全文連結：https://tecdat.cn/?p=34793
原文出處：拓端數據部落公眾號
隨著數據時代的到來，大數據分析已成為企業和研究機構決策的重要依據。特別是在人力資源管理領域，對職位要求數據的深入挖掘和分析，對於理解行業趨勢、優化招聘策略以及提升組織績效具有重要意義。本文將幫助客戶利用R軟體，對服裝公司職位要求數據進行文本挖掘，並對其分布進行地理可視化，以期為人力資源管理和招聘提供有益的參考。
研究內容與方法
本文採用R軟體作為主要分析工具，對收集到的服裝公司職位要求數據進行文本挖掘和地理可視化。首先，利用R軟體中的文本挖掘技術，對職位信息進行關鍵詞提取等處理，以深入了解職位要求的主題和趨勢。其次，利用R軟體的地理可視化功能，將職位信息的分布情況以地圖的形式呈現出來，以便更好地理解職位要求的地域特點。
數據
以下是對這些欄位的解釋：
從這些欄位中，我們可以了解到關於一個職位的詳細信息，包括公司的基本情況、職位的具體要求、工作地點和待遇等。這樣的數據結構有助於人們更全面地了解職位信息，並作出更好的求職決策。
本科
職位頻數直方圖
barplot(table(data1$職位.1))
1.需要找到高頻的職位
從頻數表可以看出，該公司在設計方面有較大的需求，同時也有一定的跟單和採購需求。其他職位的需求相對較低或沒有。
2.需要找到高頻職位的重點職位要求（需要做內容分析提取關鍵詞）
在進行文本清理時，需要剔除通用標題、特殊詞和回車等特殊符號，並確保文本中的每個回車都被正確清理，以避免被誤識別為一段獨立的文本。
設計師
從設計師的崗位要求詞雲圖的頻率表中，我們可以看到各個關鍵詞出現的頻率。以下是基於該頻率表的分析：
總結：根據設計師的崗位要求詞雲圖的頻率表，我們可以得出該崗位對於設計能力、綜合能力、專業背景、工作經驗、團隊合作能力、溝通能力和分析能力都有一定的要求。設計師需要具備全面的技能和素質，才能夠勝任該崗位的工作。
跟單
根據跟單的詞頻表，以下是基於該頻率表的分析：
總結：根據跟單的詞頻表，可以得出跟單工作與服裝行業緊密相關，需要認真負責並具備高效的工作能力。同時，跟單工作還涉及到產品生產和質量控制等方面。
買手
根據買手的詞頻表，以下是基於該頻率表的分析：
總結：根據買手的詞頻表，可以得出買手的工作與服裝行業緊密相關，需要關注產品本身的質量、設計和定位等方面。同時，買手需要具備高效的工作能力、關注生產流程和質量控制等方面的能力。此外，買手還需要具備一定的設計審美能力和良好的溝通能力。
非本科
職位頻數直方圖
1.需要找到高頻的職位
從非本科的崗位頻數表中，我們可以看到各個崗位的頻數。以下是基於該頻率表的分析：
總結：從非本科的崗位頻數表中可以看出，一些專業技能和工作經驗要求較高的崗位對於非本科生的需求較大，而一些特定背景或技能要求較高的崗位對於非本科生的需求則相對較少。在就業選擇時，非本科生可以根據自己的背景和興趣，選擇適合自己的崗位。
2.需要找到高頻職位的重點職位要求（做內容分析提取關鍵詞）
在進行文本清理時，需要剔除通用標題、特殊詞和回車等特殊符號，並確保文本中的每個回車都被正確清理，以避免被誤識別為一段獨立的文本。隨後進行分詞和頻數統計，並按照頻數進行降序排序，以便更好地理解和分析文本內容。
設計師
從設計師的詞雲頻數表中，我們可以看到各個關鍵詞的頻數。以下是基於該頻率表的分析：
總結：從設計師的詞雲頻數表中可以看出，設計師的核心職責是設計，尤其關注服裝行業的設計。同時，他們需要具備高效的工作能力和專業能力，關注產品的設計、品質和市場需求等方面。此外，設計師還需要具備一定的總結和歸納能力。這些分析結果有助於了解設計師的職業特點和要求。
版師
從版師的詞雲頻數表中，我們可以看到各個關鍵詞的頻數。以下是基於該頻率表的分析：
總結：從版師的詞雲頻數表中可以看出，版師的工作與服裝行業緊密相關，需要關注製作工藝、製版技術和設計審美等方面。同時，版師需要具備高效的工作能力和專業能力，以確保服裝的製作質量和生產效率。這些分析結果有助於了解版師的職業特點和要求。
設計助理
從設計助理的詞雲頻數表中，我們可以看到各個關鍵詞的頻數。以下是基於該頻率表的分析：
總結：從設計助理的詞雲頻數表中可以看出，設計助理的核心職責是參與服裝設計工作，需要與設計師合作，並關注客戶或公司的要求和與設計相關的領域。這些分析結果有助於了解設計助理的職業特點和要求。
3.對每個工作地點在中國地圖上標註
獲取地理信息
geodata=read.csv("經緯度.txt",header=F)
"本科"工作地點
"非本科"工作地點
最受歡迎的見解
1.Python主題建模LDA模型、t-SNE 降維聚類、詞雲可視化文本挖掘新聞組
2.R語言文本挖掘、情感分析和可視化哈利波特小說文本數據
3.r語言文本挖掘tf-idf主題建模，情感分析n-gram建模研究
4.遊記數據感知旅遊目的地形象
5.疫情下的新聞數據觀察
6.python主題lda建模和t-sne可視化
7.r語言中對文本數據進行主題模型topic-modeling分析
8.主題模型：數據聆聽人民網留言板的那些「網事」
9.python爬蟲進行web抓取lda主題語義數據分析