让专业调整，有数据、有依据、有闭环
从招聘岗位中提取产业技能需求，与高校培养方案逐项比对，量化缺口并生成可执行的课程调整方案；方案会自动经过约束校验与迭代优化。
项目推进流程
岗位需求结构
能力建设四个抓手
差距诊断
技能结构、培养方向、招生规模三个维度的差距量化
方案生成
新增课程、学时调整、方向分流、招生规模调整
效果模拟
乐观 / 基准 / 悲观三种情景，逐年推演就业与匹配度
风险应对
师资、分流、排课、产业波动、招生调整五类风险
数据中心
支持 Excel / CSV 导入，系统会自动识别列名并抽取技能；导入后立即覆盖对应数据集
招聘岗位数据
专业培养方案
就业质量数据
招聘样本预览
| 岗位 | 公司 / 城市 | 月薪 | 识别技能 |
|---|---|---|---|
| {{ p.title }} | {{ p.company }} · {{ p.city }} | {{ p.salary_min ? (p.salary_min/1000).toFixed(0)+'k' : '—' }}-{{ (p.salary_max/1000).toFixed(0) }}k |
{{ s.name }}
|
{{ major }} · 课程体系
| 课程 | 学分 | 学时 | 性质 | 对应技能 |
|---|---|---|---|---|
| {{ c.name }} | {{ c.credits }} | {{ c.hours }} | {{ c.type }} |
{{ s.name }}
通识课程
|
供需诊断
用同一套技能编码对齐「企业要什么」与「学校教什么」，量化每一项技能的缺口
技能供需对比
能力结构雷达
培养方向优先级
招生规模建议
{{ analysis.scale.reason }}
技能差距明细
| 技能 | 分类 | 需求 | 提及率 | 覆盖 | 缺口 | 状态 |
|---|---|---|---|---|---|---|
| {{ s.name }} | {{ s.cat }} | {{ s.demand }} | {{ s.mention_rate }}% | {{ s.coverage }} | {{ s.gap }} | {{ s.status }} |
方案生成
基于缺口自动生成调整方案，并逐版本检查学分、学时、课程数与实践比例约束
生成参数
方案总览
具体调整动作
{{ a.course }}{{ a.hours_delta > 0 ? '+' : '' }}{{ a.hours_delta }} {{ a.type==='enrollment' ? '%' : '学时' }}
{{ a.reason }}
效果模拟
方案从 2026 级新生开始执行，按四年逐步生效，给出乐观 / 基准 / 悲观三种情景
{{ s.name }}情景系数 {{ s.factor }}
匹配度逐年提升
毕业时就业指标
预测假设
- {{ a }}
使用说明
建议答辩时同时展示「公式 + 基准值 + 情景系数」三项，说明数字是如何得到的，并说明每年会用真实毕业生数据校准一次。
风险评估
识别方案落地过程中的关键风险，给出触发条件、影响程度与可执行应对措施
风险矩阵
风险概览
{{ r.level }} {{ r.name }} 概率 {{ probPct(r) }}% · 影响 {{ r.impact }}/5
- {{ m }}
决策报告
汇总诊断、方案、模拟与风险结论，可导出 Excel 或直接打印为 PDF
{{ analysis.major }}专业动态调整分析报告
一、核心结论
当前 {{ analysis.major }} 专业的培养匹配度为 {{ analysis.match_score }}/100。 在分析的 {{ analysis.skills.length }} 项技能中，有 {{ gapCount }} 项存在明显缺口， 其中 {{ analysis.top_gaps.slice(0,3).map(s=>s.name).join('、') }} 缺口最大。 建议优先建设「{{ analysis.directions[0] ? analysis.directions[0].name : '—' }}」方向， 并同步优化招生规模。 按本报告调整方案实施后，预计培养匹配度可提升至 {{ plan.evaluation.match_after }}/100（共 {{ plan.actions.length }} 条调整动作）。
二、数据范围与分析方法
| 招聘数据 | {{ analysis.scope.postings }} 条，覆盖 {{ analysis.scope.clusters.join('、') }} |
|---|---|
| 培养方案 | {{ analysis.scope.courses }} 门课程，总学分 {{ analysis.scope.total_credits }}，实践学分占比 {{ analysis.scope.practice_ratio }}% |
| 就业数据 | {{ analysis.employment.length }} 个年度，最近一届就业率 {{ analysis.base.employment_rate }}%、起薪 {{ analysis.base.salary }} 元、对口率 {{ analysis.base.match_rate }}% |
| 技能需求指数 | D = 100 × (0.6 × 相对频次 + 0.4 × 岗位提及率) ^ 0.7 |
| 培养覆盖度 | C = 100 × (1 − e^(−W/3.2))，W 为课程学分 × 技能映射强度加权和 |
| 技能缺口 | G = max(0, D − C) |
三、重点技能缺口
| 技能 | 分类 | 需求 | 覆盖 | 缺口 |
|---|---|---|---|---|
| {{ s.name }} | {{ s.cat }} | {{ s.demand }} | {{ s.coverage }} | {{ s.gap }} |
四、课程调整方案
{{ plan.summary }}
| 动作 | 课程 / 对象 | 调整理由 |
|---|---|---|
| {{ actionTypeName(a.type) }} | {{ a.course }}（{{ a.hours_delta>0?'+':'' }}{{ a.hours_delta }}） | {{ a.reason }} |
约束检查：{{ plan.evaluation.violations.length ? plan.evaluation.violations.join('；') : '全部通过' }}。 预计匹配度由 {{ plan.evaluation.match_before }} 提升至 {{ plan.evaluation.match_after }}， 综合得分 {{ plan.evaluation.score }}。
五、效果模拟
| 情景 | 匹配度 | 就业率 | 平均起薪 | 对口率 |
|---|---|---|---|---|
| {{ s.name }} | {{ s.match }} | {{ s.employment }}% | {{ s.salary.toLocaleString() }} 元 | {{ s.match_rate }}% |
{{ sim.disclaimer }}
六、风险评估与应对
| 等级 | 风险 | 触发条件 | 主要应对措施 |
|---|---|---|---|
| {{ r.level }} | {{ r.name }} | {{ r.trigger }} | {{ r.measures[0] }} |
七、结论与建议
建议以「{{ analysis.directions[0] ? analysis.directions[0].name : '核心方向' }}」为突破口， 按方案分三年逐步落地课程调整；同时建立每年一次的岗位数据更新与毕业生跟踪校准机制， 使专业调整从一次性动作变为可持续的闭环。