Методика прогнозирования кадрового и компетентностного дефицита на региональном рынке труда как способ оценки перспектив его развития

Бородин С.Н.1
1 Санкт-Петербургский Государственный Университет, Россия, Санкт-Петербург

Статья в журнале

Экономика труда (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 11, Номер 1 (Январь 2024)

Цитировать:
Бородин С.Н. Методика прогнозирования кадрового и компетентностного дефицита на региональном рынке труда как способ оценки перспектив его развития // Экономика труда. – 2024. – Том 11. – № 1. – С. 39-60. – doi: 10.18334/et.11.1.120256.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=59885197

Аннотация:
Одним из важнейших направлений в оценке перспектив регионального развития является исследование и прогнозирование регионального рынка труда. Прогнозирование состояния регионального рынка труда позволяет формировать планы по развитию отраслей экономики, инфраструктуры, изменению государственной политики в области профессионального и высшего образования. Данное исследование проведено с целью совершенствования методики построения прогноза потребности в кадрах и формулированию подхода к прогнозированию дефицита компетенций. Новизна предлагаемой методики заключается в усовершенствовании подхода к прогнозированию потребности в профессионально-квалификационном разрезе по видам экономической деятельности путем выявления наиболее полного и детализированного перечня потребности в кадрах в матрице ОКЗ-2014 4 уровень/ОКВЭД, в разработке методики по детализации прогноза по классам ВЭД. Также к новизне можно отнести разработку комплексного подхода к анализу и прогнозированию компетентностного дефицита. На основе предлагаемой методики был рассчитан прогноз потребности в кадрах экономики Санкт-Петербурга до 2028 года. Результаты исследования автора могут быть использованы региональными органами государственной власти при формировании прогноза потребности в кадрах, а также исследователями в данной области знания.

Ключевые слова: баланс трудовых ресурсов, прогноз потребности в кадрах, дефицит кадров, компетенции

JEL-классификация: J21, J23, J24



Введение

Оценка перспектив развития региона является важной задачей для органов государственной власти, так как результат такой всесторонней оценки помогает сформировать стратегию развития региона, определить слабые и сильные стороны, сформировать план действий по реализации задач социально-экономического развития, направленных на устойчивое социально-экономическое развития и повышение качества жизни людей. Одним из важнейших направлений в оценке перспектив регионального развития является исследование и прогнозирование регионального рынка труда. Прогнозирование состояния регионального рынка труда позволяет формировать планы по развитию отраслей экономики, инфраструктуры, изменению государственной политики в области профессионального и высшего образования. Важной задачей по исследованию рынка труда является построение прогноза баланса трудовых ресурсов, прогноза потребности в кадрах, а также анализ компетентностного дефицита. Прогноз потребности в кадрах показывает количественный дисбаланс спроса и предложения труда, а анализ компетентностного дефицита качественный. Особую актуальность данная задача приобрела сейчас, когда на федеральном уровне со следующего года будет формироваться пятилетний прогноз потребности в кадрах, на основе которого будут формировать контрольные цифры приема в образовательные учреждения, при этом в качестве оценки эффективности деятельности руководителей образовательных организаций станет показатель востребованности выпускников на рынке труда. Как отметил Президент: «Если при дефиците кадров в стране молодой человек не может найти работу, возникает ряд вопросов» [1]. Данные вопросы в том числе связаны с уровнем компетенций таких специалистов, что также проявляет актуальность проведения исследований в области компетентностного дефицита.

Существующие методики прогнозирования потребности в кадрах в матрицах профессионально-квалификационный состав/ОКВЭД в настоящее время имеют свои отличительные недостатки, которые упомянуты далее, и требуют совершенствования. Кроме того, в отечественной исследовательской практике имеет место разработка альтернативного подхода компетентностного дефицита, который бы позволял оценить его комплексно: как со стороны соискателей, так и среди занятых. Данное исследование проведено с целью совершенствования методики построения прогноза потребности в кадрах и формулированию подхода к прогнозированию дефицита компетенций. Новизна предлагаемой методики заключается в усовершенствовании подхода к прогнозированию потребности в профессионально-квалификационном разрезе по видам экономической деятельности путем выявления наиболее полного и детализированного перечня потребности в кадрах в матрице ОКЗ-2014 4 уровень/ОКВЭД, в разработке методики по детализации прогноза по классам ВЭД. Также к новизне можно отнести разработку комплексного подхода к анализу и прогнозированию компетентностного дефицита.

Обзор существующих методик прогнозирования потребности в кадрах и исследований компетентностного дефицита

По итогам анализа отечественных и зарубежных моделей прогнозирования численности трудовых ресурсов, потребности в кадрах в профессионально-квалификационном разрезе, по видам экономической деятельности, моделей измерения компетентностного дефицита можно отметить, что на сегодняшний день сложился богатый исследовательский опыт. Разработано достаточно большое количество разнообразных подходов и методов исследования. Описание зарубежных моделей прогнозирования динамики рынка труда и в частности прогноза потребности в кадрах описано в работах [1,5,9]. В качестве лучших зарубежных моделей, которые можно адаптировать под российскую практику исследователи выделяют: методику бюро трудовой статистики Министерства труда США, модель MONASH Австралии, модель MDM Великобритании, модели INFORGE и Ifo Германии, модели ORANI и ORANI-G.

В основе данных моделей так же, как и в российском опыте лежит построение баланса трудовых ресурсов в отраслевом, территориальном, профессиональном составе на основе данных статистической отчетности, обследовании компаний. Далее при прогнозировании потребности в кадрах используют Форсайт-сессии, экономико-математическое моделирование, метод дельфи, анализ данных вакансий и резюме. Некоторые зарубежные модели могут прогнозировать компетентностный дефицит.

Отечественный опыт прогнозирования потребности в кадрах также разнообразен. Обычно исследователи выделяют методологию, разработанную Петрозаводским центром бюджетного мониторинга, методологию определения потребностей «ИБС Экспертиза» под эгидой Российского экономического университета им. Г.В. Плеханова, разработки НИУ ВШЭ [11,12]. Однако, в некоторых субъектах Российской Федерации реализованы свои информационные системы, состоящие из блоков внесения новой информации, которая затем по разработанному алгоритму рассчитывает динамику и состояние рынка труда в настоящее время и на определенную перспективу. Например, такая система реализована в Челябинской области [13]. Методология Петрозаводского центра бюджетного мониторинга представлена множеством работ Гуртова В.А. и его соавторов. Предлагаемая методология основана на макроэкономическом прогнозировании и состоит из нескольких этапов. На первом этапе формируются входные параметры модели, которые характеризуют темпы роста экономики по ВЭД и численность занятых. На втором этапе рассчитывается среднегодовая численность занятых по методике разработки прогноза баланса трудовых ресурсов, определенной в приказе Министерства труда и социальной защиты от 15.04.2019 №248н [2]. На третьем этапе рассчитывается дополнительная потребность экономики в кадрах по видам экономической деятельности, а затем и по уровням образования с детализацией по учебным специальностям [4].Подробно методика также описана на сайте учреждения [3].

Также существуют подходы других отечественных исследователей по тематике разработки прогнозов потребности в кадрах. В работе Кашепова А.В. предлагается методика построения потребности в кадрах на основе проведения демографического и макроэкономического прогнозирования [6]. Коровкин А.Г. предлагает факторную модель на основе данных вакансий и резюме потенциальных соискателей (спроса и предложения на рынке труда) [7].

Питухин Е.А. и др. разработали комбинированный подход к прогнозированию потребности в кадрах на основе макроэкономического прогноза и прогноза на основе данных экспертов. На первом этапе формируется демографический прогноз, который служит ограничителем численности занятых, затем прогнозируется на основе макроэкономической модели баланс трудовых ресурсов. На втором этапе рассчитывается общая и дополнительная потребность в кадрах по видам экономической деятельности и в профессионально-квалификационном разрезе. Основой для составления прогноза служат данные о потребности в кадрах в формате ОКВЭД/ОКЗ, представленные в ЕМИСС [4]. По этим данным для каждого ВЭД методом наименьших квадратов находится удельная доля потребности в списочной численности работников которая затем экстраполируется на прогнозный период. При допущении, что вакансии будут составлять аналогичную долю от численности занятых [14]. Общая потребность определяется на основе совмещения двух прогнозов. Первый на основе макроэкономической модели, второй на основе опроса работодателей. Затем рассчитывается дополнительная потребность (на рост, на замену). На четвертом этапе детализация прогноза в разрезе ОКЗ и уровней образования строится на основе опрошенных работодателей.

Мигранова Л.И. и Минязев А.И. разработали методику прогнозирования потребности в кадрах на основе агент-ориентированного подхода. Суть данного метода заключается в том, что строится модуль агента - человек, предприятие, регион. Для каждого модуля строится определённые параметры, элементы модуля. Для человека – это численность «популяций» (по автору методики): «Выпускник», «Безработный», «Мигрант», имеющий определенные компетенции. Для предприятия – это опыт работы, компетентностный профиль специалиста, вакансии, потребность, структура занятых, ВЭД. Регион, как модуль, влияет на остальных агентов системы и включает в себя различные процессы и факторы, определяемые региональной стратегией и программами социально-экономического развития. На основе стандартных источников исследований формируется информационная база, которая анализируется по заранее сформированному алгоритму подбора наиболее подходящего объекта «человек» объекту «предприятие» [10].

Одной из наиболее популярных методик исследования и прогнозирования потребности в кадрах выступает методика проведения социологических исследований (опрос предприятий, проведение форсайт-сессий, глубинных интервью и т.д.). Описание таких методик представлено в исследованиях [15,17,18]. Также этот метод закреплен в нормативно-правовых актах субъектов Российской Федерации. В основе метода лежит формирование репрезентативной группы предприятий с общей среднегодовой численностью занятых выше 30% от среднегодовой численности занятых по региону. Каждое предприятие опрашивается по специальной анкете, в которой сотрудники отдела кадров заполняют информацию о количественном и профессионально-квалификационном составе необходимых предприятию кадров. Затем полученные оценки экстраполируются на генеральную совокупность. Результативность такого метода состоит в том, что опрашивается действительно репрезентативная группа предприятий, которые являются главными получателями работников. Согласно базовой гипотезе опрашиваемые предприятия заинтересованы в наиболее правдоподобном заполнении этих анкет, так как от обработки результатов их заполнения зависит изменение структуры бюджетных мест в учреждениях ВО и СПО региона. Однако, подобный подход критиковался в рамках круглого стола, проводимого в середине декабря в общественной палате Российской Федерации. По словам некоторых экспертов, прогноз предоставляется регионами на основе данных предприятий, которые заполняют сотрудники отдела кадров [5]. Впоследствии после сбора всех данных и формирования общего прогноза он демонстрируется работодателям, которые с ним категорически не согласны. В результате получается, что виденье развития компаний и отрасли руководителями предприятий и организаций различается с виденьем их сотрудников отдела кадров. В данном случае автор не согласен с оценкой некоторых участников этого круглого стола об неэффективности такого метода прогнозирования потребности в кадрах. С точки зрения автора тут речь должна идти об неэффективности реализации методики на первом ее шаге, поскольку составители прогноза в данной методике ничего не изменяют, а работают с готовой первичной информацией.

Другой важной особенностью перспектив развития рынка труда региона является исследование компетентностного дефицита в разрезе профессий. Исследование компетентностного дефицита должно идти последовательно вместе с прогнозом потребности в кадрах. Исследование дефицита компетенций иллюстрирует качественный дисбаланс спроса и предложения на рынке труда. Отчасти количественный уровень потребности может быть завышенным как раз за счет нехватки компетенций у сотрудников предприятий, что вызывает необходимость поиска дополнительных трудовых ресурсов для реализации задач, так как с учетом ограниченности в квалификации необходимо использовать старые технологии и соответственно нужны «лишние руки». Либо дефицит компетенций вызывает необходимость у предприятия осуществлять поиск специалиста с необходимым уровнем компетенций на замену существующему работнику или для помощи в повышении производительности труда.

Область компетентностного дефицита также нашла свое отражение в отечественных и зарубежных исследованиях. Проблема компетентностного дефицита освещалась в работах [3,8,19,20]. Перечисленные выше исследования проводились учеными-экономистами, поэтому в качестве метода сбора информации исследователи указывали Форсайт-сессии, опрос работодателей. При этом в этих исследованиях учтено, что выявление качественного дисбаланса спроса и предложения на труд можно осуществить путем анализа данных вакансий и резюме, так как в вакансиях рекрутеры прописывают основные функциональные обязанности (требуемые профессиональные, надпрофессиональные компетенции), а соискатели указывают свои знания, умения и навыки (заявленные компетенции). При этом согласно гипотезе о максимизации функции полезности рекрутеры прописывают максимально подробно все требуемые компетенции, а соискатели все имеющиеся компетенции, чтобы быть конкурентоспособнее на рынке труда. Данный подход имеет место быть, его недостатком выступает необходимость опрашивания большого количества экспертов из всех отраслей экономики с целью формирования компетентностных профилей специалиста для большинства существующих профессий. При данном подходе анализ компетенций соискателей можно проводить с использованием социологических методов опроса или обойтись без него, перейдя сразу к сравнению набора компетенций из сформированного профиля специалиста к сопоставительному анализу с ФГОС подготовки специалиста.

Альтернативным вариантом оценки компетентностного дисбаланса является анализ данных вакансий и резюме, представленных на сайтах по поиску работы. Для максимизации эффективности такого анализа лучше использовать один портал. В противном случае необходимо решать проблему исключения дублирования, ведь предприятие и соискателей может размещать вакансию, резюме на разных порталах по поиску работу. А государственные организации и вовсе обязаны размещать свои вакансии на портале Работа в России, но так он не очень популярен у соискателей, государственные организации размещают свои вакансии на других порталах. Второй проблемой с которой сталкивается исследователь – неструктурированный, неоднородный, не стандартизированный набор данных. Для его анализа необходимо либо вручную исследовать каждую вакансию и резюме, предварительно сопоставив данные вакансии и резюме с кодом ОКЗ или ОКПДТР, ОКСО, ОКВЭД, либо создать специальную компьютерную программу. В данном случае компетенции экономистов заканчиваются, и данная задача переходят специалистам в области технических наук.

В настоящее время существуют исследования, в которых демонстрируется программный алгоритм реализации этой задачи. Например, Асанов А.З. и др. предлагают использовать когнитивную модель на основе ориентированных графов и вершин [2]. Терников А.А. и др. предлагает использовать методику обработки естественного языка (лингвистическая модель) на основе анализа меры TF-IDF (англ. Term Frequency — Inverse Document Frequency) и n-грамм (последовательности из n элементов), а также использовать алгоритм классификации и кластеризации [16]. Недостатком метода определения компетентностного дефицита является то, что в вакансиях и резюме может не содержаться полный и необходимый перечень компетенций, так как рекрутер или соискателей по какой-то причине их не указали, этот перечень может меняться, так как вакансия – это потребность организации в конкретный момент времени, а не в целом за год, а резюме – желание соискателя работать по данной профессии, за определенную сумму денег, имея определенный набор компетенций в конкретный момент времени. Человек может повысить свою квалификацию или создать резюме с другой специализацией, а старое нерелевантное резюме не удалить. Однако, все описанные недостатки, как в случае с недостатком использования Форсайт-сессии при определении количественных параметров потребности в кадрах сводятся к человеческому фактору, который преодолеть невозможно. Сам алгоритм в случае способности формировать ранжированный перечень с указанием на количество повторений представляет собой необходимый, имеющий большое практическое значение инструмент исследования рынка труда.

По итогам анализа данных вакансий и резюме обычно составляется так называемый барометр занятости, либо атлас профессий, который реализован агентством стратегических инициатив на базе Сколоково [6]. Результаты анализа сопоставляются с профессиональными стандартами и корректируются в целях ликвидации в среднесрочной перспективе компетентностного дефицита. Также результаты анализа могут служить основой для составления программ дополнительной профессионального образования (повышение квалификации или профессиональная переподготовка), если устранить компетентностный дефицит необходимо в сжатые сроки. Однако, такая мера работает, если для освоения профессии необходимо получение образования в ВУЗе или ССУЗе, а сама система высшего и средне-профессионального образования готовит специалистов по таким профессиям.

Методика проведения исследования

Алгоритм реализации методики

1 этап. Формирование исходной информационной базы, включающей основные демографические и экономические параметры, а также вводные базовые параметры рынка труда. К демографическим параметрам относятся прогноз численности населения по полу и возрасту. К экономическим параметрам относятся показатели из среднесрочного прогноза социально-экономического развития субъекта Российской Федерации. К показателям рынка труда относятся: среднегодовая численность занятых по ВЭД, численность безработных, численность трудовых ресурсов, численность входящих и выходящих потоков трудовых ресурсов, например, динамика численности работающих пенсионеров, структура занятых должность/ВЭД.

Структуру занятых должность/ВЭД можно получить несколькими способами: данные резюме о должности соискателя и о последнем месте его работы, данные ОРС, выборочное обследование компаний по данным СОУТ.

В данном исследовании структура рынка труда формировалась в таблицах ОКЗ (4 уровень)/ОКВЭД. В качестве информационной базы для формирования таких таблиц послужило выборочное обследование предприятий, так как с помощью формирования массива должностей можно было каждой должности присвоить код ОКЗ 4 уровня. Данные ОРС использовать в качестве составления ретроспективной структуры занятости путем распределения занятых по 4 уровню, так как данные ОРС позволяют формировать матрицу только по 2 уровню ОКЗ, что явно недостаточно. При этом учитывалась ретроспективная структура занятости и данные о среднегодовой численности занятых в предыдущих периодах. Использование данных резюме возможно только с учетом формирования таблиц в определенный момент времени при условии, что нет смещения в сторону специалистов, которые работают на должностях, более подверженных текучести и соискатели каждый год обновляют свои резюме актуальными данными.

2 этап. Рассчитывается совокупная дополнительная потребность экономики в кадрах по видам экономической деятельности, которая определяется как сумма дополнительной потребности, связанной с экономическим ростом, и с потребностью, которая связана с ликвидацией выбытия занятых.

Слагаемое на рост рассчитывается по установленной в приказе Министерства труда и социальной защиты Российской Федерации №248-н формуле, как разница прогнозной и ретроспективной отчетной численности занятых в экономике по формуле:

(1)

(2)

где, – часть дополнительной потребности экономики, связанной с экономическим ростом, L - расчетная численность занятых в экономике в отчетном и прогнозном периоде, ИФО - индекс физического объема добавленной стоимости в текущем году и прогнозном периоде; ИПТ - индекс производительности труда в текущем году и прогнозном периоде, t – год, e – вид экономической деятельности. Затем полученные значения суммируются по всей экономике.

Слагаемое на ликвидацию выбытия рассчитывается на основе данных о динамике безработицы, численности пенсионеров, вышедших на пенсию, динамики численности работающих пенсионеров (разность численности работающих пенсионеров следующего и текущего года), естественной убыли. Эти данные рассчитываются по всей экономике региона, так они не детализируются на уровне отдельных отраслей, а затем распределяются пропорционально доли среднегодовой численности занятых данного ВЭД относительной численности занятых по всей экономике.

3 этап. Рассчитывается совокупная дополнительная потребность в кадрах по видам занятий согласно ОКЗ по 4 уровню детализации. В качестве информационной базы используются данные вакансий одного портала по поиску работы и потребность в работниках для замещения вакантных рабочих мест, публикуемая в ЕМИСС. Поскольку коммерческие порталы по поиску работы не содержат большого количества должностей в своих реестрах, структуру кадровой потребности с хорошим уровнем качества можно установить по 3 уровню ОКЗ. После установления структуры потребности по 3 уровню ОКЗ, полученные оценки экстраполируются на рассчитанную на этапе 2 потребность в текущем году. Далее путем расчета доли занятых по 4 уровню ОКЗ в общей численности занятых по ОКЗ, рассчитанной на этапе 1, полученные оценки потребности по 3 уровню распределяются на 4 уровень. Следующим шагом рассчитывается доля занятых в полученной на этапе 1 структуре занятых в таблице ОКЗ 4 уровень/ОКВЭД и эта доля умножается на численность потребности в определенном специалисте через сводные таблицы в MS Excel. Для ретроспективного определения потребности в формате ОКЗ 4 уровень/ОКВЭД используются данные об исторической потребности в таблицах ОКЗ 1 уровень/ОКВЭД, публикуемых в ЕМИСС.

4 этап. В прогнозном периоде определяется потребность на основе методики, описанной в этапе 2. Затем существующие значения потребности в равной доле экстраполируются в пределах полученных количественных оценок потребности.

5 этап. Детализация потребности по классам видов экономической деятельности. Для детализации кадровой потребности по классам используется гипотеза о том, что потребность в кадрах пропорциональна численности занятых в классе относительно раздела ВЭД. В таком случае для расчета потребности необходима матрица ОКЗ 4 уровень/класс ОКВЭД, которая формируется по данным выборочного обследования компаний, по данным СОУТ, которое проводится на этапе 1. Класс присваиваться по основному ОКВЭД компании. После расчета оценочной потребности в кадрах для каждого класса строиться модель в MS EXCEL на основе массивов данных. Описание модели представлено в таблице 1. Массив данных о потребности в разрезе ОКЗ-4/ОКВЭД-раздел для каждого раздела вводится отдельно в модель, затем вводится массив данных ОКЗ-4/ОКВЭД – класс, соответствующий данному разделу. Затем проводится сопоставление и расчет, как описано в таблице 1 для каждой позиции. Если какой-то код ОКЗ из массива ОКЗ-4/ОКВЭД-раздел не находится, то ставится 0, тоже самое выставляется и при обратном сопоставлении. Такое может произойти, если потребность в определенном специалисте физически не может возникнуть в данном классе. Например, производители конфет нужны в обрабатывающей промышленности в целом, в производстве пищевых продуктов, но они совершенно не нужны в полиграфической деятельности или в судоремонте.

Таблица 1

Форма и описание модели распределения потребности в кадрах в структуре ОКЗ 4 уровень/класс ОКВЭД, разработано автором

Массив потребность
В разделе
Массив занятых в классе
Сопоставление с занятыми
Расчет доли
Расчет потребности в классе
Обратное сопоставление с потребностью
Остаток
Код ОКЗ-4
Расшифровка
Количество
Код ОКЗ-4
Расшифровка
Количество
1
2
3
4
5
6
7
8
9
10
11






Используется функция ВПР, подставляются данные (3)
(7)/сумму (3)
(8)*численность занятых в классе
Используется функция ВПР, подставляются данные (9)
(3) – (9)

Остаток считается для того, чтобы получить потребность без учета потребности в данном классе. Затем значения остатка переносятся в столбец 3, а массив занятых в классе сменяется новым массивом, например, после массива занятых в производстве пищевых продуктов вставляется массив занятых в производстве напитков. В конце после расчета потребности в последнем классе остаток по всем кодам ОКЗ-4 должен быть 0.

Этап 6. Прогнозирование компетентностного дефицита. По итогам формирования прогноза потребности в кадрах в профессионально-квалификационном разрезе на основе данных вакансий и резюме проводится анализ на предмет выявления требуемых и заявленных компетенций. Согласно базовой гипотезе работодатели указывают все необходимые компетенции. Если какая-либо компетенция в описании вакансии не указана значит она не требуется для замещения этой должности. Аналогично, если какая-либо компетенция в описании резюме не указана значит соискатель ею не обладает. Вакансий и резюме сопоставляются с кодами ОКЗ. Далее составляется сравнительная таблица по форме, определенной в таблице 2.

Таблица 2

Форма составления сравнительной таблицы для выявления компетентностного дефицита для одной профессии, разработано автором

Код ОКЗ вакансии
Ранжированный перечень компетенций
Количество вакансий, в которых компетенция отмечена
Доля количества вакансий в общей численности вакансий
Код ОКЗ резюме
Ранжированный перечень компетенций
Количество резюме, в которых компетенция отмечена
Доля количества резюме в общей численности вакансий
Индекс обеспеченности компетенциями
(7)/(3)
1
2
3
4
5
6
7
8
9









Данные формируются либо вручную, либо посредством машинной обработки программистами на основе специализированных программ. Затем полученные результаты предъявляются экспертам в отрасли – участникам форсайт-сессий, которые на основе своего опыта прогнозируют изменение в обеспеченности компетенциями с учетом представленных данных и собственных данных о наличии/отсутствии дефицита компетенций у действующих сотрудников предприятий, с которыми они работают.

Результаты исследования

Для апробации описанной выше методики были использованы данные о рынке труда Санкт-Петербурга. В качестве информационной базы использовались: прогноз социально-экономического развития Санкт-Петербурга [7], данные официальной статистики (сборники) Петростата [8], данные вакансий и резюме портала по поиску работу, имеющего наибольший охват работодателей и соискателей в России [9], данные выборочного обследования компаний. Всего было собрано данных по СОУТ по 182 компаниям практически по всем классам видов экономической деятельности, кроме разделов T,U. Общая выборка составила 5% от среднегодовой численности занятых. Данные СОУТ скачивались, соотносились со среднегодовой численностью занятых по данным ФНС, специализированных сайтов и отчетностью самих компаний, конвертировались в формат xls с помощью конвертера с оптическим распознаванием символов для составления реестра должностей компании, класса и отрасли в целом. На втором этапе для каждой должности из сформированного массива был подобран наиболее подходящий код ОКЗ 4 уровня [10]. В полученной выборке распределение компаний по их размеру следующее: 55% - крупные, 31% - средние, 12% - малые, 2% - микропредприятия. По итогам проведенных расчетов согласно описанной методике был рассчитан прогноз потребности экономики Санкт-Петербурга в кадрах в профессионально-квалификационном разрезе по видам экономической деятельности на 5 лет до 2028 года. Прогноз потребности в кадрах по ВЭД представлен в таблице 3.

Таблица 3

Прогноз потребности экономики Санкт-Петербурга в кадрах по видам экономической деятельности на 2023-2028 год, рассчитано автором

Код ОКВЭД
2023
2024
2025
2026
2027
2028
A
746
765
741
716
686
652
B
46
50
50
49
50
48
C
19219
20385
20472
20530
20482
20389
D
853
869
837
803
765
720
E
372
398
404
406
410
411
F
5498
5809
5836
5832
5807
5764
G
34495
38111
39938
41651
43275
44830
H
12938
13790
13882
13901
13907
13859
I
5310
6041
6505
6988
7432
7885
J
9413
10031
10066
10032
10016
9924
K
2622
2813
2865
2910
2941
2967
L
3127
3395
3505
3613
3698
3786
M
5293
5563
5566
5554
5507
5453
N
3147
3307
3297
3280
3242
3198
O
3379
3557
3547
3512
3475
3416
P
9869
10263
10110
9897
9657
9373
Q
4955
5374
5566
5725
5867
6005
R
2477
2663
2717
2772
2804
2841
S
3238
3456
3526
3565
3602
3627
Итого
126997
136640
139429
141737
143623
145148

Из данных таблицы 3 следует, что наибольшая потребность формируется у компаний из следующих видов экономической деятельности: торговля оптовая и розничная; ремонт автотранспортных средств и мотоциклов, обрабатывающие производства, транспортировка и хранение, образование, деятельность в области информации и связи. У первых двух ВЭД-ов прогнозируется наибольшая потребность так как в этих видах экономической деятельности заняты наибольшее количество людей, при этом потребность в обрабатывающей промышленности возникает в связи с необходимостью дополнительного найма сотрудников для выполнения гособоронзаказа, а в оптовой и розничной торговле для закрытия вакансий продавцов и кассиров без которых пока не могут обойтись представители отрасли. В сфере образования увеличенная потребность будет наблюдаться в связи с необходимостью закрытия вакансий в новых школах. В сфере информатизации и связи потребность формируется для высококвалифицированных и опытных программистов, которые нужны для реализации крупных проектов по написанию ПО для целей импортозамещения.

Наименьший уровень потребности будет формироваться в следующих видах экономической деятельности: обеспечение электрической энергией, газом и паром; кондиционирование воздуха, сельское, лесное хозяйство, охота, рыболовство и рыбоводство, водоснабжение; водоотведение, организация сбора и утилизации отходов, деятельность по ликвидации загрязнений, добыча полезных ископаемых.

Рассмотрим текущий уровень кадровой напряженности на рынке труда. Список профессий, имеющих наибольший и наименьший уровень дефицита кадров в относительных величинах представлен в таблице 4.

Таблица 4

Список наиболее дефицитных профессий с точки зрения кадровой потребности, в относительных значениях, %, рассчитано автором

ОКЗ (4 ур.)
Наименование
Текущий уровень дефицита кадров, %, 2023 г.
Наиболее дефицитные специалисты
9122
Мойщики транспортных средств
39,94%
1412
Руководители ресторанов (вагонов-ресторанов)
31,84%
2240
Врачи скорой медицинской помощи и парамедики
31,7%
5112
Кондукторы общественного транспорта
30,9%
7311
Рабочие, занятые изготовлением и ремонтом прецизионных инструментов и приборов
28,8%
3254
Медицинские оптики-оптометристы
20,9%
2265
Диетологи и специалисты по рациональному питанию
18,5%
5311
Работники по уходу за детьми
17,5%
3511
Специалисты-техники по эксплуатации ИКТ
17,4%
9112
Уборщики и прислуга в учреждениях, отелях (гостиницах) и других местах
17,14%
7232
Механики и ремонтники летательных аппаратов, судов и железнодорожного подвижного состава
14,3%
8331
Водители пассажирского транспорта (автобусов, троллейбусов и трамваев)
14,3%
2521
Дизайнеры баз данных и администраторы
14,0%
Наименее дефицитные специалисты
8182
Операторы паровых машин и бойлерных установок
1,5%
9216
Неквалифицированные рабочие рыбоводства, рыболовства и производства морепродуктов
1,48%
8132
Операторы машин по производству фотографической продукции
1,5%
9613
Уборщики территорий (дворники) и подобные работники
1,45%
3113
Техники-электрики
1,4%
1325
Руководители подразделений (управляющие) на транспорте
1,34%
2342
Педагогические работники в дошкольном образовании
1,3%
1330
Руководители служб и подразделений в сфере информационно-коммуникационных технологий
1,13%
9622
Разнорабочие
1,02%
2341
Педагогические работники в начальном образовании
0,9%
1120
Руководители учреждений, организаций и предприятий
0,80%
3122
Мастера (бригадиры) в обрабатывающей промышленности
0,7%
8312
Рабочие, обеспечивающие безопасность движения и формирование поездов на железнодорожных станциях
0,7%
1223
Руководители подразделений по научным исследованиям и разработкам
0,47%
Прим. Расчет отношения текущей потребности в кадрах к общему числу занятых по профессиональным группам (отражает уровень напряженности кадровой ситуации)

Список профессий, имеющих наибольший и наименьший уровень дефицита кадров в абсолютных величинах представлен в таблице 5

Таблица 5

Список наиболее дефицитных профессий с точки зрения кадровой потребности, в абсолютных значениях, чел, рассчитано автором

ОКЗ (4 ур.)
Наименование
доля относительно общей потребности кадров,%, 2023 г.
Прогноз потребности в кадрах, чел.
2023
2024
2025
2026
2027
2028
Наиболее дефицитные специалисты
8322
Водители легковых автомобилей, такси и фургонов
8,31%
10550
11188
11309
11831
11913
12186
5414
Охранники
4,26%
5409
5692
5711
5646
5596
5529
5230
Кассиры, включая кассиров билетных касс
3,71%
4712
5332
5607
5027
5196
4944
5222
Бригадиры в магазинах
3,32%
4213
4394
4373
4279
4200
4105
8332
Водители грузового транспорта
3,31%
4198
4454
4505
4587
4602
4637
5223
Продавцы и помощники продавцов магазинов
3,20%
4062
4549
4758
4321
4443
4248
2141
Инженеры в промышленности и на производстве
2,45%
3114
3338
3415
3656
3728
3879
1420
Руководители (управляющие) в розничной и оптовой торговле
2,33%
2959
3152
3183
3199
3208
3206
5311
Работники по уходу за детьми
2,28%
2895
3116
3186
3268
3320
3377
2212
Врачи-специалисты
2,17%
2756
2959
3008
3305
3373
3531
7232
Механики и ремонтники летательных аппаратов, судов и железнодорожного подвижного состава
1,97%
2501
2687
2747
2956
3018
3149
7111
Строители зданий
1,88%
2390
2504
2503
2626
2619
2670
2431
Специалисты по рекламе и маркетингу
1,85%
2348
2465
2472
2566
2561
2600
7223
Станочники и наладчики металлообрабатывающих станков
1,59%
2020
2163
2213
2254
2282
2314
Наименее дефицитные специалисты
1223
Руководители подразделений по научным исследованиям и разработкам
0,04%
55
53
49
46
41
37
2264
Физиотерапевты
0,04%
53
57
58
60
61
63
8141
Операторы машин по производству изделий из резины
0,04%
51
55
57
64
66
71
9623
Сборщики денег из торговых автоматов, контролеры счетчиков и подобные работники
0,04%
45
43
37
34
28
23
2266
Аудиологи и специалисты по развитию и восстановлению речи
0,03%
43
45
46
45
44
44
8171
Операторы машин по изготовлению бумажной массы и бумаги
0,03%
43
47
48
54
56
59
9214
Неквалифицированные рабочие в садоводстве
0,03%
35
33
29
26
22
17
3214
Зубные техники и техники-протезисты
0,03%
33
36
38
35
36
34
2265
Диетологи и специалисты по рациональному питанию
0,02%
25
31
35
30
33
32
1346
Руководители служб и подразделений в сфере финансовой деятельности и страхования
0,02%
24
27
26
26
26
25
9611
Сборщики и переработчики мусора
0,02%
20
19
17
16
14
11
1341
Руководители служб и структурных подразделений по присмотру и уходу за детьми
0,01%
18
19
19
19
19
18
9216
Неквалифицированные рабочие рыбоводства, рыболовства и производства морепродуктов
0,01%
15
14
12
11
9
8

Анализируя данные таблицы 4 и таблицы 5 можно заметить совпадения в перечне наиболее дефицитных и наименее дефицитных профессий как в относительных, так и в абсолютных величинах. Совпадения в списке наименее дефицитных профессий означает, что специалисты данных профессий наименее дефицитны и работодатели могут легко удовлетворить дефицит этих специалистов, а существующих уровень дефицита никак не влияет на работоспособность организации. К числу таких специалистов относим руководителей подразделений по научным исследованиям и разработкам и неквалифицированных рабочих рыбоводства, рыболовства и производства морепродуктов.

Совпадения в списке наиболее дефицитных профессий означает, что специалисты данных профессий наиболее дефицитны и работодателям сложно удовлетворить дефицит этих специалистов, а существующий уровень дефицита очень сильно влияет на работоспособность организации. К числу таких специалистов относим механиков и ремонтников летательных аппаратов, судов и железнодорожного подвижного состава, работников по уходу за детьми, водителей пассажирского транспорта (автобусов, троллейбусов и трамваев), водителей легковых автомобилей, такси и фургонов.

Заключение

В рамках проведенного исследования был рассмотрен отечественный исследовательский опыт построения прогноза потребности в кадрах и компетенциях, а также рассмотрены труды отечественных ученых, описывающих международный опыт проведения таких исследований. По итогам анализа научной литературы и нормативно-правовой базы была усовершенствована методика прогнозирования потребности экономики в кадрах, а также предложен способ формирования прогноза компетентностного дефицита. Предлагаемая методика основана на макроэкономической модели прогнозирования и включает в себя комплексный анализ рынка труда по всем необходимым информационным источникам. Апробация методики проводилась в рамках реализации государственного контракта по разработке прогноза баланса трудовых ресурсов и прогноза потребности рынка труда Санкт-Петербурга в кадрах. Совершенствование методики прогнозирования заключается в усовершенствовании подхода к прогнозированию в профессионально-квалификационном разрезе по видам экономической деятельности путем выявления наиболее полного перечня занятий матрицы ОКЗ-2014/ОКВЭД, в разработке методики по детализации прогноза по классам ВЭД. Также в статье предложен авторский подход определения и прогнозирования компетентностного дефицита. В будущем результаты исследования могут быть использованы для построения сводных таблиц, характеризующих уровень конкуренции компаний из различных отраслей экономики за кадры определенной квалификации, а также для прогнозирования кадрового дефицита путем деления потребности в кадрах определенной квалификации (профессии) в прогнозном периоде к среднегодовому количеству занятых в прогнозном периоде по аналогичной квалификации (профессии).

[1]Путин поручил подготовить пятилетний прогноз потребности в кадрах // Российская газета URL: https://rg.ru/2023/09/21/putin-poruchil-podgotovit-piatiletnij-prognoz-potrebnosti-v-kadrah.html (дата обращения: 18.12.2023).

[2]Приказ Министерства труда и социальной защиты Российской Федерации «Об утверждении методики разработки прогноза баланса трудовых ресурсов» от 15.04.2019 № 248-н // доступ из СПС «КонсультантПлюс».

[3]Алгоритмы и математические модели макроэкономической методики прогнозирования // Центр бюджетного мониторинга Петрозаводского Государственного Университета URL: http://labourmarket.ru/metodika/metodika-03 (дата обращения: 18.12.2023).

[4]Потребность в работниках для замещения вакантных рабочих мест // ЕМИСС URL: https://www.fedstat.ru/indicator/59086 (дата обращения: 18.12.2023).

[5]Гадание на кадрах: прогноз потребности в работниках рассчитают по-новому // Известия URL: https://iz.ru/1621170/sergei-gurianov/gadanie-na-kadrakh-prognoz-potrebnosti-v-rabotnikakh-rasschitaiut-po-novomu (дата обращения: 18.12.2023).

[6]«Форсайт компетенций» и «Атлас новых профессий» // Сколково URL: https://www.skolkovo.ru/researches/sedec-research-new-jobs/ (дата обращения: 18.12.2023).

[7]Прогноз социально-экономического развития Санкт-Петербурга // Комитет по экономической политике и стратегическому планированию Санкт-Петербурга URL: https://cedipt.gov.spb.ru/media/uploads/userfiles/2023/11/14/%D0%9F%D1%80%D0%BE%D0%B3%D0%BD%D0%BE%D0%B7_%D0%BD%D0%B0_%D1%81%D0%B0%D0%B9%D1%82.pdf (дата обращения: 20.12.2023).

[8]Санкт-Петербург // Петростат URL: https://78.rosstat.gov.ru/folder/26459 (дата обращения: 20.12.2023).

[9]Работа в Санкт-Петербурге // Head Hunter URL: https://spb.hh.ru/ (дата обращения: 20.12.2023).

[10]Интеллектуальный поиск по классификатору занятий // Гарант URL: https://okz.garant.ru/ (дата обращения: 20.12.2023).


Источники:

1. Антонова Г.В., Пашкова С.Е., Омельченко И.Б. Зарубежный опыт прогнозирования потребностей экономики в квалифицированных кадрах // Экономика труда. – 2023. – № 8. – c. 1199-1218. – doi: 10.18334/et.10.8.118809.
2. Асанов А.З., Мышкина И.Ю., Грудцына Л.Ю. Прогнозирование востребованности компетенций при корректировке программ обучения с помощью когнитивных моделей // Онтология проектирования. – 2019. – № 2. – c. 203-213. – doi: 10.18287/2223-95\\\'37-2019-9-2-203-213.
3. Гуртов В.А., Гарифуллина Н.Ю., Сигова С.В. О прогнозной кадровой потребности российской экономики: качественный аспект // Проблемы прогнозирования. – 2016. – № 1. – c. 90–101.
4. Гуртов В.А., Питухин Е.А. Прогнозирование потребностей экономики в квалифицированных кадрах: обзор подходов и практик применения // Университетское управление: практика и анализ. – 2017. – № 21 (4). – c. 130-161. – doi: 10.15826/umpa.2017.04.056.
5. Дульзон С.В. Зарубежный опыт прогнозирования формирования и использования трудовых ресурсов // Известия Оренбургского государственного аграрного университета. – 2012. – № 4. – c. 153–156.
6. Кашепов А.В. Россия в 2020 году: прогнозы численности населения и рабочей силы // Вестник Российского нового университета. – 2012. – № 2. – c. 7-12.
7. Коровкин А.Г. Динамика занятости и рынка труда в РФ в перспективе до 2030 г // Проблемы прогнозирования. – 2013. – № 4. – c. 79-96.
8. Кутейницына Т.Г. Методы прогнозирования качества рабочей силы: зарубежный опыт и российская практика // Профессиональное образование и рынок труда. – 2016. – № 3. – c. 10-15.
9. Мариен Л.С., Мельникова Д.М. Разработка концепции прогнозирования потребности экономики в квалифицированных кадрах при переходе России на цифровую модель развития // Вестник РЭУ им. Г. В. Плеханова. – 2019. – № 6. – c. 62-69. – doi: 10.21686/2413-2829-2019-6-62-69.
10. Мигранова Л.И., Минязев А.И. Прогнозирование кадровой обеспеченности региона на основе агент-ориентированного подхода // Фундаментальные исследования. – 2022. – № 12. – c. 130-136. – doi: 10.17513/fr.43409.
11. Михалкина Е.В., Скачкова Л.С. Обзор российских методик прогнозирования спроса и предложения труда и компетенций // Терра Экономикус. – 2014. – № 12 (4). – c. 59-67.
12. Морковкина С.А. Модели прогнозирования кадровой потребности в экономике региона. / Управление человеческими ресурсами - основа развития инновационной экономики. Материалы VIII Международной научно-практической конференции. - Красноярск: ФГБОУ ВО «Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева», 2019. – 326-331 c.
13. Неживенко Е. А., Головихин С. А., Васюков А. Н. Прогноз кадровой потребности в условиях цифрового развития региона // Вестник Челябинского государственного университета. – 1994. – № 12. – c. 68—78. – doi: 10.47475/1994-2796-2022-11208.
14. Питухин Е.А., Мороз Д.М., Астафьева М.П. Прогнозирование кадровых потребностей региональной экономики в разрезе профессий // Экономика и управление. – 2015. – № 7. – c. 41-49.
15. Салтанова И.В., Седнина М.А. Методология прогнозирования обеспеченности кадрами в Комплексном прогнозе научно-технического прогресса и направления ее совершенствования // Наука и техника. – 2022. – № 3. – c. 250–256. – doi: 10.21122/2227-1031-2022-21-3-250-256.
16. Терников А.А., Александрова Е.А. Спрос на навыки на рынке труда в сфере информационных технологий // Бизнес-информатика. – 2020. – № 2. – c. 64-83. – doi: 10.17323/2587-814X.2020.2.64.83.
17. Холодова М.А. Стратегический форсайтинг как инструмент обоснования кадровых потребностей аграрного сектора региона // Мелиорация и гидротехника. – 2021. – № 11 (3). – c. 248-269. – doi: 10.31774/2712-9357-2021-11-3-248-269.
18. Якимова Е.А., Андрющенко А.Н. Разработка комплексной методики оценки и прогнозирования потребностей бизнеса и региона в профессиональных кадрах // Экономика труда. – 2017. – № 4. – c. 323-342. – doi: 10.18334/et.4.4.38470.
19. Gurtov V., Kekkonen A., Sigova S. Crucial occupational skills forecasting: the experience of Russia and European countries // Journal of International Scientific Publications: Educational Alternatives. – 2012. – № 10(1). – p. 16–23.
20. Gurtov V., Pitukhina M., Sigova S. Hi-tech skills anticipation for sustainable development in Russia // International Journal of Management. – 2015. – № 3(2). – p. 3–17.

Страница обновлена: 30.01.2024 в 16:50:28