运用数据挖掘技术,开启就业信息宝藏.docVIP

运用数据挖掘技术,开启就业信息宝藏 　　21世纪以来,教育部提出了在高校建设“信息化就业”的有关要求,10年来,我国高校信息化就业工作已取得了较大的成果,高校普遍具备了良好的信息基础,积累了大量就业数据信息,这些数据如同一座巨大宝藏,等待开发。目前高校就业工作者对这些数据的应用开发还只是初窥门径,未能充分利用,也缺乏专业工具来进行研究。 　　数据挖掘技术是一种利于从海量的、纷繁复杂的数据中寻找有价值的知识和信息的工具。本文认为数据挖掘技术适合研究开发高校就业信息,开启就业信息宝藏之门,为高校就业指导工作者带来新的思路。 　　 　　一、数据挖掘技术简介 　　 　　数据挖掘技术(Data Mining),是一种数据研究方法,运用信息手段从既有的数据库或其他信息库中的纷繁复杂的数据中获取信息的一种技术。数据挖掘技术能够很好的解决当前信息时代“数据太多,信息不足”的矛盾,获取到具有潜在价值的、支持决策的、可以为组织带来利益或者为科学研究寻找到突破口的信息。 　　数据挖掘技术在运用中主要任务有两大类,描述任务和预测任务。描述任务的目标是导出可以概括数据中潜在联系的模式,即刻画数据的一般特性。预测任务的目标是根据其他属性的值,预测特定属性的值,即在当前数据集上进行推断和预测。 　　数据挖掘技术的方法多种多样,常用的技术方法有决策树、关联规则、神经网络、遗传算法、统计分析方法等。本文主要采取了决策树法来分析。 　　决策树法(Decision tree)是一种常用的、直观的快速分类方法。它能够自动对数据进行分类,是树形结构的知识表示,可以直接转换为决策规则。决策树可以看作一棵树的预测模型,采用自顶向下的递归方式,树的根节点是整个数据集合,每个分节点是一个分裂问题,它是对一个单一变量的测试,该测试将数据集合分割成两个或更多块,每个叶节点是带有分类的数据分割。决策树也可解释成一种特殊形式的规则集,其特征是规则的层次组织关系。 　　 　　二、在高校就业指导工作中运用数据挖掘技术的意义 　　 　　在高校就业指导工作中运用数据挖掘技术,从数据中采集出有用信息,让数据开口说话,能够给高校就业指导工作者带来很多新的思路。笔者认为其主要有以下几点意义: 　　1.采用标准化程序,有利于探寻就业普遍规律。 　　很多就业指导工作者在日常工作中积极探寻学生就业的规律,比如具备什么条件的学生应聘什么岗位成功率较高,在做这些判断的过程中,就业指导工作者往往更多会从经验的角度来思考,用到工具往往仅局限于用Excel做做分类汇总得出结论。这样的做法较为缺乏理论依据,感性较多理性较少,有的时候也不够全面。数据挖掘技术能够提供一个较好的标准化程序方法,更为理性、全面的考虑分析各种因素,探寻就业普遍规律。 　　2.运用信息化手段,有利于提高就业指导效率。 　　数据挖掘技术运用了信息化手段,在处理大量的数据信息时有得天独厚的优势。与传统方法相比,更加快捷、高效、准确。一旦创建好模型,只要将数据导入,就能很快从数据中挖掘到有用信息,提供给就业指导工作者,从而利于在工作中有的放矢,提高效率。 　　3.设定需求性程序,有利于挖掘就业潜在信息。 　　数据挖掘技术提供了很多方法,但绝非一成不变,灵活运用这些方法可以定制出达到特定需求目的的程序。比如运用决策树法,采取剪枝与不剪枝的方法,针对会计师事务所找出其录用毕业生的规律。运用数据挖掘技术需求定制,将更加适用于就业指导工作者。 　　 　　三、数据挖掘技术在就业指导工作的实例分析 　　 　　笔者是一位从事高校就业指导工作的人员,多年来不断摸索如何运用数据挖掘技术来帮助就业工作,现将该校实例与大家交流分享如下: 　　1.选择适合高校特色的数据挖掘技术 　　运用数据挖掘技术,首先要分析高校毕业生信息库的特点,从而选择最合适的数据挖掘技术来解决问题。笔者选用了决策树法,该技术可解释性高、处理速度快、擅长处理文字数据,较为适合高校。 　　2.收集建立数据集,实施预处理。 　　就业指导工作者一般以近两年的就业信息来建立数据集。数据预处理主要对数据库加工,通过数据清理、数据集成、数据规约、属性构造等步骤,对不完整、含噪声信息进行处理。 　　3.运用决策树C5.0模型,建模分析。 　　笔者选用了SPSS 公司开发的C5.0数据挖掘模型,对预处理后的数据进行建模分析。模型将本科毕业生的就业行业流向作为决策树的输出,将毕业生的个人信息、成绩信息、就业意愿信息等作为输入,通过比较分析剪枝和不剪枝的决策树模型来挖掘发现不同行业就业的学生特质。模型建设好后,还需进一步用类似数据来验证其可靠性和可移植性。 　　4.运用模型结果,帮助就业指导工作。 　　以笔者所在高校为例,模型结果显示:在该校学生向银行、会计