随着数据人才缺口的增加,数据类岗位相关求职者竞争压力变大,网络招聘信息可以反应人才需求情况,比如用人单位对人才基本条件、素质和能力的要求等,通过对招聘信息的分析可以为求职者技能需求以及高校设置相关课程提供重要参考建议。另外,薪资作为求职者选择岗位的重要因素之一,通过对其影响因素的分析,求职者可以更清楚地了解就业环境和就业情况,并可通过公司以及自身条件预测现阶段的薪资水平。首先,本文使用后羿采集器对前程无忧和拉勾网的数据类岗位招聘信息进行爬取,抓取数据的时间周期为:2020年12月16日至2021年1月16日,共有15137条数据,收集的数据职位信息包括岗位名称、公司名称、工作城市、公司类型、行业领域、公司规模、岗位优势、工作经验、学历、薪资和职位描述等11个字段。采集的招聘信息中存在结构化数据和非结构化数据,对于结构化数据,通过数据清洗和数据变换等操作后,剩余13559条数据,然后对其进行可视化分析,分析各变量的招聘需求以及薪资情况。研究发现,数据类岗位在北京、上海、深圳等地分布较广并且工资均高于平均工资,另外,学历和工作经验在求职中也具有很大的优势。对于非结构化数据,采用中文分词和停用词进行处理,之后通过TF-IDF模型对岗位优势进行权重统计并利用LDA模型对职位描述进行主题提取,发现职位描述信息大概包含岗位业务、个人技能和工作福利三个主题。为了对个人技能有更加全面的了解,把职位描述关于技术的英文名词进行提取并统计,截取排名前20个技术名词,发现Python、Hadoop和Spark等是数据类岗位重要技术支持。其次,采用逐步回归、Lasso回归和随机森林模型对影响薪资的因素进行变量筛选,最终得到的显著性变量为岗位类别、公司类型、行业领域、学历和工作经验。将机器学习算法中随机森林、XGBoost和GBDT模型进行比较,发现XGBoost在薪资预测方面性能最好;然后,对XGBoost模型的参数进行优化,以获得最佳参数,并通过所选参数对变量特征进行重要性评分,得到薪资影响因素特征重要性排序为行业领域、工作经验、融资阶段、岗位类别、学历。为探讨各变量的影响效应,通过多元线性回归模型对变量进行量化分析。最后,综合以上分析结果对求职者和高校提供相关建议,对于从事数据类相关工作的求职者而言,应注重自身技能培养和了解数据类产业基本情况;对于高校培养数据类人才而言,应注重实际操作能力的培养以及增强与校外企业的合作。