楊克玉　劉斌

摘要：隨著職業(yè)院校的不斷發(fā)展以及技術(shù)的進(jìn)步，數(shù)據(jù)挖掘分析已經(jīng)在教育行業(yè)得到越來越多的應(yīng)用。利用近幾年的畢業(yè)生調(diào)查數(shù)據(jù)，經(jīng)過數(shù)據(jù)清理及集成，運(yùn)用EXCEL為數(shù)據(jù)挖掘分析的工具，采用了關(guān)聯(lián)和聚類算法，找到了畢業(yè)生就業(yè)規(guī)律，相應(yīng)地提出了提高人才培養(yǎng)質(zhì)量和就業(yè)質(zhì)量的對策和方法，最終讓數(shù)據(jù)分析的成果為高職院校的改革發(fā)展提供了科學(xué)的依據(jù)。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；聚類分析

中圖分類號：：TP315 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2014）31-7256-04

Abstract： With the advancement of technology and continuous development of vocational colleges， data mining has been adapted more frequently in education. Based on the survey data in recent years， we clear and integrate the data. Applying EXCEL to the analysis of data mining and adopting association and clustering algorithm， we find the employment law of graduates. Correspondingly， we put forward the strategy and method of improving the quality of personnel training and the quality of employment so that the result of data analysis can provide scientific gauge for the reformation and development of high vocational colleges.

Key words： data mining； association rules； clustering analysis

1 背景

隨著近幾年高等教育的迅猛發(fā)展，高職院校辦學(xué)規(guī)模不斷擴(kuò)大，人才培養(yǎng)質(zhì)量和畢業(yè)生的就業(yè)質(zhì)量越來越受到重視，要想掌握人才培養(yǎng)質(zhì)量和畢業(yè)生的就業(yè)質(zhì)量，需要對學(xué)生畢業(yè)后的情況進(jìn)行跟蹤調(diào)查分析，近幾年我校在這方面做了一些工作，主要是對畢業(yè)生進(jìn)行以下項目的調(diào)查：是否就業(yè)、工作單位、職業(yè)崗位、月收入、工作是否與專業(yè)相關(guān)、專業(yè)課程的重要性等內(nèi)容。通過對近幾屆學(xué)生的調(diào)查，數(shù)據(jù)庫中積累了大量的畢業(yè)生調(diào)查數(shù)據(jù)，通過現(xiàn)有的管理信息系統(tǒng)只能對數(shù)據(jù)進(jìn)行存儲、檢索等信息管理，其管理已經(jīng)不能滿足學(xué)校發(fā)展的要求，因此在現(xiàn)有管理信息系統(tǒng)的基礎(chǔ)上，引入數(shù)據(jù)挖掘技術(shù)，找出畢業(yè)生調(diào)查數(shù)據(jù)中隱藏的規(guī)律，提取有價值的信息，更好地為學(xué)校的管理者提供決策支持，增強(qiáng)管理信息系統(tǒng)對信息的處理和應(yīng)用能力，提高數(shù)據(jù)的利用率。通過對畢業(yè)生跟蹤調(diào)查的歷史數(shù)據(jù)進(jìn)行充分挖掘和利用，使的畢業(yè)生跟蹤調(diào)查的信息得到全方位、綜合應(yīng)用。該文就是對數(shù)據(jù)挖掘技術(shù)在畢業(yè)生跟蹤調(diào)查中的應(yīng)用進(jìn)行研究，探索數(shù)據(jù)采集后的數(shù)據(jù)加工、處理和分析方法，并根據(jù)有價值信息為學(xué)校的教育教學(xué)工作提出相應(yīng)的建議和意見，由此來推進(jìn)學(xué)校的教育教學(xué)改革，更好地為學(xué)校的改革和發(fā)展服務(wù)。

2 數(shù)據(jù)挖掘技術(shù)

隨著數(shù)據(jù)庫和人工智能等技術(shù)的不斷發(fā)展，數(shù)據(jù)挖掘技術(shù)的應(yīng)用領(lǐng)域也越來越廣泛，主要應(yīng)用在科學(xué)研究、軍事、醫(yī)療服務(wù)、商業(yè)金融、通訊、制造業(yè)等領(lǐng)域。數(shù)據(jù)挖掘技術(shù)是一種基于數(shù)據(jù)庫的信息管理新技術(shù)，它能對數(shù)據(jù)庫或數(shù)據(jù)倉庫中的數(shù)據(jù)自動地進(jìn)行分析，發(fā)現(xiàn)隱藏的、未知的規(guī)律，并提取用戶需要的信息，對它們進(jìn)行歸納性推理和聯(lián)想，尋找數(shù)據(jù)間內(nèi)在的某些關(guān)聯(lián)，從中挖掘出潛在的、對信息預(yù)測和決策行為起著十分重要作用的模式，從而建立新的業(yè)務(wù)模型，以達(dá)到幫助決策者做出正確決策的目的。數(shù)據(jù)挖掘的過程主要分為下面幾個步驟進(jìn)行，首先對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行清理，集成后存放到數(shù)據(jù)倉庫中；其次是對數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行選擇和變換；其三應(yīng)用數(shù)據(jù)挖掘技術(shù)算法對變換后的數(shù)據(jù)進(jìn)行挖掘并產(chǎn)生需要的結(jié)果，其四將結(jié)果以適當(dāng)?shù)姆绞浇唤o用戶。其中涉及到的數(shù)據(jù)挖掘算法很多，常用的算法有決策樹、關(guān)聯(lián)分析、聚類分析等算法。

1） 決策樹算法：決策樹是一種常用的算法，就是在數(shù)據(jù)處理中應(yīng)用樹狀結(jié)構(gòu)產(chǎn)生的規(guī)律。該算法首先在信息量最大的字段中找到有價值的信息，建立樹的一個內(nèi)部節(jié)點(diǎn)，一個內(nèi)部節(jié)點(diǎn)會對應(yīng)到某項屬性的測試，根據(jù)測試得到的每一個可能值來建立樹的各個分枝葉節(jié)點(diǎn)，然后在每個分枝上分別遞歸上述過程?？梢哉J(rèn)為樹的中間節(jié)點(diǎn)代表測試條件，樹的分枝代表測試結(jié)果，而各分枝節(jié)點(diǎn)代表分類后的分類結(jié)果。

2） 關(guān)聯(lián)算法：關(guān)聯(lián)規(guī)則就是在數(shù)據(jù)處理中挖掘數(shù)據(jù)之間的相互聯(lián)系。最為著名的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法是R.Agrawal提出的Apriori算法。關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)可分為兩步，首先是迭代識別所有的頻繁項目集，要求頻繁項目集的支持度不低于用戶設(shè)定的最低值；其次是從頻繁項目集中構(gòu)造置信度不低于用戶設(shè)定的最低值的規(guī)則。因此關(guān)聯(lián)規(guī)則的選擇主要基于支持度和置信度這兩個參數(shù)值。

在實(shí)際應(yīng)用中，人們感興趣的是滿足一定支持度和置信度的關(guān)聯(lián)規(guī)則，因此在應(yīng)用關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)挖掘時，需要確定兩個閾值：最小支持度（minsup）和最小置信度（minconf）。同時滿足最小支持度和最小置信度的規(guī)則稱作強(qiáng)規(guī)則。

3） 聚類分析算法：聚類分析算法就是在數(shù)據(jù)處理中對數(shù)據(jù)根據(jù)一定的分類規(guī)則進(jìn)行合理地劃分，把具有相似性特征的數(shù)據(jù)歸為一類，通過聚類把數(shù)據(jù)集轉(zhuǎn)化為類集。在聚類的過程中人們可以從中發(fā)現(xiàn)數(shù)據(jù)分布的一些特征，對這些特征進(jìn)行分析，從而得出相應(yīng)的結(jié)果。聚類分析的主要方法有k-means、PAM、CLARANS、BIRCH、CURE、DBSCAN、OPTICS、CLIQUE CABOSFV等算法。endprint

3 數(shù)據(jù)挖掘技術(shù)在高職畢業(yè)生跟蹤調(diào)查中的應(yīng)用

3.1 數(shù)據(jù)挖掘技術(shù)應(yīng)用

將我院近幾屆畢業(yè)生的就業(yè)數(shù)據(jù)做完清除空值、離散值等數(shù)據(jù)清理工作后，利用EXCEL作為數(shù)據(jù)挖掘工具進(jìn)行數(shù)據(jù)挖掘。

1） 使用聚類分析方法進(jìn)行數(shù)據(jù)挖掘

通過上述數(shù)據(jù)準(zhǔn)備，選擇聚類分析，將院系名稱、專業(yè)名稱、職業(yè)名稱、行業(yè)名稱、工作城市名稱、獲得第一份工作的渠道等作為輸入列，分析后可得到兩個分類?？傮w來說，行業(yè)分類不太明顯，而就業(yè)分布的城市比較集中，學(xué)校所在地蕪湖地區(qū)占24.7%，合肥14.4%，長三角所占比例達(dá)到18.4%。會計系傾向于分類1，其他專業(yè)傾向于分類2。下面就分類1從工作城市、就業(yè)渠道、就業(yè)崗位三個維度進(jìn)行觀察。其中，工作城市分布情況如圖1所示，而獲取第一份工作的途徑分布情況如圖2所示，會計崗位的就業(yè)比例占58.4%，反應(yīng)了該專業(yè)對口就業(yè)的比例比較高，其分布情況如圖3所示

在分類2中就業(yè)城市仍然比較集中，蕪湖、合肥占的比例最大，而省外則上海的比重最大，而相對于分類1，上海、南京地區(qū)的就業(yè)比例相對較高，長三角所占比例達(dá)到34.3%，具體分布情況如圖4所示；就業(yè)渠道也有一定的特點(diǎn)，主要是通過專業(yè)求職網(wǎng)站、朋友親戚介紹及向用人單位直接提交申請，與分類1相同，分布情況如圖5所示；電子信息工程系、經(jīng)濟(jì)貿(mào)易系兩大系部在分類2中特征比較明顯，達(dá)到了55.7%，具體情況如圖6所示；就上述兩個系部，崗位分類上計算機(jī)相關(guān)行業(yè)就業(yè)情況不是很理想，而銷售人員崗位和文職人員崗位就業(yè)是最好的，具體分布情況如圖7所示。

3.2 提高畢業(yè)生就業(yè)的滿意度

數(shù)據(jù)挖掘的重要價值在于通過對大量數(shù)據(jù)的挖掘分析，提取發(fā)現(xiàn)分析對象的內(nèi)部規(guī)律，進(jìn)而為我們的工作提供決策支持。該文通過對歷年就業(yè)數(shù)據(jù)的收集、整理，包括行業(yè)分布、地域分布、崗位分布等，并通過比較進(jìn)行綜合分析，最終從中發(fā)現(xiàn)了很多有價值的信息。通過對歷年就業(yè)地域分布情況及就業(yè)層次分布情況分析，能夠做到更全面地觀察就業(yè)市場的發(fā)展?fàn)顩r，達(dá)到對就業(yè)市場發(fā)展?fàn)顩r的全面監(jiān)控，并為我們今后的工作決策提供參考和依據(jù)。從就業(yè)渠道來看，訂單式培養(yǎng)還有很大的發(fā)展空間，要加強(qiáng)和企業(yè)的聯(lián)系，發(fā)揮校企合作的優(yōu)勢，為企業(yè)輸送合格的人才。而從就業(yè)崗位的分析來看，我校畢業(yè)生在不少崗位上分布還是很不均衡，過于集中了，需加強(qiáng)對這些薄弱崗位的研究，分析原因，提高各專業(yè)對口就業(yè)率，讓我院畢業(yè)生的就業(yè)崗位能全面發(fā)展。

從最后的分析結(jié)果來看，蕪湖、合肥的就業(yè)比例是最高的，這也說明我院做到了立足地方經(jīng)濟(jì)，服務(wù)地方經(jīng)濟(jì)這一發(fā)展宗旨。本院畢業(yè)生在上海、南京等長三角地區(qū)的就業(yè)情況也比較理想，大部分人員從事的工作是現(xiàn)代服務(wù)業(yè)，說明長三角仍然需要大量的現(xiàn)代服務(wù)業(yè)人員，而我院開設(shè)的絕大部分專業(yè)屬于現(xiàn)代服務(wù)業(yè)專業(yè)，所以要進(jìn)一步加強(qiáng)這方面專業(yè)的內(nèi)涵建設(shè)；同時需要總結(jié)這些畢業(yè)生在上海、南京等長三角地區(qū)就業(yè)的經(jīng)驗，了解他們的就業(yè)質(zhì)量，針對這些地區(qū)做好就業(yè)服務(wù)，提高畢業(yè)生就業(yè)滿意度，通過拓寬就業(yè)區(qū)域，也讓我們的就業(yè)地域分布得更加均衡。

利用關(guān)聯(lián)分析得到的職業(yè)相關(guān)性，就需要將就業(yè)環(huán)節(jié)和教學(xué)環(huán)節(jié)相互銜接，在教學(xué)環(huán)節(jié)上，也要體現(xiàn)這些相關(guān)職業(yè)在教學(xué)上的關(guān)聯(lián)性，這就需要我們進(jìn)一步優(yōu)化當(dāng)前各專業(yè)的專業(yè)建設(shè)方案。如會計專業(yè)也要考慮開設(shè)行政管理、客戶服務(wù)的相關(guān)課程，來適應(yīng)現(xiàn)代服務(wù)業(yè)發(fā)展的需要，最終提高學(xué)生的就業(yè)能力，培養(yǎng)符合企業(yè)需求的畢業(yè)生。

3.3 優(yōu)化人才培養(yǎng)模式提高人才培養(yǎng)質(zhì)量

通過聚類算法對2012屆畢業(yè)生跟蹤調(diào)查數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，發(fā)現(xiàn)畢業(yè)生自主創(chuàng)業(yè)的人數(shù)達(dá)到4.26%，如圖9 所示。根據(jù)我院每年有4千人左右學(xué)生畢業(yè)來計算，每年自主創(chuàng)業(yè)的人數(shù)預(yù)計將達(dá)到170人左右，按每個班50人計算，將達(dá)到3個班以上。根據(jù)這一信息為了幫助有意創(chuàng)業(yè)的學(xué)生在畢業(yè)時就掌握一定的創(chuàng)業(yè)技能，使他們少走彎路，在創(chuàng)業(yè)的道路上更好的發(fā)展，學(xué)?？梢栽诮逃虒W(xué)上進(jìn)行一些改革，在學(xué)完通識內(nèi)容等基礎(chǔ)課后，在大二期間將每一年級中有創(chuàng)業(yè)意向的學(xué)生聚集起來，開設(shè)2～3個創(chuàng)業(yè)班，既可按類似專業(yè)方向進(jìn)行培養(yǎng)，也可采取類似第二專業(yè)選學(xué)的方式進(jìn)行，專門制定創(chuàng)業(yè)班的人才培養(yǎng)方案，將創(chuàng)業(yè)所需要的且分布在我院不同專業(yè)中的課程整合到創(chuàng)業(yè)班的人才培養(yǎng)計劃中來，設(shè)置如市場營銷、會計、稅務(wù)等相關(guān)課程，并且加強(qiáng)創(chuàng)業(yè)班的創(chuàng)業(yè)實(shí)踐教育，增強(qiáng)學(xué)校的創(chuàng)業(yè)實(shí)訓(xùn)室和創(chuàng)業(yè)園建設(shè)，使創(chuàng)業(yè)班的學(xué)生人人在校期間就嘗試創(chuàng)業(yè)，積累創(chuàng)業(yè)經(jīng)驗。同時加強(qiáng)政校企合作，學(xué)校與政府合作，使學(xué)生畢業(yè)后，可以直接進(jìn)入政府提供的創(chuàng)業(yè)孵化基地工作；學(xué)校與企業(yè)合作，企業(yè)為學(xué)生創(chuàng)業(yè)提供項目上的資助和幫扶，共同來減輕學(xué)生創(chuàng)業(yè)初期的壓力。通過創(chuàng)業(yè)班的學(xué)習(xí)使更多的學(xué)生學(xué)會創(chuàng)業(yè)技能，學(xué)校通過各種方式幫助他們成功創(chuàng)業(yè)，由創(chuàng)業(yè)來帶動就業(yè)。

4 小結(jié)

提高畢業(yè)生的就業(yè)率，是所有高職院校都要面對的重要問題，提高畢業(yè)生的就業(yè)質(zhì)量和人才培養(yǎng)質(zhì)量是學(xué)校的目標(biāo)。學(xué)生的專業(yè)學(xué)習(xí)、課程設(shè)置對就業(yè)的影響是院校有關(guān)部門需要研究的重點(diǎn)領(lǐng)域。該文研究的課題是隨機(jī)抽取了我院畢業(yè)生就業(yè)調(diào)查獲得的部分?jǐn)?shù)據(jù)，利用聚類算法及關(guān)聯(lián)分析對這些數(shù)據(jù)進(jìn)行挖掘，得出了隱含于數(shù)據(jù)背后的規(guī)則，為提高就業(yè)率和就業(yè)質(zhì)量提供幫助。通過本文的研究，促進(jìn)學(xué)校制定了一些政策，進(jìn)一步提高學(xué)校就業(yè)服務(wù)水平，促進(jìn)學(xué)校教學(xué)改革。但是，目前數(shù)據(jù)挖掘技術(shù)在畢業(yè)生調(diào)查分析中的應(yīng)用與研究還處于一個初級階段，還有待進(jìn)一步加深研究。例如，收集高質(zhì)量、完整的數(shù)據(jù)，擴(kuò)大信息的覆蓋面，甚至引入大數(shù)據(jù)，這將是一個綜合復(fù)雜的系統(tǒng)工程，需要我們以科學(xué)的態(tài)度，扎扎實(shí)實(shí)的做好數(shù)據(jù)的收集工作，需要全校所有輔導(dǎo)員的支持，在這樣的基礎(chǔ)下，我們分析出的結(jié)果會更加精確，產(chǎn)生的決策也必將更有效推動高職院校深化改革。

參考文獻(xiàn)：

[1] 陶蘭.數(shù)據(jù)挖掘技術(shù)在高等學(xué)校決策支持中的應(yīng)用[J].北京：中國農(nóng)業(yè)大學(xué)，2003，8 （2） ：39-41.

[2] 楊悅.數(shù)據(jù)挖掘在高校招生工作中的應(yīng)用前景[J].教育科學(xué)，2007，10：66-68.

[3] 肖建國.論數(shù)據(jù)挖掘技術(shù)在高校就業(yè)工作中的應(yīng)用[J].中國成人，2010，8.

[4] 翁敬農(nóng)，譯.數(shù)據(jù)挖掘教程[M].北京：清華大學(xué)出版社，2003.

[5] 夏火松.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)[M]. 2版.北京：科學(xué)出版社，2009.

[6] （日）上田太一郎監(jiān)修，上田和明，刈田正雄，等.用Excel學(xué)數(shù)據(jù)挖掘[M].北京：科學(xué)出版社，2012.

[7] 薛瑞峰.基于數(shù)據(jù)挖掘技術(shù)的高校職業(yè)指導(dǎo)服務(wù)體系的構(gòu)建[J].湖南農(nóng)機(jī)，2012，3：214-215.

[8] 張亦輝.基于數(shù)據(jù)挖掘技術(shù)的應(yīng)用分析[J].計算機(jī)光盤軟件與應(yīng)用，2012，1：137-138.endprint

3 數(shù)據(jù)挖掘技術(shù)在高職畢業(yè)生跟蹤調(diào)查中的應(yīng)用

3.1 數(shù)據(jù)挖掘技術(shù)應(yīng)用

將我院近幾屆畢業(yè)生的就業(yè)數(shù)據(jù)做完清除空值、離散值等數(shù)據(jù)清理工作后，利用EXCEL作為數(shù)據(jù)挖掘工具進(jìn)行數(shù)據(jù)挖掘。

1） 使用聚類分析方法進(jìn)行數(shù)據(jù)挖掘

通過上述數(shù)據(jù)準(zhǔn)備，選擇聚類分析，將院系名稱、專業(yè)名稱、職業(yè)名稱、行業(yè)名稱、工作城市名稱、獲得第一份工作的渠道等作為輸入列，分析后可得到兩個分類?？傮w來說，行業(yè)分類不太明顯，而就業(yè)分布的城市比較集中，學(xué)校所在地蕪湖地區(qū)占24.7%，合肥14.4%，長三角所占比例達(dá)到18.4%。會計系傾向于分類1，其他專業(yè)傾向于分類2。下面就分類1從工作城市、就業(yè)渠道、就業(yè)崗位三個維度進(jìn)行觀察。其中，工作城市分布情況如圖1所示，而獲取第一份工作的途徑分布情況如圖2所示，會計崗位的就業(yè)比例占58.4%，反應(yīng)了該專業(yè)對口就業(yè)的比例比較高，其分布情況如圖3所示

在分類2中就業(yè)城市仍然比較集中，蕪湖、合肥占的比例最大，而省外則上海的比重最大，而相對于分類1，上海、南京地區(qū)的就業(yè)比例相對較高，長三角所占比例達(dá)到34.3%，具體分布情況如圖4所示；就業(yè)渠道也有一定的特點(diǎn)，主要是通過專業(yè)求職網(wǎng)站、朋友親戚介紹及向用人單位直接提交申請，與分類1相同，分布情況如圖5所示；電子信息工程系、經(jīng)濟(jì)貿(mào)易系兩大系部在分類2中特征比較明顯，達(dá)到了55.7%，具體情況如圖6所示；就上述兩個系部，崗位分類上計算機(jī)相關(guān)行業(yè)就業(yè)情況不是很理想，而銷售人員崗位和文職人員崗位就業(yè)是最好的，具體分布情況如圖7所示。

3.2 提高畢業(yè)生就業(yè)的滿意度

數(shù)據(jù)挖掘的重要價值在于通過對大量數(shù)據(jù)的挖掘分析，提取發(fā)現(xiàn)分析對象的內(nèi)部規(guī)律，進(jìn)而為我們的工作提供決策支持。該文通過對歷年就業(yè)數(shù)據(jù)的收集、整理，包括行業(yè)分布、地域分布、崗位分布等，并通過比較進(jìn)行綜合分析，最終從中發(fā)現(xiàn)了很多有價值的信息。通過對歷年就業(yè)地域分布情況及就業(yè)層次分布情況分析，能夠做到更全面地觀察就業(yè)市場的發(fā)展?fàn)顩r，達(dá)到對就業(yè)市場發(fā)展?fàn)顩r的全面監(jiān)控，并為我們今后的工作決策提供參考和依據(jù)。從就業(yè)渠道來看，訂單式培養(yǎng)還有很大的發(fā)展空間，要加強(qiáng)和企業(yè)的聯(lián)系，發(fā)揮校企合作的優(yōu)勢，為企業(yè)輸送合格的人才。而從就業(yè)崗位的分析來看，我校畢業(yè)生在不少崗位上分布還是很不均衡，過于集中了，需加強(qiáng)對這些薄弱崗位的研究，分析原因，提高各專業(yè)對口就業(yè)率，讓我院畢業(yè)生的就業(yè)崗位能全面發(fā)展。

從最后的分析結(jié)果來看，蕪湖、合肥的就業(yè)比例是最高的，這也說明我院做到了立足地方經(jīng)濟(jì)，服務(wù)地方經(jīng)濟(jì)這一發(fā)展宗旨。本院畢業(yè)生在上海、南京等長三角地區(qū)的就業(yè)情況也比較理想，大部分人員從事的工作是現(xiàn)代服務(wù)業(yè)，說明長三角仍然需要大量的現(xiàn)代服務(wù)業(yè)人員，而我院開設(shè)的絕大部分專業(yè)屬于現(xiàn)代服務(wù)業(yè)專業(yè)，所以要進(jìn)一步加強(qiáng)這方面專業(yè)的內(nèi)涵建設(shè)；同時需要總結(jié)這些畢業(yè)生在上海、南京等長三角地區(qū)就業(yè)的經(jīng)驗，了解他們的就業(yè)質(zhì)量，針對這些地區(qū)做好就業(yè)服務(wù)，提高畢業(yè)生就業(yè)滿意度，通過拓寬就業(yè)區(qū)域，也讓我們的就業(yè)地域分布得更加均衡。

利用關(guān)聯(lián)分析得到的職業(yè)相關(guān)性，就需要將就業(yè)環(huán)節(jié)和教學(xué)環(huán)節(jié)相互銜接，在教學(xué)環(huán)節(jié)上，也要體現(xiàn)這些相關(guān)職業(yè)在教學(xué)上的關(guān)聯(lián)性，這就需要我們進(jìn)一步優(yōu)化當(dāng)前各專業(yè)的專業(yè)建設(shè)方案。如會計專業(yè)也要考慮開設(shè)行政管理、客戶服務(wù)的相關(guān)課程，來適應(yīng)現(xiàn)代服務(wù)業(yè)發(fā)展的需要，最終提高學(xué)生的就業(yè)能力，培養(yǎng)符合企業(yè)需求的畢業(yè)生。

3.3 優(yōu)化人才培養(yǎng)模式提高人才培養(yǎng)質(zhì)量

通過聚類算法對2012屆畢業(yè)生跟蹤調(diào)查數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，發(fā)現(xiàn)畢業(yè)生自主創(chuàng)業(yè)的人數(shù)達(dá)到4.26%，如圖9 所示。根據(jù)我院每年有4千人左右學(xué)生畢業(yè)來計算，每年自主創(chuàng)業(yè)的人數(shù)預(yù)計將達(dá)到170人左右，按每個班50人計算，將達(dá)到3個班以上。根據(jù)這一信息為了幫助有意創(chuàng)業(yè)的學(xué)生在畢業(yè)時就掌握一定的創(chuàng)業(yè)技能，使他們少走彎路，在創(chuàng)業(yè)的道路上更好的發(fā)展，學(xué)?？梢栽诮逃虒W(xué)上進(jìn)行一些改革，在學(xué)完通識內(nèi)容等基礎(chǔ)課后，在大二期間將每一年級中有創(chuàng)業(yè)意向的學(xué)生聚集起來，開設(shè)2～3個創(chuàng)業(yè)班，既可按類似專業(yè)方向進(jìn)行培養(yǎng)，也可采取類似第二專業(yè)選學(xué)的方式進(jìn)行，專門制定創(chuàng)業(yè)班的人才培養(yǎng)方案，將創(chuàng)業(yè)所需要的且分布在我院不同專業(yè)中的課程整合到創(chuàng)業(yè)班的人才培養(yǎng)計劃中來，設(shè)置如市場營銷、會計、稅務(wù)等相關(guān)課程，并且加強(qiáng)創(chuàng)業(yè)班的創(chuàng)業(yè)實(shí)踐教育，增強(qiáng)學(xué)校的創(chuàng)業(yè)實(shí)訓(xùn)室和創(chuàng)業(yè)園建設(shè)，使創(chuàng)業(yè)班的學(xué)生人人在校期間就嘗試創(chuàng)業(yè)，積累創(chuàng)業(yè)經(jīng)驗。同時加強(qiáng)政校企合作，學(xué)校與政府合作，使學(xué)生畢業(yè)后，可以直接進(jìn)入政府提供的創(chuàng)業(yè)孵化基地工作；學(xué)校與企業(yè)合作，企業(yè)為學(xué)生創(chuàng)業(yè)提供項目上的資助和幫扶，共同來減輕學(xué)生創(chuàng)業(yè)初期的壓力。通過創(chuàng)業(yè)班的學(xué)習(xí)使更多的學(xué)生學(xué)會創(chuàng)業(yè)技能，學(xué)校通過各種方式幫助他們成功創(chuàng)業(yè)，由創(chuàng)業(yè)來帶動就業(yè)。

4 小結(jié)

提高畢業(yè)生的就業(yè)率，是所有高職院校都要面對的重要問題，提高畢業(yè)生的就業(yè)質(zhì)量和人才培養(yǎng)質(zhì)量是學(xué)校的目標(biāo)。學(xué)生的專業(yè)學(xué)習(xí)、課程設(shè)置對就業(yè)的影響是院校有關(guān)部門需要研究的重點(diǎn)領(lǐng)域。該文研究的課題是隨機(jī)抽取了我院畢業(yè)生就業(yè)調(diào)查獲得的部分?jǐn)?shù)據(jù)，利用聚類算法及關(guān)聯(lián)分析對這些數(shù)據(jù)進(jìn)行挖掘，得出了隱含于數(shù)據(jù)背后的規(guī)則，為提高就業(yè)率和就業(yè)質(zhì)量提供幫助。通過本文的研究，促進(jìn)學(xué)校制定了一些政策，進(jìn)一步提高學(xué)校就業(yè)服務(wù)水平，促進(jìn)學(xué)校教學(xué)改革。但是，目前數(shù)據(jù)挖掘技術(shù)在畢業(yè)生調(diào)查分析中的應(yīng)用與研究還處于一個初級階段，還有待進(jìn)一步加深研究。例如，收集高質(zhì)量、完整的數(shù)據(jù)，擴(kuò)大信息的覆蓋面，甚至引入大數(shù)據(jù)，這將是一個綜合復(fù)雜的系統(tǒng)工程，需要我們以科學(xué)的態(tài)度，扎扎實(shí)實(shí)的做好數(shù)據(jù)的收集工作，需要全校所有輔導(dǎo)員的支持，在這樣的基礎(chǔ)下，我們分析出的結(jié)果會更加精確，產(chǎn)生的決策也必將更有效推動高職院校深化改革。

參考文獻(xiàn)：

[1] 陶蘭.數(shù)據(jù)挖掘技術(shù)在高等學(xué)校決策支持中的應(yīng)用[J].北京：中國農(nóng)業(yè)大學(xué)，2003，8 （2） ：39-41.

[2] 楊悅.數(shù)據(jù)挖掘在高校招生工作中的應(yīng)用前景[J].教育科學(xué)，2007，10：66-68.

[3] 肖建國.論數(shù)據(jù)挖掘技術(shù)在高校就業(yè)工作中的應(yīng)用[J].中國成人，2010，8.

[4] 翁敬農(nóng)，譯.數(shù)據(jù)挖掘教程[M].北京：清華大學(xué)出版社，2003.

[5] 夏火松.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)[M]. 2版.北京：科學(xué)出版社，2009.

[6] （日）上田太一郎監(jiān)修，上田和明，刈田正雄，等.用Excel學(xué)數(shù)據(jù)挖掘[M].北京：科學(xué)出版社，2012.

[7] 薛瑞峰.基于數(shù)據(jù)挖掘技術(shù)的高校職業(yè)指導(dǎo)服務(wù)體系的構(gòu)建[J].湖南農(nóng)機(jī)，2012，3：214-215.

[8] 張亦輝.基于數(shù)據(jù)挖掘技術(shù)的應(yīng)用分析[J].計算機(jī)光盤軟件與應(yīng)用，2012，1：137-138.endprint

3 數(shù)據(jù)挖掘技術(shù)在高職畢業(yè)生跟蹤調(diào)查中的應(yīng)用

3.1 數(shù)據(jù)挖掘技術(shù)應(yīng)用

將我院近幾屆畢業(yè)生的就業(yè)數(shù)據(jù)做完清除空值、離散值等數(shù)據(jù)清理工作后，利用EXCEL作為數(shù)據(jù)挖掘工具進(jìn)行數(shù)據(jù)挖掘。

1） 使用聚類分析方法進(jìn)行數(shù)據(jù)挖掘

通過上述數(shù)據(jù)準(zhǔn)備，選擇聚類分析，將院系名稱、專業(yè)名稱、職業(yè)名稱、行業(yè)名稱、工作城市名稱、獲得第一份工作的渠道等作為輸入列，分析后可得到兩個分類。總體來說，行業(yè)分類不太明顯，而就業(yè)分布的城市比較集中，學(xué)校所在地蕪湖地區(qū)占24.7%，合肥14.4%，長三角所占比例達(dá)到18.4%。會計系傾向于分類1，其他專業(yè)傾向于分類2。下面就分類1從工作城市、就業(yè)渠道、就業(yè)崗位三個維度進(jìn)行觀察。其中，工作城市分布情況如圖1所示，而獲取第一份工作的途徑分布情況如圖2所示，會計崗位的就業(yè)比例占58.4%，反應(yīng)了該專業(yè)對口就業(yè)的比例比較高，其分布情況如圖3所示

在分類2中就業(yè)城市仍然比較集中，蕪湖、合肥占的比例最大，而省外則上海的比重最大，而相對于分類1，上海、南京地區(qū)的就業(yè)比例相對較高，長三角所占比例達(dá)到34.3%，具體分布情況如圖4所示；就業(yè)渠道也有一定的特點(diǎn)，主要是通過專業(yè)求職網(wǎng)站、朋友親戚介紹及向用人單位直接提交申請，與分類1相同，分布情況如圖5所示；電子信息工程系、經(jīng)濟(jì)貿(mào)易系兩大系部在分類2中特征比較明顯，達(dá)到了55.7%，具體情況如圖6所示；就上述兩個系部，崗位分類上計算機(jī)相關(guān)行業(yè)就業(yè)情況不是很理想，而銷售人員崗位和文職人員崗位就業(yè)是最好的，具體分布情況如圖7所示。

3.2 提高畢業(yè)生就業(yè)的滿意度

數(shù)據(jù)挖掘的重要價值在于通過對大量數(shù)據(jù)的挖掘分析，提取發(fā)現(xiàn)分析對象的內(nèi)部規(guī)律，進(jìn)而為我們的工作提供決策支持。該文通過對歷年就業(yè)數(shù)據(jù)的收集、整理，包括行業(yè)分布、地域分布、崗位分布等，并通過比較進(jìn)行綜合分析，最終從中發(fā)現(xiàn)了很多有價值的信息。通過對歷年就業(yè)地域分布情況及就業(yè)層次分布情況分析，能夠做到更全面地觀察就業(yè)市場的發(fā)展?fàn)顩r，達(dá)到對就業(yè)市場發(fā)展?fàn)顩r的全面監(jiān)控，并為我們今后的工作決策提供參考和依據(jù)。從就業(yè)渠道來看，訂單式培養(yǎng)還有很大的發(fā)展空間，要加強(qiáng)和企業(yè)的聯(lián)系，發(fā)揮校企合作的優(yōu)勢，為企業(yè)輸送合格的人才。而從就業(yè)崗位的分析來看，我校畢業(yè)生在不少崗位上分布還是很不均衡，過于集中了，需加強(qiáng)對這些薄弱崗位的研究，分析原因，提高各專業(yè)對口就業(yè)率，讓我院畢業(yè)生的就業(yè)崗位能全面發(fā)展。

從最后的分析結(jié)果來看，蕪湖、合肥的就業(yè)比例是最高的，這也說明我院做到了立足地方經(jīng)濟(jì)，服務(wù)地方經(jīng)濟(jì)這一發(fā)展宗旨。本院畢業(yè)生在上海、南京等長三角地區(qū)的就業(yè)情況也比較理想，大部分人員從事的工作是現(xiàn)代服務(wù)業(yè)，說明長三角仍然需要大量的現(xiàn)代服務(wù)業(yè)人員，而我院開設(shè)的絕大部分專業(yè)屬于現(xiàn)代服務(wù)業(yè)專業(yè)，所以要進(jìn)一步加強(qiáng)這方面專業(yè)的內(nèi)涵建設(shè)；同時需要總結(jié)這些畢業(yè)生在上海、南京等長三角地區(qū)就業(yè)的經(jīng)驗，了解他們的就業(yè)質(zhì)量，針對這些地區(qū)做好就業(yè)服務(wù)，提高畢業(yè)生就業(yè)滿意度，通過拓寬就業(yè)區(qū)域，也讓我們的就業(yè)地域分布得更加均衡。

利用關(guān)聯(lián)分析得到的職業(yè)相關(guān)性，就需要將就業(yè)環(huán)節(jié)和教學(xué)環(huán)節(jié)相互銜接，在教學(xué)環(huán)節(jié)上，也要體現(xiàn)這些相關(guān)職業(yè)在教學(xué)上的關(guān)聯(lián)性，這就需要我們進(jìn)一步優(yōu)化當(dāng)前各專業(yè)的專業(yè)建設(shè)方案。如會計專業(yè)也要考慮開設(shè)行政管理、客戶服務(wù)的相關(guān)課程，來適應(yīng)現(xiàn)代服務(wù)業(yè)發(fā)展的需要，最終提高學(xué)生的就業(yè)能力，培養(yǎng)符合企業(yè)需求的畢業(yè)生。

3.3 優(yōu)化人才培養(yǎng)模式提高人才培養(yǎng)質(zhì)量

通過聚類算法對2012屆畢業(yè)生跟蹤調(diào)查數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，發(fā)現(xiàn)畢業(yè)生自主創(chuàng)業(yè)的人數(shù)達(dá)到4.26%，如圖9 所示。根據(jù)我院每年有4千人左右學(xué)生畢業(yè)來計算，每年自主創(chuàng)業(yè)的人數(shù)預(yù)計將達(dá)到170人左右，按每個班50人計算，將達(dá)到3個班以上。根據(jù)這一信息為了幫助有意創(chuàng)業(yè)的學(xué)生在畢業(yè)時就掌握一定的創(chuàng)業(yè)技能，使他們少走彎路，在創(chuàng)業(yè)的道路上更好的發(fā)展，學(xué)?？梢栽诮逃虒W(xué)上進(jìn)行一些改革，在學(xué)完通識內(nèi)容等基礎(chǔ)課后，在大二期間將每一年級中有創(chuàng)業(yè)意向的學(xué)生聚集起來，開設(shè)2～3個創(chuàng)業(yè)班，既可按類似專業(yè)方向進(jìn)行培養(yǎng)，也可采取類似第二專業(yè)選學(xué)的方式進(jìn)行，專門制定創(chuàng)業(yè)班的人才培養(yǎng)方案，將創(chuàng)業(yè)所需要的且分布在我院不同專業(yè)中的課程整合到創(chuàng)業(yè)班的人才培養(yǎng)計劃中來，設(shè)置如市場營銷、會計、稅務(wù)等相關(guān)課程，并且加強(qiáng)創(chuàng)業(yè)班的創(chuàng)業(yè)實(shí)踐教育，增強(qiáng)學(xué)校的創(chuàng)業(yè)實(shí)訓(xùn)室和創(chuàng)業(yè)園建設(shè)，使創(chuàng)業(yè)班的學(xué)生人人在校期間就嘗試創(chuàng)業(yè)，積累創(chuàng)業(yè)經(jīng)驗。同時加強(qiáng)政校企合作，學(xué)校與政府合作，使學(xué)生畢業(yè)后，可以直接進(jìn)入政府提供的創(chuàng)業(yè)孵化基地工作；學(xué)校與企業(yè)合作，企業(yè)為學(xué)生創(chuàng)業(yè)提供項目上的資助和幫扶，共同來減輕學(xué)生創(chuàng)業(yè)初期的壓力。通過創(chuàng)業(yè)班的學(xué)習(xí)使更多的學(xué)生學(xué)會創(chuàng)業(yè)技能，學(xué)校通過各種方式幫助他們成功創(chuàng)業(yè)，由創(chuàng)業(yè)來帶動就業(yè)。

4 小結(jié)

提高畢業(yè)生的就業(yè)率，是所有高職院校都要面對的重要問題，提高畢業(yè)生的就業(yè)質(zhì)量和人才培養(yǎng)質(zhì)量是學(xué)校的目標(biāo)。學(xué)生的專業(yè)學(xué)習(xí)、課程設(shè)置對就業(yè)的影響是院校有關(guān)部門需要研究的重點(diǎn)領(lǐng)域。該文研究的課題是隨機(jī)抽取了我院畢業(yè)生就業(yè)調(diào)查獲得的部分?jǐn)?shù)據(jù)，利用聚類算法及關(guān)聯(lián)分析對這些數(shù)據(jù)進(jìn)行挖掘，得出了隱含于數(shù)據(jù)背后的規(guī)則，為提高就業(yè)率和就業(yè)質(zhì)量提供幫助。通過本文的研究，促進(jìn)學(xué)校制定了一些政策，進(jìn)一步提高學(xué)校就業(yè)服務(wù)水平，促進(jìn)學(xué)校教學(xué)改革。但是，目前數(shù)據(jù)挖掘技術(shù)在畢業(yè)生調(diào)查分析中的應(yīng)用與研究還處于一個初級階段，還有待進(jìn)一步加深研究。例如，收集高質(zhì)量、完整的數(shù)據(jù)，擴(kuò)大信息的覆蓋面，甚至引入大數(shù)據(jù)，這將是一個綜合復(fù)雜的系統(tǒng)工程，需要我們以科學(xué)的態(tài)度，扎扎實(shí)實(shí)的做好數(shù)據(jù)的收集工作，需要全校所有輔導(dǎo)員的支持，在這樣的基礎(chǔ)下，我們分析出的結(jié)果會更加精確，產(chǎn)生的決策也必將更有效推動高職院校深化改革。

參考文獻(xiàn)：

[1] 陶蘭.數(shù)據(jù)挖掘技術(shù)在高等學(xué)校決策支持中的應(yīng)用[J].北京：中國農(nóng)業(yè)大學(xué)，2003，8 （2） ：39-41.

[2] 楊悅.數(shù)據(jù)挖掘在高校招生工作中的應(yīng)用前景[J].教育科學(xué)，2007，10：66-68.

[3] 肖建國.論數(shù)據(jù)挖掘技術(shù)在高校就業(yè)工作中的應(yīng)用[J].中國成人，2010，8.

[4] 翁敬農(nóng)，譯.數(shù)據(jù)挖掘教程[M].北京：清華大學(xué)出版社，2003.

[5] 夏火松.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)[M]. 2版.北京：科學(xué)出版社，2009.

[6] （日）上田太一郎監(jiān)修，上田和明，刈田正雄，等.用Excel學(xué)數(shù)據(jù)挖掘[M].北京：科學(xué)出版社，2012.

[7] 薛瑞峰.基于數(shù)據(jù)挖掘技術(shù)的高校職業(yè)指導(dǎo)服務(wù)體系的構(gòu)建[J].湖南農(nóng)機(jī)，2012，3：214-215.

[8] 張亦輝.基于數(shù)據(jù)挖掘技術(shù)的應(yīng)用分析[J].計算機(jī)光盤軟件與應(yīng)用，2012，1：137-138.endprint