提升毕业生就业水平是高校管理目标中的一个重要方面。当前，我国高校毕业生均不同程度存在就业不充分、不理想，就业困难等问题，不少高校毕业生就业工作还停留在传统的搜集招聘信息、组织供求对接、统计汇总毕业去向等层面上，对用人单位招聘需求的变化、毕业生求职意向、求职行为的变化、毕业生流向的深层次分析以及就业趋势的预测等方面的研究不够深入，究其原因，既有受到原有工作习惯的掣肘，更多的是缺乏统计、分析、预测的相应数据和技术支撑。如何有效提高高校毕业生数据分析工作质量、有力促进毕业生就业成为当前高校就业工作的重要课题。
　　高校毕业生数据分析的重要性
　　高校毕业生数据分析是高校就业工作的重要环节，深入分析毕业生数据则是做好这项工作的有力抓手。分析毕业生数据有助于发现就业工作出现的问题，深入探究毕业生求职和用人单位招聘的内在规律，从而为预测毕业生就业趋势、解决就业问题提供重要依据，进而促进高校就业工作的改革创新。
　　具体而言，通过对毕业生专业分析，可以帮助高校了解不同专业的社会需求度、需求变化和需求敏感度，有助于高校更好地进行专业设置优化、课程优化，及时调整有关专业的招生规模；通过对毕业生就业单位分析，可以帮助高校了解人才培养质量以及社会认可程度，有助于高校及时跟踪用人单位动态，加强与用人单位的沟通，尽早了解用人单位需求变化和用人满意度，及时调整学校有关政策；通过对毕业生就业区域分析，可以帮助高校了解区域就业情况，促进学校加强与吸纳毕业生少的地域的市场开发，加强市场对接工作，为毕业生提供更多高质量的就业机会；通过对毕业生求职行为分析，可以帮助高校了解毕业生的求职动机、意向单位、主要考虑因素、就业满意度等信息，有助于高校根据实际情况制定相应政策和工作计划，教育毕业生形成正确的就业观念，引导毕业生形成合理就业预期，同时向毕业生提供必要的培训和帮助，为提升高校就业工作水平提供有力支撑；通过加强对过往毕业生数据的分析，可以帮助高校预测就业形势、趋势，帮助潜在就业困难的学生尽快有针对性地提升能力和改进不足，提升就业能力。通过分析可以看出，毕业生数据分析对于高校提升就业工作水平，提升毕业生就业质量和效率意义十分重大，需要引起高校决策层和就业管理部门的高度重视。
　　当前，虽然不少高校都开展了就业分析工作，但由于毕业生数量众多、就业相关信息量大、统计分析人员力量薄弱、统计手段传统等原因，不同程度存在就业数据获取不全面、不系统，统计分析不深入、不精确，分析结论不够科学、预测性不强等问题，这些问题成为制约高校发挥就业分析功能的重要因素。如何有效提升就业分析质量，是高校就业工作面临的重大挑战和亟待解决的重要问题。
　　大数据技术作用及表现
　　众所周知，信息技术的发展极大提升了整个人类社会的运行效率。本世纪以来，高校信息化建设的快速发展有力提升了高校各方面的管理水平。在高校毕业生就业工作方面，现代科技手段同样将发挥重要作用，大数据技术即为其中关键技术之一。大数据技术的使用可以有效扭转当前不少高校存在的数据不完整、就业分析不全面、就业预测不科学不准确等局面，帮助高校较为全面地掌握用人单位招录情况和毕业生求职情况，及时发现存在的问题和面临的困难，改变就业信息呈现形态，使得就业分析直观、高效。具体来讲，大数据技术的引入对高校毕业生数据分析工作的提升作用表现在以下几个方面：
　　有效提升数据完整度和就业评价质量
　　通过建立统一的数据标准，整合与就业有关的各方面数据信息，能显着改善就业信息分散、重复、不准确的问题，同时，通过数据挖掘技术、数据可视化技术等大数据相关技术可以为毕业生就业管理者提供直观、精准有效的数据信息，甚至可以定制化有关就业元素生成相关信息，使得就业管理者可以方便、快捷、准确掌握毕业生就业情况，多维度评价就业质量，以便及时调整学校的招生、培养、就业相关政策和工作计划。
　　有力提升就业工作质量
　　一方面，大数据技术的使用使掌握毕业生求职、就业过程的实时信息成为了可能，就业管理部门可以及时发现就业过程中存在的问题、分析需求，并提供精准就业指导。大数据技术结合信息化手段的使用，极大地提高了就业统计、分析效率，同时，基于就业数据信息的统计和分析，构建预警机制，能在就业中为教学、管理工作反馈有价值的参考信息，避免教学、管理工作无的放矢。
　　在一定程度上预测就业形势，提供就业参考
　　前瞻性的工作能有效提升就业质量，从某种意义上说，对就业的预测比事后统计描述分析更加重要。从宏观来看，通过对历年就业数据的采集分析，可以把握就业形势变化、行业走向和人才匹配情况，为毕业生提供就业服务参考；从微观来看，大数据个性化推荐技术的使用可以为毕业生提供就业参考，根据以往的就业数据，结合毕业生本人专业、学历、特长、性别、期望薪资、期望就业区域进行模糊匹配，提供有价值的建议。
　　关键技术与数据分析
　　针对当前高校毕业生数据大幅度增长的情况，如何有效运用这些数据更好地服务于毕业生就业成为亟待解决的问题。概括地说，需要以下技术作为支撑：一是大数据存储技术。通过该技术解决结构化数据存储、半结构化数据存储、非结构化数据存储的问题；二是大数据共享交换技术。通过该技术解决数据接入，数据清洗、转换、脱敏、脱密，数据资产管理，数据导出等问题；三是大数据分析与挖掘技术。通过该技术解决准实时分析、实时分析、机器学习等问题；四是大数据可视化技术。数据可视化可以增强数据的呈现效果，方便用户以更加直观的方式观察数据，进而发现数据中隐藏的信息。该技术通过图形、图像处理、计算机视觉对数据加以可视化解释，可以极大提升数据的易用性。
　　获取高校毕业生基础数据进行数据处理
　　要有效发挥大数据技术在毕业生数据分析中的作用，首先必须做好数据收集，实现数据有效采集与整合，建立统一的毕业生数据库。一是要加强对毕业生本人情况数据的收集，比如毕业生的性别、专业、学历、特长、主修辅修课程、成绩情况、科研情况、社会实践活动情况、奖学金以及其他奖励情况、师生评价、就业意向、期望薪资等信息。二是要加强毕业生去向信息的收集，比如就业区域、就业行业、就业单位、初始就业薪资待遇等信息。在所要收集的数据中，既要注意收集结构化数据，也要注意收集非结构化数据，数据收集工作可以贯穿于学生在校学习生活全过程，实现对学生的全过程跟踪管理。高校毕业生数据来源如图1所示。
　　在建立了统一的毕业生数据库后，要对数据进行处理，应用数据清洗技术对缺损数据、相似重复信息进行处理，提高数据质量；要对数据进行相关性分析，去除无关属性，同时对一些敏感数据进行脱敏、脱密处理；要对数据进行概化操作使数据适合数据挖掘，为数据挖掘与分析做好准备。
　　对高校毕业生数据进行挖掘与分析
　　高校毕业生数据来源分散，对数据库中的数据进行模型化研究对于科学分析毕业生数据，提高数据分析的准确性和预测性具有十分重要的意义。决策树方法是数据挖掘的核心技术之一，由于决策树算法具有分类精度高、模式简单的特点，因此可以将其作为高校毕业生就业数据分析的基础。比如，在分析毕业生就业单位性质时，我们发现学生成绩、政治面貌、学历、师生评价等对不同性质的单位影响因子不同，通过决策树分析可以较准确预测毕业生的就业去向。图2为高校毕业生就业数据分析流程示意图。
　　从分类决策树中可以看出成绩良好以上的毕业生基本都能就业，能获得更多的选择机会，成绩良好以上的中共党员毕业生到机关、事业单位、国企的概率非常大；即使是成绩良好的非中共党员毕业生也有机会进机关、事业单位和国企；成绩良好以下的毕业生就业可选择余地要少一些，师生评价成为比较关键的因素，师生评价高的毕业生，还是有少量机会进入机关事业单位和国企，而对于成绩良好以下、评价不高的毕业生绝大多数只能选择私企和个体或者自由职业。
　　此外，对于非典型影响因素，可以结合数据统计分析方法进行辅助分析，通过对一定数量样本数据进行统计，可以预测未来一段时间的毕业生就业趋势。
　　系统设计与实现
　　以中国音乐学院毕业生数据分析系统核心功能解析为例：
　　1.系统环境搭建
　　在系统环境的搭建上，采用前后端分离部署技术。开设两台服务器，服务器A用于部署前端项目，称为前端服务器，服务器B用于部署后端项目，数据放在此服务器上，称为后端服务器。通过开放API的方式，后端服务器向前端服务器中的前端项目提供数据或数据操作接口，以此实现前端与后端的衔接，提高系统性能、反应速度和扩展性。
　　2.后端数据实时更新
　　（1）使用实时数据仓库：从技术上解决了数据使用的延迟， 任何时间点都可以得到当前最精确的分析结果，实现了毕业生数据分析系统性能优化。实时数据仓库是一个经过数据源中数据的抽取、清洗、转换、加载、存储到数据仓库中，为用户提供有价值信息的应用系统。数据仓库能够精确、可靠地从业务数据库中取出数据，通过处理后转换成有价值的信息，再进行分析。
　　（2）使用多元数据源：毕业生数据分析需要使用多元数据源，首要数据源为毕业生系统所使用的数据库，在其基础上增加 Excel 表格数据作为第二数据源，主要用于补充毕业生系统的不全面数据。通过从多元数据源中抽取、加载、转换、存储到数据仓库中，使得毕业生数据分析展示数据类型更加多元化，展示效果更加丰富、直观。
　　（3）数据获取及处理的流程：高校毕业生数据库和 Excel 表格数据共同构成了数据源。经过 ETL 过程，实时抽取至 ODS（操作数据存储，Operational Data Store）层ODS库，ODS库在业务系统和数据存储层之间形成一个隔离层，ODS库中的数据表一般存储用于实时加载和更新，ODS库中的数据会加载至数据仓库。通过使用数据仓库中存储的数据，实现了数据访问层中各个功能，毕业生数据分析架构如图3所示。
　　3.前端数据展示多样化
　　前端应用FineReport设计器，使用HTML5图表提供优秀的动态效果和强大的交互体验。
　　（1）毕业生数据分析系统除了基本的报表展示和导出功能外，增加了以维度为基础的图表展示，包括柱形图、折线图、饼图、雷达图、散点图等。例如，通过追踪毕业生就业单位类型、就业行业等信息可以为就业指导部门提供决策数据支撑，使学校为毕业生求职提供更专业的指导和服务；通过就业行业分析可以看出学生毕业后从事的工作与所学专业是否匹配，有助于学校进行专业和课程改革，与时俱进，培养适应时代发展的优秀人才，服务社会。
　　（2）毕业生数据分析采用数据地图，重点使用区域地图和钻取地图，提供丰富的数据地理信息展示，可以展示毕业生生源、毕业去向，可按地域进行详细分析，为将来招生和就业提供强有力的依据。学校可以依据毕业生去向的分布数据指导该院系的就业相关工作，做好专业设置与市场对接工作。使用图表交互，丰富的交互效果提高了就业数据展示的可视化体验。例如，可以用柱形图和折线图相结合的组合图来展示毕业生数据变化，也可以用普通的表格展示每年的毕业生数据、就业率信息，用表格数据支撑组合图的数据，让分析变得更加有理有据。
　　高校毕业生就业关乎民生，同时也反映出高校教学、管理水平，提升高校毕业生就业水平是高校管理的重要职责和任务目标。在科技飞速发展的今天，有效运用前沿信息技术，将大数据相关技术应用于高校就业工作，建立毕业生数据分析系统，能够有效提升就业评价质量和就业工作质量，对于解决人才与市场供需不匹配问题以及帮助就业困难毕业生提升就业机会都具有重要的意义。高校就业工作人员应当持续丰富毕业生相关数据来源，提高数据资源的整合、分析能力和对毕业生就业的预测能力，不断提升就业指导工作的针对性、时效性和科学性。

0