核心观点
本研报基于某招聘网站发布的50多万条招聘信息数据，利用数据挖掘技术对网络招聘信息进行分析，旨在了解社会和相关行业的需求特点与趋势，为广大求职者提供正确的就业指导。
研究方法
- 数据预处理：对结构化数据进行数值化处理，对非结构化数据进行去重、去空、中文分词和停用词过滤。
- 文本向量化：基于TFIDF权重法提取关键词，构造词汇-文本矩阵，并利用SVD进行语义空间降维。
- 文本聚类：通过k-means聚类算法对职位进行职业类型和专业领域的划分。
- 需求分析与预测：构建排名算法判断热门行业、职位、地域，并引入时间因素预测短期人才需求走向。
- 关联规则挖掘：对大数据相关职位进行关联规则挖掘，分析其需求增长趋势、行业分布情况、地域分布情况、行业职位特征、行业薪酬情况以及技能要求。
- TSI人才紧缺指数：计算TSI人才紧缺指数，深入分析IT行业在地域、职位、学历方面的供求现状。
研究结论
- 热门需求：移动互联网、金融、电子商务·金融、移动互联网·金融、电子商务是热门行业；后端开发、运营、销售、视觉设计、编辑是热门职位；北京、上海、深圳、杭州、广州是热门地域。
- 人才需求走向：热门地域和企业对学历的需求大多以专科本科为主，对工作经验的要求大多在1-3年；热门行业和职位的需求在短期内仍会持续增长。
- 大数据职位需求情况：大数据相关职位主要集中在移动互联网、电子商务、金融等行业，地域分布上“北上深杭广”等特大一线城市占据主导地位；薪酬水平高于行业平均水平；主要工作对象是后端开发、运营和产品，其次为DBA、用户和市场；要求应聘者具有良好的数据分析能力和数据变现能力。
- IT行业供求与发展：北京地区IT行业人才供给量大于人才需求量，呈现供过于求的现状；网页设计/制作以及软件工程师的人才紧缺指数较大，呈现供不应求的现状；大专学历和硕士人才紧缺指数较大，呈现供不应求的现状。
- 人才培养建议：统计学专业应积极应对大数据时代的挑战，转变思维模式，增设相关课程，联合多院系培养复合型人才，注重实践操作，加强校企合作，培养创新型人才。
