Хохлова Оксана Анатольевна – д-р экон. наук, профессор, заведующий кафедрой «Макроэкономика, экономическая информатика и статистика»
670013, г. Улан-Удэ, ул. Ключевская, д. 40В, стр. 1
Oksana A. Khokhlova – Dr. Sci. (Econ.), Professor, Head, Department of Macroeconomics, Economic Informatics and Statistics
40V, Klyuchevskaya St., Bldg. 1, Ulan-Ude, 670013
Хохлова Александра Николаевна – аналитик Департамента Тинькофф бизнес
125212, г. Москва, Головинское шоссе, д. 5
Alexandra N. Khokhlova – Analyst, Tinkoff Business Department
5, Golovinskoye Shosse, Moscow, 125212
Чойжалсанова Аюна Цыденовна – канд. экон. наук, старший преподаватель кафедры «Макроэкономика, экономическая информатика и статистика»
670013, г. Улан-Удэ, ул. Ключевская, д. 40В, стр. 1
Ayuna T. Choyzhalsanova – Cand. Sci. (Econ.), Senior Lecturer of the Department of Macroeconomics, Economic Informatics and Statistics
40V, Klyuchevskaya St., Bldg. 1, Ulan-Ude, 670013
Во вводном разделе статьи авторы обосновывают актуальность разработки методического инструментария анализа вакансий на рынке труда в условиях современной технологической революции, существенно повышающей требования к профессиональным знаниям и опыту работающего персонала и меняющей соотношение между традиционными и новыми профессиями.В основном разделе публикуемых результатов исследования для оценки текущей ситуации на рынке труда и востребованности ныне существующих профессий приведен алгоритм анализа вакансий по большим массивам данных из открытых источников при помощи математико-статистического инструментария и методов машинного обучения с использованием языка программирования Python и аналитической платформы IBM SPSS modeler. Алгоритм включает в себя: парсинг данных о вакансиях, анализ вакансий по основным критериям, кластеризация вакансий по уровню заработной платы и построение нейросетевой модели – многослойного персептрона зависимости заработной платы от ряда предикторов. Следует отметить, что разработанный алгоритм, по мнению авторов, является универсальным, так как может быть использован для анализа больших данных из любого открытого источника (на определенный момент времени).Результаты анализа позволят исследователям и специалистам управленческих структур более реалистично оценить текущую ситуацию на рынке труда, образовательным учреждениям корректировать программы обучения в соответствии с современными требованиями работодателей, работодателям принимать решения по вопросам развития компетенций в своей сфере деятельности и проводить сравнительный анализ имеющих спрос вакансий по количественным и качественным характеристикам, а соискателю увидеть востребованность вакансий на рынке труда и необходимость развития новых навыков.
In the introductory part of the article, the authors substantiate the relevance of developing methodological tools for analyzing job vacancies in the labor market in the context of the modern technological revolution, which significantly increases requirements for professional knowledge and experience of working personnel and changes the ratio between traditional and new professions.To assess the current situation on the labor market and the demand for currently existing professions, the main section of the published results of the study presents the algorithm for analyzing vacancies using large data arrays from open sources using mathematical and statistical tools and machine learning methods using the Python programming language and the IBM SPSS modeler analytical platform. The algorithm includes: parsing data on vacancies, analyzing vacancies by the main criteria, clustering vacancies by salary level and building a neural network model – a multilayer perceptron of the dependence of salary on a number of predictors. It should be noted that the developed algorithm is universal, because it can be used to analyze big data from any open source at a certain point in time.The results of the analysis will allow researchers and specialists of management structures to more realistically assess the current situation on the labor market, educational institutions will be able to adjust training programs in accordance with the modern requirements of employers, employers will make decisions on the development of competencies in their field of activity and conduct a comparative analysis of demanded vacancies in terms of quantitative and qualitative characteristics, and for the applicant it will be easier to see the demand for vacancies in the labor market and develop new skills.
The authors declare that there are no conflicts of interest present.