随着大数据时代的到来,高等教育的发展与普及,高校数据类人才数量不断增加;在大数据与人工智能技术的发展过程中,数据类岗位的市场需求也逐渐增大。但是,仍然会出现毕业生难以找到较为满意的工作、企业难以招聘到理想人才的情况。本文旨在探究就业市场上数据类人才的招聘情况,对数据类岗位的侧重点进行对比,挖掘出企业对数据类人才的要求,为希望从事数据类岗位的求职者提供一些参考。本文在前程无忧招聘平台上以“数据分析”、“数据挖掘”、“数据开发”、“数据运营”等四种关键词进行检索,并使用网络爬虫技术获取岗位信息进而对数据类岗位展开研究。首先,采用描述性统计与可视化方法,对这四类岗位的城市需求分布、工作经验要求、学历要求进行比较,探究不同地区数据类岗位的需求差异,并在此基础上分析岗位薪资与工作经验要求、薪资与学历要求的走势情况;其次,对四类岗位的招聘文本信息进行文本数据预处理与文本向量化,构建LDA主题模型,根据模型评价指标确定最优的主题数,并输出各类主题词;最后,利用Word2Vec模型对LDA模型提取的主题词进行拓展,提取语义近似的词项,并结合二者筛选出关键词绘制词云,从岗位职责、职位场景、技能需求等方面对四类岗位进行比较。研究结果表明:数据类岗位需求较大的城市包括华东地区的上海、杭州、南京等,华南地区的广州、深圳、东莞等,华南地区对数据挖掘与数据开发岗位的需求更大;工作经验要求方面,绝大部分岗位都要求就业人员具备1年以上相关工作经验;学历要求方面,本科成为大部分数据类岗位的起步学历,寻求数据挖掘与数据开发工作时,本科学历不具备竞争优势。LDA主题模型与Word2Vec模型的主题词提取结果显示,数据分析岗位强调数据敏感性与搭建指标体系的能力;数据挖掘岗位注重数据分析与挖掘算法的设计与优化,需要具备大数据平台的使用能力;数据开发岗位侧重大数据平台、数据计算架构的研发与运维;数据运营旨在通过数据与业务相结合,指导业务增长。数据分析和数据运营偏向业务,数据挖掘和数据开发更偏重技术。根据上述结果,本文旨在帮助致力于向数据类岗位发展的求职者,有助于求职者、应届生和在校生根据自身情况选择合适自己的岗位类型、就业地区,根据市场需求有针对性的补强自身实力,提高就业率。