一种从业者职业生涯总收入预估方法
【技术领域】
[0001] 本发明涉及计算机处理技术领域，尤其涉及一种从业者职业生涯总收入预估方 法。
【背景技术】
[0002] 从业者在工作中创造价值，获得对应的收入，从业者在不同阶段可以创造不同的 价值，所获得的对应收入也会有区别。目前，人才越来越成为社会、企业发展的主要推动力， 如何正确评估人才价值，对于个人的自我评估和就业选择，企业的整体估值和招聘都具有 重要的参考意义。而从业者职业生涯总收入作为个人价值的最直观体现，对个人价值评估 具有重要意义。
[0003] 目前，在现有技术中，尚没有一个针对人员薪资预估的完整标准和体系，无论企业 还是个人都无法对人员价值进行客观的评估，而只能是主观判断。在人员招聘过程中，存在 普遍的应聘者对自我没有准确的认知，当面对企业谈薪资时候无所适从。企业本身也无法 通过一个直观的数据对招聘的职位进行一个精准的定价。
[0004] 鉴于这种情况，我们基于大数据理论，依靠几千万份简历数据的统计结果，结合科 学的预测方法，提出了一种从业者职业生涯总收入预估方法。以期能对个人估值提供一个 准确有效的参考结果。
【发明内容】
[0005] 鉴于上述的分析，本发明旨在提供一种从业者职业生涯总收入预估方法，用以解 决现有缺少从业者收入预估方法的问题。
[0006] 本发明的目的主要是通过以下技术方案实现的：
[0007] -种从业者职业生涯总收入预估方法，其特征在于，包括以下步骤：
[0008] 步骤S1、从数据库中提取简历，对所述简历进行分析，得到不同职位的收入自然变 化率；
[0009]步骤S2、建立人才定价模型，基于从业者个人信息对其年收入进行预估；
[0010]步骤S3、结合所述不同职位的收入自然变化率，使用时间序列分析模型修订并补 充从业者的年收入变化曲线；
[0011] 步骤S4、根据所述收入变化曲线对从业者的年薪进行预测并展示。
[0012] 所述步骤S1进一步包括：
[0013] 子步骤S11，对从数据库中获取的简历的常见职位根据行业类别进行分类整理，获 得得到行业类别及其所包含职位；
[0014] 子步骤S12,分别依据行业和职位，统计从数据库中获取的简历所涵盖的每个行业 和职位的年薪平均值；
[0015] 子步骤S13,求取每年收入的自然变化率，作为基础数据。
[0016] 所述步骤S1进一步包括：
[0017] 对从数据库中获取的简历提取人员数据，
[0018] 所述人员数据进一步包括：
[0019] 1)基础信息数据:年龄、性别、地区、户口所在地、婚姻状况、求职状态；
[0020] 2)教育/工作经历数据:学历、专业、学科类别、学校、专业与从事行业的一致性、工 作年限、公司、公司规模、公司类型、行业、部门、工作类型、职位、项目经验、职业发展路径、 跳槽次数、最长一份工作年限、技能；
[0021] 3)行为数据及心理学分析数据:根据微博调研获取互联网用户行为数据，挖掘特 征结合棱镜模型对各个量表指标赋予一定的权重计算得棱镜指数。
[0022]所述人员数据进一步包括：
[0023]薪酬数据，即每份简历中每一次工作经历中的真实薪酬。
[0024]所述步骤S2进一步包括：
[0025] 子步骤S21、根据打分体系对步骤一所提取的基础信息、教育/工作经历数据进行 打分；
[0026] 子步骤S22、构造具有组织结构先验的稀疏组结构惩罚函数，将打分后的字段代入 函数模型，从基础信息、教育/工作经历、行为数据及心理学分析数据中选择字段；
[0027] 子步骤S23、使用子步骤S21中打分后的字段，以预测薪资为目标，以子步骤S22选 择出的字段作为因变量，修订后的期望薪资作为自变量，使用最小二乘回归方法建立回归 模型，计算各字段的系数；
[0028] 子步骤S24、从数据库中获取新的人员简历，提取各字段数据，代入打分体系进行 打分，根据子步骤S23得到的系数，计算得到该人员简历所对应的人员价值。
[0029]所述步骤S3进一步包括：
[0030] 找到从业者对应的职位类型，并根据步骤S2中得到的根据人才定价模型进行的个 人估值，再结合步骤S1中所述不同职位的收入自然变化率，使用时间序列分析模型修订并 补充从业者个人的整个职业生涯的收入变化曲线。
[0031] 所述步骤S4进一步包括以下子步骤：
[0032] 将同一职位的不同从业者的简历按照收入进行排序展示。
[0033]本发明有益效果如下：
[0034] 本发明具体实施例根据大数据实现了对个人总收入的长期预测，能对个人估值提 供一个准确有效的参考结果，为实现个人的资本化，为个人贷款、人才ΙΡ0、人才评估等提供 重要依据，提高了求职及应聘的针对性。
[0035] 本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变 得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明 书、权利要求书、以及附图中所特别指出的结构来实现和获得。
【附图说明】
[0036] 附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图 中，相同的参考符号表不相同的部件。
[0037] 图1为本发明【具体实施方式】所述从业者职业生涯总收入预估方法的步骤流程图。
【具体实施方式】
[0038]下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并 与本发明的实施例一起用于阐释本发明的原理。
[0039]缩略语和关键术语定义
[0040] 1.从业者：个人进入职场中从事某一行业的职位，通过劳动获取报酬，即为从业 者。
[0041 ] 2.从业者职业生涯总收入预估:个人在职场中全部收入。
[0042] 根据本发明具体实施例，公开了一种从业者职业生涯总收入预估方法，包括以下 步骤：
[0043] 步骤S1、从数据库中提取简历，对所述简历进行分析。
[0044] 具体地，首先利用网络爬虫技术从互联网上收集行业和职位名称，进行筛选和整 理，合并相近相似的职位/去重，得到行业类别及其所包含职位，如表1所示：
[0047] 表 1
[0048] 然后分别依据行业和职位，统计从数据库中获取的简历所涵盖的每个职位和行业 的年薪平均值，如表2中所示：
[0050] 表 2
[0051] 根据表2求取每年收入的自然变化率，作为基础数据，如下表3所示。
[0052]
[0053] 表 3
[0054]在本实施例中，大样本数据来源于8000万份简历中分类提取，共计整理出77个行 业对应职位共计800种，针对每一种都得到其对应的年收入的自然变化率数据。
[0055]其中，所述简历包括：
[0056] 1)基础信息:年龄、性别、地区、户□所在地、婚姻状况、求职状态；
[0057] 2)教育/工作经历:学历、专业、学科类别、学校、专业与从事行业的一致性、工作年 限、公司、公司规模、公司类型、行业、部门、工作类型、职位、项目经验、职业发展路径、跳槽 次数、最长一份工作年限、技能；
[0058] 3)行为数据及心理学分析数据:根据微博调研获取互联网用户行为数据，挖掘特 征结合北大心理学系研究建立的棱镜模型，棱镜指数主要是为了衡量员工是否具有一定的 职位胜任力。根据PRISM模型对各个量表指标赋予一定的权重计算得来的。棱镜指数得分较 低，工作胜任度较低，意味着目前的工作绩效还有不少提升的空间。该模型进行深入心理分 析综合评定，给出各项软实力指标；
[0059] 同时，提取简历中的薪酬数据，即每份简历中每一次工作经历中的真实薪酬。
[0060] 步骤S2、建立人才定价模型，基于从业者个人信息对其进入职场后每年的收入进 行预估。
[0061] 具体地，包括以下子步骤：
[0062] 子步骤S21、根据打分体系对步骤一所提取的基础信息、教育/工作经历数据进行 打分；
[0063]所述打分体系如下：
[0064]学校依据院校教育资源、985/211等院校分类标准进行综合评分，共分为5个等级， 按照1-5分别打分，普通非统招院校为1分，普通统招院校为2分，211院校非985院校为3分， 985院校为4分，清华大学/北京大学为5分；
[0065] 学历区分高中以下、高中/职高/中技/中专、大专、本科、硕士、博士/MBA/EMBA级别 进行打分，共分为6个等级，得分由低到高分别为0.8、1、2、3、4、5;
[0066] 专业与所从事职位专业性的一致性进行打分；
[0067]职位按照不同职级进行打分，共划分为130种类别，如市场助理、市场专员、市场主 管、市场经理、市场总监等，打分范围为1 -10分之间；
[0068] 年龄、工作年限、跳槽频率均根据实际数据处理后进行打分；
[0069] 性别、婚姻状况、求职状态、全部按