长沙市高职院校毕业生就业大数据统计分析

臧芳+曹杨

摘要：本文通过收集长沙市毕业生就业信息网提供的就业信息和长沙范围内高职院校毕业生信息，进行缜密严谨的数据清洗，然后进行大数据应用分析，从中分析得出影响高职毕业生就业的因素。长沙市高职院校毕业生大数据分析在对预测就业趋势、提升就业工作质量等方面具有创新的应用价值，为提升毕业生就业工作服务水平和用人单位提供理论借鉴与现实指导。

Abstract： This paper summarizes the employment information provided by Changsha City Graduate Employment Information Network and the information of vocational college graduates in Changsha， carries on careful and rigorous data cleaning， and then analyzes the application of big data， and obtains the factors affecting the higher vocational graduates employment. The analysis of big data of graduates of vocational colleges in Changsha is of innovative application value in predicting the employment trend and improving the quality of employment， so as to provide theoretical reference and practical guidance for improving the employment service level of the graduates and the employing units.

关键词：高职毕业生；就业；大数据；清洗；分析

Key words： vocational college graduates；employment；big data；cleaning；analysis

中图分类号：G647 文献标识码：A 文章编号：1006-4311（2017）33-0202-02

1 研究背景

近些年来，高校毕业生就业形势愈来愈严峻。每年递增的毕业生人数加上往年没有就业的毕业生人数使得就业工作压力有增无减。据统计，2013年高校毕业生总数达699万人。2014年，全国高校毕业生规模达727万人。2016年我国高校毕业生达765万，相比2015年增加16万。而掌握毕业生各方面数据、明确就业市场动态，是解决大学生就业工作压力的首要问题。《2006-2020年国家信息化发展战略》指出，要“建设多层次、多功能的就业信息服务体系，加强就业信息统计、分析和发布工作，改善技能培训、就业指导和政策咨询服务”[3]。在大数据应用发展的时代，借助于大数据应用强大的功能辅助提升就业工作的工效与服务质量，是本文重点讨论的问题。

2 采集清洗数据

收集长沙市范围内高职院校相关毕业生信息，同时整合这类信息作为大数据分析的基础是大数据分析首要攻克的问题。这些海量信息一方面指即将毕业学生的基本信息（包括主修专业、学习成绩、兴趣爱好、培训经历、就业意向等，尽可能全面）；另一方面指已毕业学生的信息（包含个人情况、就业岗位、岗位性质、岗位素质要求、发展前景等）。数据的来源主要从学校就业指导中心通过历年就业协议书获得；其次可以从学校有关部门获得学生个人信息、成绩情况、在校表现、性格特点、奖惩记录等信息；还可以借助微信、QQ空间等网络资源从侧面获得学生大量的动态信息。

海量数据收集之后接踵而来的是增强数据的准确性，数据清洗就是实现这一目标的关键。数据清洗约占整个大数据分析时间的50%-80%。该步骤是为了识别并删除“噪声”数据即有损坏或信息不全的数据；其次，完善学生情况、招聘企业信息；第三，补充完整元数据库的构建，存储将来可能用到的所有信息，如应聘单位评分、学生就业意向、求职进展情况、学习状况、家庭经济状况、往届招录情况、毕业生离职率等[4]。数据清洗之后将结果提交给下一环节。

3 建立模型

获取清洗后的数据接着就是建立分析模型、构造数据算法，然后进行数据分析。原型系统设计和测试初期以长沙市范围内几所高职院校的电子信息类学生为例，“全样”采集电子信息类在校学生和毕业两年内学生的基本信息，收集学生的个性信息及相关网络数据，整理历年来电子信息类用人单位信息，进行大数据分析实测。

4 数据分析与预测

以“样本=总体”的大数据分析思维为出发点，从校园招聘情况分析、毕业生就业流向分析、毕业生求职影响因素等方面进行就业相关数据分析。为描述方便，图1以长沙高职院校2014-2016届毕业生相关数据为例进行分析说明。

图1表明，招聘需求最大的是每年的10月至11月，并且每年的3月份也是一个招聘需求的小高潮，所以在每年的这几个月份学生应做好充分的就业前准备工作，从容应对招聘。各个学校应积极组织各种类型招聘会，为学生和招聘企业创造良好的条件。不仅可以联系长沙、湖南省内的企业还应积极吸引其他省市单位来校招聘，扩大学生的择业范围。在招聘需求相对不大的月份应安排学生就业意向摸底调查、求职技巧培训等相关就业研究工作。

研究毕业生的流向问题，有助于高职院校科学地掌握社会市场需求，为以市场需求为导向的高职院校提供明确的招生决策，同时也为高职院校的教学改革提供有效的参考。这也符合国发〔2014〕19号文《国务院关于加快发展现代职业教育的决定》的精神中“专业设置要与市场需求对接”的要求。各院校可以依据毕业生去向的分布数据指导本院的就業相关工作，做好专业设置与市场对接工作。endprint

通过整理分析得到，长沙市2016年高职毕业生较往年有所下降，但继续升学或自主创业的人数依然呈上升趋势。图2说明高职学生慢慢在提升对于学历的要求，这样更能适应社会对人才技能+学历的双需求。自主创业人数也在逐步增加，特别是留在长沙创业的人数在逐年增加，从某个方面来讲，学生敢于拼搏、勇于创业的精神也有所提升，这对于整个社会来讲应该是一个良好的示范。高职毕业生流向分布，如果将各院校专业一并加以研究，就能得出每个专业毕业生的市场需求和毕业生的流向，这样有益于优化教学资源以及与就业相关的资源配置。

4.1 分析基本情况与主要特点

从大数据应用分析来看，女性就业落实率高于男性。男性落实率为80.3%，女性为85.8%。学校性质不同起薪也存在差异，公办高职院校约为2800元，民办高职约为2500元；就业地区之间存在差异，京津沪约为3500元，东部地区约为3200元，湖南省内约为2400元。因行业的不同平均起薪工资也有差异，按照由高到低分别为：信息处理、计算机软件业，接着是金融业，然后是技术服务、水利环境公共设施管理，再次是制造业。最后是建筑业、交通运输、仓储和邮政、批发零售。从就业满意度来看，对应聘岗位非常满意的约占26%，满意度一般的约占18%，约2%的感到不满意，还有约0.5%的非常不满意，超过半数的毕业生对应聘岗位感到适应与愉悦。

4.2 影响因素

通过对长沙市范围内的高职院校毕业生的大数据统计，就业受诸多因素的影响，工作能力为首要影响因素（一般情况下学习能力强的工作能力也随之较强），其次是实习经历（以职业生涯为目标，有效规划大学生活），再次是发现自己的兴趣爱好，还有一个比较重要的因素是了解求职岗位的要求及特点，热门专业、学习成绩、老师推荐和家人朋友的帮助也有一定的关系。所以，工作能力的强弱、实习经历、个人的兴趣爱好是影响就业最为重要的因素。学校是否为公办或民办、专业是否热门等因素不是特别重要。

4.3 预测

通过大数据应用提供的数据表明，未来几年，人力资源管理、园林技术、护理、软件技术等专业依然受到就业市场强烈的需求。各高职院校应紧密围绕《国务院关于加快发展现代职业教育的决定》中五个对接要求：专业设置要与市场需求对接，课程内容要与职业标准对接，教学过程要与生产过程对接，毕业证书要与职业资格证书对接，职业教育要与终身学习对接。根据就业市场的实际情况完善人才培养模式。拓展工作思路，创新高职学生就业指导方法。依托教育引领，指导毕业生明确职业发展方向。学生应积极参加实践，提升综合能力。

5 结论

大数据分析的应用是大数据时代计算机技术与统计分析相结合的产物，但目前尚处于应用雏形阶段，特别是应用于大学生个性化就业指导方面还只是初探。下一步继续多渠道的进行毕业生就业数据的采集，重点改进分析模型和分析算法，最终预测学生就业行为趋势，实现大学生的个性化服务就业指导服务。逐步建立一套系统而动态的有效管理机制，随时根据长沙市高职学生和外界的變化，对数据系统进行合理调整。进而从该机制中获取大数据分析应用的全面准确的信息，使之成为高职院校与就业领域桥梁与纽带。

参考文献：

[1]刘全，张勇，朱允宽.基于大数据的我国人才市场对高校毕业生的需求分析[J].中国统计，2016（8）：20-21.

[2]周晓燕，尹亚丽.基于国内市场需求的大数据管理人才知识结构分析[J].情报科学，2017，35（1）：29-34.

[3]明承瀚，党瑞红.大数据理念在高校就业工作中的应用[J].中国大学生就业，2014，10（20）.endprint