Применение методов моделирования при оценке тенденций рынка труда Российской Федерации: на результатах анализа мониторинговых данных ФГБУ ВНИИ Труда
Кацаурова С.Ю.1, Егоров С.А.1, Арбаев Г.Э.1
1 ФГБУ «Всероссийский научно-исследовательский институт труда» Министерства труда и социальной защиты Российской Федерации
Скачать PDF | Загрузок: 1
Статья в журнале
Информатизация в цифровой экономике (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 6, Номер 3 (Июль-сентябрь 2025)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=83043797
Аннотация:
В данной статье рассматриваются вопросы эффективного применения математических методов для моделирования и прогнозирования социально-экономических процессов на примере конкретных расчетов, проведенных с использованием базы данных ФГБУ «ВНИИ Труда» Минтруда РФ, сформированной в результате мониторинга вакансий работодателей на открытом рынке. Авторами статьи проведен анализ результатов апробации новой методологии стоимостной оценки профессиональных требований работодателей к соискателям с использованием методов машинного обучения. Созданные (обученные) модели обеспечили широкие возможности для комплексного и разностороннего анализа сложной рыночной конъюнктуры, оказывающей как прямое, так и опосредованное влияния на спрос на компетенции в различных отраслевых сегментах. Обученные модели обеспечивают высокую скорость и качество расчета и прогнозирования предлагаемой заработной платы, что имеет значение для удовлетворения потребности экономики Российской Федерации в рабочей силе в среднесрочной и долгосрочной перспективе
Ключевые слова: профессиональные требования, компетенции, востребованные навыки и знания, предлагаемая заработная плата, моделирование, машинное обучение, алгоритмы расчета стоимости, типовая позиция, спрос на рынке труда
JEL-классификация: J24, J81
Введение
Целью данной статьи является освещение результатов поискового исследования, проведенного специалистами ФГБУ ВНИИ Труда в рамках разработки методологии оценки и проведения расчетов стоимости профессиональных требований (навыков, умений, знаний и личностных характеристик), предъявляемых работодателями к соискателям на открытом рынке труда.
В качестве задач поискового исследования авторами статьи рассматривались:
1. оценка эффективности методов, отобранных и используемых для понимания особенностей развития процессов найма сотрудников, паттернов, реализуемых работодателями на российском рынке труда с 2021 года;
2. апробация совокупности алгоритмов и программных средств для анализа и обработки данных для машинного обучения;
3. апробация моделей машинного обучения и оценка потенциала повышения точности прогнозирования стоимости компетенций специалистов, востребованных на рынке труда РФ;
4. формирование конкретных гипотез в отношении наблюдаемых тенденций и проявившихся взаимозависимостей;
5. расширение и углубление знаний о факторах влияния на спрос на рабочую силу в РФ, выявление типичных и уникальных рыночных явлений.
Авторы данной статьи использовали такой тип поискового исследования, как анализ выбранных данных, называемый также анализом разъясняющих демонстрационных примеров. Он предполагает интенсивное изучение отобранных примеров, непосредственно связанных с изучаемым феноменом. Успех применения данного метода зависит главным образом от того, насколько хорошо исследователю удается интегрировать имеющиеся блоки информации в рамки единой интерпретации.
Объектом исследования являются описания вакансий (текстовый контент), содержащие вариативные наборы требований работодателей и предлагаемую заработную плату. Объектом анализа является результат декомпозиции контента на отдельные элементы: профессиональные требования (умения, навыки, знания, опыт работы, личностные характеристики). Важно, что элементы находятся во взаимодействии и не являются независимыми друг от друга, то есть имеет место представление сложного объекта в виде системы взаимодействующих элементов.
Под типовой позицией понимается характеристика трудовой деятельности, осуществляемой работником на рабочем месте, предполагающая выполнение относительно устойчивого набора трудовых функций, и соответствующего требованиям к профессиональной подготовке и квалификации работника (набор профессиональных требований и иных компетенций) и личностных характеристик со стороны работодателей. Квалификация авторами трактуется как степень проявления профессиональных достоинств работника, степень его соответствия определённому работодателем уровню профессиональных требований.
Научная новизна данной работы заключается в апробации новой методологии стоимостной оценки профессиональных требований работодателей к соискателям с использованием методов математического моделирования.
Актуальность исследования обусловлена возрастающей сложностью и динамикой отраслевых рынков в части спроса на компетенции и знания, что требует разработки адаптивных и эффективных инструментов анализа, способных реагировать на изменение рыночной конъюнктуры. Методы машинного обучения предоставляют собой мощный инструментарий для прогнозирования стоимостных трендов на исторических данных.
Область практического применения: обученные модели могут быть использованы для повышения скорости и качества прогнозирования предлагаемой заработной платы, что имеет значение для удовлетворения потребности экономики РФ в рабочей силе.
Значимость и актуальность изучения математических моделей, применения их в исследованиях социальных явлений и внедрения их в практику анализа социальных процессов отмечалась представителями научного сообщества более 10 лет назад [10]. Сравнительный анализ методик прогнозирования с использованием математических методов и моделей, а также алгоритм прогнозирования потребности в трудовых ресурсах был предложен и описан специалистом Сибирского государственного университета A.C. Майнагашевой [12]. Специалистами Байкальского государственного университета экономики и права А.Ф. Шуплецовым и М.С. Муравьевой было предложено решение по использованию моделей прогнозирования для количественной оценки потребности в квалифицированных рабочих кадрах в среднесрочной перспективе на региональном рынке [22]. Также возможности применения математического моделирования, широкий круг вопросов по методике применения информатики и математических методов для изучения социальных процессов обсуждались на XIX заседании Междисциплинарного ежегодного научного семинара «Математическое моделирование и информатика социальных процессов» имени Героя Социалистического Труда академика А.А. Самарского [13].
В течение последних лет перспективы использования методов машинного обучения для анализа и прогнозирования динамики процессов на рынке труда неоднократно рассматривались как российскими, так и зарубежными исследователями [1–3; 6; 8; 16; 20]. На сегодняшний день данное научно-исследовательское направление находится в стадии активного развития и имеет самые серьезные перспективы, о чем свидетельствуют размещенные в свободном доступе студенческие выпускные квалификационные работы, подготовленные в Национальном исследовательском университете «Высшая школа экономики», Уральском государственном университете в 2024 году и в Национальном исследовательском Томском государственном университете (ТГУ) в 2025 году [4; 11; 14].
Но несмотря на перечисленные выше примеры, в целом можно говорить о крайне незначительном перечне исследовательских и аналитических материалов по тематике машинного обучения математических моделей, введенных в научный оборот.
Методологические аспекты исследования
Особое внимание при проведении исследования авторами уделено отбору и обработке данных, использованных для обучения моделей. Информационной базой или генеральной совокупностью данных является полная база данных ФГБУ «ВНИИ Труда» по типовым позициям, сформированная в результате мониторинга вакансий работодателей, размещаемых на нескольких рекрутинговых порталах (HeadHunter.ru, SuperJob.ru и Trudvsem.ru) в течение 2019 - I кв. 2025 гг. Указанная база данных разработана с использованием аналитической система мониторинга востребованности профессий ФГБУ «ВНИИ труда» Минтруда России, которая базируется на технологии больших данных и позволяет получить полную и достоверную оценку происходящих процессов на российском рынке труда [19]. Для повышения достоверности результатов моделирования генеральная совокупность дифференцирована по нескольким дополнительным признакам: «регион размещения вакансии», «год размещения вакансии», «требование к опыту работы соискателя», «форма занятости» [1].
Обучение моделей или моделирование по каждой типовой позиции осуществлено методами машинного обучения. Выбор метода машинного обучения в рамках данного исследования обусловлен наличием большого объема структурированных данных, необходимых и достаточных для эффективного прогнозирования заработной платы. Для апробации обученных моделей были отобраны и обработаны исторические данные о заработной плате по нескольким десяткам типовых позиций.
Поэтапный анализ мониторинговых данных
На первом этапе была проведена обработка исходных данных следующим образом:
1. выделение наиболее массовых профессиональных требований на основании частоты упоминания в текстовом контенте;
2. ранжирование наиболее массовых профессиональных требований по частоте упоминания для вакансий каждого года;
3. сравнительный анализ спроса по годам с учетом частоты упоминаний конкретных требований.
Результаты обработки позволяют проследить динамику запросов работодателей в течение 2021-2024 гг. Рассмотрим их на примере количественных данных по двум типовым позициям (ТП) «Бармен, официант, бариста» [2] и «СММ-менеджер». В таблицах ниже представлены компетенции и личностные характеристики (soft skills) с наиболее высокой частотой упоминания в описаниях вакансий, отнесенных к этим ТП, за каждый год в рамках периода исследования.
Таблица 1
Профессиональные требования-лидеры рейтинга по частоте упоминания в описании вакансий, отнесенных к ТП «Бармен, официант, бариста»
|
Медиана
ЗП, руб.
Место в рейтинге |
2021 год
|
2022 год
|
2023 год
|
2024 год
| |
|
50 000
|
50 000
|
50 000
|
50 000
| ||
|
1
|
Аккуратность
|
Саморазвитие, обучаемость
|
Ответственность, добросовестность
|
Саморазвитие, обучаемость
| |
|
2
|
Активность, активная жизненная позиция
|
Коммуникабельность
|
Позитивность, оптимизм
|
Умение работать в команде
| |
|
3
|
Контроль и поддержание чистоты и порядка
|
Доброжелательность
|
Приготовление кофе и кофейных напитков
|
Пунктуальность
| |
|
4
|
Работа с iiko (айко), Знание iiko (айко)
|
Командность
|
Нравственность
|
Сервировка стола
| |
|
5
|
Кассовое обслуживание клиентов/покупателей, работа с ККМ/ККТ
|
Грамотная, хорошо поставленная речь при обслуживании гостей
предприятия питания
|
Подготовка торгового зала
|
Трудолюбие
| |
|
6
|
Амбициозность
|
Вежливость
|
Прием заказов
|
Уборка столов, посуды и столовых приборов
| |
|
7
|
Знание стандартов
|
Выносливость, высокая работоспособность
|
Подача заказанных блюд гостям
|
Целеустремленность
| |
|
8
|
|
Дисциплинированность
|
Обслуживание гостей ресторана/бара/кафе
|
Соблюдение правил кассовой дисциплины
| |
|
9
|
|
Внимательность
|
Оформление витрин, предпродажная подготовка и выкладка товара,
оформление ценников
|
| |
|
10
|
|
Консультирование гостей и помощь в выборе напитков и блюд
|
Подача напитков
|
| |
|
11
|
|
Желание работать, активность, позитивность, творчество
|
Приготовление безалкогольных напитков
|
| |
|
12
|
|
Консультация гостей ресторана
|
|
| |
|
13
|
|
Клиентоцентричность, клиентоориентированность
|
|
| |
|
14
|
|
Знание меню, ассортимента блюд и напитков
|
|
| |
|
15
|
|
Выполнение стандартов внешнего вида
|
|
|
На данных, представленных в Таблице 1, наблюдаем в целом, что при открытии вакансий официантов, барменов, барист работодатели предъявляют требования к личностным и поведенческим характеристикам соискателей и особо выделяют такие как Аккуратность, Саморазвитие и обучаемость, Ответственность и добросовестность, Коммуникабельность, Позитивность, оптимизм, Доброжелательность, Пунктуальность.
Обращает на себя внимание высокий рейтинг запроса на Саморазвитие и обучаемость в 2022 и 2024 гг., что позволяет предположить отсутствие жестких требований к опыту работы соискателей при данном уровне заработной платы [3]. Эта гипотеза подтверждается весьма ограниченным набором требований, относящихся к выполнению конкретных трудовых функций. Таким образом работодатели делали ставку на ответственность, пунктуальность соискателя и его способности к выстраиванию коммуникаций, и готовы были потратить время на его обучение, если он этим ключевым требованиям соответствовал. В 2021 и 2023 гг. работодатели чаще ориентировались на профессиональные компетенции соискателей, такие как Приготовление кофе и кофейных напитков, Подготовка торгового зала, Прием заказов, Обслуживание гостей, Работа с системой автоматизации ресторанного бизнеса iiko (айко), Знание iiko (айко), что свидетельствует о запросе на наличие у соискателей минимального профессионального опыта.
Исчезновение из топ-требований навыка Приготовление кофе и кофейных напитков в 2024 году может свидетельствовать о смещении фокуса внимания работодателя на индивидуально-психологические особенности соискателей. Мы видим, что работодателю выгоднее найти работника с хорошей обучаемостью, со способностями к командному взаимодействию, выполнению задач в рамках общего дела и обучить, натаскать его на рабочем месте. С высокой степенью вероятности у кандидата, уже обладающего всеми необходимыми навыками, будут более высокие зарплатные ожидания.
Таблица 2
Профессиональные требования-лидеры рейтинга по частоте упоминания в описании вакансий, включенных в ТП «СММ-менеджер»
|
Место
в рейтинге/Медиана ЗП, руб.
|
2021 год
|
2022 год
|
2023 год
|
2024 год
|
|
34 000
|
35 000
|
40 000
|
45 000
| |
|
1
|
Instagram / Инстаграм
|
Instagram / Инстаграм
|
Instagram / Инстаграм
|
Instagram / Инстаграм
|
|
2
|
ВКонтакте / VK
|
ВКонтакте / VK
|
ВКонтакте / VK
|
ВКонтакте / VK
|
|
3
|
Facebook (FB) / Фейсбук
|
Telegram / Телеграм
|
Telegram / Телеграм
|
Telegram / Телеграм
|
|
4
|
Креативность
|
Ответственность, добросовестность
|
Креативность
|
Креативность
|
|
5
|
Грамотность
|
Грамотность
|
Грамотность
|
Разработка контент-плана
|
|
6
|
Ответственность, добросовестность
|
Креативность
|
Ответственность, добросовестность
|
Грамотность
|
|
7
|
Adobe Photoshop
|
Facebook (FB) / Фейсбук
|
Разработка контент-плана
|
Ответственность, добросовестность
|
|
8
|
Коммуникабельность
|
Разработка контент-плана
|
Коммуникабельность
|
YouTube
|
|
9
|
YouTube
|
Коммуникабельность
|
Инициативность
|
Аналитическое мышление
|
|
10
|
Разработка контент-плана
|
Adobe Photoshop
|
YouTube
|
Коммуникабельность
|
|
11
|
Саморазвитие, обучаемость
|
Саморазвитие, обучаемость
|
Adobe Photoshop
|
Саморазвитие, обучаемость
|
|
12
|
Аналитическое мышление
|
Аналитическое мышление
|
Аналитическое мышление
|
Инициативность
|
|
13
|
Ведение групп и аккаунтов
|
TikTok / Тикток
|
Саморазвитие, обучаемость
|
Командность
|
|
14
|
Твиттер
|
YouTube
|
Командность
|
TikTok / Тикток
|
|
15
|
Командность
|
Инициативность
|
Ведение групп и аккаунтов
|
Adobe Photoshop
|
|
16
|
Подготовка, формирование, составление, ведение отчетности
|
Командность
|
Facebook (FB) / Фейсбук
|
Ведение групп и аккаунтов
|
|
17
|
Целеустремленность
|
Ведение групп и аккаунтов
|
Подготовка, формирование, составление, ведение отчетности
|
Активность, активная жизненная позиция
|
|
18
|
Взаимодействие с блогерами
|
Подготовка, формирование, составление, ведение отчетности
|
Активность, активная жизненная позиция
|
Создавать контент для социальных сетей
|
|
19
|
Активность, активная жизненная позиция
|
Активность, активная жизненная позиция
|
TikTok / Тикток
|
Целеустремленность
|
|
20
|
Telegram / Телеграм
|
Дисциплинированность
|
Взаимодействие с блогерами
|
Подготовка, формирование, составление, ведение отчетности
|
|
21
|
|
Целеустремленность
|
Целеустремленность
|
Facebook (FB) / Фейсбук
|
|
22
|
|
Внимательность
|
Русский язык
|
Canva
|
|
23
|
|
Написание текстов/статей
|
Написание текстов/статей
|
|
|
24
|
|
Взаимодействие с блогерами
|
Создавать контент для социальных сетей
|
|
|
25
|
|
|
Самостоятельность, самоорганизованность
|
|
Отметим, что для ТП «СММ-менеджер» характерен исключительно стабильный набор требований со стороны работодателей в течение 4 лет при доминанте навыков работы с социальными сетями и различными онлайн платформами. Личностные характеристики также находятся на сравнительно высоких рейтинговых позициях: Ответственность, добросовестность, Креативность, Грамотность, Коммуникабельность. Требования «второго эшелона» – это навыки работы с графическими редакторами (Adobe Photoshop, Canva), навыки медиа-планирования и аналитики. При этом медианное значение заработной платы СММ-менеджера за исследуемый период выросло на треть (с 34 000 руб. до 45 000 руб.).
Представляется важным отметить устойчивый тренд роста числа запросов на умения анализировать Аналитическое мышление. В его основе лежит совокупность причин и основной, на наш взгляд, является возрастающая роль планирования. Можно говорить о недостаточности для трудоустройства навыков наполнения социальных сетей и пабликов контентом, но необходимости навыков интеграции данного процесса в общую маркетинговую и/или PR стратегию. Долгосрочное планирование маркетинговой и PR активности в сети невозможно без анализа аудиторий, основных метрик и пр., что заставляет работодателей фиксировать требования к аналитическим способностям соискателей. Наличие в топе навыков, характерных для монотонной деятельности, реализации алгоритмизированных процессов, и принципиально иных по содержанию навыков, необходимых для аналитической работы, позволяет утверждать, что на рынке существует запрос на СММ-менеджеров различных профилей.
Аналогичным образом были обработаны исходные данные по еще двум ТП – «Программист PHP» и «Социальный работник». По обеим мы наблюдаем как количественные изменения запросов работодателей на конкретные навыки и знания, так и заметный рост медианных значений заработной платы. Анализ показал, что медианная зарплата «Программиста PHP» за 4 года выросла на 31%, а «Социального работника» – на 59%.
Для «Программиста PHP» с опытом до 1 года прослеживаются следующие тенденции спроса на компетенции. Владение PHP остается наиболее востребованным навыком, однако частота его упоминаний в вакансиях снизилась в 2,4 раза за 4 года. Аналогичная ситуация наблюдается для языка программирования JavaScript, СУБД MySQL и инструментов CI/CD Git – они занимают лидирующие позиции по востребованности, но частота их упоминаний сократилась в 3,6, 2,7 и 3,5 раза соответственно. Рост спроса на навыки работы с системой управления сайтами 1:С Битрикс и с технологией APLs сопровождается снижением спроса на владение фронтэнд-технологиям (HTML, CSS, jQuery). В то же время частота требований к знаниям объективно-ориентированного программирования (ООП) и бесплатного PHP-фреймворка Laravel демонстрируют относительную стабильность.
Делаем выводы. Во-первых, существует набор навыков работы с программными продуктами и инструментарием – JPHP, JavaScript, MySQL и Git, а также знания в области ООП, которые можно определить как обязательные для соискателей с минимальным опытом. Во-вторых, исключительно популярный 1:С Битрикс, позволяющий вести разработку сайтов, наполнять их контентом и проводить аналитику, вытесняет другие инструменты. Базовые требования для входа в профессию изменились.
Анализ востребованности навыков для ТП «Социальный работник» позволяет выделить следующие особенности. За период 2021‑2024 гг. возрастает значимость конкретных навыков, таких как Помощь в оплате коммунальных услуг, Приобретение товаров, Помощь в эксплуатации печи. Мы можем наблюдать изменения баланса востребованности личностных и функциональных характеристик «Социального работника»: соотношение числа упоминаний Ответственности и добросовестности к Доставке необходимых товаров в 2021 году было 3106/831 = 3,7, а в 2024 году уже 942/733 = 1,3. Такая же тенденция наблюдается и в соотношении упоминаний Коммуникабельности и Уборки помещений: 1222/500 = 2,4 в 2021 году и 718/369 = 1,9 в 2024 году соответственно. Стоит особо отметить, что в силу специфики деятельности «Социального работника» его личностные характеристики являются критерием эффективности выполнения профессиональных обязанностей и обязательными требованиями (поэтому попадают в категорию hard skills), но при сохранении приоритетов сейчас работодатели чаще фиксируют потребность в выполнении определенных видов работ [15].
Особенности ожиданий и предпочтений работодателей, выявленные на уровне показателей описательной статистики, свидетельствуют в пользу целесообразности более детального анализа наблюдаемых явлений, который, в свою очередь, возможен с применением алгоритмов моделирования, методов машинного обучения, ансамблей методов.
В рамках данной логики на втором этапе исследования для каждой из перечисленных четырех ТП были созданы модели:
1. для обучения использовался специально разработанный интерфейс;
2. для обучения использовался метод CatBoostRegressor;
3. при моделировании были комплексно учтены:
– оценки значимости требований работодателей к представителям ТП, оказывающей влияние на предлагаемую заработную плату;
– релевантность требований работодателей применительно к ТП;
4. был реализован алгоритм расчета значимости для каждого профессионального требования, отобранного для обучения модели:
|
(
|
Частота упоминания
|
/
|
Средняя частота упоминания N самых частотных
|
)
|
*
|
0,33
|
+
|
Shap признака
|
Средний shap N признаков с
максимальными shap
|
Под значимостью в контексте данного исследования понимается параметр shap, который показывает степень влияния профессионального требования на прогнозируемую заработную плату для выбранной ТП.
Под релевантностью профессионального требования понимается его соответствие содержанию профессиональной деятельности и ожиданиям работодателей, выраженное в сравнительно высокой частоте упоминаний в описании вакансий ТП. Степень релевантности определяет, насколько навык, знание, иная компетенция имеет отношение к задачам, решаемым при обучении модели.
На следующем этапе по результатам обучения моделей на исходных данных за период 2023 - I кв. 2025 гг. авторы получили возможность провести несколько итераций:
1. выделить навыки, знания, компетенции, имеющие высокую важность в связи с высокой частотой упоминания. В таблице ниже представлены навыки, умения и знания, которые по результатам моделирования выделяются высокой важностью и соответственно обеспечивают наиболее существенный вклад в заработную плату для соискателей с различным опытом работы.
Таблица 3
Профессиональные требования к кандидатам с высоким уровнем важности (более 1,000) с точки зрения работодателей
|
Место
|
Профессиональные
требования
|
Важность /вклад на
базе выборки в целом
|
Профессиональные
требования
|
Важность /вклад на
базе выборки в целом
| |
|
|
Бармен, официант, бариста
|
SMM-менеджер
| |||
|
1
|
Вежливость
|
2,001
|
Telegram / Телеграм
|
1,999
| |
|
2
|
Командность
|
1,881
|
Microsoft PowerPoint
|
1,949
| |
|
3
|
Пунктуальность
|
1,866
|
ВКонтакте / VK
|
1,558
| |
|
4
|
Коммуникабельность
|
1,856
|
Написание текстов
|
1,443
| |
|
5
|
Помощь в выборе напитков и блюд
|
1,569
|
Креативность
|
1,200
| |
|
6
|
Приготовление кофе и кофейных напитков
|
1,558
|
Командность
|
1,091
| |
|
7
|
Дисциплинированность
|
1,474
|
Instagram / Инстаграм
|
1,056
| |
|
8
|
Подача алкогольных и безалкогольных напитков
|
1,411
|
|
| |
|
9
|
[программа] r_keeper
|
1,322
|
|
| |
|
10
|
Подача заказанных блюд гостям
|
1,223
|
|
| |
|
11
|
Уборка столов, посуды и столовых приборов
|
1,1803
|
|
| |
|
12
|
Контроль и поддержание чистоты и порядка
|
1,081
|
|
| |
|
13
|
Многозадачность, интенсивность
|
1,034
|
|
| |
|
14
|
Знание стандартов
|
1,006
|
|
| |
|
|
Программист PHP
|
Социальный
работник
| |||
|
1
|
1С: Битрикс
|
7,225
|
Ответственность, добросовестность
|
3,034
| |
|
2
|
REST
|
2,914
|
Дисциплинированность
|
2,310
| |
|
3
|
Git
|
2,454
|
Коммуникабельность
|
2,257
| |
|
4
|
HTML
|
2,316
|
Помощь в приготовлении пищи
|
2,040
| |
|
5
|
CSS
|
1,891
|
Приобретение, покупка необходимых товаров
|
1,771
| |
|
6
|
JavaScript (JS)
|
1,666
|
Помощь в подготовке, оформлении документов
|
1,490
| |
|
7
|
PostgreSQL (Postgres)
|
1,492
|
Выявление и учет нуждающихся в получении социальных услуг,
неотложной социальной помощи
|
1,479
| |
|
8
|
Gitlab
|
1,446
|
Нормативные правовые акты в сфере социального обслуживания
|
1,465
| |
|
9
|
Redis
|
1,387
|
Доброжелательность
|
1,409
| |
|
10
|
Ответственность, добросовестность
|
1,385
|
Уход за нуждающимися категориями получателей социальных услуг
|
1,107
| |
|
11
|
Docker
|
1,369
|
|
| |
|
12
|
Умение разбираться и работать с чужим кодом
|
1,344
|
|
| |
|
13
|
MySQL
|
1,316
|
|
| |
|
14
|
jQuery
|
1,288
|
|
| |
|
15
|
Разработка нового функционала
|
1,069
|
|
| |
|
16
|
Владение SQL
|
1,013
|
|
| |
Здесь важно отметить, что на этом этапе объектом анализа является российский рынок труда, который использует новые «системные настройки» в рамках адаптации к принципиальным изменениям социально-экономических условий – последствиям пандемии коронавируса и влиянию СВО.
2. оценить диапазон значений заработной платы для представителей четырех ТП. В Таблице 4 представлены расчетные значения для соискателей с различным опытом по РФ в целом.
Таблица 4
Характеристики заработной платы, на основании данных вакансий, содержащих информацию о предлагаемой заработной плате, по РФ в целом, в руб.
|
Типовые позиции (ТП)
|
Среднее значение
|
Стандартное отклонение
|
Минимальное значение
| |
|
Бармен, официант, бариста (N=118355)
|
51 617,56
|
17 325,30
|
25 000,00
| |
|
Программист PHP (N=1876)
|
120 687,08
|
43 602,73
|
50 000,00
| |
|
СММ-менеджер (N=15048)
|
49 882,76
|
16 222,22
|
25 000,00
| |
|
Социальный работник (N=4380)
|
31 074,18
|
8 633,30
|
22 440,00
|
Полученные значения позволяют оценить актуальный рыночный коридор заработной платы для каждой из четырех ТП и его плотность, а также емкость рыночных ниш по каждой ТП за 2 года с небольшим. Во-первых, ТП «Программист PHP» выделяется более чем двукратным превышением среднего значения по отношению к минимуму и исключительно высоким номинальным значением. По сравнению с данной ТП три остальных имеют крайне низкую минимальную зарплатную планку, фактически на уровне МРОТ (22 400 руб. (до налогообложения) с 01. 01. 2025) [5]. Также у ТП «Программист PHP» стандартное отклонение свидетельствует о значительном разбросе значений заработной платы относительно среднего, то есть о большой изменчивости значений. Во-вторых, средние значения заработной платы ТП «Бармен, официант, бариста» и ТП «СММ-менеджер» также волатильны, но в значительно меньшем диапазоне (при этом количество открытых вакансий кратно большее). Предположим, что причиной изменчивости являются региональная дифференциация зарплатных предложений и их изменяемость в зависимости от опыта работы соискателя [6]. Моделирование на реальных рыночных данных дает возможность проверить эту гипотезу:
3. рассчитать значения предполагаемой заработной платы для представителей четырех ТП в региональном разрезе. В Таблице 5 представлены значения заработной платы в пяти регионах РФ для двух категорий соискателей: без опыта работы и с опытом работы от 1 до 3 лет.
Таблица 5
Предполагаемая заработная плата в регионах РФ для соискателей двух категорий по требованию к опыту работы, в руб.
|
Типовые позиции (ТП)
|
Опыт
работы
|
Москва
|
Санкт-Петербург
|
Приморский край
|
Республика Татарстан
|
Новосибирская область
| |
|
Бармен, официант, бариста
|
До 1 года
|
106 599,06
|
92 513,96
|
82 454,51
|
75 858,15
|
74 209,06
| |
|
1-3 года
|
105 959,44
|
92 033,09
|
86 099,24
|
75 439,33
|
73 574,22
| ||
|
Программист PHP
|
До 1 года
|
196 286,38
|
169 410,24
|
150 989,52
|
138 910,36
|
135 890,57
| |
|
1-3 года
|
192 885,99
|
168 775,24
|
144 664,49
| ||||
|
СММ-менеджер
|
До 1 года
|
75 948,08
|
65 549,03
|
58 421,60
|
53 747,87
|
46 737,28
| |
|
1-3 года
|
68 923,88
|
60 308,40
|
51 692,91
| ||||
|
Социальный работник
|
До 1 года
|
53 353,69
|
46 048,34
|
41 041,30
|
37 758,00
|
36 937,17
| |
|
1-3 года
|
52 233,28
|
45 704,12
|
39 174,96
| ||||
Заявленная гипотеза о серьезном влиянии регионального фактора на размер предлагаемой заработной платы полностью подтверждается. Также проведенные расчеты позволяют сделать еще ряд важных выводов. Соискатели на вакансии «Программист PHP» могут рассчитывать на зарплату более 130 тыс. рублей в месяц (в том числе претенденты с минимальным опытом) и не только в столичных регионах. В диапазоне опыта работы по специальности от нескольких месяцев до 3 лет на пяти региональных рынках труда не наблюдается значимых различий значений предлагаемой заработной платы. Очевидно, формируя зарплатные предложения, работодатели главным образом ориентируются на декларируемые компетенции, а на портфолио кандидата – в меньшей степени.
Московская предлагаемая зарплата «Барменов, официантов, барист» на 16%, 30%, 41% и 44% соответственно превышает рассчитанные значения в других четырех регионах. Расхождения следует признать очень значительными. Московский рынок выделяется также готовностью заполнять вакансии самыми молодыми кандидатами, стимулировать и мотивировать их высокой оплатой к соблюдению дисциплины на рабочем месте, аккуратности и пунктуальности. Наличие опыта работы от 1 года до 3 лет в остальных регионах также не обеспечивает кандидатам более высокую зарплату, чем начинающим.
Современные рынки «Барменов, официантов, барист», «СММ-менеджеров» и преимущественно «Программистов PHP» – это конкурентные рынки молодых кандидатов, значительная доля которых эмоционально готова к немедленному увольнению, буквально в первые недели, если только реальные условия труда не соответствуют их ожиданиям. В то же время к настоящему моменту это – «рынки работодателей», где предложение превышает спрос, а значит и наниматели могут легко расставаться с работниками, которые не проявили себя должным образом. А «оставшиеся в обойме» будут усердно и добросовестно трудиться, получать достойную заработную плату и не будут тратить время и силы на поиски дополнительных источников дохода в течение как минимум 1,5-2 лет.
Выявленный повышенный интерес работодателей к кандидатам без опыта работы в обеих столицах, где аудитория студенческой молодежи очень многочисленна, логичен и закономерен. Москва, Московская область и Санкт-Петербург принимают больше всего студентов, выяснили эксперты НИУ ВШЭ в ходе исследования «Мониторинг качества приема — 2024» [17]. Подработка является неотъемлемой частью студенческой жизни. Гибкий график и сменная работа позволяют молодым людям совмещать работу с учебой [4]. С учетом широкой практики совмещения, когда учащиеся вынуждены «все успевать» и «делать все сразу», обоснованна и объяснима регулярная артикуляция работодателями запроса на Пунктуальность и Ответственность, добросовестность и к «Барменам, официантам, баристам», и к «Программистам PHP». Но с учетом выявленных различий в требованиях к узкопрофессиональным навыкам и знаниям мы очевидно обязаны сегментировать молодежную аудиторию – в сферу общественного питания скорее всего самые молодые кандидаты устроятся на свое первое место работы, а на вакансии программистов будут претендовать старшекурсники, уже имеющие багаж теоретических знаний, но без опыта работы по специальности.
«Социальные работники» не находятся среди топовых востребованных и высокооплачиваемых профессий, По данным Счетной палаты РФ, на начало марта 2025 года средний номинальный заработок в нашей стране приблизился к 90 тыс. рублей [21]. То есть заработок соцработников значительно ниже среднего по стране, в том числе и в обеих столицах, несмотря имеющийся на кадровый дефицит [9]. В этой связи фиксируется соответствие существующим рыночным условиям высокого рейтинга важности Ответственности, добросовестности – единственных морально-этических стимулов и мотиваторов качественного выполнения соцработниками своих обязанностей при сравнительно невысокой предлагаемой заработной плате. Эта деятельность требует исключительной вовлеченности и профессиональной приверженности [18].
Вышеприведенные примеры анализа результатов моделирования позволяют утверждать, что использование методов машинного обучения, математическое моделирование дает возможность получения наборов измеряемых данных, объясняющих объективные тенденции отечественного рынка труда, позволяющих наблюдать и фиксировать как их системность, так и вариативность. Отметим, что выводы, которые сделаны на данных обученных моделей, подтверждаются оценками экспертов и результатами авторитетных исследований. Таким образом путем построения моделей для отобранных ТП авторы сформировали базу для углубленного анализа, а, следовательно, более качественного выявления закономерностей и факторов, оказывающих влияние на спрос на компетенции со стороны работодателей в различных сегментах рынка.
Помимо рейтингования навыков и знаний по степени важности (частоте упоминания) на данных обученных моделей были выделены профтребования, которые повышают конкурентоспосбность кандидатов в стоимостном выражении [7]. В Таблице 6 представлены удельные веса отдельных профтребований в предлагаемой заработной плате для кандидатов с опытом работы по специальности до 1 года в Москве.
Таблица 6
Удельные веса профессиональных требований в предлагаемой заработной плате кандидатам п с опытом работы до 1 года в г. Москва, в %
|
Профессиональные
требования
|
Удельный
вес, %
| |
|
Бармен,
официант, бариста
| ||
|
Знание стандартов
|
5,0
| |
|
Дисциплинированность
|
9,1
| |
|
WhatsApp
|
0,3
| |
|
Контроль и поддержание чистоты и порядка
|
2,0
| |
|
Консультирование гостей
|
19,7
| |
|
Программист
PHP
| ||
|
REST
|
3,1
| |
|
Composer
|
2,7
| |
|
Redis
|
3,4
| |
|
PHPUnit
|
11,0
| |
|
Разработка нового функционала
|
8,0
| |
|
Nginx
|
0,3
| |
|
СММ-менеджер
| ||
|
ВКонтакте / VK
|
1,9
| |
|
Общение/взаимодействие с подписчиками
|
1,2
| |
|
Instagram / Инстаграм
|
3,8
| |
|
Internet / Интернет
|
0,3
| |
|
Модерировать комментарии
|
1,1
| |
|
Написание текстов
|
3,8
| |
|
Взаимодействие с дизайнерами
|
4,2
| |
|
Составление ТЗ для дизайнеров
|
2,5
| |
|
Навык работы с ВКонтакте / VK
|
0,5
| |
|
Графические редакторы/программы
|
0,9
| |
|
Социальный
работник
| ||
|
Доброжелательность
|
1,9
| |
|
Выявление и учет нуждающихся в получении социальных услуг,
неотложной социальной помощи
|
3,5
| |
|
Оказание первой помощи
|
1,9
| |
|
Помощь в подготовке, оформлении документов
|
2,3
| |
|
Вежливость
|
15,7
| |
|
Выполнение санитарно-гигиенических процедур/услуг
|
0,1
| |
|
Помощь в эксплуатации печи
|
0,4
| |
|
Содействие в посещении культурных и досуговых мероприятий
|
6,0
| |
Для кандидатов с минимальным опытом на вакансию «Бармен, официант, бариста» значительным преимуществом будет способность консультировать гостей – вежливо, информативно, гибко реагируя на настроение и сохраняя необходимую дистанцию. При отсутствии такой способности работник скорее всего потеряет до 20% от предлагаемой заработной платы. Владение инструментами PHPUnit и умение создавать новые инструменты, внедрять новые возможности, программировать новые функциональные элементы обеспечивает вклад до 20% в предлагаемую заработную плату «Программистов PHP». У «СММ-менеджера» таких навыков-катализаторов несколько: умение взаимодействовать с дизайнерами, в том числе составлять для них ТЗ, кроме того писать тексты и работать в социальных сетях. Вежливость – это требование к поведению «Социального работника», воплощающее принцип гуманизма [15], а также и исключительное его преимущество, которое имеет высокую рыночную стоимость (вклад до 16% в предлагаемую заработную плату).
Заключение
1. Результатами проведенного ФГБУ «ВНИИ труда» Минтруда России поискового исследования стала апробация алгоритмов и программных средств для машинного обучения и моделирования – создание моделей для четырех типовых позиций на реальных рыночных данных за период с 2021 года по первый квартал 2025 года.
2. В рамках многоуровневой обработки количественных данных по типовым позициям «Бармен, официант, бариста», «Программист PHP», «СММ-менеджер» и «Социальный работник» были сформированы гипотезы в отношении наблюдаемых явлений и тенденций на рынке труда РФ, которые получили обоснование и подтверждение. Наблюдаются количественные изменения запросов работодателей на конкретные навыки и знания.
3. В качестве основных трендов современного рынка труда РФ авторы выделяют высокий спрос работодателей на кандидатов с минимальным опытом работы, но имеющих определенные морально-этические ориентиры, ответственных и мотивированных к эффективному труду. Молодые соискатели вакансий «Программист PHP», «Бармен, официант, бариста» и «СММ-менеджер» могут рассчитывать на весьма привлекательные зарплатные предложения, если они готовы работать увлеченно и с самоотдачей. Соответственно работодатели принимают управленческие решения по обучению и выращиванию кадров, в то же время высокая зарплатная планка дает им возможность выбора.
4. «Социальные работники» представляют иную стоимостную категорию – по уровню предлагаемой заработной платы они в 2 раза уступают «Программистам PHP» и «Барменам, официантам, баристам» и не только в столичных регионах. Эта деятельность требует повышенной эмоциональной вовлеченности и профессиональной приверженности, то есть внутренней мотивации – понимания работником своей роли и признания руководителем его значимости.
5. Конкретные узкопрофессиональные требования ставят во главу угла работодатели в ИТ-сфере и Didgital-маркетинге. Моделирование позволило показать конкурентные преимущества «Программистов PHP» и «СММ-менеджеров», обусловленные владением инструментарием и программными продуктами, и оценить их вклад в стоимостном выражении.
6. Специалисты ФГБУ «ВНИИ труда» Минтруда России использовали методы машинного обучения и провели углубленный анализ факторов, оказывающих влияние на спрос на компетенции со стороны работодателей в различных сегментах отечественного рынка труда, смогли оценить навыки, знания и другие компетенции по степени значимости и по стоимости, а также сделать ряд обоснованных выводов об объективных тенденциях последних лет, как например, абсолютные значения предлагаемой заработной платы, частота упоминания конкретных профессиональных требований и личностных характеристик и их соотношения, необходимые для трудоустройства умения, знания.
7. Таким образом удалось проследить динамику сложных социально-экономических процессов на рынке труда РФ на исторических данных и показать практическую полезность методов машинного обучения при решении этой задачи.
[1] Учитываются заявленные нанимателями условия: «вахтовая форма занятости», «дистанционная работа», «сменная работа», «частичная занятость».
[2] Включает такие вакансии, как «Бармен», «Бармен-официант», «Официант», «Бариста», «Бамен-бариста».
[3] В качестве базового показателя используется медианное значение, поскольку эта метрика устойчива к экстремальным выбросам значений и сохраняется при монотонных преобразованиях данных.
[4] Например, Совкомблог рекомендует учащимся: «Если важен доход, а не опыт, найдите подработку. Хорошие варианты: репетитор, официант, курьер, администратор, оператор кол-центра, продавец». URL: https://journal.sovcombank.ru/obuchenie/kak-sovmestit-uchebu-i-rabotu-prakticheskoe-rukovodstvo
Источники:
2. Алтухов В. В., Кудрявцев А. Д. Использование открытых данных онлайн-вакансий в сравнении с данными официальной статистики для мониторинга и прогнозирования динамики рынка труда // Уровень жизни населения регионов России. – 2025. – № 2. – c. 233-244.
3. Артыкова А. Кушикова М. Роль экономико-математического моделирования в прогнозировании рынка труда // Международный научный журнал ВЕСТНИК НАУКИ. – 2025. – № 4. – c. 42-44.
4. Билинский Н.В. Применение методов машинного обучения для анализа и прогнозирования временных рядов в автоматизированных торговых системах на спотовом и срочном рынках – 2025. [Электронный ресурс]. URL: https://vital.lib.tsu.ru/vital/access/services/Download/vital:23043/SOURCE01?view=true (дата обращения: 05.07.2025).
5. В 2025 году вернулись к системе расчета МРОТ от медианной зарплаты -48% от медианной зарплаты. [Электронный ресурс]. URL: https://www.gazprombank.ru/pro-finance/lifestyle/minimalnyy-razmer-oplaty-truda/?ysclid=mcz0053ceu153209386 (дата обращения: 01.09.2025).
6. Гвоздева М.А., Баринова В.А. Дифференциация заработной платы, обусловленная неравенством возможностей в российских регионах // Государственное управление. Электронный вестник. – 2024. – № 102. – c. 192-206.
7. Дегтерев В.А. К вопросу о компетентности, мобильности и конкурентоспособности // Педагогическое образование в России. – 2014. – № 1. – c. 112-118.
8. Ермоленко Т. В., Попадин Д.В., Котенко В.Н. Применение машинного обучения в прогнозировании фондового рынка // Проблемы искусственного интеллекта. – 2023. – № 2. – c. 16-29.
9. Заработок соцработников оказался вдвое ниже средней зарплаты по России. [Электронный ресурс]. URL: https://www.gazeta.ru/business/news/2024/06/08/23194507.shtml?ysclid=mclu9bj0j0600521594&updated (дата обращения: 05.07.2025).
10. Клименко Н.А. Анализ подходов к математическому моделированию корпоративной культуры организации // Актуальные вопросы экономических наук. – 2012. – № 28. – c. 25-29.
11. Крупский А. В. Исследование и применение моделей глубокого машинного обучения для анализа и прогнозирования краткосрочных ценовых движений на финансовых рынках – 2024. [Электронный ресурс]. URL: https://elar.urfu.ru/bitstream/10995/140515/1/m_th_a.v.krupskii_2024.pdf?ysclid=mc1plskynj487738873 (дата обращения: 30.06.2025).
12. Майнагашева А.С. О разработке алгоритмов прогнозирования потребности в трудовых ресурсах // Наука и современность. – 2011. – № 10-2. – c. 200-204.
13. Математическое моделирование социальных процессов. / сборник трудов, выпуск 19. - М.: ИПМ им.М.В.Келдыша, 2017. – 140 c.
14. Миронов А.Д. Оптимизация применения oblivious решающих деревьев на ЦП. Выпускная квалификационная работа. – 2022. [Электронный ресурс]. URL: https://arxiv.org/pdf/2211.00391 (дата обращения: 01.09.2025).
15. Мулюкова А.А. Этикет социального работника» // Доклад в Санкт-Петербургском государственном бюджетном учреждении «Комплексный центр социального обслуживания населения Приморского района Санкт-Петербурга». – 2022
16. Наговицын Р.С. Прогнозированиe трудоустройства студентов педагогического вуза на основе использования алгоритмов машинного обучения // Образование и саморазвитие. – 2023. – № 2. – c. 133-148.
17. Назван ТОП городов, куда активно едут студенты. [Электронный ресурс]. URL: https://news.ru/society/nazvan-top-5-gorodov-kuda-aktivno-edut-studenty (дата обращения: 05.07.2025).
18. Николаев Н.А., Полещук М.Н. Методический подход к определению и оценке конкурентоспособности персонала // Вестник ЮУрГУ. Серия Экономика и менеджмент. – 2021. – № 1. – c. 93–109.
19. Платыгин Д.Н., Попков С.Ю., Смирнов В.М., Волгин Н.А., Вашаломидзе Е.В., Джума В.И., Уланова Е.С. Система мониторинга, анализа и экспертизы сферы трудовых отношений // Социально-трудовые исследования. – 2020. – № 4. – c. 27-39.
20. Рафикова К.Ф. Применение алгоритмов машинного обучения для сокращения ин-формационной асимметрии и прогнозирования социальных изменений на рынке труда: вызовы и возможности // Теория и практика общественного развития. – 2024. – № 5. – c. 72-77.
21. Рост реальных зарплат в России замедлился до 5,2%. [Электронный ресурс]. URL: https://expert.ru/news/rost-realnykh-zarplat-v-rossii-zamedlilsya-do-5-2/ (дата обращения: 05.07.2025).
22. Шуплецов А.Ф., Муравьева М.С. Прогнозирование потребности промышленности Иркутской области в квалифицированных рабочих кадрах // Модернизация экономики региона. – 2012. – № 4. – c. 50-57.
Страница обновлена: 22.10.2025 в 15:33:10
Download PDF | Downloads: 1
The application of modeling methods in assessing labor market trends in the Russian Federation: based on the analysis results of monitoring data from the All-Russian Research Institute of Labor
Katsaurova S.Yu., Egorov S.A., Arbaev G.E.Journal paper
Informatization in the Digital Economy (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Volume 6, Number 3 (July-september 2025)
Abstract:
The article examines the issues of effective application of mathematical methods for modeling and forecasting socio-economic processes on the example of specific calculations carried out using the database of the Federal State Budgetary Institution “All-Russian Research Institute of Labor” of the Ministry of Labor of the Russian Federation, formed as a result of monitoring employers\' vacancies in the open market. The authors of the article analyzed the results of testing a new methodology for the cost assessment of employers\' professional requirements for job seekers using Machine Learning (ML) methods. The models provided wide possibilities for a comprehensive and diversified analysis of complex market conditions, which have both direct or indirect effects on the demand for competencies in various industry segments. The models ensure quick and qualitative calculation and forecasting of the proposed salary (the salary offered by the employer), which makes a big difference for meeting the needs of the Russian economy for labor in medium and long-term perspective.
Keywords: professional requirements, competencies, in-demand skills and knowledge, proposed salary, simulation, Machine Learning, cost calculation algorithms, typical position, labor market demand
JEL-classification: J24, J81
References:
Mathematical modeling of social processes (2017).
Altukhov V. V., Kudryavtsev A. D. (2025). Using open data online vacancies in comparison with official statistics to monitor and forecast labor market dynamics. Living standards of the population of Russian regions. (2). 233-244.
Artykova A. Kushikova M. (2025). Role of economic and mathematical modeling in forecasting labor market. Mezhdunarodnyy nauchnyy zhurnal VESTNIK NAUKI. (4). 42-44.
Azarnova T.V., Dashkova E.S., Dorokhova N.V., Kashirina I.L. (2025). Predicting labor market trends through the analysis of open data from job applicants in social networks. Terra Economicus. (2). 43–61.
Degterev V.A. (2014). The problem of competence, mobility and competitiveness. Pedagogical education in Russia. (1). 112-118.
Ermolenko T. V., Popadin D.V., Kotenko V.N. (2023). Application of machine learning in stock market forecasting. Problemy iskusstvennogo intellekta. (2). 16-29.
Gvozdeva M.A., Barinova V.A. (2024). Differentiation of salaries due to inequality of opportunities in russian regions. Public administration. Electronic Bulletin. (102). 192-206.
Klimenko N.A. (2012). Analysis of approaches to mathematical modeling of corporate culture of the organization. Topical issues of economic sciences. (28). 25-29.
Maynagasheva A.S. (2011). On the development of algorithms for predicting the need for labor resources. Science and modernity. (10-2). 200-204.
Nagovitsyn R.S. (2023). Forecasting the employment of graduates of a pedagogical institute based on artificial intelligence technologies. Obrazovanie i samorazvitie. (2). 133-148.
Nikolaev N.A., Poleschuk M.N. (2021). Methodological approach to determining and assessing the competitiveness of personnel. Vestnik YuUrGU. Seriya Ekonomika i menedzhment. 15 (1). 93–109.
Platygin D.N., Popkov S.Yu., Smirnov V.M., Volgin N.A., Vashalomidze E.V., Dzhuma V.I., Ulanova E.S. (2020). System of monitoring, analysis and expertise of labor relations. Sotsialno-trudovye issledovaniya. (4). 27-39.
Rafikova K.F. (2024). Application of machine learning algorithms for reducing information asymmetry and forecasting social changes in the labor market: challenges and opportunities. Theory and practice of social development. (5). 72-77.
Shupletsov A.F., Muraveva M.S. (2012). Forecasting Irkutsk region's demand in qualified labour force. Modernizatsiya ekonomiki regiona. (4). 50-57.
