大数据技术在高校就业指导工作中的应用研究

王德正　张 平　李 军　汪采萍　杨　刚

大数据技术在高校就业指导工作中的应用研究

王德正张 平李 军汪采萍杨刚

（安徽职业技术学院信息工程学院，安徽 合肥 230011）

随着大数据时代到来，大数据技术越来越广泛和深入应用到各行各业诸多领域，高校毕业生就业指导工作也将面临新的挑战和机遇。文章分析了当前高校就业工作中存在困难和问题，论述利用大数据技术创新就业指导工作，对完善就业服务体系，提高就业服务质量和效果，促进毕业生积极就业，具有十分重要的意义。

大数据；就业指导；精准；个性化

引言

高校毕业生就业是就业工作的重中之重。受新冠疫情冲击和经济增速放缓等因素影响，目前毕业生面临的就业形势严峻复杂，就业工作任务十分艰巨。随着互联网、云计算、大数据技术发展，企业用人单位招聘信息发布及招聘方式发生了深刻的变化，通过互联网进行线上发布信息和线上招聘成为企业用人单位进行招聘的常态。如何利用大数据技术从海量招聘信息中筛选、分类、统计、推送适合毕业生各自需求招聘信息，根据不同招聘需求对毕业生进行个性化就业指导，对创新高校就业指导工作，有十分重要的意义。本文阐述了大数据的概念、特征、技术架构和关键技术，结合高校就业工作，研究和探索大数据技术在就业指导工作中的重要作用及其应用，探讨在大数据背景下，就业工作面临的挑战。

1 大数据概念

2011年5月，全球知名咨询公司麦肯锡（Mckinsey and Company）发布了《大数据：创新、竞争和生产力的下一个前沿领域》的报告，标志着大数据时代的到来。互联网特别是移动互联网、物联网、云计算以及移动智能终端的快速发展，所以当前数据增长的速度比以往任何时候都要快。数据更新速度越来越快，数据规模变得越来越大，内容越来越复杂，数据特征的演化和发展催生出了一个新的概念——大数据[1]。

1.1 大数据定义

何谓大数据，目前业界还没有一个较为公认的说法，大数据是一个抽象的概念，至今尚未有一个确切、统一的定义。比较典型的说法有以下几种。

IDC 对大数据的定义为：大数据一般会涉及两种或两种以上数据形式，收集超过 100 TB 的数据，并且是高速、实时数据流，或者是从小数据开始，但数据量每年会增长60% 以上。

研究机构Gartner认为：大数据是指需要借助新的处理模式才能够拥有更强的决策力、发现力、洞察力和流程优化能力的具有海量、多样化和高增长率等特点的信息资产。

维基百科的定义为：大数据指的是所需处理的信息量规模十分巨大，无法在合理时间内，通过目前主流软件工具进行选取、管理、处理并整理，使之成为帮助企业实现经营决策目的的资讯信息。

1.2 大数据的重要特征

以IDC为代表的业界认为大数据具备4 V特征：数据规模大、数据种类多、处理速度快、数据价值密度低[2]。

1.2.1 数据规模大（Volume）

数据规模大是大数据的基本属性。随着互联网技术的深入应用，互联网用户急剧增多，产生大量数据，大数据已经从TB级别跃升到PB级别。

1.2.2 数据种类多（Variety）

随着互联网技术应用深入，各种社交媒体、智能手机、移动端、传感器、呼叫中心等产生大量数据，数据类型不仅包括结构化的传统关系型数据，还包括未加工的、半结构化和非结构化信息，数据种类十分繁杂，难以处理。

1.2.3 数据处理速度快（Velocity）

数据产生数量和更新频率是衡量大数据的一个重要特征，也是衡量数据处理难度的重要指标，数据量每天都在迅猛地增长和不断地更新，这就要求对数据的处理速度必须快速。

1.2.4 数据价值密度低（Value）

数据量虽然在以几何级数迅猛地增长，但是获取隐藏在这些海量数据背后有价值的信息难度越来越大。换而言之，数据的价值密度随数据量迅猛增大反而降低，对大量数据分析将更加复杂和困难，有价值信息挖掘难度越来越大。

1.3 大数据平台技术架构

近几年来，随着大数据技术的发展和行业、企业积累的数据增多，如何利用大数据技术构建行业、企业大数据平台，以充分体现大数据的价值，成为各行各业一直在不断探索和追求的目标。大数据平台技术体系架构主要由数据源层、数据采集层、数据处理层、数据存储层、计算层、服务层、接口层和展示层组成[3]。

数据源层的数据主要由互联网、物联网产生，数据量大、数据类型复杂，包括产生的各种类型的结构化、半结构化和无结构化的海量数据。

数据采集层的主要目标是从数据源收集数量巨大、来源分散、格式多样的数据到大数据平台。

数据处理层主要通过ETL工具完成对数据抽取、转换、加载等操作，将采集的数据转化为简单或易于处理的结构，达到快速分析和处理的目的。

数据存储层是大数据平台各类数据持久化的存储中心。存储管理关键在于扩展性，既要满足容量上的扩展，按需扩展存储空间，又要能够满足数据格式扩展，满足各种类型数据管理需求。

计算层一般包括批处理、交互式处理、流式实时处理等计算引擎，对数据进行加工、整理、分析和探索，能够更加高效地实现复杂的数据处理逻辑，允许用户充分利用内存进行快速的数据挖掘和分析。

数据服务层是大数据对外共享发布通道。目前应用最多的是以服务接口的形式对外提供，或者以消息订阅推送的方式对外提供。

接口层是针对不同类型的数据，有针对性地开发接口，进行数据的缓冲、预处理等操作，按照互联网技术协议（http/websoket）和数据协议（XML/JSON）在服务层与展示层之间进行数据传输和数据交互。

数据展示层是通过可视化技术提供更为清晰和直观的数据表现形式，以简单、易用、友好的智能化、图形化方式提供给用户进行分析、推理和决策。

1.4 大数据的关键技术

大数据作为信息互联网时代海量数据资源，通过对其采集、处理、存储、传输和应用的相关技术就是大数据技术。大数据的关键技术一般包括大数据采集、处理、存储、分析与挖掘、展示与可视化[4-7]。

1.4.1 大数据采集

有社交媒体上的言论质疑称，曾先生此时试图强行“赖”在旅店，引发冲突并招来了警察。据曾先生介绍，他向酒店工作人员解释称，正在查找附近的酒店，并向酒店提出多种方案：是否可以呆到天亮、在吧台购买一些食物以换取多待一会、用2日的预订来换在大堂呆几个小时，或者允许待到2日下午登记入住。曾先生还向工作人员表示，两位老人身体不好，请考虑一下他们的情况。

大数据来源种类多样，数据类型复杂，大数据采集一般分为大数据智能感知层和基础支撑层。大数据智能感知层主要包括数据传感、智能识别、网络通信等软硬件接入系统，实现对海量数据识别、感知、接入、传输和处理。基础支撑层提供大数据平台基础支撑环境，包括数据组织、存储、分析、传输、压缩、隐私保护等技术。

1.4.2 大数据处理

通常采用 ETL 工具抽取数据，然后进行清洗、转换、集成、加载等操作，将多样、复杂的数据转化为单一或者便于处理的结构，成为联机分析处理（OLAP）、数据挖掘的基础，达到快速分析和处理目的。

1.4.3 大数据存储

大数据对数据存储管理技术来说是一个巨大挑战，一方面要面对数据不断增长，需要不断扩展存储容量的挑战；另一方面还要面对结构化、半结构化、非结构化数据组织和管理挑战；另外，数据实时性、高效性、高可靠性访问技术也是数据存储和管理要面对的关键问题。

1.4.4 大数据分析与挖掘

1.4.5 大数据展示与可视化

大数据可视化技术能够迅速、有效地简化和提炼数据流，帮助用户交互地筛选大量的数据，有助于用户更快、更好地从复杂数据中得到新的发现，以简单、直观、友好、易用的方式表达出来，向用户展示结果。

2 大数据技术在就业工作中的应用

近几年来，高校毕业生人数节节攀升，受经济运行下行压力和行业结构调整影响，高校毕业生就业形势仍然不乐观，就业形势异常严峻。如何利用大数据技术，有针对性地了解和掌握毕业生的就业需求和市场实际需求，创新就业工作，精准、个性化对毕业生进行就业指导和帮扶，提高就业服务质量和效果，是高校开展就业指导工作的重点和难点。

2.1 大数据技术在就业市场中的应用

学校就业职能部门全方位、多渠道拓宽就业途径，积极开拓有效就业市场对就业工作意义重大。大数据改变了传统电话、邮件、信函等就业招聘工作联络方式，通过信息技术平台，用人单位直接在网上注册，上传单位资质和招聘资料，根据校方提供场地，灵活选择和安排宣讲、招聘日程，为用人单位宣讲、招聘提供极大的便利。就业职能部门根据学校毕业生专业需求，对用人单位资质进行审核，决定同意或婉拒用人单位参与就业市场请求，在最大程度上减少就业工作人员审核用人单位资质、招聘岗位信息工作量，提供工作效率及反馈的实效性[8]。学校智慧就业平台招聘企业管理页面如图1所示。

图1 招聘企业管理界面

运用大数据技术，可以准确反映企业需求状况，科学地把握市场供求趋势，帮助毕业生了解和把握本专业就业情况和就业趋势，引导毕业生积极主动就业。通过大数据对2021年春季校园招聘会投递数据进行分析，数据显示如图2所示，从中可以准确掌握毕业生对行业、企业、职位、薪资待遇等倾向度。

图2 招聘会投递数据分析

2.2 大数据技术在就业指导和帮扶中的应用

学校就业管理部门通过就业信息技术平台收集毕业生专业、特长、岗位、薪资、工作地域等各类信息，制作基础数据表。通过网络发放和收集就业问卷调查，及时了解和掌握毕业生就业意愿和就业状况，作为就业指导和帮扶基本依据。

根据毕业生求职意向和用人单位人才需求，有针对性对毕业生进行就业指导。通过大数据技术，将用人单位岗位需求、职位要求、薪资待遇、地域等信息与毕业生求职意向、专业特长、职业能力证书等信息进行精确匹配，实现对招聘信息精准推送，一方面大大减少毕业生求职的盲目性，减轻因求职带来经济负担，提高毕业生应聘成功率；与此同时，用人单位也在最短时间内招聘到中意的毕业生，极大程度上降低了审核毕业生应聘材料的工作量，提高招聘工作效率，减轻单位招聘开销。

2.3 大数据技术在提高就业质量中的应用

高校毕业生就业质量是高等学校教育教学和人才培养质量的重要反映。利用大数据对就业质量进行全方位、多视角的反馈，为进一步提升就业质量找到努力方向，为学校调整专业布局、制定发展规划、改革教育教学、优化招生政策和措施等提供了重要的参考依据，有效推进高校更好地完成服务社会的历史使命。

3 大数据在就业工作中面临的挑战

大数据对就业工作具有巨大的潜在价值，但由于数据量十分巨大，数据结构类型极其复杂多样，数据收集、整理、清洗、存储、分析和挖掘、展示涉及的问题远非传统方法所能处理。

大数据对存储、计算、传输等都提出严苛要求，传统数据中心很难实现大数据提出的技术要求，大数据平台建设较为困难，对技术架构带来较大挑战。

目前，高校就业信息化水平还不够高，就业管理及相关服务机构严重缺乏大数据技术相关人才，学习和掌握大数据相关技术和工具还需要时间和过程。

大数据在收集、存储、传输和使用过程中面临巨大风险与威胁，数据泄露、数据窃取、数据安全及隐私保护等问题亟待解决[9,10]。

4 结束语

大数据已经深入应用到各个领域，逐渐成为行业共识，大数据中的潜在价值已经引起了产业界和学术界的高度关注，大数据成为一种宝贵战略资源。大数据时代的到来，给高校就业指导工作带来了新的机遇和挑战，利用大数据技术对创新高校就业指导工作，完善就业服务体系，提高就业和服务质量，引导和促进毕业生更加积极地就业，具有十分重要的意义。

[1]深圳国泰安教育技术股份有限公司大数据事业部群，中科院深圳先进技术研究院-国泰安金融大数据研究中心.大数据导论：关键技术与行业应用最佳实践[M]. 北京: 清华大学出版社，2015.

[2]王强，李俊杰，陈小军，等. 大数据分析平台建设与应用综述[J]. 集成技术，2016，3(5): 3-18.

[3]黄哲学，陈小军，李俊杰，等. 面向服务的大数据分析平台解决方案[J]. 科技促进发展，2014，10(1): 52-59.

[4]方巍，郑玉，徐江，等. 大数据: 概念、技术及应用研究综述[J]. 南京信息工程大学学报(自然科学版)﹐2014，6(5): 405-419.

[5]冯登国，张敏，李昊. 大数据安全与隐私保护[J]. 计算机学报，2014，37(1) : 246-258.

[6]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.

[7]李国杰. 大数据研究的科学价值[J]. 中国计算机学会通讯，2012，8(9): 8-15.

[8]尚光龙，张泽锋. 大数据技术在信息管理中的应用研究—以高校就业工作为例[J]. 河北北方学院学报(自然科学版)，2016，5: 30-34.

[9]宫夏屹，李伯虎，柴旭东，等. 大数据平台技术综述[J]. 系统仿真学报，2014，26(3): 489-496.

[10] 王珊，王会举，覃雄派，等. 架构大数据: 挑战、现状和展望[J]. 计算机学报，2011，34(10): 1741-1752.

Research on the Application of Big Data Technology in Employment Guidance in Colleges and Universities

With the advent of the era of big data, big data technology is more and more widely and deeply applied to many fields of all walks of life, and the employment guidance for college graduates will also face new challenges and opportunities. This paper analyzes the difficulties and problems existing in the current employment of colleges and universities, and draws out the important role of using big data technology in employment guidance. It is of great significance to make use of big data technology to innovate employment guidance, improve employment service system, improve the quality and effect of employment service, and promote graduates to be more active in employment.

big data; employment guidance; precision; personalization

TP391.1

A

1008-1151(2022)01-0178-04

2021-11-17

安徽省教育厅自然科学研究重点项目“Web大数据环境下相似重复数据清洗的研究”（KJ2018A0710）。

王德正（1975－），男，安徽泗县人，安徽职业技术学院信息工程学院副教授，硕士，研究方向为信息网络安全、大数据、云计算等。