基于文本挖掘的商务数据分析人才需求研究.pdf

现代商贸工业2023 年第 18 期Modern Business Trade Industry No.18.2023基金项目:2021 年安徽财贸职业学院提质培优全员行动计划“基于深度学习的胜任力模型建设高职商务数据分析与应用专业课程体系的研究”(tzpyxj096);2021 年度高等学校省级质量工程项目“新文科背景下基于全链路的商科人才培养质量管理体系研究与系统应用”(2021jyxm0484);2021 年安徽财贸职业学院提质培优全员行动计划“职业教育课堂革命典型案例 基于移动商务课程”(tzpysj193)。作者简介:吴小调(1988-),女,汉族,硕士,安徽财贸职业学院助教,研究方向:商务数据分析;谢康(1988-),男,汉族,安徽师范大学教育科学学院博士生,高级经济师,研究方向:经济与管理。基于文本挖掘的商务数据分析人才需求研究吴小调1 谢 康2(1.安徽财贸职业学院,安徽 合肥 230601;2.安徽师范大学,安徽 芜湖 241002)摘 要:随着数字经济的发展,社会对电商数据化运营人才的需求急剧增长,商务数据分析与应用专业正是为了满足这一人才需求而增设的交叉专业。本文通过 Python 爬虫程序从“前程无忧”招聘网站上爬取了该专业“电商数据化运营”与“数据分析”两个就业方向的招聘数据,经过数据去重、去空、分词等预处理,借助数据可视化技术分析对应岗位的需求特征,并使用 TF-IDF 模型对招聘信息中的职位要求进行文本挖掘,寻找岗位的核心基本能力和专业能力,并据此给出相应的人才培养建议。关键词:商务数据分析与应用;Python;TF-IDF;文本挖掘;人才需求中图分类号:F25 文献标识码:A doi:10.19311/ki.1672-3198.2023.18.0170 引言随着 5G、人工智能等新一代技术的普及应用,数字经济迅猛发展。我国人口体量庞大,数据应用场景丰富,形成了广泛的数据源以及海量的数据,进一步推动了数字经济的高速发展。据领英2021 年新兴职业趋势报告数据显示,电子商务、数据分析等自带数字化基因的职位正在成为新的风口,新兴就业需求被释放,就业规模不断扩大。高职商务数据分析与应用专业是在这一背景下增设的新型交叉专业之一,以电子商务、计算机等专业为依托,以发掘数据中潜藏的商业规律、发现商业知识为核心。为了使高校教育更加契合企业实务需求,本文将以该专业的对口岗位为关键词,通过 Python 爬虫程序从“前程无忧”招聘网站中爬取招聘信息,分析岗位需求与学历、经验的关系;通过 TF-IDF 模型对职位要求进行关键词提取,从而得出相关岗位的基本能力和专业能力,以期为高职商务数据分析与应用专业人才培养提出更有针对性的对策。1 数据来源以及预处理1.1 数据来源高职商务数据分析与应用专业设置在电子商务类下,其培养对象不是大型企业的数据挖掘人才或者算法工程师,而是对标中小企业的电子商务数据化运营与数据化管理人才。基于此,本文以“电商数据分析”“电商数据运营”“数据分析”以及“电商运营”为关键词,用Python 程序爬取了前程无忧招聘网全国范围内的招聘信息,得到数据共 5846 条。1.2 数据预处理前述获取的招聘信息包括岗位名称、公司名称、城市、发布时间、学历要求、经验要求、职位描述等字段。为进一步分析,本文使用 Tableau 和 Python 对数据进行了以下预处理:(1)去重去空。为保证数据的唯一性,使用 Python中的 pandas.drop_duplicate()函数删除了重复记录,使用 pandas.dropna()函数删除“职位描述”为空的记录。最终保留记录数 4157 条。(2)分词。先使用 Tableau 提取“职位描述”中关于“职位要求”的信息。再使用 Python 第三方库 Jieba 进行分词。由于“职位要求”存在大量专业术语(如 SQL、Python),有针对性地添加分隔词。对职位要求中包含的无意义介词、连词及无助于分类的专用名词,集合哈工大、百度等停用词表进行停用词过滤。(3)岗位分类。爬取到的招聘岗位中,既有电商运营岗,也有数据分析岗,为了进一步探究这两类岗位在能力要求上的侧重,给每条记录添加“label”字段以区分其为“电商运营”还是“数据”方向岗。1.3 研究工具与方法本文在分析岗位需求与学历、经验关系时,采用的可视化软件为 Tableau。分析职位要求时,采用 python中的 jieba.analyse.extract_tags()方法进行基于 TF-IDF模型的文本分析,其中,参数 topK 设为 50,表示提取的关键字个数为 50;withWeight 设为 True,表示返回关键字权重。TF-IDF 模型主要包括两个因素:(1)TF(Term Frequency),即词频,表示单词在某文档中出现的比例,其公式为:TF=某个词在文章中出现的次数文章总词数(2)IDF(Inverse Document Frequency),即逆向文档率,表征单词的普遍重要性,由语料库的文档总数和包05现代商贸工业2023 年第 18 期Modern Business Trade Industry No.18.2023含该词的文档数决定,其公式为:IDF=log(语料库的文档总数包含该词的文档数+1)词语的权重公式为:TF-IDF=TFIDF这就表示,如果一个词在一篇文档中频繁出现,而且很少出现在其他文档中,则认为这个词权重高,具有很好的区分能力。由此可见,TF-IDF 模型倾向于过滤掉常见词汇,保留关键词汇,适合用于本文中的岗位关键技能提取。2 数据结果分析2.1 学历与岗位需求从岗位的人才需求层次看,大专和本科学历的需求量相对较大。其中,对于电商运营岗位来讲,大专学历的岗位需求大于本科学历;对于数据相关岗位来讲,本科学历的岗位需求大于大专学历,但差距不大。从图 1中可以看出,数据方向的岗位在各个学历层次都有市场需求,大专层次也是数据化人才队伍的重要组成部分。如何更有针对性地对标这些需求,实现高职教育人才供给与用人单位需求的动态耦合,是高职商务数据分析与应用专业人才培养亟待解决的问题。图 1 不同学历层次的需求分布图2.2 工作经验与薪酬从工作经验与薪资之间的关系图(图 2)中可知,电商运营和数据岗都比较注重经验积累,经验越丰富,薪酬回报越高。这就要求毕业生要深耕所在的专业领域,不要轻易跳槽。同时,也提醒高职教育要注重与岗位相结合,将企业应用场景引入到教学情境中,让学生提前感知职场,从而引导学生敬业爱业。图 2 工作经验与平均薪资关系图2.3 基于 TF-IDF 模型分析岗位核心能力用人单位对应聘者的能力要求包括两个方面:一是专业能力,指从事某项工作必须具备的独有的知识和能力,比如,数据分析能力、电商运营能力等;二是基本能力,这是相对于专业能力而言的,是伴随人终身的可持续发展的能力,比如团队合作能力、抗压能力。专业能力决定了一个人能否胜任岗位,基本能力则决定了一个人在工作岗位上有多大的发展潜力。本文基于 TF-IDF 模型分别对“电商运营”和“数据”方向的职位要求进行文本挖掘得出词语权重,使用Python 第三方库 wordcloud 制作词云图,最后,提取其中的高权重能力词汇按基本能力和专业能力维度分别整理,以进一步分析不同能力的重要性。2.3.1“电商运营”方向岗位能力分析“电商运营”方向的岗位能力词云图如图 3 所示,运营、沟通、数据分析等都是权重比较高的词汇。图 3 电商运营方向岗位能力词云图从基本能力维度看,在人际交往上,用人单位比较注重沟通能力和团队合作能力,电商企业往往是团队作战,需要团队成员之间密切配合,因此,沟通能力和团队意识尤其重要。在职业素养上,责任心、营销能力、逻辑思维、执行力、协调能力、抗压能力也是企业比较看重的基本能力,这与此类岗位性质和电商行业紧张的工作节奏相关。表 1“电商运营”方向岗位基本能力权重表一级维度二级维度TF-IDF 权重人际交往沟通能力0.12704597团队合作能力0.092058629职业素养责任心0.093440841营销能力0.052933288逻辑思维0.041672734执行力0.04154721市场营销0.036343098抗压能力0.050011301表 2“电商运营”方向岗位专业能力权重表一级维度二级维度TF-IDF 权重电子商务相关知识电商0.353717415运营0.263739914推广0.096214824规则0.047269463计算机相关知识数据分析0.215806536软件0.042496899平台天猫0.08700815店铺0.073784197京东0.068404292淘宝0.050084658 从专业能力维度看,在电子商务相关知识方面,应15现代商贸工业2023 年第 18 期Modern Business Trade Industry No.18.2023聘者需要具备电商知识,要懂运营、会推广,同时还要熟悉平台规则。从高权重词汇中还可看到天猫、京东等平台,这表明电商知识传授要与具体电商平台相结合。此外,数据分析等关键词的权重也很高,表明电商运营现在越来越倾向于数据化运营,倾向于用数据分析的结果来指导运营,优化运营。2.3.2“数据”方向岗位能力分析“数据”方向的岗位能力词云图如图 4 所示,Excel、Python、数据分析等都是权重较高的词汇。图 4“数据”方向岗位能力词云图从基本能力维度看,在人际交往上,“数据方向”方向的用人单位同样注重沟通能力和团队合作能力;在职业素养上,对营销能力、策划能力的要求不高,但增加了表达能力、数据敏感性这两项基本能力。该方向岗位常常要与用户调研需求,沟通数据结果,这要求具备表达能力,同时也要保持数据敏锐性,才能迅速发现数据隐藏在背后的规律并应用于实践。表 3“数据”方向岗位基本能力权重表一级维度二级维度TF-IDF 权重人际交往沟通能力0.122265189团队合作能力0.097837207职业素养责任心0.072407525逻辑思维0.05548555表达能力0.035481218抗压能力0.0325058数据敏感性0.027892233表 4“数据”方向岗位专业能力权重表一级维度二级维度TF-IDF 权重数据分析相关知识Excel0.22386726数据分析0.209580544数据库0.150719691大数据0.070525237数据挖掘0.045496237BI0.032796701数据采集0.028604642计算机相关知识Python0.229785462Java0.026631908数理统计相关知识统计学0.072428数学0.062021347 从专业能力维度上,“数据”方向的岗位应聘者需具备一定的数据分析知识、计算机知识和数理统计知识。其中,可以看出 Python、Excel、数据分析权重很大,其次是数据库、大数据、数据挖掘、BI、数据采集、Java 等词汇。这些都是“数据”方向岗位的必备专业能力,高校在建设课程体系的时候,应将这部分专业能力有机地融入课程体系中。3 教育目标定位与人才培养对策3.1 教育目标定位如前文所述,高职商务数据分析与应用专业毕业生对标中小企业的数据化人才和电商数据化运营人才,对应聘者的要求除了具备 Python、Excel、数据库、电商运营等专业能力之外,也要求应聘者具备沟通能力、团队意识等基本能力。高职教育要明确培养目标,紧紧围绕中小企业岗位需求设置课程,以基本能力和专业能力培养作为教育管理活动的驱动力,提高学生的综合素质,使其更符合人才市场的需求。3.2 人才培养对策根据以上分析结论及教育目标定位,对商务数据分析与应用专业的人才培养提出以下对策。(1)课程体系紧跟社会实际需求。商务数据分析岗位是以业务经验为支撑的职位,其结果是要应用到具体实践场景中的。因此,在构建课程体系时,可借助电子商务背景,以电子商务数据化运营为切入点,使置于空中楼阁的数据分析理论真正落地到数据分析实践中。此外,前述分析提及的一些工具型软件权重很高,如 Ex-cel、Python、数据库等,高职院校应结合中小企业的岗位需要,坚持业务案例与软件工具相结合,丰富学生的实操技能体系。(2)坚持基本能力与专业能力培养并重的理念。传统高职教育更侧重于知识技能的传授,容易忽视团队合作、沟通能力等基本能力的培养,而基本能力又是用人单位较为看重的可持续能力。因此,高职教育应引入侧重基本能力培养的课程以提升学生的综合素质。比如,可在课程开发中增加需要团队合作的项目,也可开展各类学生活动,以培养学生的团队意识和沟通能力。通过多元化的教学活动,实现课程体系与社会需求接轨、与岗位能力形成联动,将学生培养成懂专业、有素养的应用型专门人才。(3)推进“岗课赛证”综合育人。人才培养要与岗位需求适配,将岗位要求、课程体系、职业技能等级证书与技能大赛融为一体是一个着力点。“1+X”证书制度背景下,商务数据分析与应用专业的学生可以考取电子商务数据分析职业技能等级证书,并将其融入日常教学中,做到课程与资格认证相结合。同时,应鼓励学生多参加高水平赛事,在项目中提高能力。通过竞赛,培养学生解决实际问题的能力,还可在团队协作中提升沟通能力、加强团队意识,做到以赛促教,以赛促学。参考文献1 艾瑞咨询.企业数字化人才发展白皮书R/OL.2022-12-20.https:/ 朱思霖,郭丽清.基于前程无忧招聘信息的数据人才需求分析J.物联网技术,2019,(8):112-116.3 施聪莺,徐朝军,杨晓江,等.TFIDF 算法研究综述J.计算机应用,2009,29(z1):167-170.25