Оценка и прогнозирование спроса на рынке ИТ-специалистов в России i

Реализуемая в России стратегия цифровой трансформации предполагает обеспечение всех отраслей ИТ-специалистами. Проблема исследования заключается в сравнительном анализе существующих методологий для количественной оценки спроса на ИТ-специалистов. Цель исследования – разработка и апробация индексов для оценки спроса на ИТ-специалистов и построение прогностических моделей. Методы исследования включают агрегацию данных из государственных и корпоративных источников за период с 2015 по 2024 г., применение ETL-процессов для обработки данных и построение регрессионных моделей. В качестве ключевых индикаторов предложены Индекс трудоустройства ИТ-выпускников (далее – ИТВ) и Индекс рыночного спроса на выпускников по ИТ-направлениям подготовки (далее – ИРС). Регрессионные модели Random Forest и Ridge Regression продемонстрировали высокую прогностическую способность (R²>0,82) для ИТВ и ИРС. Выявлена иерархия социально-экономических факторов, значимо влияющих на ИТВ и ИРС: для ИТВ – повышение ВВП (49%), миграционные процессы (37%), государственная образовательная политика (14%); для ИРС – миграция (13%), бюджетные места в вузах (12%), демографический фактор – число выпускников школ (10%). Установлено, что максимальное расхождение в значениях индексов наблюдается в 2022 г., а затем ситуация стабилизируется. Прогноз на 2025 г. указывает на движение рынка труда по категории ИТ-специалистов к устойчивому состоянию, при котором выпуск и трудоустройство выпускников приближаются к количеству вакансий на рынке труда. Предложенная методология создает предпосылки для перехода к управлению, основанному на данных в области планирования процессов кадрового обеспечения российской экономики ИТ-специалистами.

1. Sergeevna B.L. Special aspects of innovative product development by knowledge-intensive businesses in the current economic conditions // International Journal of Innovative Technology and Exploring Engineering. 2019. Vol. 8, No. 12. Pp. 2053–2055. doi:10.35940/ijitee.L3255.1081219.

2. Фролов Ю.В., Босенко Т.М. Исследования статистических данных подготовки кадров для цифровой экономики в Российской Федерации // Высшее образование в России. 2021. Т. 30, № 11. С. 29–41. doi:10.31992/0869-3617-2021-30-11-29-41.

3. Россия в цифрах, 2021 : кратк. стат. сб. / Росстат. Москва, 2021. 275 с.

4. Форма № ВПО-1 «Сведения об организации, осуществляющей образовательную деятельность по образовательным программам высшего образования – программам бакалавриата, программам специалитета, программам магистратуры»: данные за 2015–2024 гг. / Минобрнауки России. URL: https://minobrnauki.gov.ru/action/stat/highed/ (дата обращения: 12.04.2025).

5. API-интерфейс для программного взаимодействия с сервисом API платформы hh.ru: HeadHunter API (1.0.0). URL: https://api.hh.ru/openapi/redoc (дата обращения: 10.02.2025).

6. API-интерфейс для программного взаимодействия с сервисом API платформы superjob.ru. Версия 2.20. URL: https://api.superjob.ru/ (дата обращения: 12.06.2025).

7. Пороховский А.А. Системное экономическое образование – важный фактор развития России // Научные труды Вольного экономического общества России. 2023. Т. 239, № 1. С. 80–93. doi:10.38197/2072-2060-2023-239-1-80-93.

8. Камальдинова З.Ф., Липатова А.В. Проблемы развития мягких навыков у молодых ИТ-специалистов // Бюллетень науки и практики. 2023. Т. 9, № 2. С. 334–337. doi:10.33619/2414-2948/87/39.

9. Bridging talent shortages in tech: skills-first hiring, micro-credentials and inclusive Oregtreach, getting skills right / OECD. Paris : OECD Publishing, 2024. URL: https://www.oecd.com/en/publications/bridging-talent-shortages-in-tech_f35da44f-en.html (дата обращения: 06.04.2025).

10. Rimol M. Gartner survey reveals talent shortages as biggest barrier to emerging technologies adoption. URL: https://www.gartner.com/en/newsroom/press-releases/2021-09-13-gartner-survey-reveals-talent-shortages-as-biggest-barrier-to-emerging-technologies-2021-09-13 (дата обращения: 06.04.2025).

11. Women in tech: the best bet to solve Europe's talent shortage / S. Blumberg, M. Krawina, E. Mäkela, H. Soller. URL: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/women-in-tech-thebest-bet-to-solve-europes-talent-shortage (дата обращения: 06.04.2025).

12. Анализ методик прогнозирования потребности в педагогических кадрах региональных систем общего образования / Ю.С. Тюнников, Х.А.С. Халадов, Т.Ю. Медведева [и др.] // Вестник Южно-Уральского государственного гуманитарно-педагогического университета. 2023. № 5 (177). С. 187–224. doi:10.25588/CSPU.2023.177.5.010.

13. Стратегия образования: основы формирования, методы оценки и прогнозирования : научнопрактическое пособие для руководителей и специалистов системы образования / В.В. Рябов, Н.П. Пищулин, Ю.В. Фролов [и др.]. Москва : Моск. гор. пед. ун-т, 2003. 206 с.

14. Фролов Ю.В., Босенко Т.М. Тренды кадрового обеспечения цифровизации экономики в Российской Федерации // Актуальные проблемы теории и практики обучения математике, информатике и физике в современном образовательном пространстве : сб. ст. III Всерос. (с междунар. участием) науч.- практ. конф., Курск, 10–11 дек. 2019 г. / ответственный редактор В.Н. Фрундин. Курск : Курский гос. унт, 2019. С. 56–58.

15. Подвойский Г.Л., Прокудин В.А. Дефицит работников в новых условиях развития национальной экономики // Социально-трудовые исследования. 2024. Т. 55, № 2. С. 41–53. doi:10.34022/2658-3712-2024-55-2-41-53.

16. Информационно-аналитические материалы по результатам проведения мониторинга деятельности образовательных организаций высшего образования / ГИВЦ Рособразование. URL: https://monitoring.miccedu.ru/?m=vpo (дата обращения: 10.04.2025).

17. Индикаторы образования, 2024 : стат. сб. / [Н.В. Бондаренко, Т.А. Варламова, Л.М. Гохберг и др.] ; Нац. исслед. ун-т «Высшая школа экономики». Москва : НИУ ВШЭ, 2024. 452 с.

18. Попова А.М. Применение индексного метода в анализе сложных социально-экономических явлений // Экономика. Управление. Финансы. 2023. № 1 (31). С. 115–120.

19. Gerstorfer Y., Hahn-Klimroth M., Krieg L. A notion of feature importance by decorrelation and detection of trends by Random Forest regression // Data Science Journal. 2023. Vol. 22. Pp. 1–14. doi:10.5334/dsj2023-042.