В статье рассматриваются вопросы создания автоматизированной системы для анализа рынка труда в динамике. Определяется круг потребителей системы, задачи и методы исследований рынка труда. Описана структура автоматизированной системы для анализа рынка труда и её функциональные возможности. Предложено использование нейронных сетей в качестве основы для построения автоматизированной системы для анализа рынка труда.
Рынок труда — важнейшая часть экономической системы, является главным элементом социально-экономической политики, проводимой государственными структурами. Он испытывает на себе одновременно влияние социальной и экономической политики региона и государства. В связи с этим возникает необходимость в разработке средств анализа рынка труда.
Разработка средств анализа рынка трудавключает в себя: сбор, хранение и обработку информации о доступных на рынке вакансиях и соискателях. На основании полученных данных можно будет сделать вывод какие из отраслей нуждаются в дополнительных специалистах, а в каких напротив наблюдается их избыток и безработица. Так же будет анализироваться заработная плата. Она воздействует как на спрос, так и на предложение на рынке труда и играет одну из важнейших ролей в формировании его состояния.
Полученная информация будет полезна сразу большому числу людей и предприятий. Для соискателей в первую очередь интересна информация о том, какие отрасли сейчас наиболее прибыльны, а также возможность скорректировать свои зарплатные ожидания. Для нанимателей полученная информация будет полезна для оценки количества доступных специалистов на рынке труда и оценки своей привлекательности для специалистов в зарплатном аспекте. Эти данные могут быть использованы и на государственном уровне для корректировки образовательных программ высшего и среднего профессионального образования.
Проведение аналитики по рынку занятости является неотъемлемой частью в успешном функционировании любой современной компании, которой нужны трудовые ресурсы; государственных органов, которые осуществляют задачи планирования экономического развития.
Одним из основных заказчиков являются управления кадров соответствующих компаний, которые одновременно являются и заказчиками этих исследований, и исполнителями. Так как задача анализа появляется неожиданно, в связи с потребностью в новой рабочей силе, специалист отдела кадров не имеет возможности отследить тенденции на рынке труда и получить адекватную статистику относительно разных моментов времени. Основными источниками информации служат:
- рекрутинговые сайты;
- личный опыт поиска соискателей на подобные вакансии.
Другим вариантом является заказ консалтинговых услуг по анализу рынка труда у сторонней специализированной компании.
Специализированные исследования рынка труда необходимы если:
- планируется бюджет на персонал;
- нужно провести оценку рыночной стоимости специалистов;
- вводятся новые должности;
- индексируются заработные платы;
- разрабатывается/корректируется система оплаты труда;
- пересматривается социальный пакет компании;
- прогнозируется развитие рынка труда в определенном регионе;
- дается оценка конъюнктурных тенденций.
А методами исследования выступают:
- интервью с экспертами рынка труда (представители отделов персонала, руководители, сотрудники, рекрутеры);
- анализ данных источников открытого типа (сайты компаний, органы государственной статистики, специализированные СМИ);
- анализ собственных накопленных данных;
- анализ печатной продукции рекрутинговой направленности.
Таким образом, на данный момент нет единой автоматизированной системы анализа рынка труда,которая могла бы удовлетворить нужды небольших компаний и соискателей. И главная причина этому – отсутствие единой стандартизированной базы данных соискателей и вакансий.
Разрабатываемая автоматизированная система анализа рынка труда (АСАРТ) должна удовлетворять определенным критериям, чтобы превосходить существующие на рынке решения и удовлетворить как можно более широкий круг пользователей. Разработка АСАРТ состоит из следующих этапов[6,3]:
- сбор информации из различных источников;
- организация хранения информации;
- проведение статистического анализа и подготовка отчетности по имеющимся данным.
Каждый этап может быть разбит на более мелкие подзадачи.
Сбор информации из различных источников:
- разработка программных инструментов для внесения информации о вакансиях из печатных СМИ в общую базу данных;
- разработка программных средств для внесения информации о вакансиях и резюме соискателей в общую базу данных из интернет-рекрутинговых сайтов посредством существующих API (application programming interface).
Организация хранения информации:
- разработка схемы базы данных;
- выбор наиболее подходящей СУБД (система управления базами данных) для решаемого ряда задач.
Проведение статистического анализа и подготовка отчетности по имеющимся данным[6,5,7]:
- анализ, выбор и разработка существующих средств статистического анализа для работы с имеющимися данными;
- разработка, синтез, и применение необходимых алгоритмов статистического анализа (нахождение медианных значений, квартилей, экстремумов и т.п.);
- создание отчетности.
Отчеты должны предусматривать следующий функционал и данные:
- количество вакансий в базе в зависимости от отрасли;
- количество резюме в базе в зависимости от отрасли;
- отслеживание изменений данных в динамике от месяца к месяцу;
- анализ соотношения спроса и предложения в зависимости от отрасли;
- нахождение коэффициентов напряженности (коэффициент напряженности – отношение числа безработных соискателей к числу вакансий.);
- нахождение наиболее востребованных отраслей;
- нахождение отраслей с переизбытком кадров;
- составление индексов заработной платы.
Структура автоматизированной системы анализа рынка труда должна состоятьиз:
- подсистемы сбора информации;
- подсистемы статистического анализа.
Для анализа рынка труда наибольшую значимость имеют следующие статистические методы, применённые к соответствующим совокупностям величин (предлагаемая зарплата, уровень опыта работы, количество вакансий и т.п.) [2]:
- нахождение моды;
- нахождение медианы;
- деление совокупности на квартили (4 равные по численности части);
- сравнение в процентном и абсолютном соотношении в зависимости от времени;
- построение диаграмм и гистограмм для наглядности;
- нахождение экстремумов и составление соответствующих выборок в зависимости от запрашиваемых критериев;
- отслеживание динамики;
- составление индексов;
- группировка данных для отображения общей структуры и отношения в рамках логической совокупности данных.
Для анализа рынка труда в настоящее время все чаще используются статистические методы, которые позволяют исследовать возможности, потребности и требования рынка труда.
Альтернативой статистическим методам в подсистеме «статистического анализа» можно использовать методы интеллектуального анализа данных. Для исследования необходимо по имеющимся данным, обозначим H, предсказать некоторую величину Y, стохастически связанную с H (т.е.Hи Y имеют некоторое распределение L(X,Y), но которую непосредственно измерить невозможно (например, Y может относиться к будущему, а H — к настоящему) [2, 4].
В общем случае H означает некоторую совокупность {H1, H2,…} наблюдаемых величин, которые в рассматриваемом контексте называются предсказывающими (или прогнозными) переменными, и задача состоит в построении такой функции Ф(H), которую можно было бы использовать в качестве оценки для прогнозируемой величины Y:Ф(H)=Y (т.е. чтобы она была в каком-то смысле «близка» к Y); такие функции Ф(H) называют предикторами величины Y по H. Разработка методов построения оптимальных (в том или ином смысле) предикторов и составляет главную задачу анализарынка труда.
В качестве одного из методов интеллектуального анализа данных для анализарынка труда можно использоватьаппарат искусственных нейронных сетей (НС).
Применение НС обеспечивает следующие полезные свойства [4]:
1) способность к обобщению. Под термином «обобщение» понимается способность НС устанавливать величину спроса на основе данных, не встречающихся в процессе обучения;
2) нелинейность. Нейронная сеть, построенная из соединений нелинейных нейронов, является нелинейной. Нелинейность является чрезвычайно важным свойством, поскольку входной сигнал, подаваемый в НС, в случае анализа рынка труда является нелинейным;
3) отображение входной информации в выходную. Наиболее часто используется для обучения НС парадигма обучения с учителем. Настройка синаптических весов сети происходит на основе набора учебных примеров. Каждый пример состоит из параметров входного сигнала и соответствующего ему желаемого отклика. Из этого множества случайным образом выбирается пример, а НС модифицирует синаптические веса для минимизации расхождений желаемого выходного сигнала и формируемого сетью согласно выбранному статистическому критерию. Обучение проводится до тех пор, пока изменения синаптических весов не станут незначительными;
4) адаптивность. Нейронные сети обладают способностью адаптировать свои синаптические веса к изменениям входных сигналов. В частности, нейронные сети, обученные действовать с определенными сигналами, могут быть легко переучены для работы в условиях незначительных колебаний параметров;
5) эксплуатация обученной НС не требует дополнительной подготовки пользователей и их высокой квалификации.
Кроме этого, нейросетевой метод моделирования не требует априорного задания вида исследуемой зависимости.
Нейронная сеть может быть представлена как совокупность простых элементов (нейронов), связанных друг с другом. Нейрон состоит из нескольких входов и одного выхода, сумматора и блока функции активации [4]. Функционально нейрон умножает входные импульсы на некоторые коэффициенты (синаптические веса), суммирует полученные произведения и преобразует сумму в соответствии активационной функцией, являющейся пороговой или сигмоидальной. Математически функцию нейрона можно описать следующим образом:
В работерассмотрены вопросы создания автоматизированной системы для анализа рынка труда в динамике. Определен круг потребителей системы, задачи и методы исследований рынка труда. Описана структура автоматизированной системы для анализа рынка труда и её функциональные возможности. Предложено использование нейронных сетей в качестве основы для построения автоматизированной системы для анализа рынка труда.
Список литературы:
- Морозова Т.Ю.Автоматизированные системы управления // Промышленные АСУ и контроллеры. 2010. № 10. С. 51-55.
- Морозова Т.Ю., Бурлаченко Т.Б.Решение задачи прогнозирования в системах с большой степенью неопределенности // Известия Южного федерального университета. Технические науки. 2006. № 9-2 (64). С. 169.
- Никонов В.В. Вопросы разработки унифицированной программной платформы управления качеством данных // Сборник научных трудов Sworld. 2010. Т. 2. № 1. С. 3-8.
- Никонов В.В. Решение задачи прогнозирования на основе аппарата искусственных нейронных сетей // Сборник научных трудов Sworld. 2007. Т. 2. № 1. С. 7-10.
- Рязанов Д.А., Скворцова Т.И.Автоматизация одной из сфер деятельности предприятий общественного питания // Сборник научных трудов Sworld. 2007. Т. 2. № 1. С. 80.
- Чистякова М.А.Автоматизированный комплекс учета и контроля движения материальных объектов на промышленно-торговых предприятиях с использованием радиочастотной идентификации // Промышленные АСУ и контроллеры. 2009. № 7. С. 23-28.
- Чистякова В.В., Чистякова М.А. Проблемы определения функциональной структуры асоиу // Сборник научных трудов Sworld. 2014. Т. 5. № 1. С. 3-7.
- Чистякова В.В., Морозова Т.Ю.Анализ подходов к формированию функциональной структуры асоиу // Автоматизация и управление в технических системах. 2013. № 4.1. С. 127-135.[schema type=»book» name=»АВТОМАТИЗИРОВАННАЯ СИСТЕМА АНАЛИЗА РЫНКА ТРУДА» author=»Иванова Ирина Алексеевна, Никонов Вячеслав Викторович, Морозова Екатерина Федоровна» publisher=»БАСАРАНОВИЧ ЕКАТЕРИНА» pubdate=»2017-05-26″ edition=»ЕВРАЗИЙСКИЙ СОЮЗ УЧЕНЫХ_ 30.01.2015_01(10)» ebook=»yes» ]