大數據背景下個性化就業信息服務平臺模型構建設想

［摘 要］大數據技術的廣泛應用轉變了社會各行各業的運營模式，對于海量數據信息的分析能力以及數據價值挖掘能力在個性化服務方面展現出極大的優勢，為高校個性化就業信息服務平臺建設提供了創新發展的契機。基于此，文章結合高校就業信息化服務的發展現狀，以及個性化就業信息服務平臺模型構建的意義、目標與思路分析，深入探尋大數據背景下個性化就業信息服務平臺模型構建方案，以期為提升高校就業服務質量，滿足個性化就業服務需求提供參考。

［關鍵詞］大數據；個性化；就業信息服務平臺；構建方案

doi：10.3969/j.issn.1673-0194.2023.19.044

［中圖分類號］G647；TP315 ［文獻標識碼］A ［文章編號］1673-0194（2023）19-0146-04

0? ? ?引 言

2021年，教育部對高校就業指導工作提出了明確要求，要求全國高校要不斷提升自身就業服務的信息化建設水平，構建高質量的就業服務體系，結合大數據技術優勢，推進就業意向和崗位要求的精準對接，努力實現高校畢業生的精準就業。

然而，當前我國各大高校的就業信息服務平臺主要功能模塊依然以信息分類、關鍵詞查找這類單一的檢索方式提供就業信息服務，沒有充分發揮大數據分析技術和人工智能技術的智慧化服務優勢，不能夠滿足當下信息時代背景下學生求職需求的個性化推薦要求，就業信息服務平臺缺乏對海量就業服務數據的有效分析和挖掘，使得大數據分析技術和人工智能技術的數據挖掘和精準匹配價值失去了本身的意義，因此，高校如何有效利用大數據分析技術進行個性化就業信息服務平臺構建就顯得至關重要，通過構建科學完善的就業數據庫、企業職業庫、就業課程庫以及就業信息庫，并搭配科學合理的興趣模型和算法系統，為高校畢業生提供更加精準的就業指導，滿足個性化服務需求［1］。

1? ? ?大數據背景下高校就業信息化服務的發展現狀

1.1? ?信息推送不夠精準，信息孤島現象較為突出

大數據時代的來臨給高校就業指導與服務工作提出了更高的要求，高校就業服務信息化建設要想基于大數據實現高質量發展，就必須提升學生職業規劃和就業對接的精準性，依托大數據精準的數據分析和價值挖掘優勢，建設適合學生就業發展的就業指導課程體系。但當前我國多數高校就業信息化服務平臺建設依然沒有充分發揮大數據技術的優勢，依然停留在面向全體畢業生集中推送就業信息層面，無法實現就業分類信息和分專業信息的精細化推送，個性化服務水平不高。同時，高校就業信息化服務平臺的構建主體較多，平臺之間數據交換不足，信息孤島現象較為突出，條塊分割較為嚴重，提升了學生就業信息篩選成本，降低了服務體驗。

1.2? ?數據分析不夠深入，平臺種類較為單一

全國各大高校就業信息服務平臺系統中存儲了海量的歷屆畢業生就業數據和相關信息，數據體量十分巨大，為大數據分析技術的深度應用創造了良好的先決條件，深入挖掘高校歷屆就業數據信息可以有效映射出大學生的求職動態和就業趨向，但當前我國多數高校就業信息服務平臺在利用大數據分析技術對海量數據信息挖掘過程往往停留在數據統計層級，數據分析不夠深入，造成數據資源潛在價值的浪費。同時，在社會與企業層面，政府職能部門、社會中介機構的就業服務平臺種類也相對單一，與高校就業服務系統的交互性和對接性存在不足，致使大數據精準對接就業服務需求發展質量不理想［2］。

1.3? ?就業指導定制個性化服務發展不足

大數據背景下高校就業信息化服務的工作重心主要集中在就業指導方面，在學生的求職意向、企業的崗位需求、學生的簡歷制作、學生的面試和筆試指導以及學生職業規劃等方面提供服務。但當前我國多數高校在構建就業信息服務平臺的過程中往往采取比較被動的就業指導方式，很多高校向就業服務平臺上傳了大量的就業指導課程，雖然課程種類和內容十分豐富，但無法滿足學生的個性化需求，很多學生面對復雜多樣的就業指導信息，無法進行有效篩選，不能找到適合自身職業發展和就業需求的就業指導課程，導致就業指導服務水平不高。

2? ? ?大數據背景下個性化就業信息服務的意義、目標及思路

2.1? ?大數據背景下個性化就業信息服務的內涵及建設意義

基于大數據背景開展個性化就業信息服務建設主要是指高校充分應用大數據分析技術、云計算技術以及物聯網技術等新一代信息技術對各類就業資源和就業信息進行高度收集與整合，從而幫助高校就業指導工作實現就業資源配置的效能最大化發展，并與政府職能部門和用人單位進行精準對接，提升畢業生就業服務質量。高校就業信息服務平臺建設深度融合大數據分析技術能夠充分借助大數據技術的數據分析能力和深度挖掘價值，提升就業指導工作的精準性，提升高校就業引導與崗位需求對接的匹配性，對不同專業畢業生提供個性化的差異服務，進而全面提升高校就業指導服務工作質量［3］。

2.2? ?大數據背景下個性化就業信息服務平臺的建設

目標

高校基于大數據背景開展個性化就業信息服務平臺建設主要需要實現以下目標：第一，以區域各高校就業信息服務平臺數據中心為支撐，構建以區域級別就業數據中心為主體的信息基礎架構；第二，區域各高校采用統一的平臺軟件架構管理和維護自身就業信息服務平臺數據中心網絡，實現區域就業信息資源的共享；第三，區域范圍內統一就業數據信息收集、匯總、分析與存儲標準，實現統一化的海量就業數據信息處理；第四，各高校基于統一平臺架構，依照自身學科特點和就業指導需求，開發滿足自身發展要求的就業信息服務功能，實現具備自身特色的就業指導個性化服務。

2.3? ?大數據背景下個性化就業信息服務平臺的構建

思路

大數據背景下高校個性化就業信息服務平臺模型構建需要從就業求職和崗位需求的供需兩個方向探索構建思路，滿足學生求職和企業招聘雙向需求的精準對接。在此過程中，高校需要注重就業信息服務平臺總體規劃和分步實施相結合，注重自上而下和自下而上相結合，要注重在數據標準統一的基礎上滿足個性化的服務需求，功能模塊要注重橫向集成和縱向整合相結合，同時在保障數據共享的基礎上實現信息安全的有效保障，在五個方面實現有效結合，提升高校個性化就業信息服務平臺的完善性、科學性和有效性［4］。

3? ? ?大數據背景下個性化就業信息服務平臺模型構建方案

3.1? ?大數據背景下個性化就業信息服務平臺的架構

設計

高校個性化就業信息服務平臺是實現畢業生就業網絡精準化服務的重要載體，服務平臺的各功能模塊組合需要為畢業生提供一站式、全方位的就業指導服務，因此，高校個性化就業信息服務平臺的架構設計要采用分層分類的設計思想，依照就業指導實際業務需求自上而下逐級分層地進行結構劃分，形成服務平臺層、服務策略層與數據倉庫層逐級分層結構，并通過可拓展和低耦合性的功能模塊技術設計，提升個性化平臺的服務質量，具體架構設計如圖1所示。

3.2? ?大數據背景下個性化就業信息服務平臺的邏輯

層級

高校構建個性化就業信息服務平臺模型各層級功能模塊需要基于服務平臺層、服務策略層、數據倉庫層等三個層級來完善系統的邏輯架構，突出個性化服務，在技術邏輯方面，通過數據采集、數據挖掘、數據分析以及數據處理來構建就業信息服務平臺的就業信息庫、就業指導課程庫，并對學生用戶進行興趣偏好畫像，反饋學生顯式或隱式的職業偏好或者求職意向。大數據背景下個性化就業信息服務平臺需要在系統邏輯層級完成用戶畫像、關鍵字提取分類、用戶數據相似度計算，并依照線性回歸推薦算法和協同過濾算法實現就業信息推薦，依托學生的歷史行為數據計算興趣度來推送就業指導課程，具體個性化就業信息服務平臺邏輯架構如圖2所示。

3.3? ?大數據背景下個性化就業信息服務平臺的功能

模塊

3.3.1? ?學生信息與單位信息管理模塊

學生信息管理模塊與單位信息管理模塊屬于大數據背景下個性化就業信息服務平臺系統中的服務平臺層，主要是就業信息服務平臺與學生用戶和單位平臺進行對接的功能模塊［5］。學生信息管理模塊是平臺獲取學生職業興趣、職業規劃、求職意向以及職業價值觀的重要途徑，平臺通過鏈接職業測評軟件、發布調查問卷以及簡歷制作等方式，收集和獲取相關信息，并通過學生信息管理模塊為學生提供就業信息、就業服務、就業指導和就業課程；單位信息管理模塊主要是高校個性化就業信息服務平臺與第三方招聘系統、區域人才數據庫、區域單位崗位數據庫進行對接的功能模塊，用人單位可以通過該模塊在平臺中發布招聘信息，系統會依照招聘需求和相關要求智能化推送符合條件的學生。

3.3.2? ?個性化數據挖掘模塊

個性化數據挖掘模塊屬于大數據背景下個性化就業信息服務平臺系統中的服務策略層，該模塊是高校就業信息服務平臺實現精準化服務和個性化服務的關鍵所在，主要結合大數據分析技術實現以下相關功能：第一，基于就業信息服務平臺數據倉庫層收集到的各類學生用戶信息和就業相關信息，利用大數據分析技術進行職業崗位和職業傾向評估分析，結合學生興趣偏好模型，計算用戶相似度，將相似度高的往屆畢業生實際就業信息同步推送給應屆畢業生；第二，利用大數據分析技術分析學生用戶瀏覽時長、瀏覽歷史、瀏覽類型等數據信息來挖掘學生偏好的就業信息，利用過濾算法對學生特定興趣就業信息進行定向的個性化推送；第三，大數據分析技術基于學生用戶職業測評信息分析，設計出符合學生用戶個體發展需求的就業指導課程，為學生用戶量身定制個性化的就業指導服務。

3.3.3? ?就業信息數據云平臺模塊

就業信息數據云平臺模塊屬于大數據背景下個性化就業信息服務平臺模型的數據倉庫層，云平臺模塊與硬件存儲搭配，構成了安全、穩定、傳輸高效的就業信息服務平臺數據庫。計算機硬件存儲主要負責存儲和備份高校就業指導各類數據信息，確保信息數據庫的完整性和安全性，而平臺中的云平臺模塊主要實現數據庫信息的共享、傳輸以及云端存儲，提升數據信息的使用效率，虛擬化技術構建起的云端數據庫應用Map Reduce功能能夠極大地提升平臺內就業數據的檢索、更新以及索引效率，提升數據信息管理的靈活性和效率性，有效解決平臺內海量數據信息的計算服務問題［6］。

3.3.4? ?就業信息評價反饋模塊

就業信息評價反饋模塊主用于對高校個性化就業信息服務平臺模型進行反向修正，高校、企業以及政府職能部門通過就業信息評價反饋模塊能夠實現對就業信息的實時動態化掌控，對個性化就業信息服務平臺的具體運行情況和就業引領效果進行科學的掌控，依照反饋結果不斷進行優化調整，保障個性化就業信息服務平臺模型精準度不斷提升，進而為高校畢業生提供更加精準多元的個性化就業指導服務，充分發揮大數據分析技術在數據分析和價值挖掘領域的巨大優勢，進一步提升高校就業指導工作與人才市場需求的契合度，全面提升高校就業服務質量。

主要參考文獻

［1］方長春，李蛟.大數據時代大學生就業信息服務體系構建研究［J］.情報科學，2020，38（9）：137-140，177.

［2］馬彬彬.基于工作搜尋理論的大學生就業服務體系構建［J］.黑龍江高教研究，2020，38（4）：69-72.

［3］倪前龍.基于大數據的高校就業信息服務平臺建設研究［J］.現代信息科技，2019，3（19）：143-144.

［4］李敏艷，高建波.大數據時代基于就業網絡信息服務平臺的大學生就業指導研究［J］.江西科技師范大學學報，2016

（3）：92-96．

［5］陳榮桂，夏媛，徐治然.高校大學生智慧就業創業服務體系建設研究：基于江蘇省部分高校的調研［J］.高教學刊，2019

（21）：38-40.

［6］張玉柯.大數據時代民辦高校精準就業服務體系構建［J］.智庫時代，2020（10）：296-298.

［收稿日期］2023-05-20

［基金項目］2023年度吉林省青少年發展研究計劃（jqy-114）。

［作者簡介］王珊珊（1986— ），女，吉林省吉林市人，副教授，主要研究方向：管理學。