大數據分析在高校精準化就業服務模式中的應用研究

岳曉融 張立國

摘 ? 要：隨著我國高等教育快速發展，高校畢業生數量呈現逐年遞增的趨勢。而在就業方面，由于存在結構性矛盾、理念偏差、信息不對稱等問題，導致“人職匹配度”不高，即使畢業生勉強初次就業，很快也會由于不適應性過大而辭職或失業。因此，近幾年高校畢業生就業工作難度急劇加大、就業形勢復雜嚴峻。將大數據分析技術應用到就業指導工作中，一方面能精準預測和分析各專業大學生的就業與擇業思想行為，對其進行精準化、層次化、清晰的就業指導;另一方面能向用人單位精準推送與需求職位相匹配的畢業生，以實現人職精準對接，提高就業成功率。文章從目前高校畢業生就業工作的現狀和問題入手，對大數據分析技術在高校精準化就業服務模式中的應用進行研究，擬探尋更為有效的精準化就業服務模式，提升高校就業工作的成效。研究表明，基于大數據分析技術的高校精準化就業服務模式，能夠有效提高畢業生的就業“人職匹配度”、提高就業成功率，在很大程度上解決高校畢業生就業難的問題。研究建議，高校應該創新就業工作思維，主動迎接大數據時代的挑戰和機遇，努力發掘大數據分析技術在就業工作中的深層次應用，通過完善精準化就業服務模式，提高高校就業服務能力和質量。

關鍵詞：就業結構性矛盾;就業理念;大數據分析技術;精準化就業服務模式

中圖分類號：TP393;G43 ? ? ?文獻標志碼：A ? ? ?文章編號：1673-8454（2022）05-0105-09

一、研究背景和意義

改革開放以來，隨著經濟社會的快速發展，我國已建成了世界上規模較大的高等教育體系，高校招生人數和在校生規模都持續擴大。毛入學率是衡量一個國家和社會教育程度重要指標，達到50%以上預示著高等教育已經進入了普及化階段。全國教育事業統計結果顯示，2020年我國高等教育的毛入學率達到54.4%，2021年已達到57.8%[1]。圖1為高等教育毛入學率與社會教育程度的對應關系，這也意味著，我國高等教育普及化使高校畢業生數量逐年增長，高校畢業生就業工作壓力也正急劇加大，就業問題已成為社會共性問題。圖2為我國2013—2022年高校畢業生人數統計，教育部、人力資源社會保障部召開的2022屆全國普通高校畢業生就業創業工作網絡視頻會議上公布2022年我國高校畢業生人數將突破千萬，達到1076萬，同比增長167萬。尤其是2022年受新冠肺炎疫情和世界經濟下行的疊加影響，我國高校就業工作面臨著前所未有的巨大壓力，畢業生求職困難增多，就業形勢非常復雜嚴峻[2]。2020年《政府工作報告》指出，在部署持續做好“六穩”的前提下，作出“六?！钡臎Q策部署?！胺€”是大局，“?！睘榈拙€，“六?！笔恰傲€”工作的著力點，在“六?！敝?，保居民就業位居首位。黨中央已經將穩就業、保民生放在政府工作的優先位置[3]。新冠肺炎疫情暴發以來，教育部為應對疫情對大學生就業工作的嚴重影響，為廣大畢業生開展“云招聘”“云面試”“云實習”，為人才就業穩崗提供“快速路”，2022年及時改版并完善了“國家24365大學生就業服務平臺”。國家也采取了研究生擴招、開設第二學位、基層就業擴崗、發揮創業帶動就業的倍增效應等一系列新舉措。

隨著我國經濟社會不斷發展及改革開放的深入，網絡及信息技術推動各個行業不斷進行產業升級、改革和創新。這使即將步入社會的高校畢業生在面臨就業選擇時，產生了諸多不適應。目前的普遍現象是，用人單位缺人，而大量畢業生卻找不到心儀的工作，甚至產生了許多“佛系”青年和“啃老族”，因此高校就業指導工作面臨復雜嚴峻的形勢。在信息化時代，就業工作要與時俱進、善于改革創新。將大數據分析技術應用到就業指導工作中，一方面能精準預測和分析各專業大學生的就業與擇業思想行為，對其進行精準化、層次化的清晰指導;另一方面能對用人單位精準推送與需求職位相匹配的畢業生，以實現人職精準對接，提高就業成功率[4]。因此，各高校做好大學生就業指導工作，努力實現以學生為中心的就業工作體系，積極拓寬就業渠道，切實做好精準化大學生就業服務工作，是現階段的職責和使命，關系到高校畢業生的切實利益，關系到國家經濟發展和社會穩定，具有十分重要的意義。

二、高校畢業生就業工作中的現實困頓

（一）就業結構性矛盾加大，人才供求無法對接

高校畢業生的就業難問題已經成為一個社會性問題。就業難不是人才輸出大于人才市場需求，而是由于就業結構性矛盾造成的一種客觀現象。近年來，由于我國經濟社會蓬勃發展，產業結構調整過快，而人才的教育培養結構相對滯后于經濟社會發展，造成了有些專業畢業生供過于求，而有些專業畢業生卻供不應求的結構性矛盾。造成這一矛盾產生的主要原因是，高校對社會需求方面的數據樣本過少，企業和高校之間的對接不完整，導致人才培養與供給結構失衡[5]。

（二）部分畢業生在就業崗位中知識轉化率過低

當前，各高校都在切實推行教育教學改革，針對新興行業及傳統行業的結構性變化，高校的教學內容都積極地作出了適應性調整，但是部分專業的教學內容調整和教育改革還不到位。通過對部分用人單位回訪調查發現，我國大學畢業生通常工作的適應周期在兩年到三年，對于我國高速發展的經濟現狀來說，這個速度跟不上經濟發展腳步。導致部分用人單位對當前高校畢業生的工作能力產生質疑，而畢業生在工作中不能完全勝任，就容易產生懈怠、缺少激情甚至喪失信心的情況。究其原因是，大多數畢業生本科階段所學到的知識和學習能力，不能在實際工作中很好地轉化出來，存在知識轉化率過低的現象。根源在于，我國大學教育是能力素質的培養、知識技能的灌輸，而西方很多國家的大學教育主要培養學生的思維邏輯能力并進行價值觀教育。耶魯大學原校長理查德·雷文（Richard Levin）曾表示，如果一個學生從耶魯大學畢業后，居然擁有了某種很專業的知識和技能，這就是耶魯教育最大的失敗。他認為，某種專業的知識和技能，是學生根據自己的愿望，在大學畢業后才需要去學習和掌握的東西，這不是耶魯大學教育的任務。正是根植了這種教育觀念，耶魯大學培養出了全世界最多的領導人才、各級精英分子和深受歡迎的社會公民[6]。由此可見，教育觀念直接影響著教育效果，這一點非常值得我們借鑒和反思。8BE2BC5F-FE19-46FE-99A6-D0858F03C119

（三）部分畢業生就業理念存在偏差，就業能力出現危機

1.就業理念存在偏差，導致就業心態浮躁

理念是一個人世界觀、價值觀的核心評判標準，積極向上的理念能引導人走上正確的道路，反之亦然。我國現在許多大學畢業生受社會各種價值取向的影響，就業理念存在嚴重偏差，就業心態浮躁，急于求成。筆者從2019至2021年，連續三年對陜西省西安市部分高校應屆畢業生進行了就業意向微信問卷調查。其中，2019年回收有效問卷297份、2020年回收有效問卷436份、2021年回收有效問卷552份。圖3所示為問卷調查結果統計柱狀圖，圖4所示為問卷調查結果雷達圖。通過雷達圖可以明顯看出，在就業地域選擇上，有90%以上的畢業生不愿意去基層或者西部地區就業。由于調查問卷發放的范圍不夠寬泛，因此數據樣本不具有廣泛性和代表性，且主要調查對象為筆者所在高校，采取的是無記名調查，因此調查結果不能完全代表我國當前畢業生的就業意向，但仍具有一定的參考價值。從調查結果可以看出，很多畢業生寧愿在國內一線、二線城市或者新一線城市從事自由職業，也不愿去三線、四線城市，以及鄉鎮、邊疆基層當公務員。大多數畢業生認為，大城市發展機會更多、上升空間更大。麥可思研究院發布的《就業藍皮書：2021年中國本科生就業報告》顯示，2021年東部和沿海城市的人才吸引力指數高達67.3%，是西部地區人才吸引力指數的兩倍。人才吸引力最大的5個城市依次是：深圳、上海、北京、廈門、廣州。結合各地區本科院校畢業生實際占比和2021屆在本地區就業畢業生占比，綜合來看，珠三角地區人才的吸引力較強，其次是長三角地區，而東北地區、中原地區人才吸引力較弱[4]。就業意向區域集中也是目前就業難的主要因素之一。

2.眼高手低，導致能力危機

“眼高手低”從本質上看是需求層次的錯位。馬斯洛的需求層次理論，將人的需求層次由低到高分為：生理需要、安全需要、社交需要、尊重的需要和自我實現的需要五個層次。低層次的基本需求要先滿足（物質安全），然后才能上升到高層次需求（愛與尊重），然后再往價值和自我的實現提升。但“眼高手低”者則是打亂了馬斯洛需求層次理論中的順序關系，忽略或是刻意回避低層次的需求，直接把目標定位在自我實現的需求，如圖5所示?！把鄹呤值汀闭呖傉J為自己很優秀，必須要做喜歡的工作，不能為了生存，屈尊去做不喜歡的工作，認為這樣就是放棄了夢想，輸給了現實?！把鄹呤值汀闭叩闹饕憩F是，目光高遠但實際動手能力較差，大事做不了，小事做不好;看不上所謂的普通工作，又不能很好地勝任自己中意的工作，高不成低不就。這樣就造成其長期處于就業觀望期的尷尬局面，導致就業困難?！把鄹呤值汀钡某梢蚣劝瑐€人因素，也包含社會因素。一方面，學生個體應充分認識自我、客觀認識社會，加強教育實踐，著力使目標教育趨于現實化;另一方面，社會也應該廣泛提供提升大學生實踐能力的條件，并為大學生客觀評價自我創造條件，創造社會心理基礎，驅動大學生需求層次回歸合理。

3.普通高校本科畢業生就業適應性低于高職高專院校畢業生

普通高校本科教育注重理論知識的傳授，培養理論型、學術型人才。普通高校本科學生在實踐技能方面，沒有足夠的學習和實訓經驗，學術型的優勢暫時發揮不出來，加之普通高校本科畢業生就業期望值普遍較高，因此在就業初期表現出適應性不強的缺點。高職高專院校重在培養學生的實際操作技能，畢業生一般都具備一門具體的應用性強、操作性強的職業技能。很多高職高專院校采用校企合作的辦學模式，學生入學即與企業簽訂就業協議，學生畢業即上崗，因此培養目標明確。加之高職高專院校畢業生的就業期望普遍不高，有些畢業生還需要通過就業實現家庭脫貧，因此就業適應性強于普通高校畢業生。

三、大數據分析技術在解決當前就業問題中的積極作用

大數據分析是指對規模巨大的數據集群進行分析。大數據可以概括為4個V， 即數據量大（Volume）、速度快（Velocity）、類型多（Variety）、有價值（Value），如圖6所示。大數據分析技術主要包括數據收集、數據存取、基礎架構、數據處理、統計分析、數據挖掘、模型預測、結果呈現。通過分析技術對數據進行統一分析，然后可以在很短的時間內得出分析結果。因為其具有高速運算、分析、整理的特點，目前已經在很多行業成功應用。很多IT企業和消費領域的龍頭企業，都應用大數據技術來分析消費者的消費傾向和被服務者的動向。各大網站的應用軟件、著名搜索引擎，都會根據讀者的閱讀習慣來分析其興趣愛好，以便做到精準推送，進而做到增加閱讀量的目的。在精準化就業服務模式中應用大數據分析技術，一方面，可以根據畢業生習慣、喜好分析出畢業生的就業意向、就業期望，從而從海量的招聘信息中，篩選出匹配度高的信息進行精確推送;另一方面，也可以根據用人單位的各項數據，分析出其人才需求的準確定位。大數據分析技術不僅能有效提高就業中的人職匹配程度、提高就業成功率，而且對于就業工作的改革與創新、質量提升都有很大的應用價值[7]。

（一）利用大數據分析技術，可以將畢業生就業意向和用人單位的需求進行精準對接，緩解就業結構性矛盾造成的人才需求無法對接現狀

此前，高校大都采用大型綜合招聘會、中型招聘會、專場招聘會、畢業推薦會等傳統形式，進行畢業生和用人單位之間的需求對接。這種傳統形式通過畢業生自薦、用人單位口述或PPT講述，進行雙向選擇。應用大數據分析技術可以根據采集整理到的海量數據，對符合本校的用人單位的人才需求進行分析，同時對該用人單位的運營狀況，以及所處的行業前景進行分析，對于畢業生進入該單位的發展前景進行預判，給予畢業生清晰的就業指導。同時，可根據畢業生就業方向的統計，對相關用人單位發出邀請，面對面進行交流，提高就業成功率[8]。對于各用人單位而言，可以運用大數據分析技術更準確、更完整地了解學校的培養定位、人才優勢，以及畢業生的各種技能特長和品格優點;同時結合用人單位自身的特點，準確地找到所需要人才，確保招聘的畢業生可以很快地適應工作崗位。這種方式提高了招聘工作的準確性和科學性，達到高校畢業生和用人單位的精準對接。同時，高質量的就業數據也能為招生、教學實施提供反饋和支撐，從而緩解就業結構性矛盾。8BE2BC5F-FE19-46FE-99A6-D0858F03C119

（二）利用大數據分析技術，可以為畢業生提供適合的工作建議，有助于加速知識轉化、提升就業能力

由于信息不對稱，一些高校畢業生對市場需求信息獲取不充分，沒有形成準確而穩定的預期，處于高不成低不就的困境。有些行業的數據涉及上百個參數。通過大數據分析中的數據挖掘技術，分析復雜海量數據的多源異構、多實體和多空間之間的交互動態性，可以更準確地預測經濟和產業的未來發展變化，從而為在校大學生提供適合的工作和學習建議，幫助大學生更好地了解和把握產業未來發展變化態勢，調整自身就業預期，并在平時的學習中，注重實踐能力的鍛煉和提升，以更好適應市場實際需求、快速適應工作崗位[9]。利用大數據分析技術，一方面能夠減少大學畢業生的就業成本，降低用人單位的試用和培訓成本;另一方面能夠加速實現知識轉換，提升大學生的就業適應性和就業能力。

（三）利用大數據分析技術，可以對大學生就業觀進行培養，幫助其樹立正確的就業理念

大數據分析的核心是數據處理，通過數據采集，篩選出有用的數據信息，再對有用信息進行關聯分析和整合加工，挖掘有效的數據價值。因此，通過對畢業生就業進行跟蹤，可以將就業狀況、能力匹配等因素精準分析，從而制定今后就業服務的著力點和工作重點，在就業服務之前精準預測、科學判斷，做一些前瞻性的就業指導。還可通過就業現狀及趨勢分析、就業數據統計、本專業（本地區）的就業質量報告，針對性地對大學生進行擇業觀和就業觀的培養，使其形成良好的就業理念和正確的人生導向[10]。

四、大數據分析技術在就業精準化服務模式中的應用模型

將大數據分析技術應用于高校精準化就業服務模式中，其核心就是對所有就業相關數據進行處理、整合、加工?！按髷祿辈粌H僅是指數據的“量”之大，更應注重范圍之廣，應包括全部就業相關的數據，通過畢業生求職信息、用人單位招聘信息、雙選會參與信息、簽約信息、用人單位反饋信息等，形成數據鏈，進而實現從共性化服務到個性化指導的精準轉變?；诖?，建立大數據分析技術在高校就業精準化服務模式中的應用模型，如圖7所示。

（一）精準化就業服務模式中的就業數據采集和整理

大數據時代，信息瞬息萬變。數據是具有時效性的，因此，在高校就業工作中應用大數據分析系統時，要及時采集和整理就業數據。目前，大部分高校的做法是建設就業信息網站、就業服務管理信息系統。就業信息網站是信息采集的重要平臺，用人單位通過認證注冊，可登錄高校就業信息網站發布招聘信息，管理員進入網站后臺進行管理，對用人單位發布的信息進行審核，也可對各類招聘信息、崗位數量進行精準統計，對畢業生關注和瀏覽的信息進行整理和統計。就業服務管理信息系統面向畢業生和就業工作人員，可導入應屆畢業生的學籍檔案信息數據，包括生源地、專業方向、社會實踐經歷、學習成績等基本信息;還可及時了解畢業生就業動態，包括簽約狀態、就業去向、升學狀態、就業滿意度等各類就業狀態[11]。另外，還可以采用微信問卷、紙質問卷等方式，全面采集、建立和吸納更多畢業生就業相關的基本數據。針對往屆畢業生，還可進行包括用戶滿意度調查、社會評價等反饋數據的采集。在基于大數據分析技術的就業服務模式中，基礎階段就是將就業信息網站、就業服務管理信息系統、各種形式問卷調查所采集到的數據進行數字轉化和整理，數據量越大、樣本越多，越能夠為大數據分析和決策提供基礎數據支撐。采集到的數據包括文件系統、數據庫和資源管理系統，其中資源管理系統可為上層應用提供統一的資源管理和調度。

（二）精準化就業服務模式中的數據分析和整合

1.建立就業管理和決策大數據平臺，使就業管理和決策科學化

信息交互平臺是就業人員和用人單位獲取信息資源的主要渠道，也直接影響著當今大學生的就業決策。傳統就業決策大多建立在就業經驗基礎之上，就業管理者難以準確把握復雜多變的就業情況。大數據具有數據海量化、途徑多元化、挖掘深度化、視角綜合化等優勢，有利于發現就業領域同一類數據本身的特征、不同數據之間的聯系、數據與外在影響因素的相互作用[12]。建立高校畢業生就業管理和決策大數據平臺，作為高校數字化的基本單元，有利于提高就業服務工作水平，實現充分就業，規范就業工作管理。

2.向畢業生精準、有序地推送匹配程度高的崗位需求信息

畢業生在擇業時，通過大數據分析和整合可以處理大量復雜的綜合信息，根據高校畢業生專業、經常關注的就業崗位等數據，通過大數據的查詢分析、流分析可以分析出畢業生的工作意向，從而精準、有序地將適合的就業崗位信息，通過微信、短信、電子郵件等形式推送給相應的畢業生。查詢分析大多基于表結構和關系函數，而流分析基于數據、事件流以及簡單的統計分析。這樣可以有效避免畢業生盲目尋找工作帶來的工作不適應性，并避免在求職過程中消耗大量人力、物力、財力[13]。

3.向用人單位提供準確的畢業生信息，快速適配畢業生范圍

對于企業來說，傳統的簡歷只能看出求職者的基本信息，比如年齡、專業等有限信息。大數據分析技術可以通過可視化、交互式視覺表現的方式，幫助用人單位探索和理解復雜數據，將學工系統、學籍管理系統等數據進行精準分析，其中包括在校期間的表現、專業水平、日?？记?、消費習慣等交互篩選的大量數據，從而更快、更好地從復雜數據中得到新的發現，更準確、更完整地了解學生的各種特質。通過這種方式，能夠給用人單位快速適配畢業生范圍，從而準確地找到所需要的人才，確保招聘的畢業生能夠快速適應工作崗位，有效地提高了招聘工作的準確性和科學性。

（三）精準化就業服務模式中的數據挖掘和加工

就業數據采集和整理的多元化方式，導致數據的復雜性和不規范性，處理和分析起來難度非常大，運用傳統的人工分析和統計方法，很難準確高效地取得結果。首先，采用大數據分析中的數據挖掘和加工技術，通過數據挖掘的聚類算法、關聯算法等，挖掘出海量數據中的有用信息。其次，對這些數據進行分析加工，利用決策樹算法對數據進行處理，同時利用歸納算法生成可讀的規則和決策樹，再使用決策對新數據進行分析。最后，計算出就業信息熵。信息熵常被用來作為一個系統信息含量的量化指標，從而可以進一步用來作為系統方程優化的目標或者參數選擇的判據。通過上述步驟，逐步構造和發現就業數據中的規律性信息，為就業形式的準確預判和就業決策提供數據支撐[14]。8BE2BC5F-FE19-46FE-99A6-D0858F03C119

（四）精準化就業服務模式中的數據清洗和存儲

進入大數據時代，隨著技術的不斷發展，數據量從TB上升至PB、EB量級。如果還使用傳統的數據存儲方式，必將給大數據分析造成諸多不便，這就需要借助數據的動態處理技術，即隨著數據的規律性變更和顯示需求，對數據進行非定期的處理。當前最大的困惑是垃圾數據、冗余數據以及噪音數據的干擾。精準化就業服務模式中的數據清洗，是指在海量的數據中篩選出垃圾數據，并及時進行清理和刪除，保留一切有用數據，并確保數據的真實性、準確性。就業數據中的大規模結構化數據可以采用新型數據庫集群，結構化數據由二維表結構來邏輯表達和實現，嚴格地遵循數據格式與長度規范，主要通過關系型數據庫進行存儲和管理。它們通過列存儲、行列混合存儲、粗粒度索引等技術，結合大規模并行處理系統（Massive Parallel Processing，MPP）架構高效的分布式計算模式，實現對PB 量級數據的存儲和管理。非結構化數據包括所有格式的辦公文檔、XML、HTML、各類報表、圖片、音頻、視頻信息等，可采用基于Hadoop開源體系的系統平臺，通過對Hadoop生態體系的技術擴展和封裝，實現對非結構化數據的存儲和管理[15]。一方面，用MPP 來管理計算高質量的結構化數據，提供強大的SQL和OLTP型服務，如圖8所示;另一方面，用Hadoop實現對半結構化和非結構化數據的處理，以支持諸如內容檢索、深度挖掘、綜合分析等新型應用。只有真實、準確、完整的數據才能在大數據分析中起到應有的作用。同時，在數據存儲方面，要關注就業信息的安全，防止畢業生信息泄露。數據的清洗和存儲也是提升就業數據質量、做好持續性就業服務以及確保就業數據安全不容忽視的必要環節[16]。

五、結語

傳統的就業工作模式中，各項數據并不匱乏，但缺乏對數據的收集、分析、整合、加工的能力?；诖髷祿治黾夹g的高校畢業生就業精準化服務模式，能夠有效提高畢業生的就業“人職匹配度”和成功率，在很大程度上解決高校畢業生就業難的問題。就業是最大的民生，就業工作也是檢驗一所高校人才培養質量和教育成效的重要參考。在我國《普通高等學校本科教學工作水平評估方案（試行）》中，用人單位滿意度是檢驗本科教學質量的一項重要指標。大數據時代，我們應該創新就業工作思維，主動迎接大數據時代的挑戰和機遇，努力發掘大數據分析技術在就業工作中的深層次應用，努力完善高校精準化就業服務模式，提高就業服務能力和質量，在畢業生和用人單位之間架起一座彩虹橋。

參考文獻：

[1]中國教育報.2021年全國教育事業統計主要結果發布[EB/OL].（2022-03-02）[2022-04-16].https：//baijiahao.baidu.com/s？id= 1726169204947569265&wfr=spider&for=pc.

[2]教育部高等教育司.全面振興本科教育 推進高等教育內涵發展情況介紹[EB/OL].（2019-02-26）[2022-04-15].http：//www.moe.gov.cn/fbh/live/2019/50340/sfcl/201902/t20190226_ 371171.html.

[3]李克強.2020年政府工作報告[R/OL].（2020-05-22）[2022-04-17].http：//www.gov.cn/zhuanti/2020lhzfgzbg/index.htm？_zbs_baidu_bk.

[4]麥可思研究院.就業藍皮書：2021年中國本科生就業報告[M].北京：社會科學文獻出版社，2021.

[5]陳建偉.我國當前面臨的就業結構性矛盾與應對策略[N].工人日報，2020-03-09（5）.

[6]理查德·雷文.大學工作[M].北京：外文出版社，2005.

[7]葉苗.大數據分析大學生就業率估計模型仿真[J].計算機仿真，2016，33（11）：183-186.

[8]李敏艷，高建波.基于大數據的精細化就業指導研究——以江西科技師范大學為例[J].職教論壇，2017（29）：30-32，50.

[9]張家明.大數據背景下的大學生個性化就業指導[J].教育與職業，2014（24）：98-99.

[10]倪瑜琥.大數據分析方法在高校畢業生就業情況中的應用探索[J].人力資源管理，2017（9）：294-296.

[11]王雪梅.大數據背景下基于層次分析法的高校畢業生就業評估模型研究[J].時代教育，2016（6）：20-21.

[12]王海珍.基于大數據的大學生就業指導分析[J].教育研究，2019（8）：11-18.

[13]蔣利平，彭立春.大數據時代高校畢業生就業質量預警機制建構研究[J].就業指導，2020（11）：5-10.

[14]李同果.大數據時代高校學生精準就業的路徑選擇[J].高等教育，2020（7）：12-19.

[15]梁本.關于大數據思維在高校就業指導工作中的應用[J].教育教學論壇.2019（12）：67-71.

[16]明承瀚，黨瑞紅.大數據理念在高校就業工作中的應用[J]，中國大學生就業，2014（20）：34-38.

作者簡介：

岳曉融，西安音樂學院招生就業處處長、就業指導中心主任，博士研究生，主要研究方向為教育管理、教育信息化、藝術類高校招生、大學生就業指導，郵箱：15003@xacom.edu.cn;

張立國，教授，博士生導師，通訊作者，主要研究方向為教育管理、教育技術、網絡與遠程教育，郵箱：zhangliguok@126.com。

Research on The Application of Big Data Analysis Technology8BE2BC5F-FE19-46FE-99A6-D0858F03C119

in Colleges and Universities Precise Employment Service Mode

Xiaorong Yue1，2， Liguo Zhang1*

（1.Department of education， Shaanxi Normal University， Xian Shaanxi 710062;

2.Enrollment and Employment Department， Xian Conservatory of music， Xian Shaanxi 710061）

Abstract： With the rapid development of higher education in China， the number of college graduates increases year by year. In terms of employment， due to structural contradictions， conceptual deviations， information asymmetry and etc.， resulting in inadequate degree of “person-job matching”. Even if the graduates get a job for the first time， they will soon resign or lose their jobs because of inadaptability. Therefore， in recent years， the employment of college graduates has become more difficult， and the employment situation is more complicated and severe. The application of big data analysis technology to employment guidance， on the one hand， can accurately predict and analyze the employment and career choice of college students in various majors， while can provide accurate， hierarchical， and clear employment guidance for students. On the other hand， it can precisely push graduates matching the positions in demand to employers， so as to realize ?precise connection between people and jobs and improve the success rate of employment. Starting with the current situation and problems of college graduates employment， this paper studies the application of big data analysis technology in the precise employment service mode of colleges and universities， in order to explore a more effective precise employment service mode and improve the effectiveness of college employment. The research shows that the precise employment service mode of colleges and universities based on big data analysis technology can effectively improve the employment of degree of “job-job-matching”， improve the success rate of employment， and solve the problem of difficult employment of college graduates to a large extent. The research suggests that colleges and universities should innovate their employment thinking， take the initiative to meet the challenges and opportunities in the era of big data， strive to explore the deep application of big data analysis technology in employment， and improve their employment service ability and service quality by improving the precise employment service model.

Keywords： Structural contradiction in employment; Employment concept; Big data analytics; Precise employment service MODEL

編輯：王曉明 ? 校對：李曉萍8BE2BC5F-FE19-46FE-99A6-D0858F03C119