基于大数据管理的高校毕业生就业监测预警系统研究

刁振强

（华南师范大学 党委办公室，广东 广州 510631）

一、引言

21 世纪，随着移动计算、物联网、云计算、网络社交媒体等一系列新型技术大批量涌现，互联网时代正在迅猛地发生转型，昭示着一个大规模生产创造、分享和利用数据信息的时代——“大数据时代”的来临。大数据时代的到来，引发并促进了人类工作、生活、教育等各个领域的变革，它所产生及捕获的海量数据正在对各行各业的发展产生巨大的影响［1］。那么，在当下高校毕业生人数屡创新高、就业形势十分严峻的大背景下，是否可以充分利用大数据优势特点——产生速度快、多样化、多方交互性等，构建一个高校毕业生就业监测预警系统，实现对大学生就业的实时监测，更加科学合理配置大学生资源，缓解大学生就业压力，这显然是一个值得思考与研究的问题方向。

二、大数据与大数据管理

（一）大数据定义

目前学术界尚未对“大数据”形成一个公认的统一的定论。“大数据”这一概念，最早见于维基百科“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”［1］；著名管理咨询公司麦肯锡公司在《大数据：创新、竞争和生产力的下一个前沿领域》的报告中，将其定义为“大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合”［2］。国内学者徐子沛在其著作《大数据》中将大数据定义为“大小已经超出传统意义上的尺度，一般的软件工具难以捕捉、存储、管理和分析的数据”［3］；同年李国杰院士等人则认为大数据指的是“无法在可容忍的时间内用传统IT技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合”［4］。

（二）大数据特征

关于大数据特征的阐述，学术界一般有三种观点：其一为McAfee 等在《Big date: The management revolution》中提出的“3V”特征，即规模性（Volume）、高速性（Velocity）、多样性（Variety）［5］；其二是以国际数据公司IDC 为代表的业界所认为的“4V”特征——“通过使用高效（Velocity）的采集、发现和分析，从超大容量（Volume）的多样（Variety）数据中经济地提取价值（Value）”［6］；其三则是IBM 公司在“4V”特征的基础上，提出“真实性（Veracity）”作为大数据的特征中的第5个“V”［7］。

（三）大数据管理

中国人民大学孟小峰教授将大数据管理流程分为数据抽取与集成、数据分析、数据解释三大部分［8］；郭自宽等人提出大数据新生态系统“五阶段流程”——数据的获取、存储、组织、分析和决策［9］；Hadoop作为目前最为流行的大数据处理平台，则将其大数据生态系统（Ecosystem）管理过程划分为文件系统（HDFS）、数据库（HBase、Cassandra）、数据处理（MapReduce）等功能模块［8］。文章综合上述观点，将大数据管理过程定义为包括“数据获取与集成”、“数据存储”、“数据处理”、“解释分析”及“预测与决策”五个阶段的管理系统。

三、就业监测预警系统研究现状及概念界定

（一）国内外研究现状

就业是衡量一个经济体运行好坏的重要指标，从理论层面上来看，有效的就业监测预警系统有助于学者提前了解总体经济状况，为其做进一步研究奠定坚实的基础。近年来，国内外学者从不同角度针对就业监测预警系统做了大量研究，观点如表1所示。

表1 就业监测预警系统国内外主要研究观点

国外学者对该课题的研究集中于就业监测与经济增长的领域。Martin Godfrey 研究了印度尼西亚的劳动力市场，并且根据对该市场的监测提出了改善印度尼西亚就业的相关政策。另外，Martin Godfrey 还将对印尼的讨论扩展至发展中国家劳动力市场及就业政策的探讨，对于发展中国家经济增长提出了相关建议［10］。Arjan de Haan 和Julie Koch Laier 在联合国开发计划（UNDP）的工作文件中，提出根据就业预警系统提供的数据，及时采取相关措施，解决撒哈拉以南的非洲的贫困问题［11］。

与国外研究相比，国内对就业监测预警系统的研究范围更为广泛，既有宏观层面预警机制的建立，又有针对某一特定群体或者地区就业预警系统的研究。

谢爱国、任志涛和踪程三位学者侧重于高校毕业生就业预警机制的研究，其观点有三：其一，认为大学生就业预警系统的功能包括预测、评估、警报和警情干预三个方面；其二，提出从宏观层面来看，大学生就业预警系统应由政策法规、组织机构和信息系统组成；其三，指出大学生就业预警指标可分为就业评估指标和就业形势预测指标［12］。钱强、周芸和王瑾认为高校毕业生就业预警模型具有综合性，其包括人才需求预警、人才供给预警、专业数据预警、就业趋势预警、供求数据系统和就业信息系统等多项数据［13］。刘志和徐文的研究着重于高校毕业生就业监测方面，他们系统地介绍了我国高校毕业生就业监测状况，围绕现存检测体系存在的问题：监测主体多元化、监测指标相对单一以及检测机制不健全等问题进行了深入探讨，同时还提出了构建高校毕业生就业状况监测指标体的原则，在此基础上构建出一套高校毕业生就业状况监测指标体系，并运用层次分析法和模糊综合评价法得到数值型监测结果——高校毕业生就业状况指数，用来表征高校毕业生就业状况［14］。

（二）概念界定

1.预警

所谓预警，即指为防范某种突发、不测事件的发生，通过构建能够反映被关注对象的指标，对其进行监测、监控，预测预报可能出现的警情［15］。预警从逻辑上讲应包括这样几个阶段：明确警义、寻找警源、分析警兆并预报警度。这里，明确警义是大前提，是预警研究的基础，而寻找警源，分析警兆属于对警情的因素分析及定量分析，预报警度则是预警的目的所在。

2.高校毕业生就业预警系统

大学生就业难问题在我国出现的时间较短，目前对就业预警系统的研究还处于起步阶段，相关成果较少，国内学术界尚未就高校毕业生就业预警系统达成一个权威、标准的定义。

该文将高校毕业生就业预警系统定义为，根据社会、行业对人才的需求，政府、高校和就业机构等按照预定的科学程序和技术手段，以高校毕业生就业相关影响因素为指标，对其进行监测，同时对高校整体以及各专业的就业状况和形势进行纵、横向的评估，在信息分析的基础上预报就业形势变化，并根据警戒线发布就业预警的系统。

四、基于大数据管理的高校毕业生就业监测预警系统

关于高校毕业生就业监测预警系统的构建方法及步骤，近年来，不同学者均提出了不同的意见。段虎提出建立高校毕业生就业预警机制的工作步骤：确定就业预警监测的内容、收集就业预警的相关信息、科学地分析处理有关数据及建立有效的预警发布系统［16］；曹蓉玫认为建立高校毕业就业预警机制的途径有：建立高校毕业生就业制度预警机制、就业信息预警机制及就业应急预案［17］；邹治则指出高校毕业就业预警系统的建立可划分为以下四个阶段：高校毕业就业警情确定阶段、就业影响因素分析阶段、就业监测阶段及就业预警阶段［18-19］。

笔者以谢爱国等人提出的大学生就业预警系统为基础［12］，从大数据管理的视角，对其进行相应的改良与完善，建立基于大数据管理的高校毕业生就业监测预警系统，其运作流程如图1所示。

图1 基于大数据管理的高校毕业生就业监测预警系统运作流程图

（一）系统概况

图2 基于大数据管理的高校毕业生就业监测预警系统概况图

从宏观层面来看，基于大数据管理的高校毕业生就业监测预警系统可分为外部宏观环境、内部运作流程及大数据管理系统三大部分（见图2）。第一部分外部宏观环境指的是，高校毕业生就业监测预警系统的运作受外部宏观环境因素（如政策法规、经济体制、市场行情等）的影响；第二部分内部运作流程由信息收集监测系统、信息统计分析系统、就业危机预警系统及警情处理反馈系统；第三部分大数据管理系统可概括为“数据获取与集成”、“数据存储”、“数据处理”、“解释分析”、“预测与决策”五个阶段流程。三大部分实质上形成一个有机环，彼此两两之间相互关联、相互作用。

外部宏观环境——内部运作流程。当外部宏观环境如政策法规、市场行情等发生变化时，会产生一定的刺激反应，这种刺激反应通过渠道传送给内部运作流程，内部运作流程据此对其进行环节调整、流程完善等工作；内部运作流程实施的过程中，根据流程作业生成对应的现状分析报告、预警处理方案等将通过反馈机制，传送给外部宏观环境，外部宏观环境依据报告、方案等适时地对政策法规进行修订完善、对市场运行进行干预。

大数据管理系统——内部运作流程。对于内部运作流程而言，内外部环境的不确定性所导致的预警失误无疑是其最大的风险，大数据管理的引入为减少风险提供了强有力的技术支撑，大数据管理依据其“五阶段流程”收集海量数据，对内外部环境进行及时快速有效的针对性分析，并通过数据输入将这一分析报告传送给内部运作流程以供参考；内部运作流程实施中，通过其子系统对数据获取、处理、分析的同时，也将通过大数据管理的数据输入渠道传送进大数据管理系统，并将数据存档，作为数据储备以备后期研究所需。

大数据管理系统——外部宏观环境。在外部宏观环境发生变化，将刺激传送给内部运作流程的同时，也通过大数据的数据输入渠道将刺激传送给大数据管理系统，存入数据库中；大数据管理系统，通过其内部运作流程，利用其海量数据对应地会生成数据分析报告，通过数据输出渠道将相关报告传送给外部宏观环境，以便其进行适当调控。

（二）信息收集监测系统

图3 基于大数据管理的信息收集监测系统细节图

信息收集监测系统是高校毕业生就业监测预警系统的第一步，是内部流程运作的基础，属于事前预警阶段。其功能主要是通过一定的信息收集渠道及监测技术方法，对五个系统主体与高校毕业生就业相关的因素及行为进行收集及监测：政府，如高校毕业生就业创业促进优惠政策、就业率统计等；高等院校，如招生规模、专业设置等；毕业生，如就业能力素质、就业去向等；用人单位，如劳动力需求变化、用工满意度等；就业服务机构，如就业信息传播、就业辅导等。进而将收集到的因素及行为等预警指标，存入数据库，以备下一步工作开展。

基于大数据管理的信息收集监测系统，则是在原有的模型基础上，引入大数据管理系统，利用大数据管理平台进行高速、不间断、及时、全面、多层次、多维度地收集内部系统主体及外部宏观环境的数据信息，同时对数据信息进行集成分类存储（图3）。简单而言，大数据管理系统的引入为信息收集监测系统外增了一个强大的数据获取及集成平台。

（三）信息统计分析系统

图4 基于大数据管理的信息统计分析系统细节图

信息统计分析系统由“数据库”、“参数库”、“数理模型”、“统计分析技术方法”组成，与信息收集监测系统同属于事前预警阶段。不同的是，信息收集监测系统做的是将与各系统主体有关的因素及行为进行收集，存入数据库；信息统计分析系统的功能是，以信息收集监测系统收集整理的储存于数据库中的数据为基础，结合各种数理模型对数据进行统计分析，并与相应参数的正常标准值进行比较，得出统计分析报告，并将报告传输给下一子系统——就业危机预警系统。

大数据管理系统的引入，将实现信息统计分析系统内部数理模型及统计分析技术方法与其数据处理库相结合，系统根据行业、专业特征，有选择地对存储于数据库中的数据信息进行处理及解释分析，最终整合关键信息生成有针对性的统计分析报告（图4）。

（四）就业危机预警系统

图5 基于大数据管理的就业危机预警系统细节图

就业危机预警系统属于事中监控阶段，其功能是对信息统计分析系统上传的统计分析报告进一步的加工，运用如人才需求预警、人才供给预警、供求平衡度预警、专业供求预警、就业形势预警、需求结构预警、就业满意度预警等多项预警模型作出警情判断，同时，考虑到定量形式的预警可能会出现一定的不足及漏洞，就业危机预警系统拟建立由知识及经验丰富的专家学者组成的就业预警专家委员会，融合专家学者的智慧，对不同形式的分析报告作出就业评估、就业预测及就业报警等定性意见。

由于内部外环境的不确定性，原有的系统模型受限于有限容量的数据库，在危机预警方面存在着较大的时间滞后性，预警的准确性和及时性受到制约。大数据管理系统的增设，则大大地减少预警的时间滞后性、提高预警的准确性和及时性。大数据管理系统具有强大的环境扫描能力及市场行情分析能力，能够依据其内部解释分析系统及预测系统，同时结合各种预警模型，对发生强烈变化的内外部环境做出及时反应，对环境细微变化进行有效感知，实现及时、准确地预测就业变化趋势，对就业危机做出有效预警（图5）。

（五）警情处理反馈系统

图6 基于大数据管理的警情处理反馈系统细节图

从属于事后反馈阶段的警情处理反馈系统，由就业预警专家委员会及内部系统构成。一方面，在就业危机预警系统运行的同时，就业预警专家委员会针对预测到的就业隐患提出相应的警情处理方案传送给警情处理反馈系统，让其做好预案；另一方面，根据就业危机预警系统传达出的报警信号，警情处理反馈系统通过内部系统处理、确定警源，制定警情处理方案。将由两种不同途径得出的警情处理方案，进行综合处理，并依据综合后的警情处理方案对系统主体（政府、高等院校、毕业生、用人单位、就业服务机构）的行为进行相应的调控，予以反馈处理。

在大数据管理系统的作用下，警情处理反馈系统将依据由就业危机预警系统传送过来的报警信号，借组“预测与决策”阶段系统对警情进行分层次分维度的剖析，同时根据剖析结果在大数据库中高速检索警情对应预案，最后汇总整合成一份全面细致的警情处理方案，并予以实施。另外，大数据管理系统因内部存储了海量数据，在制定警情处理方案的同时，也会将行为调整反馈报告通过数据输出渠道传送给系统主体（图6）。

五、小结

大数据时代的到来，为人类提高了多层次多维度的海量数据，以便人类可以借此促进各行各行、各个领域地更新变革。对于高校毕业生就业预警来说，大数据时代的意义在于，可以根据海量数据对就业危机做出及时预警、对不良就业行为做出纠正，最大限度地缓解严峻的就业形势。

基于大数据管理的高校毕业生就业监测预警系统，借助大数据管理的科学运作流程及强大的数据应用能力，有效解决了原有系统模型预警的滞后性及预警障碍，实现了对高校毕业生就业状况的实时监控，一定程度上有利于促进毕业生有效就业，缓解就业压力。

［1］LYNCH C.Big data：How do your data grow［J］.Nature，2008，455（7209）：28-29.

［2］维克托·迈尔-舍恩伯格，肯尼斯·库克耶.大数据时代［M］.杭州：浙江人民出版社，2013：46.

［3］徐子沛.大数据［M］.桂林：广西师范大学出版社，2012：57.

［4］李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考［J］.中国科学院院刊，2012，27（6）：647-657.

［5］MCAFEE A，BRYN.Jolfsson E.Big data：The management revolution［J］.Boston：Harvard Business Review，2012（October）：3-9.

［6］JOHN Gantz，DAVID Reinsel.Extracting Value from Chaos［J］.IDC iView，Sponsored by EMC，June 2011.

［7］涂新莉，刘波，林伟伟.大数据研究综述［J］.计算机应用研究ISTIC PKU，2014，31（6）：1612-1623.

［8］孟小峰，慈祥.大数据管理：概念、技术与挑战［J］.计算机研究与发展，2013，50（1）：146-169.

［9］郭自宽，张兴旺，麦范金.大数据生态系统在图书馆中的应用［J］.图书情报资料，2013（2）：23-28.

［10］MARTIN Godfrey.Labor Market Monitoring and Employment Policy in a Developing Economy：a Study of Indonesia［R］.Geneva，New Delhi，ILO，1993.

［11］ARJAN DE Haan A.；JULIE Koch- later，J.Employment and poverty monitoring.Issues in Development Discussion Paper 19［R］.Development Policies Department，International Labour Office（Geneva，ILO，1997）.

［12］谢爱国，任志涛，踪程.大学生就业预警系统及其指标体系研究［J］.现代教育管理，2009（2）：111-113.

［13］钱强，周芸，王瑾.高校毕业生就业预警模型研究［J］.现代教育管理，2009（3）：113-115.

［14］刘志，徐文.中国高校毕业生就业状况监测研究的最新进展［J］.社会科学战线，2011（3）：257-259.

［15］王波，梁纪尧.我国居民收入分配差距监测及预警分析［J］.工业技术经济，2008（3）：126-130.

［16］段虎.高校毕业生就业预警机制问题初探［J］.中国成人教育，2008（7）：24-25.

［17］曹蓉玫.论高校毕业生就业预警机制的建立［J］.教育学术月刊，2008（9）：47-49.

［18］邹治，陈万明.关于构建高校毕业生就业预警系统理论模型的探讨［J］.高教探索，2010（2）：117-122.

［19］邹治.高校毕业生失业预警系统研究［D］.南京：南京航空航天大学，2012.