基于文本挖掘的互聯(lián)網(wǎng)企業(yè)崗位對比研究

袁莉

（北京郵電大學，北京 100876）

0 引 言

2021 屆高校畢業(yè)生規(guī)模909 萬，同比增加35 萬，2022 屆高校畢業(yè)生規(guī)模預計1 076 萬，首次超過1 000 萬人，我國高校畢業(yè)生將創(chuàng)下“畢業(yè)生人數(shù)最多”“畢業(yè)生人數(shù)增長幅度最大”的雙高歷史。受新冠肺炎疫情影響，在相當長的一段時間里，世界經(jīng)濟都將處于調(diào)控和恢復之中，就業(yè)市場用人需求仍然存在著很大的不確定性。自2022年3月起，全國疫情再次反復，給就業(yè)市場帶來又一波的沖擊，百度、快手、騰訊、字節(jié)跳動等多家互聯(lián)網(wǎng)大廠相繼傳來裁員消息。新冠疫情之下，一方面是求職基本盤擴大，競爭人數(shù)增長，另一方面是市場需求收緊，企業(yè)縮減成本批量裁員，就業(yè)形式將更加緊張。

根據(jù)獵聘大數(shù)據(jù)研究院發(fā)布的《2022 春節(jié)后開工一周中高端人才就業(yè)數(shù)據(jù)報告》，IT/互聯(lián)網(wǎng)、生產(chǎn)制造、企業(yè)服務成為今年春節(jié)后開工一周新發(fā)職位最多的前三個領(lǐng)域，其中IT/互聯(lián)網(wǎng)招聘平均年薪位居第三，為28.14 萬元，IT/互聯(lián)網(wǎng)也是開工一周求職者投遞簡歷最多的領(lǐng)域，占比達到17.85%。拉勾招聘發(fā)布的《2022年互聯(lián)網(wǎng)行業(yè)春招薪酬報告》顯示，2022年以來，互聯(lián)網(wǎng)行業(yè)平均薪資為18 500 元，較去年同期增長7.5%，比2021年6.9%的增幅還高出了0.6 個百分點。互聯(lián)網(wǎng)大廠的高水平薪資不僅對高校畢業(yè)生有極大的吸引力，對于想跳槽的職場老人的吸引力也是可想而知的。獵聘大數(shù)據(jù)研究院的報告顯示，僅有8.4%的受訪者表示對跳槽互聯(lián)網(wǎng)大廠毫無興趣。高薪資、優(yōu)福利成為求職者擠破頭也要進大廠的重要因素。

2021年政府工作報告明確指出，強化穩(wěn)崗擴就業(yè)政策落實，扎實做好高校畢業(yè)生等重要群體的就業(yè)工作。要推進高校畢業(yè)生高質(zhì)量充分就業(yè)，不僅需要政府出臺一系列政策措施，完善保障制度，提供全方位的就業(yè)服務，高校完善系列人才培養(yǎng)制度，豐富實踐平臺，提供精準就業(yè)指導，還需要畢業(yè)生強化自身就業(yè)能力，增強個人在就業(yè)市場中的競爭力。互聯(lián)網(wǎng)就業(yè)日益嚴峻，對想進入互聯(lián)網(wǎng)企業(yè)就業(yè)的高校畢業(yè)生或者希望跳槽到互聯(lián)網(wǎng)大廠的求職者來說，關(guān)注并深刻了解互聯(lián)網(wǎng)行業(yè)不同崗位的職責要求和技能要求，從而有針對性地提高其個人就業(yè)競爭力至關(guān)重要。本文運用爬蟲技術(shù)，抓取互聯(lián)網(wǎng)企業(yè)的人才招聘廣告數(shù)據(jù)作為數(shù)據(jù)來源，借助文本挖掘算法進行數(shù)據(jù)分析，識別互聯(lián)網(wǎng)企業(yè)不同職位的職責要求，揭示不同職位與任職要求的內(nèi)在聯(lián)系，為互聯(lián)網(wǎng)企業(yè)求職者提供決策指導。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

本研究選取互聯(lián)網(wǎng)行業(yè)的典型企業(yè)，通過Python 爬蟲的方式獲取了字節(jié)跳動、阿里巴巴這兩家公司在第三方招聘網(wǎng)站上發(fā)布的招聘信息，從字節(jié)跳動官網(wǎng)爬取7 226 條信息，從阿里巴巴招聘官網(wǎng)爬取9 111 條信息，從第三方網(wǎng)站爬取655 條信息，對數(shù)據(jù)進行去空值、去除無關(guān)變量等處理，最終保留崗位名稱、工作地點、學歷要求、工作年限、工作薪資、職位描述、職位要求等字段數(shù)據(jù)，最終獲得約17 000 條有效數(shù)據(jù)。對兩家企業(yè)提供的崗位名稱進行對比和統(tǒng)計分析，將工作重點聚焦于研發(fā)、運營、產(chǎn)品和市場四類崗位。

1.2 研究方法

獲取互聯(lián)網(wǎng)企業(yè)的招聘信息后，本研究將針對職位描述和職位要求這兩個字段的內(nèi)容進行文本挖掘，具體研究過程如圖1所示。

圖1 研究方法和過程設計

在預處理環(huán)節(jié)，首先利用Python 對數(shù)據(jù)進行清洗，去除所分析字段中的空值，以保證后續(xù)文本分析的質(zhì)量；然后利用jieba 對文本進行分詞和去停用詞處理，并結(jié)合本次研究問題的具體特征，分別創(chuàng)建針對職位描述和職位要求文本的專用分詞字典和停用詞表，將特定于任務的停用詞添加到原始的中文停用詞表中，得到比較干凈的分詞數(shù)據(jù)。

在構(gòu)建詞向量的環(huán)節(jié)，對所得到的分詞語料進行匯總，將完整的數(shù)據(jù)分詞結(jié)果輸入到Word2vec 模型中進行訓練，得到每個詞的詞向量模型（詞向量是后續(xù)生成聚類模型的主要依據(jù)）。運用K-means 算法對職位描述和職位要求的關(guān)鍵詞進行聚類。

聚類將得到每個類別所對應的關(guān)鍵詞，為了比較不同崗位類型在聚類中所獲得不同維度的側(cè)重程度，對不同崗位類型下出現(xiàn)的聚類關(guān)鍵詞進行計數(shù)。即某一維度關(guān)鍵詞在某一類型的職位描述或職位要求中出現(xiàn)的次數(shù)刻畫了該類型職位對這一維度的側(cè)重程度。根據(jù)得到的結(jié)果通過雷達圖的方式可視化能力畫像，做進一步的對比分析。

2 數(shù)據(jù)分析與結(jié)果

2.1 詞向量的二維展示

將不同類型職位所對應的職位描述和職位要求分別存儲在txt 文件中，并基于得到的分詞結(jié)果利用TF-IDF 特征工程得到關(guān)鍵詞，將完整的數(shù)據(jù)分詞結(jié)果輸入到Word2vec 模型中進行訓練，得到每個分詞的詞向量模型。將TF-IDF 得到的前100 個關(guān)鍵詞所對應的詞向量降維到二維空間中進行可視化處理，經(jīng)可視化處理后可以觀察到100 個關(guān)鍵詞的大體分布情況，如圖2所示。

圖2 TF-IDF 得到的前100 個關(guān)鍵詞所對應詞向量的二維展示

由圖2可知，TF-IDF 得到的關(guān)鍵詞在空間中分布均勻，底部主要是有關(guān)計算機技能要求的關(guān)鍵詞，左下角是有關(guān)算法和編程的關(guān)鍵詞，右下角則是與信息系統(tǒng)設計及搭建有關(guān)的關(guān)鍵詞。中間部分的關(guān)鍵詞與產(chǎn)品密切相關(guān)，上面的關(guān)鍵詞則與用戶緊密相關(guān)。從下到上反映了產(chǎn)品從設計研發(fā)，到落地實施，再到走向市場吸收用戶的完整過程；從上到下反映了根據(jù)市場分析發(fā)現(xiàn)用戶需求，籍此進行產(chǎn)品設計與研發(fā)的過程。

2.2 聚類效果對比

K-Means 算法是以距離作為相似度的評價指標，用樣本點到類別中心的誤差平方和作為聚類好壞的評價指標，通過迭代的方法使總體分類的誤差平方和函數(shù)達到最小。其核心思想是根據(jù)距離的不同將樣本聚成個簇，使得簇內(nèi)樣本的相似度高，簇間樣本的相似度低。

數(shù)據(jù)預處理得到職位描述和職位要求的完整分詞結(jié)果，進行詞向量訓練后，得到每個詞的詞向量，計算詞向量之間的歐氏距離作為詞向量樣本間的相似性度量值。具體的運算步驟為：

（1）從所有詞向量中選擇個詞向量作為初始聚類中心。

（2）計算各個詞向量到每個聚類中心的距離，并將各個詞向量劃分到距離最近的聚類中心的類別中。

（3）根據(jù)各個詞向量所屬的類別重新計算每個聚類中心。

（4）當新的聚類中心與之前的聚類中心相重合或計算結(jié)果小于閾值時，運算結(jié)束；否則重復步驟（2）和（3）。

K-means 算法的關(guān)鍵是確定分類數(shù)，本文采用輪廓系數(shù)（Silhouette Coefficient）和誤差平方和相結(jié)合的方法來確定最佳分類數(shù)。

輪廓系數(shù)適用于實際類別信息未知的情況，用K-means算法將待分類的文本數(shù)據(jù)分成個簇，對于簇中的每個向量，分別計算它們的輪廓系數(shù)。

對于其中的一個點來說，分別計算：

得到向量的輪廓系數(shù)：

由（3）式可知，輪廓系數(shù)的取值范圍為[-1，1]，越靠近1，說明聚類效果越好。對所有點的輪廓系數(shù)求平均值，得到總的輪廓系數(shù)。

誤差平方和（sum of the squared errors, SSE）是所有樣本的聚類誤差，用于衡量聚類效果的好壞。誤差平方和越小，聚類效果越好。

對得到的詞向量計算歐氏距離，進行K-means 聚類，對聚類參數(shù)分別取2 ～9，輸出聚類結(jié)果和對應的輪廓系數(shù)、誤差平方和SSE。發(fā)現(xiàn)當=7 時輪廓系數(shù)、誤差平方和SSE 發(fā)生較大變化，出現(xiàn)“拐點”，得到職位描述和職位要求的誤差平方和與分類數(shù)的關(guān)系圖，分別如圖3、圖4所示。另外，此時得到的類別關(guān)鍵詞更合理，故選擇=7作為聚類數(shù)，得到每個聚類所對應的關(guān)鍵詞。

圖3 不同聚類數(shù)下職位描述的聚類效果

圖4 不同聚類數(shù)下職位要求的聚類效果

2.3 聚類結(jié)果分析

在職位描述和職位要求的文本聚類結(jié)果中均含有英文文本類，這是因為所獲取的數(shù)據(jù)中含有少量的英文職位描述和職位要求，但出現(xiàn)次數(shù)較少，故將此文本類略去，最終分別獲得職位描述和職位要求的六個聚類。根據(jù)這六個職位的關(guān)鍵詞，本研究總結(jié)出六類崗位特征和職位所要求的能力維度，如表1、表2所示。在互聯(lián)網(wǎng)企業(yè)招聘信息的職位描述中，六類崗位特征分別是市場推廣、行業(yè)布局、組織統(tǒng)籌、產(chǎn)品分析、技術(shù)研發(fā)和新媒體運營，職位要求方面，招聘信息反映的六個能力維度分別是：學歷及能力要求、行業(yè)經(jīng)驗要求、市場運作能力要求、組織統(tǒng)籌能力要求、技術(shù)能力要求和個人品質(zhì)要求。

表1 職位描述聚類得到的六個崗位特征維度

表2 職位要求聚類得到的六個能力維度

2.4 雷達圖對比展示

雷達圖便于對比同一種招聘類型下不同職位的職位描述差異，本研究考慮高校畢業(yè)生通過校招進入互聯(lián)網(wǎng)和求職者通過社招途徑進入互聯(lián)網(wǎng)兩種不同情況，因此將招聘類型作為補充內(nèi)容，對比互聯(lián)網(wǎng)企業(yè)在社招和校招中，針對同一職位招聘信息的職位描述和職位要求是否有所區(qū)別。

具體計算時，按照招聘類型的不同，對某一崗位的職位描述或職位要求中出現(xiàn)的六個維度的分詞進行計數(shù)，分別得到社招和校招的崗位-崗位特征/崗位-能力要求計數(shù)結(jié)果。分析某一類崗位下校招和社招對職位描述的影響，可以采用卡方檢驗的方法來判斷社招和校招之間是否存在差異。但由于目前樣本量較大，卡方檢驗的效果欠佳。根據(jù)列聯(lián)表分析，可以對比不同維度關(guān)鍵詞出現(xiàn)的期望頻率與實際頻率。因此本研究將不同維度關(guān)鍵詞出現(xiàn)的實際頻率作為輸入值，制作成雷達圖進行對比。

對比圖5和圖6的校招和社招職位描述雷達圖，可以看出，對于市場崗位來說，校招時對行業(yè)了解、組織統(tǒng)籌等職位內(nèi)容的描述更多一些，而在社招時更強調(diào)市場推廣，說明社招時企業(yè)可能會在職位描述中直截了當?shù)乇憩F(xiàn)出盈利目的。對于研發(fā)崗位來說，校招時對技術(shù)研發(fā)的描述相對較多，有很強的針對性。但在社招時，除了技術(shù)研發(fā)的工作描述外，產(chǎn)品、推廣等方面的描述也頗多，體現(xiàn)出綜合性和拓展性。對于產(chǎn)品崗位來說，校招時的職位描述沒有很強的指向性，沒有設立很高的職業(yè)門檻。相反，社招崗位對產(chǎn)品分析、市場推廣等工作內(nèi)容的描述更具針對性。對于運營崗位來說，校招和社招的職位描述差異在于，社招時對市場推廣的描述更多。

圖5 互聯(lián)網(wǎng)公司校招職位描述雷達圖

圖6 互聯(lián)網(wǎng)公司社招職位描述雷達圖

對比圖7和圖8的校招和社招職位要求雷達圖，可以發(fā)現(xiàn)，對于市場崗位來說，無論是校招還是社招，對個人品質(zhì)的要求都是頭等重要的，但社招還會對市場運作能力提出要求，相對而言，校招對學歷的要求更加明確。對于研發(fā)崗位來說，校招和社招最顯著的差異是，社招時對學歷的要求放寬，但對個人品質(zhì)的要求相對提高。對于產(chǎn)品崗位來說，社招時對學歷的要求相對寬松一些，但對個人品質(zhì)的要求較高。對于運營崗位來說，同樣出現(xiàn)社招時學歷要求放寬、個人品質(zhì)要求提高的現(xiàn)象。

圖7 互聯(lián)網(wǎng)公司校招職位要求雷達圖

圖8 互聯(lián)網(wǎng)公司社招職位要求雷達圖

3 結(jié) 論

通過對互聯(lián)網(wǎng)企業(yè)發(fā)布的招聘信息進行文本分析，研究了互聯(lián)網(wǎng)企業(yè)針對不同招聘類型、不同職位類型的人才需求特點。結(jié)果顯示：互聯(lián)網(wǎng)企業(yè)的招聘職位描述可以分為市場推廣、行業(yè)了解、組織統(tǒng)籌、產(chǎn)品分析、技術(shù)研發(fā)和新媒體運營六大維度；招聘職位要求可以分為學歷要求、行業(yè)經(jīng)驗要求、市場運作能力要求、組織統(tǒng)籌能力要求、技術(shù)能力要求和個人品質(zhì)要求六個維度。

在職位能力要求方面，互聯(lián)網(wǎng)企業(yè)進行校招時，無論是市場、研發(fā)、產(chǎn)品還是運營崗位，都特別注重個人品質(zhì)（如工作主動性和溝通能力），其中市場崗位最看重個人品質(zhì)，研發(fā)崗位對個人品質(zhì)的要求最弱，也是四類職位中對技術(shù)能力要求最高的崗位，運營崗位則是四類職位中最看重學歷的崗位，產(chǎn)品崗位在六個維度中要求中等。在進行社招時，四類職位仍然關(guān)注個人品質(zhì)，但從整體上來說對學歷的要求有所降低，而是更加關(guān)注求職者的組織統(tǒng)籌能力、市場運作能力和行業(yè)經(jīng)驗。相形之下，市場崗位在市場運作能力和個人品質(zhì)兩個維度的要求較高，產(chǎn)品崗位對行業(yè)經(jīng)驗和組織統(tǒng)籌能力要求較高。