大数据背景下应用型本科高校就业问题及应对策略研究

高 政，徐 妲

(吉林工程技术师范学院，吉林 长春 130052)

一、引言

教育部在《关于做好 2019 届全国普通高等学校毕业生就业创业工作的通知》中明确指出：“促进高校毕业生就业创业，既是民生，也是国计，事关广大群众切身利益，事关社会和谐稳定，事关社会主义现代化建设，事关高等教育健康发展。”[1]2021年，我国高校应届毕业生人数达到909万人，相比去年增长35万人，加之有往届未就业毕业生竞争，以及受疫情等因素影响，就业市场十分不稳定，就业形势越发复杂和严峻。而且毕业生的就业方向逐渐追求个性化，企业需求也趋于多样化，人才与社会需求发展无法完全匹配，精准就业服务日益成为高校就业工作的重点。[2]

随着云计算、移动通信、物联网以及存储技术等发展，互联网上的信息呈爆炸式增长，推动了大数据技术的产生和发展。大数据具有Volume(大量)、Velocity(高速)、Variety(多样性)、Value(低价值密度)、Veracity(真实性)的5V特性，其改变了传统静止、陈旧的数据应用理念。人们逐渐发现蕴含在动态海量数据中的巨大价值，大数据在科技、商业、社会管理、医疗等领域已经产生了重大的影响。面对当前高校毕业生就业的种种挑战，探索以大数据为基础的创新创业工作模式，是高校就业指导工作实现精准就业服务，提高工作效率的一种新型思维模式。

二、 应用型本科高校就业问题分析

应用型本科高校是高校转型发展的热点方向，2014年，国务院出台《关于加快发展现代职业教育的决定》，提出引导一批普通本科高校向应用技术类型高校转型，重点举办本科职业教育；[3]2016年政府工作报告中明确提出“推动具备条件的普通本科高校向应用型转变”。[4]应用型本科高校的转型发展是“高等教育供给侧结构性改革”，与学术型大学不同，应用型本科高校更强调“应用”，要求各专业要对接、服务、引领地方产业发展和升级，紧密结合地方经济发展特色，着重培养学生实践能力，培养高层次应用型人才[5]。

毕业生就业是一项系统性的工作，由学生个人因素、学校的教学和就业服务、社会需求和国家政策多个方面来共同发挥作用。找到就业问题的关键可控性因素对实现高质量就业服务至关重要。

(一)学生个人因素

1. 自身定位不清晰，就业比较盲目。有相当一部分学生临近毕业时仍对自身的能力定位不是很清晰，没有明确的就业目标，不清楚自己的能力是否能够匹配就业岗位需求，或者盲目自信、屡屡受挫，或者妄自菲薄、不敢尝试。所谓“知己知彼，百战不殆”，但是很多毕业学生既不知己，也不知彼，且进行工作筛选时主观性太强，对自身能力和岗位要求整体分析不够，导致很难找到理想的工作。[6][7]

2. 实战经验不足，很难匹配岗位要求。大学四年的成绩单并不代表实际工作的能力，很多毕业生尚未对专业实习给予足够的重视，参与社会实践较少，导致其工作经验不足，应变能力较差，应聘工作优势并不明显。进入工作岗位之后，理想与现实存在很大差距，学生的综合素质、学习能力和抗压能力等体现了其对工作的适应能力，工作一年之内是新毕业生工作非常关键的时期。

3. 就业意识不强，缺乏明确规划。目前，很多学生毕业之后就业意识很差，也缺乏明确的职业规划，不急于找工作，而是以继续考研、考公务员、考事业编、工作不理想等为理由“缓就业”“慢就业”，甚至出现“不就业”“闪辞”现象，[8][9]这些现象逐年增加，这就对高校就业服务提出更高挑战。学生对教育政策了解不足，也影响了学生的就业动机和就业质量。

(二) 学校就业工作方面

1. 精准就业指导不足。就业指导工作部门对学生就业做了大量的工作，包括组织招聘会、发布招聘信息、解读就业政策、就业指导教学、申请就业补贴、就业派遣等，但是这些就业服务工作属于“广播式”服务，受众是学生群体。每一位学生的学习情况、专业能力、家庭因素和就业意愿等都是影响其就业质量的关键因素，当前就业指导工作部门的工作模式很难实现针对每一位学生的就业精准服务。

2. 就业资源应用不充分。就业资源包括就业信息、就业政策、就业课程、就业咨询、校友信息等，而以往的就业数据、优质就业学生的成长经历、就业岗位能力分析等需要挖掘和分析的数据利用得还不够。以往的就业数据中蕴含着未来就业方向、就业动态等信息，为就业服务提供大量可参考的数据；优质就业学生的成长经历能够起到榜样作用，能够方便学生更好地进行对比，准确定位自身的优势与不足；就业岗位能力分析能够最大限度地与人才培养课程相关，解决学生培养与岗位要求不对应的问题。

3. 就业服务部门与培养部门沟通不够紧密，形成服务“孤岛”。就业工作是人才培养的出口和结果，它不是临近大四毕业才开始的，而是从入学就开始的。建立学生档案，进行就业意识培养和就业能力教育，以毕业就业目标为导向进行培养和教育，加强学生理论与实践的培养，根据社会需求，动态调整人才培养方案和教学内容，就业工作应贯穿于人才培养的全过程。就业问题没有第一时间反馈给人才培养单位，导致教学内容更新不够及时，所以各人才培养单位、教务处、学生工作处等部门的教育教学工作应该与就业服务联动起来，共同为学生服务。

4. 难以跟踪动态的企业需求变化。对于应用型本科高校，要时刻面向社会需求培养人才，企业需求的产生往往是动态变化的，那么就需要就业服务平台实时跟踪并更新就业信息，把最新的、最符合学校特征的就业信息收录进来，并发布到就业服务平台当中，利用传统的查找、获取、编辑、更新的方式，将产生巨大的工作量。

(三)学校教学工作方面

1. 岗位需求与学校教育结合不够紧密。高校人才培养往往只顾低头做事、不抬头看路。当前社会科技发展非常迅猛，随着互联网时代的深入发展，传统工作岗位都面临着巨大的变革，有些工作岗位面临取消的风险，也有一些新兴工作岗位缺少相应的人才，一些重要岗位面临着转型问题。很多大学教师并未有过真正的企业工作实践，对社会需求理解并不深入透彻，尤其是应用型本科高校，更要强调教师的企业工作经历，积极培养双师型教师。学校教学工作要积极应对社会需求，实时更新课程内容，要积极对标毕业要求，将最新的理论和技术传授给学生，提高学生专业自信和就业实力。

2. 毕业后教学服务不足。学生毕业走入社会是学生培养的真正起点，而不是终点。由于人才培养方案是会定期更新的，那么新的课程内容也应分享给往届毕业生，可以将最新优质课程上网，对往届毕业生开放，让他们也能继续接受到学校教育，感受到学校的支持和关怀。

三、应用型本科高校毕业生精准就业解决方案

(一)大数据技术为就业工作带来创新思路

大数据技术的产生是数字化、信息化技术发展的必然，尤其是5G通信技术、物联网技术的逐渐成熟，使得万物都可以产生数据，再一次引发了数据的大爆炸，大规模生产、分享和应用数据的时代正在开启。大数据分析得出的关联关系往往让人意外，比如经典的“啤酒—纸尿裤”关系，研究它们之间为什么会有这样的关系，似乎远不如直接应用在商业中产生的价值大，人们不必追求严格的、推演的因果关系，探索数据之间的相关性更能带来直接的效益。

数据不再是静止和陈旧的，以前数据收集完毕之后用处就不大了，比如说飞机降落之后，票价数据就没有用了。[10]对于教务系统来讲，学生毕业之后，学生的学习成绩对于学校来讲并没有明显的实际应用价值了，其实不然，高质量就业学生的学习历史和学习成就可以为以后成长经历相似的学弟或者学妹提供可参考的职业发展路径，为他们提供更为有参考价值的职位匹配、推荐和学习提示。

大数据已经上升到了国家战略层面。2015 年，国务院印发了《促进大数据发展行动纲要》；2016年，《中华人民共和国国民经济和社会发展第十三个五年规划纲要》中明确提出，“实施国家大数据战略”。这些增强了大数据分析在高校就业服务应用中的必要性、紧迫性和技术可行性。

(二)高校毕业生精准就业解决方案

针对高校毕业生就业的问题，基于大数据技术构建一个完善的精准就业服务系统是非常必要的。

1. 打通各部门数据，建立学生数字化档案库。将学生的学业信息与就业信息打通，建立学生数字化档案库。数字化档案库分为两大部分数据，首先是在校期间数据，具体包括所修课程，学习成绩，学习状态，所获奖励，学习作品，参加活动等信息；其次是毕业后就业数据，具体包括就业城市、工作单位、具体岗位、工作变动记录等信息。

2. 拆解岗位需求，建立课程与能力关系矩阵。将工作岗位需求进行分解，转换为知识和能力的组合，形成能力需求点集合，同时重构人才培养方案，将课程培养内容与能力需求点进行匹配，形成课程与能力对应矩阵，提升人才培养的准确性。通过学生学业完成情况进行达成度分析，构建个人能力矩阵，判断学生能力与岗位需求的匹配程度。通过与学生数字化档案库结合，全程记录学业数据，实现学习预警，学习弱点评估，学习差距计算，动态推荐岗位，动态推荐学习资源等功能，帮助学生发现自己的优长，建立专业自信；发现自身的不足，及时调整学习状态。

3. 进行人才关联分析，发挥人才榜样力量。在学生培养过程中，同龄人的“同频共振”非常重要，以往优秀毕业生的经历对学生的影响最为直接有效。首先他们的学习背景相同，学习课程相近，学习资源相通，所以他们取得的成果最容易观察和效仿，进而超越。通过大数据技术分析以往毕业生的成长经历，并与在校生进行能力对比，有助于在校生建立榜样目标，激发学习和就业动力。同时建立优质校友资源库，让他们分享自己的学习、成长经历，对在校生进行直观的榜样教育。

4. 打造学校信息罗盘，做好就业精准服务。在众多的数据支持下，可以实现多维的数据统计与分析，通过数据可视化技术对上至学校整体就业情况，下至个别学生就业现状进行直观呈现，生成学校就业信息罗盘，方便就业服务人员盘点学生就业情况，掌握各专业人才的社会接受程度以及优势专业和劣势专业发展情况，提前进行人才预警，精准掌握本校学生能力与就业岗位需求匹配程度，进行个性化就业信息推荐和咨询，从而实现精准就业服务。

5. 加强毕业后教育，完善育人体系。建设线上课程，完善育人体系，形成毕业生“补课”机制。根据人才培养方案的变更，完善和更新线上课程内容，为校内、校外学生同时提供课程服务，让学生毕业之后仍然能够到学校的网站上继续进行学习充电，跟上社会发展的步伐。通过大数据计算学生学习和咨询需求，实时推送学习资源和咨询信息，更好地为毕业生服务，从而加大毕业生的系统应用粘度，以便于实时跟踪毕业生动态，实现数据服务双赢目的。

(三)大数据应用时需要注意的问题

1. 信息安全问题。信息安全是大数据系统的首要问题。第一，保证信息不外漏，不被非法访问；第二，设置信息权限，不同角色用户暴露信息要有一定限制，否则会对用户产生不必要的危害；第三，做好系统数据备份，防止数据损坏和丢失，造成数据财产的破坏；第四，做好数据检查，对系统中的“脏”数据进行分析和过滤，以免影响运行结果。

2. 信息更新问题。就业服务系统的价值在于数据的“新鲜度”，要注意维护数据，避免过期的招聘信息、不完整的用户信息、失效的政策文件等影响系统的稳定应用，要通过人工录入、数据转接更新、网络爬虫等多种形式定期更新数据，保证系统中数据是最新的、正确的。

3. 数据整合问题。在已有的教学系统、就业系统、学生管理系统等平台的基础上进行大数据平台建设时，面临最大的问题就是已有数据的应用和收集。现有系统的数据结构不同，数据整合比较困难，包括数据字典的重新定义和转录、重复数据的分歧处理、空白关键数据的填充和处理等问题，在设计和实施时要尤其注意，为后期数据分析和应用做好数据基础。

四、结语

大数据时代已经到来，传统的思维模式逐渐在改变，而真正的革命在于大数据如何为我们所用。面对应用型高校毕业生就业的难题，我们要以开放的心态、创新的勇气拥抱“大数据时代”，创新工作思路，更好地为学生服务、为社会服务。