# 供需会智能分析系统 — 技术方案 > **项目名称**：杭州科技职业技术学院 供需会智能分析系统 ## 目录 - [一、项目背景与目标](#一项目背景与目标) - [二、系统总体架构](#二系统总体架构) - [三、核心功能设计](#三核心功能设计) - [四、AI能力详解](#四ai能力详解) - [五、数据安全与部署方案](#五数据安全与部署方案) - [六、实施计划](#六实施计划) - [七、投资估算](#七投资估算) ## 一、项目背景与目标 ### 1.1 项目背景 高校供需对接是高等教育服务区域经济发展的核心环节。杭州科技职业技术学院覆盖32个专业方向，每年为杭州及周边地区输送大量技术技能型人才。供需会作为学校与行业企业对接的重要机制，承担着人才培养方向校准、校企合作推进、就业质量提升等多重使命。 当前，学校在供需对接方面面临以下挑战： | 挑战 | 现状 | |------|------| | **数据分散** | 校内实习数据、就业数据、市场招聘数据分散在不同系统，无法统一分析 | | **分析依赖人工** | 供需匹配主要靠人工调研和经验判断，缺少数据化、智能化的分析手段 | | **报告产出效率低** | 32个专业的人才需求报告需逐一手工编写，耗时长、口径难统一 | | **决策缺少数据支撑** | 课程调整、专业建设、企业合作等决策缺乏市场数据的量化支撑 | | **展示手段单一** | 缺少直观、专业的数据可视化展示手段 | ### 1.2 建设目标 建设一套 **AI驱动的供需会智能分析系统**，实现以下目标： 1. **数据汇聚**：打通校内实习平台、就业系统与外部就业市场数据，建立统一的供需数据底座 2. **智能分析**：运用大模型和数据分析技术，自动完成岗位匹配、技能解析、缺口识别、薪资对标 3. **报告自动化**：一键生成32个专业的人才需求分析报告，支持供需会材料批量导出 4. **辅助决策**：为学院提供AI驱动的课程调整建议和企业合作推荐 5. **可视化展示**：提供供需会专用数据大屏，直观呈现人才培养与市场需求的对接成果 ## 二、系统总体架构 ### 2.1 总体架构图 ``` ┌─────────────────────────────────────────────────────────────────────┐ │ 应用展示层 │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌───────────┐ │ │ │ 学院工作台 │ │ 校级管理台 │ │ 系统管理台 │ │ 展示大屏 │ │ │ │ · 专业分析 │ │ · 全校总览 │ │ · 数据管理 │ │ · 供需总览│ │ │ │ · 报告导出 │ │ · 缺口汇总 │ │ · 用户权限 │ │ · 匹配排行│ │ │ │ · 企业推荐 │ │ · 材料导出 │ │ · 系统运维 │ │ · 缺口地图│ │ │ │ · 就业指导 │ │ · 大屏管理 │ │ · 分析任务 │ │ · 薪资对比│ │ │ └─────────────┘ └─────────────┘ └─────────────┘ └───────────┘ │ ├─────────────────────────────────────────────────────────────────────┤ │ AI 智能分析引擎 │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ JD智能解析│ │ 岗位匹配 │ │ 缺口识别 │ │ 报告生成 │ │ │ │ 大模型 │ │ 引擎 │ │ 引擎 │ │ 引擎 │ │ │ └──────────┘ └──────────┘ └──────────┘ └──────────┘ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 技能图谱 │ │ 薪资分析 │ │ 课程建议 │ │ │ │ 构建 │ │ 引擎 │ │ AI生成 │ │ │ └──────────┘ └──────────┘ └──────────┘ │ ├─────────────────────────────────────────────────────────────────────┤ │ 数据治理层 │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ 数据清洗 │ │ 岗位归一 │ │ 质量监控 │ │ 数据仓库 │ │ │ └──────────┘ └──────────┘ └──────────┘ └──────────┘ │ ├─────────────────────────────────────────────────────────────────────┤ │ 数据源层 │ │ ┌───────────────────────┐ ┌───────────────────────────────────┐ │ │ │ 校内数据 │ │ 外部数据 │ │ │ │ · 实习平台（含工资） │ │ · 杭州就业网 · 杭州本地人才网 │ │ │ │ · 就业管理系统 │ │ · 政策/行业报告 │ │ │ └───────────────────────┘ └───────────────────────────────────┘ │ └─────────────────────────────────────────────────────────────────────┘ ``` ### 2.2 架构设计原则 | 原则 | 说明 | |------|------| | **一体化部署** | 一套系统覆盖全部功能，统一部署维护，降低学校信息中心的运维负担 | | **数据驱动** | 从数据采集到报告生成形成完整链路，所有分析结论均可溯源至原始数据 | | **AI原生** | 大模型能力深度集成于分析引擎，而非简单的功能叠加，确保智能分析的精准性 | | **渐进增强** | 系统分阶段交付，核心功能优先上线，AI高级功能逐步丰富，不影响基础使用 | | **安全可控** | 支持校内私有化部署，数据不出校园；大模型可对接私有化部署的模型服务 | ## 三、核心功能设计 ### 3.1 数据接入与治理 数据是系统的基础。本模块负责从多方数据源汇聚数据，并经过清洗、标准化后，形成统一的供需数据底座。 #### 3.1.1 校内数据对接 | 数据源 | 接入数据 | 对接方式 | |--------|---------|---------| | 校内实习平台 | 实习岗位、实习企业、实习工资（新增） | 优先API对接，兜底Excel导入 | | 就业管理系统 | 就业岗位、就业薪资、就业企业、就业去向 | 优先API/数据库视图对接 | > 系统提供可视化的数据对接配置界面，支持字段映射、同步频率设置和连接测试，无需修改代码即可适配学校现有系统。 #### 3.1.2 外部数据采集 | 数据源 | 采集内容 | 采集策略 | |--------|---------|---------| | 杭州就业网 | 岗位需求、企业信息、薪资范围 | 定时采集，按行业/地域配置范围 | | 杭州本地人才网 | 招聘岗位、技能要求、薪资数据 | 定时采集 | | 行业报告/新闻 | 行业趋势、政策动态 | 定时采集+人工录入 | #### 3.1.3 数据治理 ``` 原始数据 ──► 数据清洗 ──► 岗位归一 ──► 质量检验 ──► 数据仓库 │ │ │ ▼ ▼ ▼ · 去重去噪 · 统一分类 · 完整度检查 · 格式标准化 · 别名映射 · 异常值检测 · 缺失值处理 · 待审核队列 · 质量评分 ``` **岗位分类归一**是数据治理的核心环节。系统建立三级岗位分类体系（大类-中类-小类），通过AI辅助的别名映射和人工审核相结合，确保来自不同数据源的岗位信息能在同一体系下进行对比分析。 ### 3.2 AI智能分析引擎 这是系统的核心价值所在。AI分析引擎对治理后的供需数据进行深度分析，产出六大维度的分析结果。各维度的详细能力说明见 [第四章 AI能力详解](#四ai能力详解)。 #### 六大分析维度 | 分析维度 | 分析内容 | 产出 | |---------|---------|------| | **岗位匹配度分析** | 将校内就业/实习岗位与市场需求岗位进行智能比对 | 32个专业的匹配度评分及详细对比 | | **人才缺口识别** | 识别市场有需求但学校覆盖不足的方向 | 缺口岗位TOP排行、缺口率、趋势 | | **薪资对标分析** | 校内实习工资/就业薪资与市场水平横向对比 | 分位数对比、城市维度、趋势变化 | | **专业技能图谱** | 从招聘信息中AI提取技能要求，与课程设置比对 | 32个专业的技能覆盖雷达图 | | **课程调整建议** | 基于供需偏差和技能缺口，AI生成优化建议 | 按专业输出新增/强化/弱化课程建议 | | **企业推荐** | 基于岗位匹配度，推荐潜在合作企业 | 按专业输出推荐企业列表及推荐理由 | #### 分析引擎工作流程 ``` 数据仓库 │ ├──────────────────────────┐ ▼ ▼ ▼ 校内就业数据 市场需求数据 招聘信息原文 │ │ │ │ │ ▼ │ │ AI智能解析（技能/要求提取） │ │ │ ▼ ▼ ▼ ┌──────────────────────────┐ │ 多维度分析引擎 │ │ 岗位匹配 · 缺口识别 │ │ 薪资对标 · 技能图谱 │ │ 企业推荐 · 课程建议 │ └────────────┬─────────────┘ │ ▼ 分析结果库（版本化存储） │ ┌─────────┼─────────┐ ▼ ▼ ▼ 报告生成 数据看板 大屏展示 ``` ### 3.3 专业人才需求报告 系统自动生成32个专业的人才需求分析报告，是供需会的核心产出物。 #### 报告内容结构 ``` 《XX专业人才需求分析报告》 1. 专业概况 - 在校生规模、近三年就业率 2. 供需匹配分析 - 毕业生TOP就业岗位 vs 市场TOP需求岗位 - 匹配度评分及档位 3. 技能图谱分析 - 市场要求技能 vs 课程覆盖技能（雷达图） - 技能覆盖盲区标注 4. 薪资对标分析 - 实习/就业薪资 vs 市场薪资（分位数对比） - 城市维度、趋势变化 5. 人才缺口分析 - 相关方向缺口岗位及规模 - 缺口趋势判断 6. 课程调整建议（AI生成） - 建议新增/强化/弱化的课程方向 - 每条建议的数据支撑和优先级 7. 合作企业推荐 - 高匹配度企业列表 - 推荐理由 ``` #### 报告生成策略 报告内容随系统功能上线逐步丰富，32个专业从第一期起即全部覆盖： | 阶段 | 报告版本 | 包含内容 | |------|---------|---------| | 第一期（M2） | 基础版 | 供需匹配分析（岗位对比、匹配度评分） | | 第二期（M3） | 完整版 | 增加技能图谱、薪资对标、缺口分析 | | 第三期（M4） | 智能版 | 增加AI课程建议、企业推荐 | - 支持PDF/Word格式导出，统一排版，带学校LOGO和元信息 - 校级管理者可一键打包导出全部32份报告 + 全校总报告 ### 3.4 多角色工作台 系统面向三类用户，提供差异化的工作台。 #### 3.4.1 学院工作台 > 面向学院院长、专业负责人、就业指导老师 | 功能板块 | 功能说明 | |---------|---------| | 专业匹配度总览 | 本院所有专业与市场需求匹配度排行，支持预警标注 | | 专业详细分析 | 单专业维度的完整分析（岗位对比、技能图谱、薪资、缺口） | | 课程调整建议 | AI生成的课程优化方向，支持采纳/暂缓/驳回标记 | | 企业推荐 | 高匹配度企业列表，区分已合作和新推荐，支持导出 | | 就业去向分布 | 学生就业流向可视化（行业/地域/企业类型） | | 政策与动态 | 相关就业政策、行业报告聚合 | | 报告导出 | 导出专业报告或学院报告（PDF/Word） | > 通过数据权限控制，院长可查看院级汇总，专业负责人看本专业详情，就业指导老师侧重企业和薪资信息。 #### 3.4.2 校级管理台 > 面向教务处、就业处领导 | 功能板块 | 功能说明 | |---------|---------| | 全校专业对比 | 32个专业匹配度/缺口率/薪资竞争力排行，红绿灯预警 | | 人才缺口汇总 | 全校维度的缺口方向汇总，辅助新专业申报和招生调整 | | 改进跟踪 | 各学院对建议的响应情况统计 | | 数据质量概览 | 各数据源接入状态、数据完整度 | | 材料包导出 | 一键打包导出供需会全套材料（ZIP） | | 大屏管理 | 配置大屏展示内容、布局、轮播策略 | #### 3.4.3 系统管理台 > 面向信息中心运维人员 | 功能板块 | 功能说明 | |---------|---------| | 数据源管理 | 校内/外部数据源配置、测试连接、同步策略 | | 数据清洗 | 清洗规则配置、预览、执行日志 | | 岗位分类 | 分类体系维护、别名映射、待审核队列 | | 分析任务 | 手动/自动触发分析、进度监控、版本管理 | | 用户权限 | 用户CRUD、角色分配、学院/专业数据范围绑定 | | 系统运维 | 全局配置、运行监控、操作日志、数据备份 | ### 3.5 供需会展示大屏 展示大屏用于供需数据的可视化呈现，无需登录，由校级管理者配置展示内容。 #### 大屏页面规划 | 页面 | 展示内容 | 核心视觉元素 | |------|---------|-------------| | 学校供需总览 | 全校宏观指标（专业数、就业率、匹配度、企业数） | 动态计数器、指标卡片 | | 专业匹配度排行 | 32个专业匹配度排名 | 柱状图/排行榜，TOP5高亮 | | 人才缺口地图 | 市场急需方向分布 | 热力气泡图，动态浮动 | | 薪资对比 | 校内薪资 vs 市场薪资 | 双轴对比图，涨跌箭头 | | 校企合作成果 | 合作企业展示 | 企业LOGO墙/地图分布 | #### 大屏技术要求 - 适配1920×1080及以上分辨率，支持16:9/21:9比例 - 深色主题、高对比度配色，视觉效果专业 - 各页面按设定间隔自动轮播，支持手动切换 - 通过专用URL免登录访问 - 关键数字突出显示，信息层次清晰 ## 四、AI能力详解 AI能力是本系统区别于传统数据统计工具的核心差异点。系统深度集成大语言模型，在以下四个关键场景中发挥智能化作用。 ### 4.1 大模型驱动的JD智能解析 **痛点**：市场招聘数据中，岗位JD以自然语言描述，格式各异，传统关键词匹配难以准确提取结构化信息。 **方案**：利用大模型的语义理解能力，将非结构化JD文本自动解析为结构化数据。 ``` ┌───────────────────────────────────────┐ │ 原始JD文本（输入） │ │ │ │ "招聘Python后端开发工程师，要求熟悉 │ │ Django/Flask框架，有Redis/MySQL经验， │ │ 了解Docker容器化部署，薪资15-25K..." │ ├───────────────────────────────────────┤ │ 大模型解析 │ ├───────────────────────────────────────┤ │ 结构化结果（输出） │ │ │ │ · 岗位类别：互联网/软件开发/后端开发 │ │ · 核心技能：Python, Django, Flask, │ │ Redis, MySQL, Docker │ │ · 技能层级：熟悉(Django/Flask/Redis) │ │ 了解(Docker) │ │ · 薪资范围：15K-25K │ │ · 经验要求：推断为1-3年 │ └───────────────────────────────────────┘ ``` **价值**： - 解析准确率显著优于传统关键词匹配 - 能理解语义近义（如"熟练使用"="精通"、"有经验"="熟悉"） - 支持自动适配不同平台、不同格式的JD文本 ### 4.2 AI岗位匹配与人才缺口识别 **痛点**：校内就业岗位名称与市场岗位名称往往不同（如学生就业登记为"程序员"，市场叫"后端开发工程师"），简单文本匹配会导致大量漏匹配。 **方案**：利用大模型的语义相似度计算和推理能力，实现"理解岗位本质"的智能匹配。 ``` 校内就业岗位 市场需求岗位 ───────────── ───────────── "程序员" ──AI匹配──► "后端开发工程师" ✅ 高匹配 "网页设计" ──AI匹配──► "UI/UX设计师" ✅ 中匹配 "文员" ──AI匹配──► "数据分析师" ❌ 低匹配 "算法工程师" ⚠️ 无对应（缺口） ``` **匹配方式**： 1. AI理解岗位的实际含义，而非简单比对文字 2. 结合岗位分类体系进行层级匹配 3. 综合技能要求重合度进行交叉验证 4. 输出匹配度评分（0-100）和匹配置信度 **缺口识别逻辑**： - 市场需求量大 + 学校就业覆盖少 = 人才缺口 - 结合需求增长趋势判断缺口紧迫性 - 关联到具体专业，给出"该缺口应由哪个专业响应"的建议 ### 4.3 智能课程调整建议 **痛点**：即使识别了供需偏差，从"市场需要什么技能"到"学校应该调整什么课程"之间的推理链条复杂，依赖专业人员的经验判断。 **方案**：利用大模型的推理能力，自动生成从市场数据到课程建议的完整推理链。 ``` ┌─────────────────────────────────────────────────────┐ │ AI课程建议生成流程 │ │ │ │ 输入： │ │ · 本专业技能图谱（市场要求 vs 课程覆盖） │ │ · 本专业供需匹配偏差数据 │ │ · 本专业现有课程设置清单 │ │ │ │ 大模型推理： │ │ 1. 识别技能覆盖盲区 │ │ 2. 关联盲区技能到具体岗位需求 │ │ 3. 评估该技能的市场重要程度和增长趋势 │ │ 4. 生成课程调整建议（新增/强化/弱化） │ │ 5. 为每条建议给出数据支撑和优先级 │ │ │ │ 输出示例： │ │ ┌─────────────────────────────────────────────────┐ │ │ │ 建议【高优先级】：新增"容器化与云原生"课程方向 │ │ │ │ │ │ │ │ 依据：Docker/K8s技能在后端开发岗位JD中出现率 │ │ │ │ 从2024年的42%上升至2026年的78%，而当前课程体系 │ │ │ │ 中仅在"Linux基础"课程中简要提及容器概念。 │ │ │ │ │ │ │ │ 建议措施：新增1门32学时选修课，覆盖Docker基础、 │ │ │ │ 容器编排、CI/CD流水线等内容。 │ │ │ └─────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────┘ ``` **价值**： - 从"数据发现"到"行动建议"自动闭环 - 每条建议有明确的数据支撑，可追溯、可验证 - 大幅降低专业负责人分析市场数据的工作量 ### 4.4 专业能力图谱自动构建 **痛点**：32个专业分别需要哪些技能、每个技能市场需求强度如何、学校课程覆盖如何——这张图谱需要大量人力梳理。 **方案**：由AI自动从海量招聘JD中提取、归类、量化技能要求，并与课程设置自动比对，生成专业能力图谱。 ``` 计算机科学与技术 · 能力图谱 Java ★★★★★ / Python ★★★★ MySQL ★★★★ / \ Docker ★★★ Redis ★★★ \ / Linux ★★★★ Git ★★★★ \ / Spring ★★★★★ ★ 市场需求强度 ● 课程覆盖度 覆盖充足：Java, Python, MySQL, Linux 部分覆盖：Spring, Git 严重不足：Docker, Redis ◄── 重点关注 ``` **构建流程**： 1. 从招聘JD中通过大模型提取技能关键词及层级要求 2. 统计每个技能在对口岗位中的出现频率，计算市场需求强度 3. 将技能与学校课程大纲进行比对（课程名称+教学内容关键词匹配） 4. 生成雷达图/能力矩阵，标注覆盖状态 ## 五、数据安全与部署方案 ### 5.1 数据安全策略 | 安全维度 | 措施 | |---------|------| | **数据存储** | 所有数据存储在学校服务器内，不外传；数据库加密存储 | | **访问控制** | 基于角色的权限控制，学院用户只能访问本单位数据 | | **传输安全** | 全站HTTPS加密传输 | | **操作审计** | 关键操作（数据导入/导出、报告下载、权限变更）全程日志记录 | | **数据备份** | 支持自动定时备份，可手动触发，支持从备份恢复 | | **AI安全** | AI模型可对接学校私有化部署的服务，敏感数据不传入公网 | ### 5.2 部署方案 系统采用**校内私有化部署**，部署在学校数据中心或指定云服务器上。 ``` ┌──────────────────────────────────────┐ │ 学校数据中心/云服务器 │ │ │ │ ┌─────────┐ ┌─────────┐ │ │ │ Web前端 │ │ 后端服务 │ │ │ └─────────┘ └─────────┘ │ │ ┌─────────┐ ┌─────────┐ │ │ │ 数据库 │ │ 缓存服务 │ │ │ └─────────┘ └─────────┘ │ │ ┌─────────┐ │ │ │ AI模型 │ （可选私有化部署 │ │ │ 服务 │ 或对接云端API） │ │ └─────────┘ │ └──────────────────────────────────────┘ ``` **服务器推荐配置**： | 项目 | 基础配置 | 推荐配置 | |------|---------|---------| | CPU | 8核 | 16核 | | 内存 | 16GB | 32GB | | 磁盘 | 200GB SSD | 500GB SSD | | GPU（如需私有化AI模型） | — | 独立GPU卡×1 | > 如不部署私有化AI模型，可通过API调用云端AI服务，此时无需GPU。 ## 六、实施计划 ### 6.1 分期交付计划 项目采用分期迭代交付模式，共4个里程碑，总周期约4个月。 ``` 月份1 月份2 月份3 月份4 ┌────────────────┬────────────────┬────────────────┬────────────────┐ │ │ │ │ │ │ 里程碑1 │ 里程碑2 │ 里程碑3 │ 里程碑4 │ │ 数据跑通 │ 核心功能上线 │ 供需会就绪 │ 持续迭代 │ │ │ │ │ │ │ · 数据源对接 │ · AI分析引擎 │ · 技能图谱 │ · AI课程建议 │ │ · 数据清洗归一 │ · 院级/专业分析│ · 薪资对标 │ · 政策聚合 │ │ · 岗位分类体系 │ · 32份基础报告 │ · 缺口分析 │ · 改进跟踪 │ │ · 用户权限 │ · 全校总览 │ · 大屏配置+展示│ · 企业推荐 │ │ │ · 材料包导出 │ · 报告内容丰富 │ · 就业去向 │ │ │ │ │ · 大屏进阶 │ └────────────────┴────────────────┴────────────────┴────────────────┘ 验收点1: 验收点2: 验收点3: 验收点4: 数据链路跑通 系统可用于 完整分析+大屏 全功能交付 样本数据可查 报告生成和导出 ``` ### 6.2 里程碑交付物 | 里程碑 | 交付物 | 验收标准 | |--------|--------|---------| | M1 数据跑通 | 数据治理模块上线，样本数据入库 | 校内+外部数据可接入，清洗归一后可查询 | | M2 核心上线 | 分析引擎+报告+工作台上线 | 可生成32份基础版专业报告并导出 | | M3 供需会就绪 | 完整分析+大屏上线 | 报告含完整分析维度，大屏可正常展示 | | M4 全功能交付 | 全部功能上线 | AI课程建议等高级功能可用，全系统验收 | ### 6.3 项目配合要求 | 阶段 | 需校方配合事项 | |------|--------------| | 启动阶段 | 提供校内系统接口文档或数据库访问权限；确认32个专业清单和课程设置 | | M1阶段 | 配合数据对接调试；提供样本数据验证清洗效果 | | M2阶段 | 业务部门试用反馈；确认报告格式和内容模板 | | M3阶段 | 确认大屏展示需求；提供大屏显示设备参数（屏幕尺寸/分辨率） | | 全程 | 指定1名项目对接人，负责协调校内各部门 | ## 七、投资估算 ### 7.1 软件开发工作量 以下按功能模块估算开发工作量，单位为**人天**。 | 模块 | 功能范围 | 人天 | 阶段 | |------|---------|:----:|:----:| | **数据接入与治理** | | | | |  校内数据对接 | 多种对接方式，字段映射，自动同步 | 15 | M1 | |  外部数据采集 | 3个采集源配置，采集调度，异常告警 | 18 | M1 | |  数据清洗引擎 | 去重/补全/过滤规则，配置界面，执行日志 | 12 | M1 | |  岗位分类归一 | 三级分类体系，别名映射，AI辅助归一，审核队列 | 15 | M1 | |  数据质量监控 | 监控看板，完整度/归一率指标，告警配置 | 8 | M1 | | **AI智能分析引擎** | | | | |  JD智能解析 | AI驱动的招聘信息结构化解析，批量处理 | 12 | M2 | |  岗位匹配引擎 | 智能语义匹配，匹配度评分，多维度校验 | 15 | M2 | |  人才缺口识别 | 缺口计算，趋势分析，关联专业推荐 | 10 | M2/M3 | |  薪资分析引擎 | 多维度薪资对比，趋势分析 | 8 | M3 | |  技能图谱构建 | AI技能提取，课程比对，图谱生成 | 15 | M3 | |  AI课程建议 | AI驱动的课程调整建议生成 | 12 | M4 | |  企业推荐引擎 | 企业-专业匹配度计算，推荐理由生成 | 8 | M4 | | **报告生成** | | | | |  报告模板与生成 | 模板设计，数据填充，图表渲染，PDF/Word输出 | 15 | M2 | |  材料包导出 | 32份报告+总报告汇总，批量打包下载 | 5 | M2 | | **应用工作台** | | | | |  学院工作台 | 7个功能板块的界面与服务 | 25 | M2/M3 | |  校级管理台 | 6个功能板块的界面与服务 | 20 | M2/M3 | |  系统管理台 | 6个功能板块的界面与服务 | 20 | M1/M2 | | **展示大屏** | | | | |  大屏核心页面 | 5个大屏页面设计+开发，轮播，免登录 | 20 | M3 | |  大屏管理功能 | 内容配置，布局调整，预览 | 8 | M3 | | **基础设施** | | | | |  用户权限系统 | 角色管理，数据权限，可选对接学校统一认证 | 10 | M1 | |  系统运维 | 全局配置，运行监控，操作日志，备份恢复 | 10 | M3/M4 | |  部署与联调 | 环境搭建，联调测试，上线部署 | 15 | 全程 | | | | | | | **合计** | | **311** | | ### 7.2 工作量汇总（按阶段） | 阶段 | 周期 | 工作量 | 核心交付 | |------|------|:------:|---------| | M1 数据跑通 | 第1个月 | 78 人天 | 数据治理全链路 + 用户权限 | | M2 核心上线 | 第2个月 | 100 人天 | AI分析引擎 + 报告生成 + 工作台核心 | | M3 供需会就绪 | 第3个月 | 83 人天 | 深度分析 + 大屏 + 工作台完善 | | M4 持续迭代 | 第4个月 | 50 人天 | AI课程建议 + 企业推荐 + 运维 | | **合计** | **4个月** | **311 人天** | | ### 7.3 其他费用参考 | 项目 | 说明 | 预估（年） | |------|------|-----------| | 服务器 | 校方自备或采购（见5.2配置推荐） | 视校方情况 | | AI模型云端调用 | 如使用云端AI服务（按调用量计费） | 1-3万元 | | AI模型私有化部署 | 如需校内私有化部署（含GPU服务器） | 视模型规模 | | 年度运维 | 系统维护、数据更新、版本升级 | 另行协商 | > 以上AI服务费用为参考值，实际费用取决于分析频率和数据规模。32个专业每月分析一次，年均费用约1-2万元。 *— 文档结束 —*