АВТОМАТИЗИРОВАННАЯ СИСТЕМА АНАЛИЗА РЫНКА ТРУДА

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:

1. Морозова Т.Ю.Автоматизированные системы управления // Промышленные АСУ и контроллеры. 2010. № 10. С. 51-55.
2. 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.
3. Никонов В.В. Вопросы разработки унифицированной программной платформы управления качеством данных // Сборник научных трудов Sworld. 2010. Т. 2. № 1. С. 3-8.
4. Никонов В.В. Решение задачи прогнозирования на основе аппарата искусственных нейронных сетей // Сборник научных трудов Sworld. 2007. Т. 2. № 1. С. 7-10.
5. Рязанов Д.А., Скворцова Т.И.Автоматизация одной из сфер деятельности предприятий общественного питания // Сборник научных трудов Sworld. 2007. Т. 2. № 1. С. 80.
6. 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.
7. Чистякова В.В., Чистякова М.А. Проблемы определения функциональной структуры асоиу // Сборник научных трудов Sworld. 2014. Т. 5. № 1. С. 3-7.
8. 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» ]