随着人口增长,各公司岗位趋于饱和,企业对于待业人员的各方面素质要求越来越高,招聘平台实时岗位数据作为企业对求职者需求的体现,可为高校培养政策的建立提供数据支持。《促进大数据发展行动纲要》中,将大数据上升为国家战略,至此我国全面推进大数据发展、加快建设数据强国,培养一批具备大数据思维与专业技术的领域复合型人才已刻不容缓。本课题提出“SARIMA改进模型+Pearson相关系数”的研究方法,对2016年1月至2019年12月(共计四年)的江苏省企业大数据类岗位需求量进行建模预测,利用企业岗位趋势化需求量与高校专业供给量进行匹配研究,该模型预测容错性高、耗时短,能被广泛用于人才需求与高校人才培养匹配的实际应用中,以缓解现阶段高校人才培养与企业人才需求脱节的现象。本课题针对上述问题进行了研究,研究过程中所做的主要工作如下:在企业招聘需求预测模型方面,基于python从某知名招聘网站上获取大数据人才岗位需求,针对处理后的序列特征选取了SARIMA-BP模型,预测江苏省企业对大数据类人才的需求变化趋势,并对预测结果进行了评价。该模型暂未应用到招聘数据预测领域,但在数据基数较大的前提下均方根误差仅7.66,精度高、具有高可靠性,可为后续匹配研究与问题发现提供模型支持。在匹配度研究方面,从江苏省十所知名院校官网所获取的招生计划中,整理出近八年江苏省高校大数据类专业设置情况,结合行业人才需求趋势,利用Pearson相关系数从图像化、数据化的角度客观评价高校人才供给量与企业人才需求趋势现状。在大数据教育行业发展现状调研方面,采用洛伦兹曲线、基尼系数方式对各省新增大数据专业现状与其高校建设量进行匹配研究,为各省按教育水平合理调整专业设置提供数据支持。针对匹配研究结果与当地大数据教育行业发展现状,为解决江苏省高校大数据类专业建设与岗位需求存在的问题,提出“一体两翼一尾”的格局下的对策性建议。