智能网联汽车人才需求预测研究思路

按照研究目标的不同，人才需求预测通常可以分为三个维度，分别是人才结构预测、人才特征预测和人才数量预测，三种预测有着各自不同的应用价值和研究方法。

人才结构预测适用于新兴产业，新兴产业将产生新的人才需求类型，预测重点是分析相关产业人才结构的变化，一般采用定性分析方法。

人才特征预测适用于新兴产业或发生了较大变化的既有产业，预测重点是识别人才胜任相关新工作所需的理念、能力和知识等，同样宜采用定性分析方法。

人才数量预测广泛适用于不同类型的产业，预测重点是构建量化预测模型，得到人才需求的具体数量，从而为行业和企业决策者提供参考依据，必须采用定量分析方法。

鉴于智能网联汽车人才的特点，课题组决定同时采用上述三个维度的预测，且三者存在关联，在课题研究中，必须先对人才结构和人才特征进行系统分析，以保障人才需求数量预测的准确性。

具体工作思路如下：

（1）定义智能网联汽车的测算边界，确定人才需求类别和类型，明确人才结构；(www.xing528.com)

（2）采集并分析企业问卷调查结果、权威研究报告和行业专家／学者观点，基于频次分析等方法进行人才特征识别，并采用加权计算方式筛选、提取、整合人才特征，构建智能网联汽车人才的特征框架及画像；

（3）以智能网联汽车人才结构和特征分析结果为支撑，构建三维多指标人才需求数量模型，应用该模型对智能网联汽车人才需求数量进行定量预测。

研究工作涉及的数据包括各类智能网联汽车研发人员的历史数据、业务模块发展影响因素的表征数据以及指标权重矩阵数据等。其中，研发人员的历史数据通过课题组将企业调查问卷进行信息分析处理后获得；业务模块发展影响因素的表征数据主要依据行业政策文件、法规标准、学术论文和权威报告中的信息，并融入对不同影响因素所处发展阶段的专业判断，经分析和校验后确定；业务模块发展影响因素的指标权重矩阵数据则是在参考相关文献资料的基础上，通过德尔菲法，根据专家意见得到。

如前所述，智能网联汽车具有传统汽车的基本结构，其不同点主要体现在新技术的融入。因此，本次研究决定聚焦在“增量”，即基于汽车产业链视角，挖掘智能网联汽车与传统汽车的区别，深度分析智能网联汽车相较于传统汽车新增的业务、功能和技术，厘清智能网联汽车的“增量”内容和所需人才来源，以此为基础确定可以有效承载“增量”内容的人才结构和特征，进而预测人才需求数量。基本工作思路如图4.1所示。

图4.1　智能网联汽车人才需求预测研究工作基本思路