任靜 季民 陳兆寧

摘 ?要：基于杭州市現有人才需求數據與各領域崗位設置數據，構建多維數據模型分析人才市場招聘求職的基本特征，從就業(yè)需求、期望職業(yè)和期望教育背景三方面分析2015～2018年杭州市人才需求的基本現狀。結合中國學生實際就業(yè)狀況，運用GM（1，1）模型預測未來三年的人才需求總量，預測結果表明人才需求總量呈緩慢下降趨勢。運用ARIMA模型預測未來三年不同領域人才需求量，發(fā)現各領域需求量按季度呈明顯周期性，且不同行業(yè)所需人數及波動頻率均不相同。

關鍵詞：人才需求;多維數據模型;灰色預測模型;ARIMA模型

中圖分類號：TP391.7;C961.9 ? ? 文獻標識碼：A 文章編號：2096-4706（2020）04-0009-06

Abstract：Based on the existing talent demand data of Hangzhou and the data of positions in various fields，a multidimensional data model was constructed to analyze the basic characteristics of the recruitment and job-hunting in the talent market，and the basic status of talent demand in hangzhou from 2015 to 2018 was analyzed from three aspects： employment demand，expected occupation and expected educational background. Combined with the actual employment situation of Chinese students，the GM （1，1） model is used to predict the total demand for talents in the next three years. The ARIMA model is used to predict the demand for talents in different fields in the next three years. It is found that the demand for talents in each field is obviously periodic on a quarterly basis，and the demand for talents in different industries and the frequency of fluctuations are not the same.

Keywords：talent demand;multidimensional data model;grey prediction model;ARIMA model

0 ?引 ?言

在過去的幾年，吸引人才是許多城市的亮點之一。人才是城市創(chuàng)新發(fā)展的動力，是城市創(chuàng)新擴散的主要驅動力。對人才需求狀況進行研究，可以優(yōu)化人才資源配置，使求職者可以更加清晰地看清未來的就業(yè)形勢，對于城市發(fā)展和人才引進具有重要戰(zhàn)略意義。

由于人才需求數據龐大，傳統(tǒng)方法不宜處理，而數據挖掘技術可以有效分析大量數據并從中提取有用信息。Tony Bain[1]為了滿足用戶多層次多角度地對數據進行分析，建立了多維數據模型，并給出了多維數據模型設計的一般步驟。孫元軍[2]通過使用SQL Server 2000組件、Analysis Manager軟件，對地籍信息進行數據挖掘操作，實驗結果證明了該方法的實用性。目前常用的數學預測模型主要有灰色預測模型、回歸預測模型和時間序列預測模型等，眾多學者利用預測模型在人才需求方面進行了研究。許馨苓[3]使用GM（1，1）模型對我國未來40年的人才數量進行預測，并通過灰數遞補動態(tài)預測模型，使模型的預測結果符合實際。李丹[4]使用灰色預測模型GM（1，1）對海洋從業(yè)人員數進行預測。羅建梅[5]根據長株潭城市群“兩型社會”建設的現狀與趨勢，運用基于灰色系統(tǒng)理論的組合預測方法，即GM（1，1）模型和回歸模型，從人力資本需求總量和結構兩個方面進行預測。胡銳玲、沈陸明[6]對已有的人才需求量時間序列建模，用ARIMA模型進行擬合并預測，得到市場未來三年內的潛在人才需求量。劉恬玥等[7]對某市各月份職位需求總量的數據進行序列圖分析和序列平穩(wěn)性分析，隨后通過差分序列圖建立ARIMA的人才需求預測模型，得到未來三年工作崗位每月平均需求量，最后根據預測結果對人才市場的行業(yè)需求進行分析。

本文針對龐大的就業(yè)數據，采用多維數據模型進行人才需求的現狀分析;其次分別采用灰色預測模型和時間序列預測模型對人才需求總量和人才需求結構進行短期的預測，根據預測結果為求職者提供相應的建議，并據此為城市的人才引進提供相應的實質性建議。

1 ?數據來源與預測模型

本文基于2018年亞太地區(qū)大學生數學建模競賽項目，利用B題所提供的數據（2015年9月～2018年8月杭州市某就業(yè)市場的就業(yè)需求數據）對杭州市人才需求進行分析與預測。由于數據是從9月開始，將每年的9月到次年8月稱為一屆，本文中的數據即為2015、2016、2017三屆。本文主要運用了定量模型構建法對城市人才需求進行分析，利用多維數據模型分析人才數量和人才結構，建立人才數量與人才結構的定量模型。綜合分析各預測模型的優(yōu)缺點及適用條件，為提高預測精度，本文選用GM（1，1）模型與ARIMA預測模型的組合模型對人才需求進行預測。通過GM（1，1）預測模型對人才需求總量做出短期預測，構建ARIMA預測模型對人才需求結構進行預測，并根據預測結果為求職者提供就業(yè)建議。

1.1 ?灰色預測模型

灰色預測[8]通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度，進行關聯分析，并對原始數據進行生成處理，來尋找系統(tǒng)變動的規(guī)律，生成有較強規(guī)律的數據序列，然后建立相應的微分方程模型，從而預測事物未來的發(fā)展趨勢狀況。其建模過程如下[9]：

2 ?杭州市人才需求分析

本文運用SQL Server 2008軟件數據庫，利用SQL Server 2008分析服務構建多維數據分析模型。根據數據屬性，將其分為三個維度，其中時間為一維，教育背景為二維，部門和總需求為三維。

為了對就業(yè)市場人才需求有更深入的了解，本文根據現有的行業(yè)分類標準對專業(yè)領域進行分類。行業(yè)分類，是指從事國民經濟中同性質的生產或其他經濟社會的經營單位或者個體的組織結構體系的詳細劃分[11]。具體分類結果如表1所示。

對行業(yè)進行分類后，根據所給數據進行數據處理，將每月的各行業(yè)人才需求人數相加得到每年各個行業(yè)的人才需求總數。根據處理得到的各行業(yè)每年人才需求總數，作出統(tǒng)計數據圖1。由每屆各行業(yè)的比例分布圖可以看出，每屆的行業(yè)占比前三位均為金融貿易類、綜合服務類和技術工程類。在這三屆數據中金融貿易類呈緩慢下降趨勢，技術工程類呈緩慢上升趨勢，電子計算機類和綜合服務類呈先增長后下降趨勢，科教類和文化傳媒類相對較為平穩(wěn)，無明顯變化趨勢。所有行業(yè)中所占比例的前三位反映了杭州市2015～2018年的期望行業(yè)。

圖2為根據每屆各個崗位招聘所有教育背景所做的比例圖，由圖可以明顯看出，博士學位、碩士學位、學士學位崗位數量逐年增加，而無限制學歷、初中、高中、中專、大專崗位數量逐年減少，這說明隨著科技文化水平的提高，招聘崗位對于學歷的要求越來越高，越來越需要高學歷和高素質的人才。

同時由圖2可以看出，每一屆在所有的招聘崗位中，教育背景占比重最大的是大專學歷，其次是不限制學歷，排名第三的是高中學歷。這說明2015～2018年杭州市的期望教育背景主要是大專學歷、無限制學歷和高中學歷。此情況反映了在當前社會中，高學歷高層次人才仍較為稀缺，各企業(yè)和招聘單位只能選擇招聘擁有相對較高學歷的人才。

3 ?杭州市人才需求預測

3.1 ?人才需求總量預測

對數據進行預處理，將不同領域數據按照時間軸的順序進行排列重組，創(chuàng)建新的數據表格。為了提高預測結果的精度，本文選用灰色預測模型對未來三年人才需求總量進行預測，采用ARIMA模型對杭州市各行業(yè)未來三年總需求量進行預測。

由于-a=0.360 400<0.500 000，所以該模型適用于短期預測;且C<0.350 000（一般要求C≤0.450 000），后驗差精度非常好，所以最終得到杭州市未來三年的人才需求總量為：2018屆219 642人，2019屆194 724人，2020屆172 632人。呈現出緩慢下降的趨勢，因為數據較少，結果可能存在誤差，因此需要進一步的詳細分析。

3.2 ?人才需求結構預測

運用SPSS軟件對杭州市就業(yè)數據進行處理分析，選取時間序列模型生成序列圖。對序列圖進行季節(jié)性差分以及一階差分，得到差分后的序列圖如圖4所示。

圖4顯示，差分后的序列在均值附近比較穩(wěn)定地波動。經過差分處理后，根據自相關函數（ACF）和偏相關函數（PACF）選擇ARIMA（1，1，0）模型進行擬合。通過ARIMA（1，1，0）模型的擬合與預測，得到未來三年各行業(yè)人才需求量如下。

3.2.1 ?金融貿易類

據圖5可知，實測結果與擬合結果基本重合。分析預測結果可得，金融貿易類未來三年的潛在人才需求量在10 000附近波動，且需求量呈下降趨勢。同時，在每年3月左右人才需求量都有一個波峰，但在接下來的月份里人才需求量下降并趨于均值。這可能與每年畢業(yè)季春招，大量學生涌入人才市場有關。由此可得，在金融貿易類型人才市場中：從長期來看，人才需求量相對穩(wěn)定，但在短期內受其他不確定因素的影響波動較大，因此在選擇該類行業(yè)時需要理性擇業(yè)。

3.2.2 ?科教類

由圖6可以看出，實測序列與擬合序列的差異相對較小。由預測結果可得，科教類未來三年的潛在人才需求在500附近波動，均值遠低于其他行業(yè)，且波動頻率相對較大。這與現實情況比較契合，在科教類領域，對學歷要求遠遠高于其他行業(yè)，人才在于質量，不在于數量，因而人才需求量相對較少。除此之外，在每年的3月和6月附近人才需求量出現一個波峰，分析原因：一是因為3月份的校園春招，二是因為6月份為畢業(yè)季，大量學生涌入人才市場。想要在科教類行業(yè)求職的人員需要有較高的學歷，努力提升才能獲得較好的結果。

3.2.3 ?綜合服務類

由圖7可以看出，綜合服務類在未來三年的人才需求量均值在5 000附近波動，人才需求量較大。這是因為綜合服務類行業(yè)主要包括醫(yī)療服務、餐飲娛樂服務等服務型人才，對于學歷的要求相對較低，且與城市生活關系密切，因而市場需求量較大。同時由圖可以看出，綜合服務類的人才需求量起伏波動較大。由于該類行業(yè)所需門檻較低，因此在選擇該類行業(yè)時，要學會分析社會現實，理性就業(yè)，避免盲目就業(yè)進而導致供大于求的情況。

3.2.4 ?文化傳媒類

由圖8可以看出，由擬合序列得到的文化傳媒類在未來三年的潛在人才需求量在300附近波動，相對于其他行業(yè)需求量非常少，而且波動頻率相對較大。該行業(yè)對于人才的需求大都精而少，并且在這一行業(yè)立足也非常困難。相對于其他行業(yè)來說，此類行業(yè)表面光鮮亮麗且具有較高的薪資報酬，但需要付出相對較高的代價，且具有較高的風險和極大的不穩(wěn)定性。想要選擇該行業(yè)的人員應慎重，可以結合市場需求及自身能力綜合考慮。

3.2.5 ?技術工程類

由圖9可以看出，技術工程類在未來三年的人才需求量在均值2 500附近波動，且呈周期性較大頻率波動，這表明技術工程類人員在短期內的人才需求波動較大。分析其原因：一是外界人員招聘時期的選擇波動較大;二是因為技術類人員注重技術，而經驗的累積可以提高工資待遇，因此跳槽現象較為明顯，這導致明面上的技術工程類人才需求波動較大。

3.2.6 ?電子計算機類

由圖10可以看出電子計算機類在未來三年的人才需求量在1 000附近波動，且波動頻率較大，表明電子計算機類在短期內的需求量變化較大。中國的電子計算機行業(yè)正處于快速發(fā)展時期，對于該方面的專業(yè)人才需求非常旺盛，但并不能很好地滿足市場的需求。同時，在目前的就業(yè)形勢和企業(yè)競爭條件下，用人單位在招聘員工時，大多數都會看重應聘者有沒有實踐經驗或就業(yè)經驗。為了增加工作經歷和項目經驗，很多人員會選擇跳槽，導致此行業(yè)人才需求波動頻率較大。因此在選擇此類行業(yè)就職時，應注重分析目前的就業(yè)形勢及市場需求，努力學習提高自身本領，滿足市場需要。

針對以上分析結果，為杭州市城市發(fā)展和人才引進提出以下建議：

（1）考慮自身的實際需要，對引進人才進行適當定位和規(guī)劃，在制定人才引進的政策時，考慮自身實際，不要盲目復制大城市的政策;

（2）人才引進手段要多樣化，不能只注重大中專畢業(yè)生和高層次人才的引進;

（3）發(fā)展電子信息產業(yè)，擴大信息來源渠道，保證對新的信息、新鮮事物獲取的渠道廣泛、及時、有效;

（4）要發(fā)展經濟，擴大企業(yè)規(guī)模，引進關鍵技術，增強經濟實力，提供足夠多人才發(fā)揮作用的就業(yè)崗位和發(fā)展空間。同時，提高工資收入，進而形成對人才的“強磁場”。

4 ?結 ?論

本文首先通過構建多維數據模型，將就業(yè)市場需求數據分為時間、教育背景、崗位和總需求量三個維度，分析就業(yè)需求、期望職業(yè)和期望教育背景，此模型可以多維度分析數據，有利于數據的觀察和分析。其次結合中國學生的實際就業(yè)數據，提出了綜合運用灰色預測模型預測人才需求總量并運用ARIMA模型預測人才需求結構的方法，從宏觀和微觀方向對城市人才需求進行預測。研究結果表明：此方法可以較為準確地反映當前的就業(yè)現狀，并預測城市人才需求總量及各行業(yè)人才需求量。克服了單一預測模型對于不同情況難以通用的缺點，為城市人才需求預測提供了一種新的方法。由于數據的限制，本文構建的模型只能對具有平穩(wěn)性時間序列的數據進行預測，因此，進一步優(yōu)化模型使其具有更高的可靠性和通用性將是下一步的研究重點。

參考文獻：

[1] BAIN T，等.SQL Server 2000數據倉庫與Analysis Services [M].邵勇，譯.北京：中國電力出版社，2003：91-119.

[2] 孫元軍，鄭新奇.基于SQL Server的城市地籍空間數據挖掘探討 [J].計算機工程與應用，2007（13）：200-202.

[3] 許馨苓.灰色動態(tài)模型及其在我國專業(yè)技術人才預測上的應用 [J].科技管理研究，2010，30（11）：192-194.

[4] 趙昕，李丹.基于灰色預測模型GM（1，1）的海洋人才預測研究 [J].海洋開發(fā)與管理，2010，27（1）：36-38.

[5] 羅梅健.“兩型社會”建設的人力資本需求預測及其適配性

——以長株潭城市群為例 [J].系統(tǒng)工程，2011，29（11）：123-126.

[6] 胡銳玲，沈陸明.ARIMA模型在城市人才需求量預測中的應用 [J].全國流通經濟，2019（10）：78-80.

[7] 劉恬玥，高冰，張曉建.基于ARIMA預測模型的人才市場需求分析 [J].商訊，2019（11）：189-190.

[8] 何曉群.多元統(tǒng)計分析：第4版 [M].北京：中國人民大學出版社，2015.

[9] 王立敏.人才市場需求預測模型的研究與應用 [D].石家莊：河北師范大學，2013.

[10] 樊敏，顧兆林.時間序列分析在大氣環(huán)境中的應用 [J].資源環(huán)境與發(fā)展，2010，11（1）：19-22.

[11] 百度百科.行業(yè)分類 [EB/OL].[2019-11-02].https：//baike.baidu.com/item/%E8%A1%8C%E4%B8%9A%E5%88%86%E7%B1%BB/2847868？fr=Aladdin.

[12] 邵良杉，周文斌.基于灰色系統(tǒng)理論的遼寧省國內生產總值發(fā)展預測 [C]//第九屆中國科技政策與管理學術年會.第九屆中國科技政策與管理學術年會論文集，2013：367-374.

[13] 劉思峰，鄧聚龍.GM（1，1）模型的適用范圍 [J].系統(tǒng)工程理論與實踐，2000（5）：121-124.

作者簡介：任靜（1995-），女，漢族，山東青州人，研究生，主要研究方向：地理信息分析及應用;通訊作者：季民（1970-），男，漢族，山東齊河人，教授，博士，主要研究方向：地理信息系統(tǒng)設計與開發(fā)。