大數據時代高校就業信息網絡體系的構建

徐鵬

（焦作大學人文學院，河南焦作 454150）

大數據時代高校就業信息網絡體系的構建

徐鵬

（焦作大學人文學院，河南焦作 454150）

利用現代網絡數字科技所帶來的高效、便捷性，構建高校就業信息網絡體系，已是促進高校畢業生就業的必然趨勢。基于此，結合目前高校就業信息網絡系統中存在的問題，探討構建高校就業信息網絡系統的框架和對策。

大數據；高校就業；網絡體系；服務模式

隨著第3次IT浪潮的到來，“云計算”帶來的虛擬化技術改變了人們獲取、處理、保存、提取信息的方式，實現了托夫勒“大數據”概念的設想，世界各國紛紛出臺戰略規劃和采取舉措加快大數據在國民經濟中的應用，我國也充分肯定了大數據的價值，并預計在2018年底前建成國家政府數據統一開放平臺［1］。高校就業信息網絡體系作為平臺建設的組成部分，利用大數據分析技術進行數據共享，不僅能夠對蘊含在其中的海量就業信息進行搜集匯總、挖掘分析，還能夠形成一個動態反映就業市場、政策和動向的信息數據流，從而更為客觀有效地服務于高校畢業生的就業指導工作。

1 大數據與高校就業信息

大數據是體量大到以PB甚至EB等級為計量單位的數據資產集，在總量、響應速度、類型、辨識度和價值等5個方面，具有傳統數據無法比擬的挑戰。因此，使用何種數據挖掘算法，構建科學和快速的處理數據模型，正是當今大數據分析的難點。為了應對大數據處理上的困難，實現數據的預測性分析，以谷歌、Linkedin、微軟、百度和Facebook等為代表的互聯網企業，通過云計算實現對結構性和非結構性數據進行系統異構的采集和動態處理方式，放棄絕對的精準和因果的分析，實現分析效率與相關的預測的平衡。

就業信息大數據具有數據總量大、更新速度快、時效性強和來源眾多等特點，利用傳統的SAS、SPSS、Stata、CHISS和PEMS等數據分析工具，只能夠在某一平臺下對單一服務器中的結構性數據進行分析統計，其滯后的數據表達也無法對多行業、大規模的就業趨勢進行實時的科學預判，更無法針對個體提供可擴展性的就業信息篩選。在數據管理與分析范式發生革命性轉變的今天，利用大數據分析處理系統中的批量數據分析系統和在線實時處理系統，在整合集成就業信息數據的基礎上，為實現信息數據的共享與交互，在海量的數據信息中進行有效數據的篩檢和遴選，構造就業數據分析網絡模式具有十分重要的現實價值。

2 我國高校就業信息網絡系統建設現狀

根據《教育部關于做好2001年普通高校畢業生就業工作的通知》中的要求，各大高校開始將計算機和網絡技術應用于高校畢業生就業工作中。經過十幾年的努力，我國的高校就業信息網絡在形式上經歷了從“高校就業網站建設”到“政府就業網站建設”，再到“社會力量就業網站建設”3個階段，從以“獨立高校發布信息”到“政府整合就業信息”再到“第三方平臺豐富就業信息”；在手段上，也實現了從“單一的網站建設”，到“網站平臺的聯通”，再到“網站與新媒介的共融”的階段。目前，我國大致形成了以高校就業網站和政府就業指導中心網站為主體，輔以第三方社會力量網絡平臺、企事業單位網絡平臺和新媒介的高校就業信息化網絡。但目前我國就業信息網絡建設還存在著以下不足。

2.1 網絡系統基本完善與信息整合程度低下的矛盾

目前我國已經形成了政府機構、高校、社會組織、用工單位等多方平臺組成的就業信息網絡，但大量數據均在各自服務器中貯存，畢業生信息、用工單位信息、薪資水平、求職條件等由于缺乏溝通和互聯，均采用封閉運行的模式，只能作為求職或供職信息的發布平臺存在。

2.2 就業信息量庫存巨大與信息分析不足的矛盾

各大網絡平臺上貯存了數量龐大的求職信息數據和供職信息數據，甚至包括網頁駐留時間、點擊次數等信息，這些以PB等級存儲的數據由于缺乏大數據思維模式的分析，通常只作為歷史數據統計的回顧之用，極少用于即時性的動態數據分析，缺少對當前就業形勢的預測研判，更無法為畢業生個體提供有針對性的就業信息推送。

2.3 信息網絡平臺功能單一與個性化網絡信息需求的矛盾

從現實情況看，我國高校就業信息網絡目前還只是一套信息發布為主的資源平臺，采用的是以高校、政府、用人單位三者發布意愿為中心的服務模式，無法根據畢業生興趣愛好、特長能力為其提供更為可行的就業崗位信息推送。而且崗位供需雙方一般采用線下溝通的方式，極大地影響了擇業效率。

因此，建立全國性的高校畢業生人才數據庫，豐富就業網絡平臺的服務功能，并在兩者對接的基礎上實現雙向選擇的就業模式，就具有了現實的依據。

3 大數據時代就業信息網絡體系構建的原則

3.1 數據共享原則

數據共享是大數據進行數據分析的前提。就業信息平臺的數據分享就是將現有網絡體系中的各平臺實現數據庫的互通。一來可以通過就業信息的相互交換實現就業信息的高效傳播，二來可以在網絡環境下對整體的就業信息資源進行動態化分析。

3.2 人本原則

搭建高校就業信息網絡的初衷就是為了實現高校畢業生就業的高效化，其服務主體就是高校畢業生。因此，在進行高校畢業生制定就業策略和決定，以及風險管理的過程中，都應根據畢業生的實際需求出發，從平臺設計、形勢研判、信息推送等多方面將畢業生作為考慮的重點，體現出人性的設計和特色的服務。

3.3 互利平等原則

互利平等原則是目前網絡體系中各方平臺主體共享數據分析成果的直接驅動力。政府及高校就業信息平臺建設的目標是實現大學生更好的就業，第三方就業信息平臺建設的目標是擴大潛在客戶群體，提高品牌收益，雙方在大數據分析成果上是具有共同需求的。因此，只有保證各方主體均共享大數據帶來的科技成果，才能保障信息資源的持續共享。

4 大數據時代就業信息網絡體系構建的模型

4.1 就業信息網絡體系總框架

國家建立就業信息大數據分析總站，下設各地市級數據采集分站，與具有云計算能力的互聯網公司協作處理大數據，如圖1所示。

圖1 就業信息網絡體系總框架

國家就業信息大數據分析總站在同具有云計算能力的互聯網公司協作下共同完成對全國范圍內數據的分析，并將分析結果反饋至下級平臺；區域就業信息數據分析平臺分站一般以省級或經濟圈為劃分依據，將本區域內的就業數據協同互聯網公司進行就業數據的云計算分析，將篩選后的數據分析結果上傳至國家就業信息數據分析總站，供其研究分析；地市高校就業信息數據分析采集分站將高校在校生從入學以來的姓名、籍貫、愛好、特長、專業、成績和兼職經歷等信息進行錄入，供區域就業信息數據分析平臺分析篩選；第三方區域就業信息分析分站是指以社會力量建立的商業化就業網站，可將就業信息、瀏覽量、登錄次數、網頁駐留時間和瀏覽習慣等數據進行初級過濾分析，然后上傳至國家就業信息大數據平臺；行業就業信息大數據分析分站是指以行業進行劃分建立的就業信息網絡平臺，如東北高師就業聯盟等，可將行業內的就業信息、瀏覽量、登錄次數等信息進行初級過濾篩選分析，上傳至國家就業信息大數據平臺。此外，新媒介平臺上的就業信息網絡也可以作為大數據就業信息網絡分析平臺的有機組成部分。

4.2 就業信息大數據分析體系框架

在大數據的分析結構中，高校畢業生既是大數據信息的來源，同時是大數據分析結果所服務的對象。數據分析的基本框架向下延伸，最初從畢業生開始，由業務系統、數據采集、數據倉庫、分析、商業智能、數據挖掘、人工智能、洞察、決策、行為和價值，再最終回到畢業生結束。在這個大數據分析體系框架中，越貼近底層占用時間越多，而框架頂端的決策耗時卻很短；從價值頻率來講，頂端低頻次、高價值，底層是高頻次、低價值。因此，就業分析體系大數據技術的一個重要發展方向是，效率低的部分實現全方位自動化，并且實現一站式的大數據服務［2］。

4.2.1 就業數據源的采集階段。畢業生信息是高校就業信息大數據最重要的來源，圍繞畢業生的一切數據是最為重要的原始數據。畢業生的相關信息數據廣泛存在于學校內部各類業務系統中，如教務系統、學籍管理系統等。但這些業務系統由于設計目的不同造成架構各異，且數量眾多。所以，搜集整理畢業生群體的信息，就必須通過國家標準化管理委員會制定統一的數據接口協議，由“大數據采集平臺”對畢業生所有相關原始數據的采集。目前，主要有四大數據采集平臺的架構——Apache Flume、Fluentd、Logstash、Splunk Forwarder。由于以上數據搜集平臺均是開源設計框架，利用分布式網絡連接，均可以實現可靠和高擴展的數據收集。

4.2.2 數據的初級過濾分析。在前期數據采集基礎上，需要對這些海量的數據進行“清洗”識別，處理數據中的錯誤信息和缺失信息。因為在數據采集平臺中的數據是從多個業務系統中抽取而來，并且包含諸多歷史數據，不可避免會出現數據錯誤和數據沖突，這就需要按照規則對殘缺數據進行補全，對錯誤數據進行修正，對重復數據進行剔除，從而節約存儲空間為接下來的數據轉換和加載奠定基礎。在數據轉換和加載環節，傳統的數據處理是將原來非結構化的數據進行結構化轉化之后再進行數據的壓縮，這必將造成存儲、計算、傳輸成本過高，無法實現及時響應。所以，在這個環節中如果能夠將加載和轉化的順序進行對調，首先進行轉換為可供分析的數據之后，再通過數據轉換接口將數據寫入二級信息分析分站中的DW（數據倉庫）中，必將大幅節約數據處理時間，以供其進行結構化存儲、處理和分析引擎等服務。

4.2.3 數據的高級分析。畢業生相關數據經過初級分析后進入到高級分析階段，其中包括統計分析（Analy?sis）和商業智能（BI）2個階段。統計分析一般通過多維度的聯機線上分析技術（OLAP），以多樣化的統計展示就業形勢預期，在人機交互中為畢業生提供崗位選擇的判斷幫助；商業智能主要是以分析技術和工具直接挑選出具有價值的數據，采用諸如報表等形象化的展示，實現數據的透視和展現，快速完成數據表樣式和統計圖展示，從而更好地輸出給其他應用程序或者Html形式表現和保存，實現數據價值的擴大化。這樣可以大大提高數據分析部門工作效率，滿足數據分析的即時化需求［3］。

4.2.4 數據價值的發揮。在經過數據的高級分析之后，便進入到如何將數據價值發揮出來的階段。這個階段主要包括數據挖掘（DM）、人工智能（AI）、洞察、決策、行動和價值等環節。數據挖掘是從大量數據中提取隱藏于其中的規律，將畢業生信息分析之后的相關數據通過分類、聚類、關聯、預測等方式進行分組，得到畢業生個體特征綜合數據，并從中發現變化規律，建立個體職業發展模型，以此預測個體未來就業特征等內容。人工智能的交互性價值是其在自動化學習的基礎上，為信息需求者提供有價值的發現，并且根據這些發現給出決策建議、行動建議，最終幫助平臺管理實現個人化、人性化的就業指導服務，實現平臺實現價值，滿足高校畢業生的求職需求。

5 結語

大數據分析體系框架，最終應著眼于幫助就業信息網絡體系為高校畢業生提供有價值的就業信息指導，不能僅局限于技術本身和就業信息的發布，只有很好地實現了就業形勢的分析、就業決策的指導、就業行為的規范，最終才能真正實現就業信息的大數據價值，達到通過大數據提升就業效率增長的目的。

［1］新華網.促進大數據發展行動綱要［EB/OL］.（2015-09-15）［2016-12-15］.http://news.xinhuanet.com/finance/2015-09/05/ c_1116464516.htm.

［2］趙志學，周軍軍.大數據背景下大學生就業信息化建設探析［J］.煤炭高等教育，2015（2）：67-69.

［3］程學旗，靳小龍，王元卓，等.大數據系統和分析技術綜述［J］.軟件學報，2014（9）：1889-1908.

Construction of University Employment Information Network System in the Era of Big Data

Xu Peng
（Faculty of Humanities，Jiaozuo University，Jiaozuo Henan 454150）

It is an inevitable trend to promote the employment of college graduates by constructing the employment in?formation network system of colleges and universities with the high efficiency and convenience brought by modern network digital technology.therefor,based on the existing problems in the employment information network system, this paper discussed the frame and countermeasures of constructing the employment information network system.

Big Data；university employment；network system；service model

G647.38；TP311.13

：A

：1003-5168（2017）01-0054-03

2016-12-18

河南省教育廳大中專院校就業創業課題（JYB2016010）。

徐鵬（1982-），男，碩士，講師，研究方向：大學生就業創業。