探析數據挖掘的大學生就業市場需求范文

本站小編為你精心準備了探析數據挖掘的大學生就業市場需求參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：“擇業難”“就業難”已是大學生面臨的兩難問題。該文基于網絡校園招聘，利用Python和SPSS工具需求視角分析就業現狀。研究表明，熱門職位集中在計算機、互聯網，主要分布在北上廣深城市，但“新一線”需求比例在上升，并且私營企業占比最大。另外，企業更看重大學生的基礎能力、工作態度和品質。該研究為大學生就業、擇業提供參考和借鑒。

關鍵詞：就業指導；大學生招聘；數據挖掘；Python

1 背景

隨著我國改革開放不斷深化，高校教育模式也從精英轉為大眾教育，導致大學生就業壓力日益增大。通過分析，人們發現“就業難”的影響因素之一就是“擇業難”。由于企業和學生存在信息不對稱問題[1]，導致人才結構性化短缺。因此，本文用爬蟲算法收集招聘網站信息，分析需求的熱門區域、熱門職業、熱門職位的技能要求等。為高校和大學生解決“就業難”“擇業難”的問題。

2 大學生招聘方式分析

企業針對大學生招聘通常會采用校園招聘或者網絡招聘。校園招聘是專門針對應屆大學生的招聘方式。目前，應屆畢業生主要就業途徑就是校園招聘，但是，艾瑞咨詢在《中國校園招聘大學生洞察白皮書》中指出獲得1~3家企業面試的學生比例近 40%，這說明應屆畢業生雖然參與不少校園招聘，但成功獲取Offer還是具有一定難度。網絡招聘是以招聘平臺為載體，企業在平臺招聘信息，它可以將就業信息全方位地提供給學生[2]，相較于傳統的線下招聘，它更節約時間成本和空間成本。典型的招聘網站如“前程無憂”“智聯招聘”等。網絡招聘發展至今，已經積累了大量的職位信息，隨著AI技術的日漸成熟，依靠網絡就能夠實現精準的職位推薦[3]，對于促進大學生就業是十分有意義的。

3 企業招聘市場需求數據挖掘

3.1 數據獲取

1）數據源的選擇。招聘網站有很多，但是最有影響力的綜合招聘網站非前程無憂（51job.com）莫屬。前程無憂招聘網站上具有海量的招聘信息，覆蓋的知名企業較多。所以本文選擇從前程無憂招聘網站上獲取職位信息。

2）Python爬蟲獲取數據。Python閱讀簡單，代碼結構清晰、明了[4]。利用爬蟲算法獲取以下信息。①獲取熱門職位名單。前程無憂網有各類職位信息，職位名稱眾多，為了 Python 爬蟲可以實現，我們需要先確定職位名稱。由于前程無憂沒有提供職位名稱集合，我們選擇從 BOSS 直聘首頁獲取職位名稱。②獲取熱門職位信息。由于我們研究的市場需求是針對大學生就業，所以在爬取職位信息時，將工作年限參數設置為“在校生/應屆生”。獲取熱門職位的爬蟲代碼如下：def count_page():"根據boss 直聘首頁的職位名獲取職位名稱集合，再從前程無憂上獲取熱門職位"driver_path = r"D:\Chrome\Downloads\chromedriver.exe"file_name = r"D:\Python_code\Python程序\爬蟲相關代碼\51job\原始數據\數量.xlsx"headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64;x64) Apple Web Kit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'}browser = webdriver.Chrome(executable_path=driver_path)url = []browser.get(url)html = browser.page_sourceselector = etree.HTML(html)job_names += selector. xpath("http://div[@class= 'job-menu']//div[@class='menu-sub']//li/div[@class='text']/a/text()")name_nums = {}for name in job_names:browser = webdriver. Chrome(executable_path=driv⁃er_path)input_tag = browser.find_element_by_id("kwdselectid")input_tag.send_keys(name)input_tag.clear()click_tag = browser.find_element(By.LINK_TEXT, "搜索")click_tag.click()html = browser.page_sourcehtml = etree.HTML(html)job_url = html. xpath("http://div[contains(@id, 'filter_work⁃year')]//li[2]/a/@href")web = requests.get(job_url, headers=headers)web.encoding = "gbk"dom = etree.HTML(web.text)page_nums = dom.xpath("http://span[@class='td']/text()")[0]nums = page_nums.split(",")[0][1:-1]name_nums[name] = int(nums)browser.quit()names_nums = dict(sorted(name_nums.items(), key= lamb⁃da x: x[1], reverse=True))df_dic = {"崗位名": list(names_nums.keys()[:11]),"數量": list(names_nums.values()[:11])}end_df = pd.Data Frame(df_dic)end_df.to_excel(file_name, encoding="gbk",index=None)③爬取的結果。利用 Python 中的 requests 庫獲取職位信息，將其存入 EXCEL 表格，最后獲取職位信息原始數據量為68197條。如圖1所示。

3.2 數據預處理

由于網絡爬蟲獲取的職位信息是雜亂、殘缺的，還夾雜無意義字符，為此就需要進行預處理。首先，清理原始職位信息中重復、殘缺的；然后，根據需要對清洗后部分字段數值化。

1）數據清洗。通過數據審查，進行數據清洗。

2）數據數值化。對清洗后的數據進行灰色關聯度分析，對行業和公司類型進行主觀分析，完成數值化處理。本文對工作地點進行數值化時，將北京、上海、廣州和深圳歸為一類，“新一線”城市歸為一類，其余城市歸為一類；公司規模原本是一段區間表示，現在用區間的中間數來表示公司規模。3.3 數據分析與挖掘數據挖掘技術可以對就業信息進行優化，更有針對性地就業指導[5]1）統計分析。根據研究需要，對相關字段進行詞頻統計，并將統計結果可視化。①熱門職位統計。由于職位種類眾多，本文運用職位列表頁數來判斷熱度；②熱門城市。利用經過清洗后的職位信息進行詞頻統計；③熱門行業。與熱門城市統計類似，唯一不同的是按行業分組；④工作描述。本文針對職位中的工作描述、職位要求進行的詞頻統計分析，以詞云形式展示該職位求職者能力和技能要求；⑤其他統計分析。利用 Py⁃thon 對招聘組織類型進行歸類，再分析市場中招聘組織的比例、各熱門城市占行業的比例；利用SPSS計算各個行業的平均工資，計算得出平均工資最高的行業；分析熱門職位的分布情況，職位主要集中在哪些區域；分析熱門職位的薪資水平，計算各個熱門的薪資情況等。2）灰色關聯度分析。一個職位的薪資水平受多個因素的影響，本文選取工作地點、公司類型、公司規模和行業對薪資的影響四個維度，分析每個職位受這四個因素的影響程度。

4 招聘市場需求數據挖掘結果分析

4.1 本年度企業招聘市場總體情況

1）熱門職位情況。如圖 2 所示，根據熱門職位統計結果。發現銷售是市場需求量最大的職位，其后是數據分析和運營；但是與計算機、互聯網相關技術的職位占據了熱門職位的一半左右，表明市場對計算機互聯網技術人才仍然有很大需求。

2）熱門行業。熱門行業統計可知，計算機軟件和互聯網的詞頻數遙遙領先，但是較為傳統的行業，如房地產、金融貿易和教育行業，仍占有一定的比例。

3）熱門城市。熱門統計結果顯示，北上廣深“老牌”一線城市的職位需求量仍是最大，其后是成都、杭州、南京和武漢等屬于“新一線”的城市。總之招聘需求主要集中在相對發達城市。

4）招聘組織類型。如圖3所示，招聘組織中私營企業的需求最大，其次是國企，而政府機關和外企代表處的招聘需求是最小的。

5）熱門城市行業發展情況。從統計結果可知，需求最大的三個行業是互聯網、網絡游戲和計算機軟件，總份額占百分之五十；而需求的角度判斷行業的發展，毫無疑問在廣州發展情況最好。

6）行業平均薪資。統計可知，薪資前十行業中，平均薪資最高的是銀行，其次是金融、房地產和學術，出乎預料的是招聘需求大的互聯網行業的平均薪資并不高。

4.2 具體崗位分析結果以Java技術崗位為例。

1）職位描述詞云。以Java崗位為例，對大學生有三方面要求，即技術能力、編程素養和個人品質方面的要求。如圖 4所示。

2）職位城市分布。可以看到 Java 職位數量最多的省份是廣東，而從整體上看，Java職位分布在廣東、上海和浙江等中國的東南區域。職位分布符合地區整體經濟發展水平。

3）薪資分布區間。Java 技術崗的薪資主要集中在 2000-8000，其次是 8000-14000，而高于 14000 的 Java 崗位還是占少數。但整體情況是高于全國畢業生的平均工資的。

4）薪資的影響因素分析。根據統計結果發現，公司類型與薪資的關聯度最高，其次是公司規模，出乎預料的是工作地點與薪資的關聯度較低。總之，公司類型的選擇對薪資影響最大，而城市對薪資影響反而不大。

4.3 大學生擇業對策建議

對高校而言，要加大對互聯網技術人才培養的力度，強化學生專業技術訓練；同時，高校還應該培養學生完整的知識體系，讓學生成為具有專業技能與通識能力的復合型人才。對學生而言，在做職業規劃時要了解市場，在將來工作的行業、城市和薪資都有整體規劃；同時，對于有能力、有愿望的非計算機專業學生，可以自學計算機技術；最后，學生要對自己有正確認知，不要盲目從。

參考文獻：

[1] 郜雙,羅慶玲.企業招聘中的信息不對稱問題分析及對策[J].現代商業,2019(11):54-56.

[2] 趙婷婷,陳敏 . 智慧就業服務模式在高校大學生就業中的應用[J].科教導刊(上旬刊),2019(22):163-164.

[3] 董春輝 . 用好大數據實現大學生就業“私人訂制”[J]. 人民論壇,2020(4):116-117.

[4] 楊榮領.《Python語言程序設計基礎》課程教學改革實踐[J].高教學刊,2019(3):135-137.

[5] 王碩鵬.基于數據挖掘的畢業生就業信息管理決策模型研究[J].東北電力大學學報,2019,39(5):86-90.

作者：胡鵬 李長云 傅榮鑫 單位：哈爾濱理工大學