大數據時代高校精準就業服務模式工作研究[J]. 思想理論教育，2016（06）：84-88.

[7] 教育部. 中共教育部黨組關于印發《高校思想政治工作質量提升工程實施綱要》的通知[EB/OL]. （2017-12-05）[2020-03-31].http：//www.moe.gov.cn/srcsite/A12/s7060/201712/t20171206_320698.html.

[8] 陳智旭. 利用大數據實現大學生精準就業論析[J]. 學校黨建與思想教育，2017（08）：81-83.