摘 要：人才是现代社会发展的第一资源，这不仅适合求职者，也适合企业，地区乃至全世界的预测人才市场需求。基于现有数据，本文以不同的方式建立模型，以合理预测市场需求。首先对数据进行预处理，由于2015年和2018年提供的数据全年不完整，本文使用灰色系统预测模型拟合并填写完整数据。在此基础上，使用分析层次结构过程来分析问题。之后，根据国际职业分类，将职业分为八类，并划分为就业教育要求分为三类，形成计量层，构成AHP的三层结构，以此获得市场需求。
关键词：人才需求；层次分析；灰色预测；数据预处理
招募人才和吸引人才是中国许多城市的亮点之一。因为人才是城市创新发展的动力，可以在更短的时间内学会更好地技能，制作更好地产品，掌握更好地管理方法。人才是城市创新的主要动力，创新扩散是通过高素质人才为媒体来实现的，从而促进新技术的发展。在今天的城市，除了当地的就业市场，人才还可以通过互联网招募，校园招聘会以及公开招聘活动进行招聘。
一、数据预处理
为了提取研究城市的城市特征，根据相关研究数据，本文将50个职位划分为五个类别。根据国家职业生涯管理标准将数据分成三个子类别，整理数据后，可以看到相关研究数据不完整，缺少2015年前八个月和过去四个月的部分数据。另外，经过数据整理后，可以得到数据的特征：数据不规则，数据库不足。为了避免上述引起的不稳定偏差因素，本文采用灰色预测方法每月预测数据，以此为基础完成2015年至2018年的完整数据。
在城市人才需求评价体系中，将工作需求与城市市场提供的教育需求相结合。由于不同的互动因素，需要确定指标的影响程度来判断城市的发展趋势。在此基础上，减少人的影响层次因子，定性分析和层次分析的定量分析过程（AHP）用于分析。对于AHP的使用，本文建立了AHP模型，它划分了5个各种职业分为P层，三种职位分为K层。
二、模型建立及求解
由于城市市场的影响因素太复杂，不能比较不同的直接因素，比较因素时应建立重要性指标不同标准，以量化因素的重要性，并比较它们的重要性之间的量化。
从层次模型结构的第二层开始，只有对比较方法，最底层的重要性比率表用于构造判断矩阵，由于数据不完整，有必要对数据进行预处理，并根据标准模拟2015年和2018年的完整数据月度数据，利用灰色预测方法对2015年和2018年职业空缺和学历的原始数据进行分析。然后在此基础上，通过使用每个类别的数据百分比构建判断矩陣，结果显示如表1。
在优化模型之后，更改初始预测，将汇总年度数据产生七年的数据占用。然后使用MATLAB软件，根据过去几年的数据，本科、本科及以下的学术要求分别对教育进行了分析。
从趋势图中可以得到以下特征：经济工作逐渐衰落，但占据主导地位，而城市的产业正在逐步崛起，多年来制造业和科技专业稳步上升，表明该市正在建设第二产业，但是主业已经成熟。
结语
本文根据由数据构建的粗糙模型，可以看到由于数据碎片和实际指导因素，无法在偏差范围内给出需要的数据范围，所以需要对数据进行预处理，从而整合和分析平滑规则的数据。最后可以从权重矩阵得出结论：经济就业逐渐下降，但它占导地位，该城市的产业正在逐步崛起。多年来，制造业和技术专业人员稳步增加，表明该市正在建设中。
参考文献：
[1] 殷培国，刘海燕.我国中小外向型企业金融需求分析[J].科技视界.2013（04）.
[2] 余兴无，吴宝成.浅谈外向型企业保持成本优势的有效策略[J].财务与会计.2010（11）.
王妍 冯国策 徐菲晗 程鹏举 于学正
关注读览天下微信，
100万篇深度好文，
等你来看……
