基于大数据的我国电子商务产业人才需求特征研究

发布时间：2020-05-27 17:48

【摘要】：电子商务的出现、兴起以及迅猛发展,使得电商企业与日俱增,对电商人才的需求量大幅提高。为满足企业需求,我国高校积极开设电子商务专业并培养了大量的毕业生,但是社会上电商人才仍然存在招工难、流失率高等现象,从而形成了此类人才供需结构性矛盾的尴尬局面。因现有电商人才尚未满足企业的用人需求,所以在一定程度上抑制了电商企业的发展。通过对现有文献的梳理发现,电子商务更迭较快,现有研究无法深入挖掘电商产业人才需求特征,且研究方法较为传统、数据样本量小,难以明确电商人才供需存在的问题,因而缺乏对电商人才需求特征的真实认知,不能较好地提出合理的建议或方案。因此本文从企业需求方角度出发,运用大数据思维与方法,剖析我国电商企业人才需求的特征。本文主要的研究内容:首先,通过对网络招聘、人力资源、人才需求、核心技能等相关概念、内涵、特征的分析明确了研究问题及内容,简述了“多尔原理”后现代课程理论、双因素激励理论、Web文本挖掘理论等本次研究所用的基础理论;其次,通过爬取国内主流招聘网近三年百万条电商人才招聘信息,包括前程无忧、智联招聘、中华英才网,历时两年时间,制定标准化的数据采集流程,使数据源标准化;然后,对数据源进行预处理,运用IBM Content Analysis文本分析平台与MYSQL数据库对文本分词,并构建技能词典,对电商人才需求技能特征进行提取;此外,运用时间序列算法预测核心技能词随时间的变化同时采用大数据可视化技术对结果进行展示,结果分析发现,近三年我国电商岗位需求发生了明显变化,个别电商岗位的技能需求有新变化,需要新的技能;最后基于人才发展、人才保障、人才环境、人才培养等视角,分别从企业、政府和高校三个层面为我国电商产业的人才发展提出合理性的建议及方案。
【图文】：

技术路线图,技能,核心技能,需求特征

由于网络招聘信息主要是非结构化中文文本结构，将利用 IBM Content Analysi本分析平台，对爬取的招聘信息进行中文分词及技能关键词提取。（5）时间序列分析引入时间序列算法，采用一阶指数平滑法，对历时三年时间的上百万条招聘信息的核心技能进行预测，以技术类开发岗为例，对比分析现有技能与出现的新技能。（6）大数据分析技术利用文本挖掘方法，，基于词频统计技术，发现电商企业对人才真实的需求；通过联分析技术，发现人才需求的技能特征组合；加入时间序列分析法，挖掘我国电商产的人才需求技能特征变化；利用大数据可视化技术，直观展示我国电商产业人才需求地域分布、薪资状况、技能需求特征、岗位与技能需求特征的相关程度、核心技能关词的时序变化等。2. 技术路线本文围绕研究问题，设计出技术路线如图 1.1。

时间序列,内容分析,需求特征,商人

、问卷调查等传统方式。从统计学角度看存在由于抽样对象选择不合适、调查不合理等原因造成效果不好、准确度有偏差，且这些方式过程处理时间长、效高。而文本选取国内主流招聘网站的招聘信息为数据源且数据量达 100 多万实同时体现大数据思维，能反映电商企业对于人才各方面的需求特征。这是电才需求特征分析方法的思路创新。2）研究方法的创新。现有研究的方法借助于问卷调查、企业走访、专家咨询谈等传统方法。而本文的研究方法是基于大数据的非结构化文本分析，创新提基于大数据、大样本、快速、精准、智能化的电子商务产业人才需求特征分析括网络爬虫技术、中文分词技术、时间序列算法、大数据可视化技术等，效率间更短、处理更快，使得电商产业的人才需求特征洞察能力更强。3）研究视角的创新。一方面是分析视角的创新，在已有的研究基础上进一步电商产业人才需求特征，包括电商人才整体需求、电商人才技能需求研究（高析、高相关分析）、技能需求趋势研究；另一方面，创新网络招聘信息的应校专业建设及人才培养，也可应用至电商企业人才管理甚至政府人才环境打
【学位授予单位】：重庆工商大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F724.6;C964.2

【参考文献】