Экономико-математический инструментарий снижения информационной асимметрии на рынке труда тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Артеева Валерия Семеновна

• Артеева Валерия Семеновна
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Артеева Валерия Семеновна

ВВЕДЕНИЕ

1. ТЕОРЕТИЧЕСКИЕ И МЕТОДИЧЕСКИЕ ОСНОВЫ ИДЕНТИФИКАЦИИ КОМПЕТЕНЦИЙ РАБОТНИКОВ, ТРЕБУЕМЫХ НА РЫНКЕ ТРУДА, В УСЛОВИЯХ ИНФОРМАЦИОННОЙ АСИММЕТРИИ

1.1. Особенности современного рынка труда в экономической системе страны и регионов в условиях информационной асимметрии

1.2. Анализ и систематизация типов и причин несоответствия компетенций, требуемых на рынке труда, обусловленных информационной асимметрией

1.3. Методы оценки несоответствий компетенций, вызванных информационной асимметрией

1.4. Методы обеспечения информационной базы для определения спроса на компетенции на рынке труда

Выводы по первой главе

2. МЕТОДЫ, МОДЕЛИ И ИНСТРУМЕНТЫ АНАЛИЗА СООТВЕТСТВИЯ КОМПЕТЕНЦИЙ ТРЕБОВАНИЯМ РЫНКА ТРУДА И ОЦЕНКИ ВЗАИМОСВЯЗИ КАЧЕСТВА ОБРАЗОВАНИЯ И УРОВНЯ ЗАРАБОТНЫХ ПЛАТ

2.1. Эконометрические модели анализа сигналов о качестве образования на основе исследования уровня заработной платы

2.1.1. Спецификация эконометрических моделей и постановка гипотез

2.1.2. Характеристика выборки по оценке взаимосвязи качества образования и уровня заработных плат

2.2. Механизм снижения асимметрии информации в процессах принятия решений о структуре и содержании образовательной программы в вузе как субъекте экономической деятельности

2.2.1. Алгоритм и инструментарий обработки слабоструктурированных открытых данных на естественном языке о требуемых на рынке труда компетенциях

2.2.2. Метод графов: статистический анализ и визуализация данных по требуемым на рынке труда компетенциям

2.2.3. Общее описание механизма снижения асимметрии информации в процессах принятия решений о структуре и содержании образовательной программы

3. РЕЗУЛЬТАТЫ ЭКОНОМЕТРИЧЕСКОГО МОДЕЛИРОВАНИЯ СИГНАЛОВ О КАЧЕСТВЕ ОБРАЗОВАНИЯ И АПРОБАЦИЯ МЕХАНИЗМА

СНИЖЕНИЯ АСИММЕТРИИ ИНФОРМАЦИИ НА РЫНКЕ ТРУДА

3.1. Результаты эконометрического моделирования сигналов о качестве образования на основе исследования заработной платы на рынке труда

3.1.1. Результаты эконометрического моделирования оценки вклада уровня образования и повышения квалификации в заработную плату

3.1.2. Результаты эконометрического моделирования оценки вклада горизонтального соответствия в заработную плату

3.2. Результаты реализации механизма снижения асимметрии информации в процессах принятия решений о структуре и содержании образовательной программы в 2020 и 2023 году

3.2.1. Идентификация требуемых на рынке труда компетенций по профессиям аналитик данных и бизнес-аналитик в 2020 году

3.2.2 Оценка несоответствия формируемых в рамках образовательной программы и требуемых на рынке труда компетенций в 2020 году

3.2.3. Идентификация требуемых на рынке труда компетенций по профессиям аналитик данных и бизнес-аналитик в 2023 году

3.2.4. Оценка несоответствия формируемых в рамках образовательной программы и требуемых на рынке труда компетенций в 2023 году

3.3. Рекомендации по созданию модуля внутривузовской информационной системы исследования потребностей рынка труда

Выводы по третьей главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

ПРИЛОЖЕНИЕ В

ПРИЛОЖЕНИЕ Г

Введение диссертации (часть автореферата) на тему «Экономико-математический инструментарий снижения информационной асимметрии на рынке труда»

ВВЕДЕНИЕ

Актуальность темы диссертационного исследования.

Цифровизация экономики предполагает развитие и распространение инноваций, процессов автоматизации, что приводит к трансформации бизнес-моделей предприятий. Так, развитие получают такие технологии, как большие данные, машинное обучение, технологии дополненной реальности, робототехники и облачных вычислений. Применение цифровых технологий приводит к проблеме несоответствия спроса и предложения на рынке труда: работодатели не могут найти специалиста требуемой квалификации, а соискателю не хватает имеющихся компетенций. Следовательно, возникает разрыв между имеющимися и требуемыми компетенциями.

В условиях цифровизации экономики системе образования достаточно сложно обеспечить молодое поколение полным комплексом компетенций, востребованных на рынке труда. Причиной этого является отсутствие информации о результатах трудоустройства выпускников на рынке труда, что затрудняет оценку эффективности образовательных программ и инвестиций в высшее образование; а также отсутствие информации об изменении спроса на их компетенции, что препятствуют эффективной подготовке кадров в университетах и не позволяет актуализировать учебные программы. Эти проблемы становятся особенно важными в настоящее время из-за высокой скорости технологического развития и внедрения цифровых технологий.

Наличие актуальных данных о трудоустройстве выпускников и динамике изменения спроса на их компетенции становится неотъемлемой частью эффективного управления образовательными программами. В условиях отсутствия информации университеты оказываются в сложном положении, не имея возможности прогнозировать будущие требования рынка труда и подстраивать свои образовательные практики под эти изменения. Всё это может привести к несоответствию компетенций выпускников потребностям работодателей, снижению шансов выпускников на успешную карьеру и увеличению структурной безработицы.

Таким образом, разработка экономико-математического инструментария снижения информационной асимметрии в процессе подготовки специалистов для рынка труда становится необходимостью. Этот инструментарий может помочь университетам более точно анализировать данные о трудоустройстве выпускников и спросе на их компетенции, что, в свою очередь, позволит им эффективно адаптировать свои программы и обучение под текущие и будущие потребности рынка труда, уменьшив несоответствие компетенций и дисбаланс на рынке, что обеспечит экономику более квалифицированными молодыми кадрами.

Степень разработанности проблемы.

Моделированию дифференциации заработных плат индивидов на основании сигналов о «высоком качестве» образования были посвящены труды следующих исследователей: Бакши С.К., Гимпельсон В.Е., Емелина Н.К., Зинченко Д. И., Ливински Ю., Малкина М. Ю., Минцер Я., Овчинников В. Н., Патринос Х.А. Потанин Б. С., Псахаропулос Г., Рожкова К. В., Рощин С. Ю., Рудаков В.Н., Чакраборти Т.,и др.

Методы и подходы оценки несоответствия компетенций и навыков, методы и инструменты оценки спроса на компетенции были рассмотрены в трудах следующих исследователей: Азар Дж., Александрова Е.А., Алексеева Л., Верма А., Викрамасингхе В., Виньоль А., Гардинер А., Грут В., Деминг Д., Дёрфлер Л., Джине М., Долтон П., Заборовская О.В., Ильин И.В., Кан Л. Б., Кейнянен М., Коуди П., Кудрявцева Т.Ю., МакГиннесс С., Мальцева В.А., Осхайм К.Л., Родионов Д.Г., Розенберг С., Рутнер П., Самила С., Схведиани А.Е., Тейлор Ф., Терников А.А., Уильямс С., Хартог Дж., Хиранрат К., Шопова Т. и др.

Анализу и моделированию динамики рынка труда и развитию кадрового потенциала экономики посвящены работы следующих исследователей: Борисов К., Вишневская Н.Т., Воронина Д.Е., Зайцев А.А., Ильясов Р.Х., Капелюшников Р.И., Кузнецов С. В., Курзенев В. А., Мальцева А.В., Перекрест В. Т., Перекрест И. В., Шаныгин С.И., Шарафанова Е.Е. и др.

Также, в ходе проведения анализа и моделирования исследуемых процессов были применены положения, описанные в работах следующих исследователей: Айвазян С., Афанасьев А.А., Викторова Н.Г., Вулдридж Д., Грин У., Картаев Ф., Кеннеди П., Кочинев Ю.Ю., Лёвина А.И., Светлов Н.М., Силкина Г.Ю., Соколицын А.С.

Целью диссертационного исследования является разработка экономико-математического инструментария снижения информационной асимметрии, возникающей в результате взаимоотношений между индивидом, работодателем и высшим учебным заведением.

Задачи исследования:

1. Систематизация и анализ методов идентификации требуемых на рынке труда компетенций и оценке их несоответствия в условиях информационной асимметрии.

2. Проведение эконометрического моделирования взаимосвязи сигналов о качестве образования и уровня заработной платы.

3. Уточнение и апробация алгоритма и инструментария анализа и идентификации ключевых компетенций, представленных в вакансиях с онлайн-биржи труда.

4. Уточнение и апробация подхода к статистическому анализу и визуализации данных по требуемым на рынке труда компетенциям с использованием графового метода.

5. Разработка и апробация механизма снижения асимметрии информации в процессах принятия решений о структуре и содержании образовательной программы с использованием программного инструментария и статистических методов обработки данных, разработка рекомендаций по созданию внутривузовской информационной системы исследования потребностей рынка труда.

Объектом исследования является рынок труда.

Предметом исследования является процесс формирования информационной асимметрии на рынке труда в результате взаимоотношений между индивидом, работодателем и высшим учебным заведением.

Обоснованность и достоверность результатов исследования подтверждается общей логикой исследования, которая позволила уточнить эконометрические модели для анализа экономических процессов на рынке труда, экономико-математический инструментарий снижения информационной асимметрии на рынке труда на основании анализа трудов отечественных и зарубежных исследователей. Полученные результаты проверены на реальных экономических объектах и обсуждены на научных площадках, включая международные и российские конференции.

Теоретическая основа исследования включает труды отечественных и зарубежных исследователей в области экономико-математического и эконометрического моделирования, методов визуализации и анализа данных о компетенциях, оценки спроса на компетенции, оценки несоответствия компетенций.

Методология и методы исследования включают количественные методы, методы научного синтеза, а также экономико-математического и эконометрического, статистического, графового и сравнительного анализа.

Информационная база исследования включает данные «Российского мониторинга экономического положения и здоровья населения НИУ ВШЭ (RLMS ЖЕ)», проводимого Национальным исследовательским университетом «Высшая школа экономики» и ООО «Демоскоп» при участии Центра народонаселения Университета Северной Каролины в Чапел Хилле и Института социологии Федерального научно-исследовательского социологического центра РАН (Сайты обследования RLMS ЖЕ: http://www.hse.ru/rlms и https://rlms-hse.cpc.unc.edu)», а также данные вакансий с онлайн-биржи труда HeadHunter.

Научная новизна состоит в развитии экономико-математических методов, моделей и инструментов, способствующих снижению

информационной асимметрии рынка труда на основе уточнения спецификации эконометрических моделей оценки рыночной премии к заработной плате индивида за имеющееся образование и квалификацию и разработки программного инструментария, позволяющего за счёт анализа слабоструктурированных данных вакансий на естественном языке оценивать динамику спроса на компетенции исследуемых профессий, а за счёт синтеза статистических методов обработки данных и методов выявления несоответствий оценивать содержание образовательных программ.

Положения, выносимые на защиту и обладающие научной новизной:

1. На основе анализа сущности взаимодействия работодателей, университетов и индивидов на рынке труда в условиях информационной асимметрии разработана концептуальная модель их взаимодействия, обоснована целесообразность синтеза экономико-математических методов с целью разработки инструментов и механизмов снижения информационной асимметрии, приводящей к дисбалансу спроса и предложения на рынке труда, обусловленному различными типами несоответствий компетенций индивидов.

2. Проведено эконометрическое моделирование оценки вклада в заработную плату различных характеристик индивида, являющихся сигналами о качестве образования, в целях снижения асимметрии информации на рынке труда. Отличительной особенностью моделей является включение в них параметров, позволяющих оценить рыночную премию за повышение квалификации и горизонтальное соответствие специальности полученного образования профессии.

3. Уточнен и апробирован алгоритм и инструментарий анализа и идентификации ключевых компетенций, представленных в вакансиях с онлайн-биржи труда. Отличительной особенностью данного алгоритма является выделение требуемых на рынке труда компетенций по результатам обработки слабоструктурированных открытых данных на естественном языке,

что позволяет оценивать в динамике изменения компетентностного профиля специалистов заданной профессии.

4. Уточнен и апробирован подход к анализу требуемых на рынке труда компетенциях, позволяющий с помощью метода графов визуализировать и идентифицировать кластеры компетенций в зависимости от частоты их упоминания в одной вакансии. Отличительной особенностью данного подхода является использование метода модулярности для идентификации кластеров компетенций специалистов с различным опытом работы.

5. Разработан и апробирован механизм снижения асимметрии информации в процессах принятия решений о структуре и содержании образовательной программы с использованием программного инструментария и статистических методов обработки данных, обосновано использование механизма в качестве основы для создания модуля исследования потребностей рынка труда внутривузовской информационной системы. Отличительной особенностью механизма является интеграция алгоритма и инструментария анализа и идентификации ключевых компетенций в целях оптимизации процесса принятия решений о структуре и содержании образовательных программ на основании информации о выявленных несоответствиях.

Теоретическая значимость диссертационного исследования состоит в уточнении методических подходов к анализу данных о трудоустройстве выпускников и изменении спроса на их компетенции с позиций развития экономико-математического инструментария принятия решений субъектами экономической деятельности о структуре и содержании образовательных программ с использованием программных инструментов и статистических методов обработки данных.

Практическая значимость диссертационного исследования состоит в создании универсального алгоритма, позволяющего определять ключевые компетенции, производить статистический анализ и визуализацию данных по требуемым на рынке труда компетенциям с использованием графового

метода. Данный алгоритм является составным элементом универсального механизма снижения асимметрии информации в процессах принятия решений о структуре и содержании образовательной программы. Получено Свидетельство о государственной регистрации программы для ЭВМ № 2023666133 «Программа для сбора и первичной обработки информации о вакансиях, размещённых на онлайн-платформах по поиску работы и сотрудников». Апробация разработанного алгоритма и механизма была проведена при актуализации образовательной программы СПбПУ 38.04.01_30 «Экономика ИТ и бизнес-анализ».

Соответствие диссертации Паспорту специальностей ВАК. Диссертационное исследование соответствует специальности 5.2.2. Математические, статистические и инструментальные методы в экономике: 4. Разработка и развитие математических и компьютерных моделей и инструментов анализа и оптимизации процессов принятия решений в экономических системах; 14. Эконометрические и статистические методы анализа данных, формирования и тестирования гипотез в экономических исследованиях. Эконометрическое и экономико-статистическое моделирование; 18. Развитие и применение инструментария проектирования, разработки и сопровождения информационных систем в интересах субъектов экономической деятельности.

Апробация результатов исследования. Основные результаты исследования демонстрировались и докладывались на всероссийских и международных научно-практических конференциях: Всероссийская научно-практическая и учебно-методическая конференция «Фундаментальные и прикладные исследования в области управления, экономики и торговли» (ФИПИ-2023, Санкт-Петербург); International Scientific Conference «Digital Transformation on Manufacturing, Infrastructure and Service» (DTMIS 2022, Санкт-Петербург); 4th International Scientific Conference on Innovations in Digital Economy (SPBPU IDE-2022, Санкт-Петербург); The 20th the European

Conference on Knowledge Management (ECKM-2019, Lisbon); Неделя науки СПбПУ (Санкт-Петербург, 2018, 2019).

Полученные результаты также были апробированы в рамках следующих грантов, субсидий и проектов: Грант Президента РФ МК-1969.2022.2, тема «Методы и модели оценки эффективности инвестиций в высшее образование», 2022-2023; Субсидия физическим лицам в возрасте до 35 лет, являющимися молодыми учеными, молодыми кандидатами наук вузов, отраслевых и академических институтов, расположенных на территории Санкт-Петербурга, 2022 г., тема проекта: «Совершенствование методики разработки и актуализации образовательных программ высшего образования в целях преодоления несоответствия спроса и предложения на рынке труда»; Проект «Команда «под ключ» в рамках стратегического проекта «Технополис "Политех"» Программы стратегического академического лидерства «Приоритет-2030»; Государственное задание «Разработка методологии формирования инструментальной базы анализа и моделирования пространственного социально-экономического развития систем в условиях цифровизации с опорой на внутренние резервы» (FSEG-2023-0008), 2023; грант преподавателям магистратуры благотворительной программы «Стипендиальная программа Владимира Потанина» в 2022/2023 учебном году по магистерской программе СПбПУ: «Анализ и моделирование больших данных в экономике» (соисполнитель проекта). Также, разработки активно используются на следующих курсах и образовательных программах ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого»: «Введение в профессиональную деятельность» (ООП 01.03.05_01 «Анализ данных в экономике»), «Эконометрика» (ООП 38.03.01 «Экономика»).

Публикации. По теме диссертации было опубликовано 18 трудов общим объёмом - 14,95 п.л. (авторский вклад 11,2 п.л.), в том числе 6 трудов в изданиях, рекомендованных ВАК, общим объёмом 3,7 п.л. (авторский вклад 2,75 п.л.), 1 монография, 3 статьи в изданиях, проиндексированных в международной базе Scopus, зарегистрирована 1 программа для ЭВМ.

Структура и объем диссертационной работы. Диссертационное исследование включает введение, три главы и заключение. Во введение обоснована актуальность исследования. В первой главе приведены теоретические и методические основы идентификации компетенций работников, требуемых на рынке труда, в условиях информационной асимметрии. Во второй главе уточнены методы, модели и инструменты анализа соответствия компетенций требованиям рынка труда и оценки взаимосвязи качества образования и уровня заработных плат. В третьей главе представлены результаты эконометрического моделирования сигналов о качестве образования и апробация механизма снижения асимметрии информации на рынке труда. Объем диссертационного исследования составляет 202 страницы. В работе использовано 23 рисунка, 44 таблицы, 4 приложения. Список литературы состоит из 143 источников.

Диссертация выполнена в рамках гранта Президента Российской Федерации «Методы и модели оценки эффективности инвестиций в высшее образование» (МК-1969.2022.2).

1. ТЕОРЕТИЧЕСКИЕ И МЕТОДИЧЕСКИЕ ОСНОВЫ ИДЕНТИФИКАЦИИ КОМПЕТЕНЦИЙ РАБОТНИКОВ, ТРЕБУЕМЫХ

НА РЫНКЕ ТРУДА, В УСЛОВИЯХ ИНФОРМАЦИОННОЙ

АСИММЕТРИИ

1.1. Особенности современного рынка труда в экономической системе страны и регионов в условиях информационной асимметрии

Рынок труда является сложной динамической социально-экономической системой вовлечения человеческих ресурсов в экономику через обмен, т.е. экономические отношения, связанные с их куплей-продажей [47]. Спрос представлен работодателями, размещающими вакансии, т.е. покупателями рабочей силы, а предложение - соискателями, оставляющими резюме, т.е. продавцами.

Проблема трансформации рынка труда является одной из самых фундаментальных проблем, затрагивающих каждого отдельного индивида, организации и предприятия, регионы и страну в целом. Рассмотрим главные особенности его развития.

1. Цифровая трансформация и автоматизация. Внедрение новых технологий, таких как искусственный интеллект и робототехника, изменяет требования к навыкам и занятости [4]. Некоторые процессы становятся автоматизированными и больше не требует человеческого вмешательства, и «технологии позволяют перенаправить силы трудовых ресурсов на более значимые задачи и минимизировать отрицательные эффекты человеческого фактора» [19, 27].

Технологические сдвиги меняют спрос и предложение на рынке труда, организационные и содержательные основы работы [5, 61, 114]. Оцифровываются многочисленные предметы и средства труда, что приводит к новым формам сотрудничества и обмена. Люди, товары и машины становятся все более взаимосвязанными. Так, трудовая деятельность становится более прозрачной, расширяются практика и границы использования цифровых технологий для решения рабочих задач,

формируется пространство для получения непрерывного образования, что приводит к улучшению качества трудовых ресурсов и повышению требований к ним [20, 29, 65]. Сбор и анализ неструктурированных и слабоструктурированных данных через алгоритмы, цифровые приложения, устройства могут сделать контролируемым каждое движение, в том числе и при исполнении трудовых обязанностей [5]. Так, И.В. Ильин, А.И. Лёвина и Е.Н. Ажеганова отмечают, что в условиях цифровой трансформации становится актуальным вопрос создания единой базы знаний, способствующей повышению компетентности работников, увеличению скорости и эффективности принятия решений [35].

М. Барзаева и Р. Ильясов выделяют следующие концепции, связанные с трансформацией рынка профессий: SBTS - теория технологического прогресса с уклоном в пользу высококвалифицированной рабочей силы (skills-biasted technical Change,) и RBTC - теория вытеснения рутинного труда (routine-biast technology Change) [81]. «Теория SBTC подчеркивает рост спроса на высококвалифицированную рабочую силу и подчеркивает спрос на навыки, связанные с цифровизацией и информационными технологиями. Теория RBTC указывает на серьёзное влияние цифровизации на рынок труда. Растет спрос на должности, связанные с нерутинными интеллектуальными задачами, в то же время снижается спрос на позиции, основанные на легко автоматизируемых рутинных действиях» [81].

Как следствие, в связи с быстро распространяющейся цифровизацией корпорациям и государству в скором времени придется столкнуться с решением проблемы структурной безработицы, которая может возникнуть в результате цифровой трансформации отраслей. Как отмечает С.В. Кузнецов и др.: «представляются вполне ожидаемым высокие риски появления достаточно масштабной безработицы в ходе проводимой в настоящее время политики цифровизации экономики (угрозы «цифровой безработицы»)» [42]. Так, внедрение систем автоматизации и роботизации ставит под угрозу исчезновения/трансформации сотни тысяч рабочих мест [13; 14; 15]. К

примеру, по данным Глобального института McKinsey, «уже к 2036 году может быть автоматизировано от 2 до 50% работы, выраженной в человеко-часах, а к 2066 году эта доля может достичь от 46 до 99%» [11].

Цифровизация российской экономики ставит работников и работодателей перед необходимостью адаптации к новым условиям труда[12, 13]. Прогнозируемая обширная компьютеризация и трансформация не будет такой стремительной и массовой. Многие рабочие места будут по-прежнему требовать человеческого контроля [28]. Так результаты проведенного интервью В. Халалом и др. показали, что наиболее популярными инструментами предотвращения и снижения безработицы являются: мероприятия по совершенствованию системы образования и содействие развитию предпринимательству [21]. Необходимо, чтобы государство, бизнес и учебные заведения вместе обдумали проблему увеличивающегося разрыва между предложением и спросом на кадры, востребованные в цифровой экономике, и предприняли ряд мероприятий по подготовке к грядущим изменениям, а также переподготовке и трудоустройству высвобождаемой в результате структурных изменений рабочей силы [23, 31, 44, 127].

Таким образом, решение проблемы трансформации рынка труда лежит в развитии и формировании требуемых компетенций у нынешних специалистов и студентов высших учебных заведений через взаимодействие работодатели-высшие учебные заведения, модернизацию системы образования, онлайн-платформы и курсы переподготовки. Следовательно, необходимо иметь представление, какие компетенции и навыки будут востребованы.

2. Рост спроса на STEM-профессии. В связи с непрерывной цифровой трансформацией экономики спрос на выпускников и специалистов с навыками в области естественных наук, технологий, инженерии и математики (STEM) продолжает уверенно расти. Это связано с тем, что в мире современных технологий STEM-профессии являются двигателем инноваций, развития и конкурентоспособности компаний и стран. Так, А. Акаев и др.

подчеркивают, что «структурный переход от подготовки специалистов средней квалификации к подготовке высококвалифицированных специалистов в STEM-области станет ключевым моментом в развитии образования. Кроме того, страны, которым удастся справиться с этой структурной проблемой в течение короткого периода времени, получат значительные конкурентные преимущества на международных рынках высокотехнологичных товаров и услуг» [73].

STEM-специалисты способны разрабатывать и внедрять новые технологии, решать сложные инженерные задачи, анализировать данные, создавать программное обеспечение. Их компетенции становятся все более ценными в контексте растущей автоматизации, искусственного интеллекта и цифровых платформ [87, 141].

По состоянию на 2021 г. в мировом рейтинге STEM-профессий абсолютными лидерами являются разработчики программного обеспечения. Кроме того, необходимость анализировать значительные объемы информации определяет увеличенный спрос на аналитиков данных. В России сохраняются многие тенденции в развитии STEM-профессий, так общими как в мировом, так и в российском рейтинге топ-15 STEM-профессий являются: физики, математики, химики, разработчики ПО, аналитики данных, инженеры-механики, инженеры-строители, инженеры по электротехнике (Рисунок 1) [48]. «Вместе с тем есть существенные различия, которые отражают особенности рынка труда, обусловленные структурой национальной экономики, в частности значительную долю добывающей и обрабатывающей промышленности и сравнительно небольшой ИТ-сектор» [48].

Ранг Профессии Области STEM Индекс значимости

1 Физик mm

2 Математик

3 Химик, инженер-химик mm ^Ж 0,28

4 Разработчик программного обеспечения W<>2 1 0,05

5 Агроном, инженер сельскохозяйственного производства т<$ 1 0.04

6 Аналитик данных (data scientist) ты 1 0,04

7 Геодезист-топограф т<$ 1 0,04

8 Инженер-технолог 1 0,03

9 Специалист по кибербезопасности ш 1 0,03

10 Биофизик т 1 0,03

11 Инженер-механик <е 1 0,03

12 Биоинформатик тш 1 0,03

13 Инженер-строитель <* 1 0,02

14 Горный инженер * 1 0,02

15 Инженер по электротехнике 1 0,02

Естественные науки о«^ Технологии Jt Инженерия fifx"}' Математика ^^ (Science) " (Technology) (Engineering) * (Mathematics)

Проанализированы данные по состоянию на 2021 г с учетом динамики за 5 лет

Расчеты произведены на основе более 30 тыс. публикаций в отраслевых медиа с помощью системы интеллектуального анализа больших данных ¡РОВД. разработанной ИСИЭЗ НИУ ВШЭ с применением передовых технологий искусственного интеллекта.

Индекс значимости профессии показывает ее относительную встречаемость в массиве источников суммарно за период 2017-2021 гт., где 1 соответствует максимальному числу упоминаний. При расчете учитываются частота встречаемости термина, его специфичность и векторная центральность.

Рисунок 1 - Топ-15 STEM-профессий в России на 2021 год [48]

«Самая значимая STEM-профессия на российском рынке — физики (в особенности геофизики). Высокий спрос также и на другие профессии, связанные с добывающей промышленностью: геодезист-топограф и горный инженер. Самая заметная доля наиболее перспективных как на мировом, так и на российском рынке STEM-профессий (по девять позиций) связана с инженерным делом. При этом если в России растет значимость инженерных кадров для сельского хозяйства и инженеров-технологов, то на мировом рынке востребованы инженеры по биомедицинскому оборудованию и в авиакосмической отрасли» [48].

Однако, А. Акаев и др. выявили, что «предложение специалистов, создаваемое современной системой образования по уровню их квалификации, в основном отвечает спросу экономики Третьей промышленной революции, хотя быстро развивающиеся технологии Четвертой промышленной

Список литературы диссертационного исследования кандидат наук Артеева Валерия Семеновна, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. Об утверждении федерального Об утверждении федерального государственного образовательного стандарта высшего образования -магистратура по направлению подготовки 38.04.01 Экономика. URL: https://fgosvo.ru/uploadfiles/FGOS%20VO%203++/Mag/380401_M_3_31082020. pdf (дата обращения 12.03.2023).

2. Положение о разработке Положение о разработке и утверждении образовательных стандартов высшего образования СПбПУ - URL: https://www.spbstu.ru/education/general-information/regulations/ (дата обращения 12.03.2023).

3. Айвазян С.А. Методы эконометрики: учебник/С.А. Айвазян. М.: Магистр: ИНФРА-М, 2010. 512 с.

4. Артеева В. С. Развитие цифровой экономики: анализ исследований о data science / В.С. Артеева, В.В. Бразовская // Цифровая трансформация экономических систем: проблемы и перспективы (ЭК0ПР0М-2022): сборник трудов VI Всероссийской научно-практической конференции с зарубежным участием. 2022. С. 73-77.

5. Артеева В. С. Анализ изменения спроса на компетенции в условиях цифровизации / В.С. Артеева, А.Е. Схведиани // Цифровая экономика и Индустрия 4.0: тенденции 2025: Сборник трудов научно-практической конференции с международным участием. 2019. С. 676-680.

6. Артеева В. С. Особенности инвестиций в образование в условиях цифровой экономики / В. С. Артеева // Неделя науки СПбПУ: Материалы научной конференции с международным участием. 2018. С. 361-364.

7. Артеева В. С. Ретроспективный анализ научных методов оценки спроса на навыки и компетенции // Бизнес. Образование. Право. 2023. №2 3(64). С. 202-209.

8. Артеева В. С. Идентификация и анализ типов несоответствий навыков с использованием библиометрического подхода // Инновации и инвестиции. 2023. № 8. C. 232-235.

9. Артеева В.С. Моделирование факторов дифференциации доходов экономических агентов в России. / В.С. Артеева, А.Е. Схведиани, Е.В. Иванова, М.А. Кропачева // п-Есопоту. 2023. №16 (3). С. 123-134.

10. Артеева В. С., Схведиани А. Е. Методы оценки соответствия компетенций и навыков выпускников требованиям рынка труда // Бизнес. Образование. Право. 2022. № 4(61). С. 188—193.

11. Артеева В. С., Схведиани А. Е. Математическая модель оценки эффективности инвестиций в высшее образование // Экономический анализ: теория и практика. 2021. № 4 (20). С. 772-788.

12. Артеева В.С. Формирование экономических компетенций у студентов технических специальностей при изучении дисциплины «Экономическая культура» / В.С. Артеева, В.В. Бразовская, Д.А. Крыжко, К.С. Кожина // Фундаментальные и прикладные исследования в области управления, экономики и торговли: Сборник трудов всероссийской научно-практической и учебно-методической конференции. Том Часть 7. 2022. С. 1822.

13. Артеева В.С. Предложения по совершенствованию подготовки инженерно-экономических кадров / В. С. Артеева, А. Е. Схведиани // Цифровая экономика, умные инновации и технологии: Сборник трудов Национальной (Всероссийской) научно-практической конференции с зарубежным участием. 2021. С. 541-543.

14. Артеева В.С. Региональная отраслевая специализация и диверсификация: эффекты перелива знаний / В.С. Артеева, А.Е. Схведиани // XIV Санкт-Петербургский конгресс «Профессиональное образование, наука и инновации в XXI веке» (30 ноября - 1 декабря 2022 г.): Сборник материалов / ООО «ЭкспоФорум-Интернэшнл» СПб. 2022. С. 210-212.

15. Артеева В.С. Экономико-математический инструментарий снижения информационной асимметрии на рынке труда: монография / В.С. Артеева, А.Е. Схведиани. М.: Издательский дом «НАУЧНАЯ БИБЛИОТЕКА», 2023. 160 с.

16. Артеева В.С. Алгоритм актуализации образовательных программ высшего образования / В.С. Артеева // Индустрия 5.0, цифровая экономика и интеллектуальные экосистемы (ЭКОПРОМ-2021): Сборник трудов IV Всероссийской (Национальной) научно-практической конференции и XIX сетевой конференции с международным участием. 2021. С. 774-777.

17. Артеева В.С. Оценка соответствия специалиста «инженер-экономист в сфере транспорта» требованиям работодателя методом нечеткой логики / М.В. Анисимова, В.С. Артеева, А.Е. Схведиани, С.Д. Попова // Инновации и инвестиции. 2023. №10. C. 320-323.

18. Артеева В.С. Механизм анализа соответствия программ высшего профессионального образования рыночному спросу на навыки и компетенции выпускников / В. С. Артеева, А. Е. Схведиани // Неделя науки СПбПУ : Материалы научной конференции с международным участием. Том Часть 3.. 2019. С. 391-394.

19. Афанасьев А. А. Оценка фондовооруженности труда в народном хозяйстве РФ за 1990-2018 гг / А. А. Афанасьев, О. С. Пономарева // Стратегическое планирование и развитие предприятий : Материалы XXIII Всероссийского симпозиума, Москва, 12-13 апреля 2022 года. - Москва: Центральный экономико-математический институт РАН, 2022. - С. 151-152. -DOI 10.34706/978-5-8211-0802-9-s2-02. - EDN CJWLBD.

20. Безденежных Т. И., Шарафанова Е. Е. ЦИФРОВАЯ ТРАНСФОРМАЦИЯ КАК ФАКТОР УСТОЙЧИВОГО РАЗВИТИЯ: РЕГИОНАЛЬНЫЙ АСПЕКТ. 2022. C. 29-33.

21. Берндт Э. Р. Практика эконометрики: классика и современность: Учебник / Э. Р. Берндт, Е. Н. Лукаш, С. А. Айвазян. Москва: Юнити-Дана, 2012. 868 с. ISBN 5-238-00859-7.

22. Вишневская Н. Т. и др. Российский рынок труда через призму демографии / Н. Т. Вишневская, В. Е. Гимпельсон, И. А. Денисова [и др.] ; Под редакцией В.Е. Гимпельсона, Р.И. Капелюшникова. - Москва : Национальный исследовательский университет "Высшая школа экономики", 2020. 440 с.

23. Вылкова Е. С., Викторова Н. Г., Евстигнеев Е. Н. Трансформация высшего финансово-налогового образования в современных условиях // Alma mater (Вестник высшей школы). 2021. № 1. C. 43-51.

24. Гимпельсон В. Е., Зинченко Д. И. Цена возраста: заработная плата работников в старших возрастах // Вопросы экономики. 2019. № 11. C. 35-62.

25. Глухов В. В., Картавенко О. А. Оптимизация использования ресурсов при максимизации компетенций выпускника: система математических моделей. // n-Economy. 2020. № 6 (13). C. 41-54.

26. Горина А. П., Орешкина С. А. Проблемы и последствия информационной асимметрии на рынке труда // Вестник Прикамского социального института. 2016. № 3 (75). C. 41-46.

27. Дмитриев Н. Д., Зайцев А. А. Информационный капитал в составе интеллектуального капитала предприятия // Экономические науки. 2021. № 205. C. 34-38.

28. Дмитриев Н. Д., Зайцев А. А., Ильченко С. В. Управление качеством трудового потенциала компании с помощью сокращения трансакционных издержек // Вестник Алтайской академии экономики и права. 2020. № 4-3. C. 305-312.

29. Дыбов А. Н., Соколицын А. С. Цифровое государство как современное качество государственного управления и поддержки малого бизнеса в условиях цифровой экономики 2020.C. 254-259.

30. Емелина Н.К., Рожкова К.В., Рощин С.Ю., Солнцев С.А., Травкин П.В. Выпускники высшего образования на российском рынке труда: тренды и вызовы. М.: Изд. дом ВШЭ. 2022. 160 с.

31. Заборовская О. В. Инновационные подходы к развитию профессионального образования как основа сокращения социальных рисков Industry 4.0 2019. C. 69-76.

32. Заборовская О. В. Профессиональные компетенции выпускников вузов в контексте формирования человеческого капитала региональной экономики 2021.C. 64-69.

33. Земцов С. П., Смелов Ю. А. Факторы регионального развития в России: география, человеческий капитал или политика регионов // Журнал Новой экономической ассоциации. 2018. № 40 (4). C. 84-108.

34. Ильин И. В., Багаева И. В. Требования к компетентностной модели выпускника университета в условиях цифровой экономики // Наука и бизнес: пути развития. 2020. № 4. C. 71-75.

35. Ильин И. В., Лёвина А. И., Ажеганова Е. Н. Обзор моделей управления знаниями // Kant. 2021. № 3 (40). C. 20-25.

36. Ильясов Р. Х. [и др.]. ДЕМОГРАФИЧЕСКИЕ ТЕНДЕНЦИИ КАК ФАКТОР НАПРЯЖЁННОСТИ НА РЫНКЕ ТРУДА В ЧЕЧЕНСКОЙ РЕСПУБЛИКЕ // Вектор экономики. 2020. № 10. C. 30.

37. Каракозов С. Д., Худжина М. В., Петров Д. А. Проектирование содержания профессиональных компетенций образовательного стандарта ИТ-специалиста на основе требований профессиональных стандартов и работодателей // Информатика и образование. 2019. № 7. C. 7-16.

38. Картаев Ф. Л. Е. Эконометрика. Учебное пособие / Ф. Картаев, Е. Лукаш, Litres, 2017.

39. Кеннеди П. Путеводитель по эконометрике. Книга 1 / П. Кеннеди, Москва: Дело, 2016. 518 с.

40. Кеннеди П. Путеводитель по эконометрике. Книга 2 / П. Кеннеди, Москва: Дело, 2016. 512 с.

41. Кирпиков А. Р. Качественный контент-анализ как метод исследования // Культура, личность, общество в современном мире: методология, опыт эмпирического исследования. Екатеринбург, 2018. 2018. №2 21. C. 67-74.

42. Кузнецов С. В. [и др.]. Потребности региональной экономики в профессиональных кадрах: вопросы цифровизации исчисления и особенности региональной безработицы // Экономика Северо-Запада: проблемы и перспективы развития. 2020. № 1. C. 61-68.

43. Лобов Н. В. [и др.]. Компетентностная модель выпускника: опыт проектирования // Высшее образование сегодня. 2013. № 6. C. 25-33.

44. Макшарипова, Э. А. Проблемы подготовки кадров для цифровой экономики / Э. А. Макшарипова, Р. Х. Ильясов // Социально-экономические и финансовые аспекты развития Российской Федерации и её регионов в современных условиях : материалы I всероссийской научно-практической конференции, Грозный, 23 апреля 2020 года. Грозный: Чеченский государственный университет, 2020. - С. 278-281.

45. Мальцева А. В., Майорова А. В., Сафонова Е. А. Особенности и тенденции развития российского рынка труда в сфере спроса и предложения рабочей силы // Социально-трудовые исследования. 2020. № 4 (41). C. 40-49.

46. Мальцева В. А. Концепция skill mismatch и проблема оценки несоответствия когнитивных навыков в межстрановых исследованиях // Вопросы образования. 2019. № 3. C. 43-76.

47. Манаев В.В., Дирша Е.В. Экономика труда: Учебное пособие для студентов всех форм обучения экономических направлений / Рубцовский индустриальный институт. Рубцовск, 2020. 77 с.

48. Наиболее востребованные STEM-профессии и компетенции / Институт статистических исследований и экономики знаний НИУ ВШЭ [Электронный ресурс]. Режим доступа: URL: https://issek.hse.ru/news/499130554.html (дата обращения 14.03.2023).

49. Нидхем М., Ходлер Э. Графовые алгоритмы. Практическая реализация на платформах Apache Spark и Neo4j // Москва: ДМК Пресс. 2020.

50. Овчинников В. Н., Малкина М. Ю. Детерминанты неравенства в оплате труда в современной России // Terra Economicus. 2019. № 3 (17). C. 3047.

51. Опрос: работа по специальности / Служба исследований hh.ru: Москва, 2023. Режим доступа: https://hhcdn.ru/file/17463835.pdf (дата обращения: 14.03.2023).

52. Пашинян И. А. Контент-анализ как метод исследования: достоинства и ограничения // Научная периодика: проблемы и решения. 2012. № 3. C. 1318.

53. Пиньковецкая Ю. С. Влияние региональных социально-экономических факторов на заработную плату работников малых и средних предприятий // Экономика региона. 2020. № 2 (16). C. 535-546.

54. Развитие навыков Развитие навыков для инновационного роста в России / Всемирный банк. URL: https://lirt.hse.ru/data/2015/04/06/1096342275/russia_skills.pdf (дата обращения: 10.09.2023).

55. Рожкова К. В. [и др.]. Отдача на магистерскую степень на российском рынке труда // Вопросы экономики. 2021. № 8. C. 69-92.

56. Рожкова К. В., Рощин С. Ю. Вознаграждается ли знание иностранного языка на российском рынке труда? // Вопросы экономики. 2019. № 6. C. 122-141.

57. «Российский мониторинг экономического положения и здоровья населения НИУ ВШЭ (RLMS HSE)», проводимым Национальным исследовательским университетом Высшей школой экономики и ООО «Демоскоп» при участии Центра народонаселения Университета Северной Каролины в Чапел Хилле и Института социологии Федерального научно-исследовательского социологического центра РАН. URL: https://rlms-hse.cpc.unc.edu (Дата обращения: 15.01.2023).

58. Рощин С. Ю., Рудаков В. Н. Влияние «качества» вуза на заработную плату выпускников // Вопросы экономики. 2016. № 8 (12). C. 74.

59. Синица А. Л. Заработная плата в общем образовании в регионах России // Народонаселение. 2019. № 2. C. 78-90.

60. Соколов П. В., Каруна Е. Н. Сравнительный анализ методов кластеризации текстовой информации // Вестник Тюменского государственного университета. 2019. № 7. C. 180.

61. Социальные и структурные факторы современного инновационного развития / Н. М. Светлов, В. Е. Дементьев, А. В. Фролов [и др.]. - Москва: Общество с ограниченной ответственностью «Русайнс», 2023. - 260 с. - ISBN 978-5-466-03135-5.

62. Тагаров Б. Ж. Поведение субъектов рынка образования в условиях асимметричной информации // Креативная экономика. 2018. № 5 (12). C. 607618.

63. Терников А. А., Александрова Е. А. Спрос на навыки на рынке труда в сфере информационных технологий // Бизнес-информатика. 2020. № 2 (14). C. 64-83.

64. Терников А. А., Бляхер М. Л. Спрос на знания, умения и навыки в вакансиях: кого готовит университет? // Мир России. Социология. Этнология. 2023. № 2 (32). C. 74-96.

65. Шаныгин С. И. Цифровая трансформация экономики: тенденции, поведение акторов, модели процессов / С.И. Шаныгин, Д. Н. Верзилин, А. А. Волкова, С. А. Калайда [и др.]. - Санкт-Петербург: Санкт- Петербургский государственный экономический университет, 2023. - 283 с.

66. Шаныгин С. И., Зуга Е. И. Заработная плата и производительность труда в России: региональный аспект // Экономика и управление. 2019. № 10 (168). C. 39-49.

67. Шаныгин С. И., Зуга Е. И. Система образования России и национальный проект «Образование»: ситуация и направления развития // Ответственный редактор: СА Белозеров. 2022. C. 587.

68. Шестакова Н. Н., Иванов О. И., Скворцова М. Б. Человеческий потенциал и человеческий капитал российской молодежи, находящейся вне труда и образования: теория и диагностика // Петербургский экономический журнал. 2020. № 4. C. 6-24.

69. Шехмирзова А. М. Компетентностная модель выпускника как целевая составляющая образовательной программы вуза // International Journal of Advanced Studies in Education and Sociology. 2019. № 2. C. 49-59.

70. Щербаков, В. В. Моделирование профессиональной образовательной подготовки логиста цифровой экономики / В. В. Щербаков, Г. Ю. Силкина // Цифровые технологии в логистике и инфраструктуре : Материалы международной конференции, Санкт-Петербург, 10-11 октября 2019 года. -Санкт-Петербург: Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого", 2019. С. 56-64.

71. Aasheim C. L., Williams S., Butler E. S. Knowledge and skill requirements for IT graduates // Journal of Computer Information Systems. 2009. №2 3 (49). C. 48-53.

72. Abbasi F. K., Ali A., Bibi N. Analysis of skill gap for business graduates: managerial perspective from banking industry // Education+ Training. 2018. № 4 (60). C. 354-367.

73. Akaev A. [и др.]. Education system and labor market in the context of digital transformation Springer, 2022. C. 125-143.

74. Al-Obaydy W. N. I. [и др.]. Document classification using term frequency-inverse document frequency and K-means clustering // Indonesian Journal of Electrical Engineering and Computer Science. 2022. № 3 (27). C. 15171524.

75. Al-Shehab N. [и др.]. Do employability skills for business graduates meet the employers' expectations? The case of retail Islamic banks of Bahrain // Higher Education, Skills and Work-Based Learning. 2021. № 2 (11). C. 349-366.

76. Alekseeva L. [и др.]. The demand for AI skills in the labor market // Labour economics. 2021. №71. 32 c.

77. Arteeva V. Competencies for Digital Economy: Economic Engineer for Transport Industry / M. Anisimova, I. Rudskaya, A. Skhvediani, V. Arteeva // International Scientific Conference "Digital Transformation on Manufacturing, Infrastructure & Service". Cham : Springer N.

78. Aslam F. [и др.]. Network analysis of global stock markets at the beginning of the coronavirus disease (Covid-19) outbreak // Borsa Istanbul Review. 2020. (20). C. S49-S61.

79. Ayodele T. O., Oladokun T. T., Kajimo-Shakantu K. Employability skills of real estate graduates in Nigeria: a skill gap analysis // Journal of Facilities Management. 2020. № 3 (18). C. 297-323.

80. Barabási A. L. Barabási A. L. Network Science, 2015 //URL: http://networksciencebook.com (дата обращения: 29.08.2023).

81. Barzaeva M., Ilyasov R. SUSTAINABLE DEVELOPMENT OF THE GLOBAL LABOR MARKET IN THE CONTEXT OF THE TRANSFORMATION OF THE INDUSTRIAL COMPLEX OF THE DIGITAL ECONOMY // Reliability: Theory & Applications. 2022. № SI 4 (70) (17). C. 476-484.

82. Beard C. [и др.]. Network analysis of depression and anxiety symptom relationships in a psychiatric sample // Psychological medicine. 2016. № 16 (46). C. 3359-3369.

83. Billard L. Study of salary differentials by gender and discipline // Statistics and Public Policy. 2017. № 1 (4). C. 1-14.

84. Birch E. R., Preston A. C. The evolving wage structure of young adults in Australia: 2001 to 2019 // Economic Record. 2021. № 318 (97). C. 365-386.

85. Blondel V. D. [и др.]. Fast unfolding of communities in large networks // Journal of statistical mechanics: theory and experiment. 2008. № 10 (2008). C. P10008.

86. Calanca F. [и др.]. Responsible team players wanted: an analysis of soft skill requirements in job advertisements // EPJ Data Science. 2019. № 1 (8). C. 120.

87. Camilli G., Hira R. Introduction to special issue—STEM workforce: STEM education and the post-scientific society // Journal of Science Education and Technology. 2019. (28). C. 1-8.

88. Cedefop Skill mismatch in Europe / Cedefop. Режим доступа: https://www.cedefop.europa.eu/files/9023_en.pdf (дата обращения 31.05.2022).

89. Chakraborty T., Bakshi S. K. English language premium: Evidence from a policy experiment in India // Economics of Education Review. 2016. (50). C. 116.

90. Cimini C. [и др.]. Task Classification Framework and Job-Task Analysis Method for Understanding the Impact of Smart and Digital Technologies on the Operators 4.0 Job Profiles // Sustainability. 2023. № 5 (15). 28 c.

91. Coady P., Byrne S., Casey J. Positioning of emotional intelligence skills within the overall skillset of practice-based accountants: employer and graduate requirements //Accounting Education. 2018. Т. 27. №. 1. С. 94-120.

92. Cummings J., Janicki T. Survey of technology and skills in demand: 2020 update // Journal of Information Systems Education. 2021. № 2 (32). C. 150-159.

93. Deming D., Kahn L. B. Skill requirements across firms and labor markets: Evidence from job postings for professionals // Journal of Labor Economics. 2018. № S1 (36). C. S337-S369.

94. Dench S., Perryman S., Giles L. Employers' Perceptions of Key Skills. / S. Dench, S. Perryman, L. Giles, ERIC, 1998.

95. Dolton P., Vignoles A. The incidence and effects of overeducation in the UK graduate labour market // Economics of education review. 2000. № 2 (19). C. 179-198.

96. Dörfler L., Werfhorst H. G. Van de EMPLOYERS'DEMAND FOR QUALIFICATIONS AND SKILLS: Increased merit selection in Austria, 19852005 // European Societies. 2009. № 5 (11). C. 697-721.

97. Duncan G. J., Hoffman S. D. The incidence and wage effects of overeducation // Economics of education review. 1981. № 1 (1). C. 75-86.

98. European Skills/Competences European Skills/Competences, Qualifications and Occupations [Электронный ресурс]. Режим доступа: https://ec.europa.eu/esco/portal/home (дата обращения 01.05.2023).

99. Gardiner A. [и др.]. Skill requirements in big data: A content analysis of job advertisements // Journal of Computer Information Systems. 2018. № 4 (58). C. 374-384.

100. Green A. Core skills, key skills and general culture: in search of the common foundation in vocational education // Evaluation & Research in Education. 1998. № 1 (12). C. 23-43.

101. Green W.H. Econometric analysis / W.H. Green, 8th ed.-e изд., New York: Pearson, 2018.

102. Groot W., Brink H. M. Van Den Overeducation in the labor market: a meta-analysis // Economics of education review. 2000. № 2 (19). C. 149-158.

103. Gunderson M. A. [и др.]. Ag lending: the next generation // Agricultural Finance Review. 2011. № 3 (71). C. 280-294.

104. Hartog J. Over-education and earnings: where are we, where should we go? // Economics of education review. 2000. № 2 (19). C. 131-147.

105. Háznagy A. [и др.]. Complex network analysis of public transportation networks: A comprehensive study IEEE, 2015.C. 371-378.

106. Hiranrat C., Harncharnchai A. Using text mining to discover skills demanded in software development jobs in Thailand 2018. C. 112-116.

107. International Standard International Standard Classification of Occupations [Электронный ресурс]. Режим доступа: https://www.ilo.org/public/english/bureau/stat/isco/ (дата обращения 01.05.2023).

108. Jenkins A. Companies use of psychometric testing and the changing demand for skills: A review of the literature. Centre for the Economics of Education, London School of Economics and Political Science, 2001. №. 12. 62 c.

109. Joshi A. [и др.]. Developing Evidence-based Population Health Informatics curriculum: Integrating competency based model and job analysis //Online Journal of Public Health Informatics. 2021. Т. 13. №. 1.

110. Kavitha J., Sumathi N. Employability skill gap analysis among the engineering students and industry expectation in Chennai with structural equation model // International Journal of Innovative Technology and Exploring Engineering. 2019. № 7C2 (8). C. 320-326.

111. Keinanen M., Ursin J., Nissinen K. How to measure students' innovation competences in higher education: Evaluation of an assessment tool in authentic learning environments // Studies in Educational Evaluation. 2018. (58). C. 30-36.

112. Kopecny S., Hillmert S. Place of study, field of study and labour-market region: What matters for wage differences among higher-education graduates? // Journal for Labour Market Research. 2021. (55). C. 1-21.

113. Krippendorff K. Content analysis: An introduction to its methodology / K. Krippendorff, Sage publications, 2018.

114. Kudryavtseva T., Skhvediani A., Arteeva V. Theoretical analysis on the effect of digitalization on the labor market 2019.C. 672-679.

115. Liwinski J. The wage premium from foreign language skills // Empirica. 2019. № 4 (46). C. 691-711.

116. Mason J. L. [h gp.]. Labor and skills gap analysis of the biomedical research workforce // The FASEB Journal. 2016. № 8 (30). C. 2673-2683.

117. Mayhew K., Keep E. The assessment: knowledge, skills, and competitiveness // Oxford review of economic policy. 1999. № 1 (15). C. 1-15.

118. McGill M. M. Defining the expectation gap: a comparison of industry needs and existing game development curriculum 2009.C. 129-136.

119. McGuinness S. Overeducation in the labour market // Journal of economic surveys. 2006. № 3 (20). C. 387-418.

120. McGuinness S., Pouliakas K., Redmond P. Skills mismatch: Concepts, measurement and policy approaches // Journal of Economic Surveys. 2018. № 4 (32). C. 985-1015.

121. Mincer J. Schooling, Experience, and Earnings. Human Behavior & Social Institutions No. 2. 1974.

122. Mohd Kamaruzaman F. [h gp.]. Skills gap analysis: Satisfaction and expectation of engineering educators in Malaysia // International Journal of Recent Technology and Engineering. 2019. № 2 (8). C. 447-454.

123. Mytna Kurekova L. [h gp.]. Employers' skill preferences across Europe: Between cognitive and non-cognitive skills // Journal of Education and Work. 2016. № 6 (29). C. 662-687.

124. Payne J. The unbearable lightness of skill: the changing meaning of skill in UK policy discourses andsome implications for education and training // Journal of Education Policy. 2000. № 3 (15). C. 353-369.

125. Prasertsoong N., Puttanapong N. Regional Wage Differences and Agglomeration Externalities: Micro Evidence from Thai Manufacturing Workers // Economies. 2022. № 12 (10). C. 319.

126. Psacharopoulos G., Patrinos H. A. Returns to investment in education: a decennial review of the global literature // Education Economics. 2018. № 5 (26). C. 445-458.

127. R.H. lyasov Innovative Aspects of Personnel Training for the Agrarian-Oriented Region: Problems and Prospects / A. V. Nesterenko, T. Y.Bezdolnaya, E. N. Kushch, R. H. Ilyasov, J. I. Germanova // The Challenge of Sustainability in Agricultural Systems: Volume 2. - Cham : Springer International Publishing, 2021. - C. 301-308.

128. Rodzalan S. A. [h gp.]. TVET skills gap analysis in electrical and electronic industry: perspectives from academicians and industry players // Journal of Technical Education and Training. 2022. № 1 (14). C. 158-177.

129. Rosenberg S., Heimler R., Morote E. Basic employability skills: A triangular design approach // Education+ Training. 2012. № 1 (54). C. 7-20.

130. Sattinger M. Assignment models of the distribution of earnings // Journal of economic literature. 1993. № 2 (31). C. 831-880.

131. Shamki D. The influence of the performance evaluation on salary // Finance, Accounting and Business Analysis (FABA). 2019. № 1 (1). C. 22-32.

132. Shopova T. Digital literacy of students and its improvement at the university // Journal on Efficiency and Responsibility in Education and Science. 2014. № 2 (7). C. 26-32.

133. Sin I., Stillman S., Fabling R. What Drives the Gender Wage Gap? Examining the Roles of Sorting, Productivity Differences, Bargaining, and Discrimination // Review of Economics and Statistics. 2022. № 4 (104). C. 636-651.

134. Singh P. Job analysis for a changing workplace // Human resource management review. 2008. № 2 (18). C. 87-99.

135. Skhvediani A. [и др.]. Identification and comparative analysis of the skills structure of the data analyst profession in Russia // Journal of Education for Business. 2022. № 5 (97). C. 295-304.

136. Skhvediani A., Arteeva V., Sviridenko M. Comparative Analysis of the Framework of Skills of a Data Analyst Job in Russia and the USA 2019.C. 88958902.

137. The Occupational The Occupational Information Network [Электронный ресурс]. Режим доступа: https://www.onetonline.org/ (дата обращения 01.05.2023).

138. Thurow L. C. Thurow L. C. Generating Inequality. New York: Basic Books. 1975.

139. Verma A., Lamsal K., Verma P. An investigation of skill requirements in artificial intelligence and machine learning job advertisements // Industry and Higher Education. 2022. № 1 (36). C. 63-73.

140. Vuksanovic N., Aleksic D. Investment in Education as a Way of Overcoming the Problem of Information Asymmetry in the Labor Market // Economic Themes. 2017. № 3 (55). C. 377-397.

141. Waite A. M., McDonald K. S. Exploring challenges and solutions facing STEM careers in the 21st century: A human resource development perspective // Advances in Developing Human Resources. 2019. № 1 (21). C. 3-15.

142. Wickramasinghe V., Perera L. Graduates', university lecturers' and employers' perceptions towards employability skills // Education+ Training. 2010. № 3 (52). C. 226-244.

143. Wooldridge J.M. Introductory econometrics: A modern approach / J.M. Wooldridge, Nelson Education, 2016.

ПРИЛОЖЕНИЕ А

Таблица А.1 - Топ-30 наиболее часто встречаемых п-грамм, связанных с компетенциями аналитика данных в 2020 году

YHHrpaMMH Частота упоминан ий % упоминан ий от общего числа вакансий EurpaMMbi Частота упоминан ий % упоминан ий от общего числа вакансий Триграммы Частота упоминан ий % упоминан ий от общего числа вакансий

1 sql 65 75.58 machine learning 46 53.49 machine learning methods 8 9.30

2 analysis 61 70.93 data analysis 40 46.51 machine learning models 8 9.30

3 python 59 68.60 big data 21 24.42 answer business questions 7 8.14

4 systems 53 61.63 business intelligence 20 23.26 build operational dashboards 7 8.14

5 reports 48 55.81 work team 20 23.26 complex queries sql 7 8.14

6 english 45 52.33 mathematical statistics 19 22.09 customer problem solving 7 8.14

7 statistics 45 52.33 problem solving 17 19.77 event analytics systems 7 8.14

8 analytics 44 51.16 data analytics 13 15.12 product business metrics 7 8.14

9 analytical 38 44.19 data processing 13 15.12 test product hypotheses 7 8.14

10 models 38 44.19 probability theory 13 15.12 conduct data analysis 6 6.98

11 mathematica l 36 41.86 data science 12 13.95 keep system integration 6 6.98

12 processing 36 41.86 learning methods 11 12.79 present information reports 6 6.98

13 communicat ion 32 37.21 predictive models 11 12.79 visually present information 6 6.98

14 statistical 31 36.05 testing hypotheses 11 12.79 ability work team 5 5.81

15 hypotheses 30 34.88 reports dashboards 10 11.63 communicate slack skype 5 5.81

YHHrpaMMH Частота упоминан ий % упоминан ий от общего числа вакансий EHrpaMMbi Частота упоминан ий % упоминан ий от общего числа вакансий Триграммы Частота упоминан ий % упоминан ий от общего числа вакансий

16 methods 30 34.88 technical documentation 10 11.63 machine learning algorithms 5 5.81

17 research 30 34.88 business metrics 9 10.47 machine learning technologies 5 5.81

18 databases 30 34.88 complex queries 9 10.47 reading technical documentation 5 5.81

19 technical 29 33.72 data mining 9 10.47 statistical data analysis 5 5.81

20 metrics 28 32.56 development product 9 10.47 processing data heterogeneous 4 4.65

21 R 28 32.56 analytics systems 8 9.30 development data marts 4 4.65

22 queries 25 29.07 event analytics 8 9.30 excellent communication skills 4 4.65

23 implementat ion 25 29.07 learning models 8 9.30 mathematical methods economics 4 4.65

24 solving 24 27.91 power bi 8 9.30 structured unstructured data 4 4.65

25 testing 24 27.91 product hypotheses 8 9.30 - - -

26 algorithms 23 26.74 sql queries 8 9.30 - - -

27 dashboards 23 26.74 statistical analysis 8 9.30 - - -

28 platform 23 26.74 conducting ab 7 8.14 - - -

29 writing 21 24.42 data preparation 7 8.14 - - -

30 management 20 23.26 data visualization 7 8.14 - - -

Таблица А.2 - Топ-30 наиболее часто встречаемых п-грамм, связанных с компетенциями бизнес-аналитика в 2020 году

(раз раоотано автором)

YHHrpaMM bl Частота упомина ний % упомина ний от общего числа вакансий EHrpaMMbi Частота упомина ний % упомина ний от общего числа вакансий Триграммы Частота упомина ний % упомина ний от общего числа вакансий

1 processes 615 87.48 business processes 505 71.83 description business processes 144 20.5

2 analysis 503 71.55 technical specifications 259 36.84 business process modeling 119 16.9

3 technical 492 69.99 communication skills 165 23.47 writing technical specifications 110 15.6

4 systems 458 65.15 information systems 151 21.48 optimization business processes 87 12.4

5 implementa tion 398 56.61 work team 122 17.35 setting tasks developers 83 11.8

6 managemen t 355 50.50 software development 115 16.36 technical specifications development 75 10.7

7 documentati on 388 47.51 project management 97 13.80 excellent communication skills 66 9.4

8 software 293 41.68 project documentation 93 13.23 business process automation 65 9.2

9 analytical 293 41.68 business analysis 84 11.95 existing business processes 35 5.0

10 testing 273 38.83 technical education 83 11.81 conducting user training 34 4.8

11 communicat ion 267 37.98 analytical mindset 78 11.10 - - -

12 functional 252 35.85 technical documentation 78 11.10 - - -

% % %

YHHrpaMM bl Частота упомина ний упомина ний от общего EHrpaMMbi Частота упомина ний упомина ний от общего Триграммы Частота упомина ний упомина ний от общего

числа вакансий числа вакансий числа вакансий

13 modeling 238 33.85 optimization business 78 11.10 - - -

14 automation 227 32.29 process modeling 76 10.81 - - -

15 support 224 31.86 ms office 66 9.39 - - -

16 writing 221 31.44 systems thinking 63 8.96 - - -

17 collection 204 29.02 monitoring implementation 59 8.39 - - -

18 coordinatio n 181 25.75 business intelligence 55 7.82 - - -

19 design 181 25.75 problem solving 51 7.25 - - -

20 english 173 24.61 life cycle 50 7.11 - - -

21 optimizatio n 164 23.33 software products 48 6.83 - - -

22 interaction 163 23.19 process automation 45 6.40 - - -

23 1c 155 22.05 analytical skills 45 6.40 - - -

24 notations 150 21.34 system analysis 44 6.26 - - -

25 excel 147 20.91 analytical thinking 43 6.12 - - -

26 bpmn 146 20.77 information system 42 5.97 - - -

27 formalizatio n 144 20.48 conducting presentations 42 5.97 - - -

28 responsibilit y 141 20.06 regulatory documents 37 5.26 - - -

29 thinking 140 19.91 stress resistance 36 5.12 - - -

30 sql 129 18.35 analytical reports 32 4.55 - - -

Таблица А.3 - Топ-30 наиболее часто встречаемых п-грамм, связанных с компетенциями аналитика данных в 2023 году

(разработано автором)

YHurpaMM a Частота упоминан ий % упоминан ий от общего числа вакансий EurpaMMa Частота упоминан ий % упоминан ий от общего числа вакансий Триграмма Частота упоминан ий % упоминан ий от общего числа вакансий

1 sql 441 77.64 business intelligence 239 42.08 writing sql queries 43 7.57

2 analysis 391 68.84 data analysis 187 32.92 preparation analytical reports 31 5.46

3 reports 384 67.61 power bi 121 21.30 development technical specifications 27 4.75

4 systems 354 62.32 business processes 116 20.42 - - -

5 analytical 327 57.57 data marts 84 14.79 - - -

6 python 277 48.77 analytical reports 71 12.50 - - -

7 analytics 263 46.30 data analytics 70 12.32 - - -

8 processes 263 46.30 data visualization 69 12.15 - - -

9 excel 246 43.31 pivot tables 69 12.15 - - -

10 manageme nt 214 37.68 machine learning 69 12.15 - - -

11 databases 198 34.86 testing hypotheses 67 11.80 - - -

12 technical 192 33.80 sql queries 65 11.44 - - -

13 implement ation 169 29.75 communication skills 60 10.56 - - -

14 processing 157 27.64 work team 56 9.86 - - -

15 queries 157 27.64 bi tools 53 9.33 - - -

YHurpaMM a Частота упоминан ий % упоминан ий от общего числа вакансий EurpaMMa Частота упоминан ий % упоминан ий от общего числа вакансий Триграмма Частота упоминан ий % упоминан ий от общего числа вакансий

16 dashboards 154 27.11 bi systems 52 9.15 - - -

17 writing 141 24.82 data processing 52 9.15 - - -

18 models 139 24.47 big data 51 8.98 - - -

19 visualizatio n 139 24.47 window functions 51 8.98 - - -

20 testing 136 23.94 analytical mindset 48 8.45 - - -

21 collection 130 22.89 information systems 48 8.45 - - -

22 hypotheses 129 22.71 mathematical statistics 48 8.45 - - -

23 mathemati cal 129 22.71 complex queries 46 8.10 - - -

24 financial 128 22.54 technical specifications 46 8.10 - - -

25 communic ation 119 20.95 data arrays 43 7.57 - - -

26 analyze 110 19.37 ms sql 41 7.22 - - -

27 statistics 108 19.01 data warehouse 40 7.04 - - -

28 monitoring 102 17.96 power query 40 7.04 - - -

29 automation 100 17.61 analytical skills 39 6.87 - - -

30 conducting 98 17.25 draw conclusions 37 6.51 - - -

Таблица А.4 - Топ-30 наиболее часто встречаемых п-грамм, связанных с компетенциями бизнес-аналитика в 2023 году

(разработано автором)

YHHrpaMMa Частота упомина ний % упоминан ий от общего EurpaMMa Частота упомина ний % упоминаний от общего числа вакансий Триграмма Частота упомина ний % упоминани й от общего

числа вакансий числа вакансий

1 processes 857 85.7 business processes 668 66.8 description business processes 172 17.2

2 systems 710 71 technical specifications 277 27.7 business process modeling 156 15.6

3 analysis 660 66 software development 176 17.6 optimization business processes 117 11.7

4 technical 558 55.8 communication skills 169 16.9 writing technical specifications 77 7.7

5 implementat ion 529 52.9 information systems 156 15.6 setting tasks developers 73 7.3

6 documentati on 486 48.6 work team 126 12.6 excellent communication skills 66 6.6

7 testing 476 47.6 project documentation 124 12.4 existing business processes 65 6.5

8 managemen t 458 45.8 business analysis 122 12.2 technical specifications development 61 6.1

9 analytical 376 37.6 business intelligence 120 12 business process automation 60 6

10 software 351 35.1 technical documentation 97 9.7 analysis business processes 48 4.8

11 bpmn 347 34.7 process modeling 96 9.6 - - -

YHurpaMMa Частота упомина ний % упоминан ий от общего числа вакансий EurpaMMa Частота упомина ний % упоминаний от общего числа вакансий Триграмма Частота упомина ний % упоминани й от общего числа вакансий

12 communicat ion 323 32.3 project management 96 9.6 - - -

13 specificatio ns 309 30.9 writing technical 94 9.4 - - -

14 collection 307 30.7 analytical mindset 88 8.8 - - -

15 functional 299 29.9 optimization business 85 8.5 - - -

16 writing 287 28.7 technical education 81 8.1 - - -

17 modeling 286 28.6 ms office 66 6.6 - - -

18 excel 284 28.4 modeling notations 65 6.5 - - -

19 interaction 278 27.8 life cycle 61 6.1 - - -

20 sql 269 26.9 process diagrams 59 5.9 - - -

21 notations 253 25.3 process automation 57 5.7 - - -

22 design 243 24.3 analytical skills 55 5.5 - - -

23 analyze 234 23.4 presentation skills 55 5.5 - - -

24 automation 234 23.4 product development 55 5.5 - - -

25 conducting 232 23.2 system analysis 55 5.5 - - -

26 analytics 228 22.8 systems thinking 51 5.1 - - -

27 optimizatio n 193 19.3 power point 50 5 - - -

28 reporting 181 18.1 software products 50 5 - - -

29 uml 178 17.8 data collection 49 4.9 - - -

30 collecting 174 17.4 sql queries 49 4.9 - - -

ПРИЛОЖЕНИЕ Б

Таблица Б.1 - Рейтинг компетенций аналитика данных, 2020 (разработано

автором)

Компетенция Категория Частота %

1 sql Structured data management 65 75.58%

2 analysis Decision making skills 61 70.93%

3 python Programming skills 59 68.60%

4 reports Decision making skills 48 55.81%

5 machine learning Advanced modeling/analytics techniques 46 53.49%

6 english Language skills 45 52.33%

7 statistics Statistics 45 52.33%

8 analytical Decision making skills 38 44.19%

9 communication Communication skills 32 37.21%

10 R Statistics 28 32.56%

11 implementation Business process management 25 29.07%

12 testing Decision making skills 24 27.91%

13 big data Big data management 21 24.42%

14 business intelligence Business process management 20 23.26%

15 manage Organization skills 20 23.26%

16 pandas Statistics 18 20.93%

17 problem solving Decision making skills 17 19.77%

18 tableau Visualization solutions 17 19.77%

19 excel Statistics 16 18.60%

20 documentation Communication skills 15 17.44%

21 patterns Data mining 15 17.44%

22 integration Enterprise systems software 15 17.44%

23 internet Networking 15 17.44%

24 visualization Visualization solutions 15 17.44%

25 modeling Decision making skills 14 16.28%

26 work team Organization skills 14 16.28%

27 presentation Communication skills 13 15.12%

28 data processing Data mining 13 15.12%

29 design Decision making skills 13 15.12%

30 probability Statistics 13 15.12%

31 forecasting Data mining 11 12.79%

32 testing hypotheses Statistics 11 12.79%

33 hadoop Big data management 9 10.47%

34 spark Big data management 9 10.47%

35 scipy Statistics 9 10.47%

36 ab Advanced modeling/analytics techniques 8 9.30%

37 classification Data mining 8 9.30%

38 storage Hardware 8 9.30%

39 statistical processing Statistics 8 9.30%

40 power bi Visualization solutions 8 9.30%

41 architecture Hardware 7 8.14%

42 java Programming skills 7 8.14%

Компетенция Категория Частота %

43 postgresql Structured data management 7 8.14%

44 nosql Big data management 6 6.98%

45 unstructured data Big data management 6 6.98%

46 data marts Structured data management 6 6.98%

47 mysql Structured data management 6 6.98%

48 oracle Structured data management 6 6.98%

49 neural networks Advanced modeling/analytics techniques 5 5.81%

50 hive Big data management 5 5.81%

51 business processes Business process management 5 5.81%

52 hardware Hardware 5 5.81%

53 google analytics Specialized analytics solutions 5 5.81%

54 analytical mindset Decision making skills 4 4.65%

55 systems thinking Decision making skills 4 4.65%

56 devices Hardware 4 4.65%

57 jira Project management 4 4.65%

58 spss Statistics 4 4.65%

59 data management Structured data management 4 4.65%

60 dbms Structured data management 4 4.65%

61 pivot tables Structured data management 4 4.65%

Таблица Б.2 - Рейтинг компетенций бизнес-аналитика, 2020 (разработано

автором)

Компетенция Категория Частота %

1 business processes Business process management 505 71.83%

2 analysis Decision making skills 503 71.55%

3 implementation Business process management 398 56.61%

4 documentation Communication skills 388 55.19%

5 analytical Decision making skills 293 41.68%

6 testing Decision making skills 273 38.83%

7 communication Communication skills 267 37.98%

8 technical specifications Business process management 259 36.84%

9 modeling Decision making skills 238 33.85%

10 automation Business process management 227 32.29%

11 design Decision making skills 181 25.75%

12 english Language skills 173 24.61%

13 optimization Business process management 164 23.33%

14 1c Enterprise systems software 155 22.05%

15 notations Business process management 150 21.34%

16 excel Statistics 147 20.91%

17 bpmn Business process management 146 20.77%

18 sql Structured data management 129 18.35%

19 work team Organization skills 122 17.35%

20 uml Business process management 114 16.22%

21 project management Project management 97 13.80%

22 reports Decision making skills 94 13.37%

23 project documentation Project management 93 13.23%

Компетенция Категория Частота %

24 integration Enterprise systems software 83 11.81%

25 architecture Hardware 83 11.81%

26 analytical mindset Decision making skills 78 11.10%

27 presentation Communication skills 75 10.67%

28 jira Project management 67 9.53%

29 ms office Communication skills 66 9.39%

30 erp Enterprise systems software 65 9.25%

31 systems thinking Decision making skills 63 8.96%

32 crm Enterprise systems software 59 8.39%

33 business intelligence Business process management 55 7.82%

34 problem solving Decision making skills 51 7.25%

35 word Communication skills 48 6.83%

36 powerpoint Communication skills 47 6.69%

37 stress resistance Organization skills 36 5.12%

38 forecasting Data mining 33 4.69%

Таблица Б.З - Рейтинг компетенций аналитика данных, 2023 (разработано

автором)

Компетенция Категория Частота %

1 sql Structured data management 441 77.64%

2 analysis Decision making skills 391 68.84%

3 reports Decision making skills 384 67.61%

4 analytical Decision making skills 327 57.57%

5 python Programming skills 277 48.77%

6 excel Statistics 246 43.31%