Uncategorised Просмотров: 54

РАЗДЕЛ:

ЭКОНОМИЧЕСКИЕ ИССЛЕДОВАНИЯ

НАЗВАНИЕ

Использование открытых данных онлайн-вакансий в сравнении с данными официальной статистики для мониторинга и прогнозирования динамики рынка труда

Виталий Владиславович Алтухов, Алексей Дмитриевич Кудрявцев

Страницы    
Просмотры   72  
Размер   1.17 MB  
PDF   ТEKCT СТАТЬИ

ИНДЕКСЫ СТАТЬИ

Оригинальная статья

УДК 331.522

JEL J22, J23

https://doi.org/10.52180/1999-9836_2025_21_2_5_233_244

EDN GLNHGV

АВТОРЫ

Виталий Владиславович Алтухов

Московский государственный университет имени М.В. Ломоносова, Москва, Россия

Профилум, Москва, Россия

e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.

OCRID: https://orcid.org/0009-0000-9307-4276

Алексей Дмитриевич Кудрявцев

Московский государственный университет имени М.В. Ломоносова, Москва, Россия

Профилум, Москва, Россия

e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.

ДЛЯ ЦИТИРОВАНИЯ

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. Том 21. №2. С. 233–244. https://doi.org/10.52180/1999-9836_2025_21_2_5_233_244 EDN GLNHGV

АННОТАЦИЯ

Цифровизация трудовых процессов и рост популярности онлайн-платформ открывают новые возможности для мониторинга и прогнозирования динамики рынка труда. Однако остаются нерешёнными вопросы, связанные с репрезентативностью данных онлайн-вакансий, их оперативностью и полнотой. Научный интерес исследования заключается в развитии подходов к интеграции данных онлайн-источников с официальной статистикой, что позволит повысить точность прогнозирования и оперативность оценки состояния рынка труда. При традиционном анализе ситуации на рынке труда вакансии используются для измерения напряжённости на рынке труда и могут сигнализировать о наличии дисбалансов на рынке труда, когда спрос и предложение не соответствуют друг другу (по качественным характеристикам, географически и т. д.). Целью статьи является сопоставление данных онлайн-вакансий и официальной статистики для разработки подходов к мониторингу и прогнозированию динамики рынка труда. В статье приводится пример реализации мониторинга рынка труда на основании больших данных и сопоставление данных онлайн-вакансий с источниками официальной статистики. Основными источниками данных для сопоставления стали данные Росстата и hh.ru (открытые данные вакансий). При сопоставлении использовалась авторская методология агрегации данных вакансий в группы профессиональных сфер и профессий с опорой на официальные классификаторы, а также методы вычисления и оценки уровня заработных плат. В результате исследования было выявлено, что полученные и агрегированные данные портала поиска работы онлайн hh.ru достоверно соотносятся с официальной поквартальной и помесячной статистикой относительно динамики количества открытых вакансий и заработной платы. В завершении обсуждаются методы прогнозирования динамики рынка труда с использованием методов машинного обучения с опорой на открытые большие данные. Возможность соотнесения динамики показателей онлайн-порталов с официальной статистикой предприятий, по мнению авторов, могла бы дополнить методологию мониторинга рынка труда и повысить достоверность прогнозов.

КЛЮЧЕВЫЕ СЛОВА

региональный рынок труда, онлайн-вакансии, динамика вакансий, заработная плата, оценка спроса на рынке труда, отрасли экономики, большие данные

ИНФОРМАЦИЯ ОБ АВТОРАХ

Виталий Владиславович Алтухов

младший научный сотрудник, лаборатория социальных и экономических исследований «Технологии развития человеческого капитала и построения институциональных и компетентностных моделей развития человека» при кафедре экономики труда и персонала, экономический факультет, Московский государственный университет имени М.В. Ломоносова, директор по разработке и исследованиям, «Профилум»

Алексей Дмитриевич Кудрявцев

младший научный сотрудник, лаборатория социальных и экономических исследований «Технологии развития человеческого капитала и построения институциональных и компетентностных моделей развития человека» при кафедре экономики труда и персонала, экономический факультет, Московский государственный университет имени М.В. Ломоносова, аналитик данных, «Профилум».

Список литературы

  1. Макшанов А.В., Журавлев А.Е., Тындыкарь Л.Н.Большие данные. Big Data: учебник для вузов. 2022. 188 с. ISBN 978-5-8114-9690-7
  2. Микрюков А.А., Гранатов М.Г., Абдрахманова З.А.Методы анализа больших данных в экономике // Общество, экономика, управление. 2023. Том 8. № 4. С. 70-74. https://doi.org/10.47475/2618-9852-2023-8-4-70-74 EDN IXWNXY
  3. Napierala J., Kvetan V., Branka J.Assessing the representativeness of online job advertisements. Cedefop working paper.  17. Luxembourg: Publications Office of the European Union, 2022.  26 p. http://data.europa.eu/doi/10.2801/807500
  4. Vermeulen W., Gutierrez Amaros F.How Well do Online Job Postings Match National Sources in European Countries?: Benchmarking Lightcast data against statistical and labour agency sources across regions, sectors and occupation. OECD Local Economic and Employment Development (LEED) Papers. No. 2024/02. Paris: OECD Publishing, 2024. https://doi.org/10.1787/e1026d81-en
  5. De Pedraza P., Visintin S., Tijdens K., Kismihók G.Survey vs scraped data // IZA Journal of Labor Economics. 2019. Vol. 8. No. 1. P. 1-23. https://doi.org/10.2478/izajole-2019-0004 
  6. Lovaglio P.G., Mezzanzanica M., Colombo E.Comparing time series characteristics of official and web job vacancy data // Quality and Quantity. 2020. Vol. 54. No. 1. P. 85-98. https://doi.org/10.1007/s11135-019-00940-3 
  7. Evans D., Mason C., Chen H., Andrew R.An algorithm for predicting job vacancies using online job postings in Australia // Humanities and Social Sciences Communications. 2023. Vol. 10. No. 102. P. 1-9. https://doi.org/10.1057/s41599-023-01562-9 
  8. Kureková L.M., Beblavý M., Thum-Thysen A.Using online vacancies and web surveys to analyse the labour market // IZA Journal of Labor Economics. Vol. 4. No. 18. P. 1-20. https://doi.org/10.1186/s40172-015-0034-4 
  9. Romanko O., O'Mahony M.The use of online job sites for measuring skills and labour market trends: a review. ESCoE Technical Report. 2022-19. London, 2022. 48 p. ISSN 2515-4664
  10. Roshchin S., Solntsev S., Vasilyev D.Recruiting and Job Search Technologies in the Age of Internet // Foresight and STI Governance. 2017. Vol. 11. No. 4. P. 33-43. https://doi.org/10.17323/2500-2597.2017.4.33.43 
  11. Cammeraat E., Squicciarini M.Burning Glass Technologies' data use in policy-relevant analysis. OECD Science, Technology and Industry Working Papers. No. 2021/05. Paris: OECD Publishing, 2021. 69 p. https://doi.org/10.1787/cd75c3e7-en 
  12. Davis S., Faberman R., Haltiwanger J.The establishment-level behavior of vacancies and hiring // Quarterly Journal of Economics. Vol. 128. No. 2. P. 581-622. https://doi.org/10.1093/qje/qjt002 
  13. Carnevale A.P., Jayasundera T., Repnikov D.Understanding online job ads data: Technical Report. Georgetown: Center on Education and the Workforce, 2014. 28 p. http://dx.doi.org/10.13140/RG.2.2.13283.57124 
  14. Капелюшников Р.И.Российский рынок труда: статистический портрет на фоне кризисов // Вопросы экономики. 2023. № 8. С. 5-37. https://doi.org/10.32609/0042-8736-2023-8-5-37 EDN USUZBY
  15. Горина Т., Натсак О.Анализ спроса и предложения на современном рынке труда Республики Тыва // Бюллетень Калмыцкого научного центра РАН. 2022. № 1. С. 204-235. https://doi.org/10.22162/2587-6503-2022-1-21-204-235 EDN CPSPII
  16. Терников А.А.Профессиональные стандарты и спрос на рынке труда в сфере высшего менеджмента в России // Вестник СПбГУ. Менеджмент. 2022. Том 21. № 1. С. 131-148. http://doi.org/10.21638/11701/spbu08.2022.106 EDN JEXYXZ 
  17. Aletdinova A., Bakaev M.Intelligent Data Analysis and Predictive Models for Regional Labor Markets // Digital Transformation and Global Society: 6th International Conference Proceedings, 23-25 June 2021, St. Petersburg, Russia. Springer, 2022. 351-363. https://doi.org/10.1007/978-3-030-37858-5_29 
  18. Predicting Skill Shortages in Labor Markets: A Machine Learning / N. Dawson, M.A. Rizoiu, B. Johnston, M.A. Williams // IEEE International Conference on Big Data Conference Proceedings, 10-13 December 2020, Atlanta, USA. Atlanta, 2020. P. 3052-3061. https://doi.org/10.1109/BigData50022.2020.9377773