随着高等教育的发展与普及,我国大学毕业生的人数逐年增加,屡创历史新高,在人工智能和大数据的不断发展过程中,数据相关职位的供需差距也逐渐扩大。社会人才供需失衡一直以来都是我国发展过程中面临的主要问题。高等院校招生规模的扩大带来了大学毕业生人数的同比增长,大量的应届毕业生都面临着就业问题,与此同时企业也面临着招不到满足其需求的人才。高校培养的人才与实际市场需求脱节,其中专业课程体系设置不合理,缺乏对社会人才需求的准确洞察力,都可能是造成上述两难困境的主要原因。为解决以上问题,本文选择数据相关职位,以数据分析师、数据开发工程师、数据库工程师、数据挖掘工程师和数据算法工程师为研究对象,采集前程无忧上2020年10月21日到11月21日上述岗位的招聘信息,一共获得19991条数据。对于招聘信息中的非结构化数据采用自然语言处理技术进行预处理,首先从工作地点、最低学历要求、公司规模和公司性质等特征分析当下数据类岗位的具体分布情况;然后利用词云图和LDA模型对各个岗位的技能需求进行分析,提取了个人素质、知识技能和教育经验背景三个主题,从这三个角度分析各个岗位对人才的技能要求;其次利用关联规则分析研究了各岗位的基本特征与其起薪之间所存在的强关联规则,最后利用XGBoost分析了各岗位特征对于起薪水平高低的重要性影响程度。对广大数据类从业者及在校学生的能力培养方向具有导向作用,从长远来看,这也将有助于为未来的AI时代储备人才奠定基础。