注：本文系2023年四川省教育厅思想政治教育研究课题（高校辅导员专项）“基于群体画像分析的高校就业质量提升研究”（CJSFZ23-64）成果论文

党的十九大报告明确指出：“要坚持就业优先战略和积极就业政策，实现更高质量和更充分就业”^[1]，这对民办高校相关就业工作提出了更高要求。众所周知，民办高校毕业生就业问题越来越受到社会、家庭、政府的关注，其对于当下维护社会稳定和国家发展具有深远的意义。随着经济形势变化及供需矛盾问题日益凸显，就业形势变得更加严峻和复杂，此外民办高校毕业生还存在职业精神欠缺、自身定位不清、求职技能弱化等问题。为了有效破解当前毕业生就业的困境，我们需要从多个维度评价毕业生就业能力指标，构建毕业生就业画像，全面且深入地了解民办高校毕业生的求职意向，建立民办高校毕业生就业能力评价模型，建设精准就业服务平台，为民办高校毕业生提高就业精细化服务。

一、毕业生就业画像概述

用户画像，这一概念由是由Alan Cooper所提出，其核心在于对用户信息的标签化处理^[2]。用户画像技术的基础是对数据采集并进行深入挖掘，技术手段主要是数据处理、分类归纳、标签化处理等方法。由于其对数据挖掘往往能够真实反应背后关键隐含信息，因此用户画像技术提出之后就开始逐渐得到广泛应用，比如社交、网络购物、医疗、军事等领域都有关于用户画像技术的应用研究。

当前，将用户画像应用于高校就业推荐领域已取得显著成效。有学者利用大数据技术画像技术应用在就业资源个性化推荐系统,并取得了较好效果^[3]。另一方面有学者则通过构建雇主画像的总体框架，设计了雇主画像的维度和标签体系，并深入探索了雇主画像的构建方法和流程^[4]。建立毕业生就业画像，一方面可以对相关就业数据充分利用，防止数据资源闲置浪费，另一方面就业画像能够辅助学校就业管理部门提升就业工作针对性和时效性，进一步提升民办高校就业服务质量。

二、基于用户画像的民办高校毕业生就业能力模型建构

2.1民办高校毕业生就业画像数据采集

在构建民办高校毕业生就业画像的过程中，就业数据的采集是至关重要的一步。目前高校就业相关数据种类丰富，这些信息为我们构建学生就业画像提供了丰富的数据基础。在画像数据采集内容方面，应涵盖毕业生个人基本信息、学业成绩、实践能力成绩、实习信息、职业意愿等数据。就业画像技术应用的好坏直接影响毕业生信息数据利用情况，所以需要高度重视数据采集工作。值得注意的是就业数据往往在不同部门之间横向流转，可能具有交叉融合的特点，在数据采集时必须解决数据繁杂冗余的问题。

毕业生就业相关数据可能来自多个不同的系统，包括毕业生就业相关基本信息、行为记录、偏好设置等。为了实现民办高校就业画像的规范化和标准化，需要按照一定的数据标准对结构化、半结构化、非结构化的数据进行整合统一。这样不仅能够提高数据处理的效率，还能够确保用户画像的准确性和一致性。通过不断丰富和更新用户数据资源，就业画像的构建将更加全面、准确。就业基本信息的获取以及毕业生行为数据的收集，简要分为静态数据和动态数据。

静态数据主要指的是民办高校毕业生的基本情况和就业属性，这些信息通常是相对稳定的^[4]，如性别、姓名、专业、出生年月、身高体重、家庭情况、政治面貌等。这类数据通常采用系统直接导入的方式获取，因为它们往往是用户在注册或填写个人信息时就已经提供的。这些静态数据构成了民办高校毕业生就业画像的基础框架，为我们提供了基本轮廓。而动态数据则更为丰富和多变，它包括了民办高校毕业生的课程学习数据、综合素质成绩、科研成果数据、就业实习情况等。本次设计的民办高校毕业生就业标签体系如图1所示。

图1 民办高校毕业生就业画像标签体系

2.2民办高校毕业生就业画像数据处理

构建民办高校毕业生就业画像的过程复杂且精细，在采集完成相关就业数据后需要对数据进行处理，第一步是建立数据准备系统。数据准备层在构建毕业生就业画像时扮演着至关重要的角色。在这一阶段，主要任务是根据确定的分析数据对象，采集大量的毕业生就业数据。这些数据可能来自多个渠道，具有不同的格式和标准，因此需要进行数据预处理操作。一是数据清洗。数据清洗是一个必不可少的步骤。通过删除重复值、处理异常值、修复缺失值等操作，可以确保数据的准确性和一致性。同时，根据业务需求和分析目标，可能还需要对数据进行特定的转换和归一化，以便后续的数据分析和建模。二是数据融合和集成。由于用户数据可能来自不同的数据源，如能力标签数据、求职经历数据、求职偏好数据等，因此需要通过数据挖掘技术对这些数据进行特征提取，并将提取的特征进行融合，从而得到更全面、准确的毕业生就业画像。同时，建立统一的数据接口，并按照不同类别将数据存储在数据库中，可以方便后续的数据访问和处理。此后通过一系列算法和技术，对数据信息进行排序、聚类、标记、优化等处理，为构建用户标签体系打下坚实基础。

第二步是构建用户画像标签体系，目的是提取海量数据信息中的较为关注的关键用户信息，将这些关键用户信息抽离出来并构建模型进行展示。标签的挖掘和提取进一步帮助我们深入了解用户的特征，为后续的用户画像构建提供了坚实的基础。利用已处理的用户数据和优化的标签体系，有助于深刻刻画民办高校就业画像特征的全貌，为个性化服务和精细化就业工作提供有力的数据支持。

总的来说，构建用户画像是一个涉及数据采集、预处理、处理、建模分析等多个环节的综合任务。通过充分利用数据处理层的功能和技术手段，可以有效地挖掘用户数据中的价值，为提升用户体验和推动业务发展提供有力的数据支撑，具体民办高校毕业生就业画像构建框架如图2所示。

图2 民办高校毕业生就业画像构建框架

在毕业生就业画像的标签体系中，每个标签都代表着某个用户的具体特征，通过整合这些标签，可以形成对毕业生就业群体的全面、深入的理解。这不仅有助于民办高校更精准地服务毕业生群体，还能为精准化工作提供有力支持。随着就业形势变化和毕业生求职过程的演变，民办高校需要不断调整和优化就业画像标签体系，以确保其时效性和相关性。建立标准的民办高校毕业生就业画像标签体系是构建精准毕业生就业画像的基础和保障。

2.3民办高校毕业生就业画像典型应用

建立就业画像的目的是对数据进行可视化展示，通过就业画像可以构建更多先进、多样的可视化形式，如气泡图、树状图和脑图等，它们能够更直观、更深入地揭示数据间的内在关联和规律。数据可视化除了进行展示分析，还可以交互互联，发展空间十分广阔。毕业生就业画像，通过各种手段将数据以更直观、更易于理解的方式呈现出来，例如某学院某毕业生个人画像词云如图3所示，从图中大致可以分析其优势和基本概况。

图3 某名毕业生个人画像词云

同时，结合大数据分析工具，可以深入挖掘数据背后的信息和隐含信息及其规则，从而为高校就业管理提供更精准、更有价值的数据分析服务。数据可视化易于交互、生动直观和数据层次丰富立体^[6]，能够实现从数据空间到图形空间的映射，我们可以借助数据可视化为高校提供更丰富、更立体的数据体验，部分就业画像可视化应用如图4所示。

图4 民办高校毕业生就业画像可视化应用雷达图

可视化系统能够将就业画像中数据挖掘和标签提取结果以直方图和图谱等形式展示出来，帮助学校更直观地了解毕业生就业数据的分布和特征。同时，根据毕业生就业数据反馈，可以及时调整和完善毕业生就业画像，使其更加符实际需求，某年某学院毕业生就业去向直方图如图5所示。

图5 某学院毕业生就业去向直方图

毕业生就业画像构建完成后，验证和评估其效果也至关重要的，这可以确保毕业生就业画像真正匹配用户的真实需求。通过毕业生实际使用相关数据反馈能够初步判断就业画像准确度。在评估毕业生就业画像时，常见的指标除了准确度以外，还包括效度、置信度、及时性等。其中，准确度最为重要，常用于验证画像数据是否准确有效。就业画像的评估还可以结合毕业生就业第三方反馈数据来进行，如应届生就业满意度、用人单位综合评价等。

三、结语

民办高校毕业生就业画像，作为高校就业信息的全面展现，其精度和准度直接决定了就业服务工作的精细化和个性化程度。通过就业画像技术，我们可以将就业数据转化为直观、易懂的标签，从而更加清晰地描绘出就业的全貌特征。就业画像不仅有助于我们更深入地了解每个毕业生的职业特征和需求，还能为高校提供更加精准、个性化的就业指导和服务，从而提升毕业生的就业质量和高校的就业服务水平。

参考文献

[1]习近平.决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利——在中国共产党第十九次全国代表大会上的报告[M]. 北京: 人民出版社,2017.

[2]林燕霞. 网络舆情中网民属性及行为分析[D]. 广东工业大学 , 2019.

[3]贺冰心.基于画像技术的大学生就业资源个性化推荐系统[J].中国新技术新产品,2023,(21):16-18+26.

[4]张东迅.基于大数据的校园招聘雇主画像研究[D].北京：北京邮电大学,2018

[5]江林升,张燕. 数据画像在公安院校毕业生就业精准定岗中的应用 [J]. 铁道警察学院学报, 2023, 33 (05): 113-117.

[6]银朋. 学生就业竞争力综合评价指标的建立与系统实现 [J]. 河南教育学院学报(自然科学版), 2023, 32 (03): 56-63.

[7]李龙,金铄,黄霞. 基于改进TF-IDF算法的毕业生就业推荐算法研究 [J]. 计算机与数字工程, 2023, 51 (09): 1985-1989+2118.

[8]郭华,刘盛. 大数据技术赋能高校毕业生精准就业服务体系构建 [J]. 长沙理工大学学报(社会科学版), 2023, 38 (04): 18-24.

[9]夏冰,杨挺,左兵. 高校毕业生就业预警量化模型构建及应用 [J]. 教育发展研究, 2023, 43 (09): 60-67.

[10]王婷,耿有权,黄亚继. 博士生毕业因素的关联规则挖掘：群像特征与类型差异 [J/OL]. 重庆高教研究, 1-18[2024-05-29].