Исследование рынка труда в категории ИТ-специалистов в России

Дефицит ИТ-кадров — главная проблема сегодняшнего дня на отечественном рынке труда. Прошлый год ознаменовался массовым уходом западных компаний из России. Среди них были и ИТ-компании, такие как Dell, IBM, SAP, Cisco, Accenture, Amazon, Intel, Microsoft, Adobe и др. Многие из них переводили ключевых сотрудников из российских офисов в свои представительства, расположенные в других странах.

По данным международных кадровых агентств, в нашей стране на начало 2022 года было 1,7 млн. ИТ-специалистов, в сентябре говорилось уже о трети релоцированных айтишников.  В настоящее время 80% ИТ-специалистов трудятся дистанционно. В августе 2023 г. глава Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации М. Шадаев на совещании президента России Владимира Путина с кабинетом министров, озвучил потребность ИТ-отрасли в 700 тысяч человек, а, по некоторым оценкам, в условиях тренда на масштабное импортозамещение информационных систем на российский предприятиях к 2027 г., эта потребность достигнет показателя в 2 млн чел.

Наибольший объем спроса на специалистов в ИТ-сфере наблюдается в крупных городах: Москва, Санкт-Петербург, Новосибирск и т. д. Так, в Москве и Московской области на 10 тысяч жителей в трудоспособном возрасте приходится примерно 35 вакансий в сфере ИТ, а в Санкт-Петербурге их количество составляет примерно 23-25 вакансий.

Коллектив ученых Департамента бизнес-информатики Финансового университета при Правительстве РФ, в рамках прикладной научной работы за счет бюджетных средств по государственному заданию Финуниверситета ПНИР-3 «Формирование кадровых экосистем в ИТ-отрасли как решение проблемы сохранения кадрового потенциала отрасли», подготовил аналитическую записку, в которой привел возможные решения задачи восполнения дефицита кадров за счет своевременности подготовки и повышения их квалификации на основе инструментов кадрового прогнозирования и технологий машинного обучения и визуализации данных.

Руководитель Департамента бизнес-информатики, доктор экономических наук, Елена Викторовна Васильева пояснила следующее. Чаще всего данная проблема решается за счет межотраслевого замещение кадров, а именно: путем переподготовки специалистов из других отраслей, а, следовательно, означает дополнительные затраты, которые в конечном итоге отразятся на цене ИТ-продуктов и ИТ-услуг. С другой стороны, увеличение числа ИТ-специалистов широкого профиля не приведет к уменьшению потребности в «узких» специалистах.

Для подготовки кадров определенного уровня квалификации и обладающих конкретным набором знаний требуется проактивно предпринять определенные шаги: специалист не может быть подготовлен одномоментно. Образовательные учреждения должны получить конкретный заказ на его подготовку в виде контрольных цифр приема. Кроме того, высшие и средние заведения должны обладать кадровым составом, способным научить молодых людей конкретным компетенциям.

В связи с этим задача обеспеченности кадрами ИТ-отрасли должна решаться не только с позиции поиска специалистов на текущий момент под конкретную задачу, а рассматриваться шире, в динамике, с точки зрения запроса как для ИТ-отрасли, так и для сферы подготовки персонала различной квалификации.

Была разработана динамическая модель, в которой сопоставляет спрос на кадры определенной квалификации и возможности образовательных учреждений подготовить за определенный срок необходимых специалистов. Модель учитывает, что и сами организации, занимающиеся подготовкой, нуждаются в преподавателях достаточного уровня компетентности.

Доцент Департамента бизнес-информатики, кандидат технических наук, Павел Анатольевич Сахнюк объяснил, каким образом задействованы алгоритмы машинного обучения. В качестве источника данных использовался сервис hh.ru. Для обучения модели много классовой классификации и тюнинга гиперпараметров модели применялся фреймворк H2O функцией AutoML. На начальном этапе решается задача поиска по запросам (ключевым словам) резюме потенциальных сотрудников, заполненные в точной форме на сайте hh.ru, а также в социальных сетях и т. д. Модель необходимо обучить распознавать резюме и его соответствие или несоответствие должностным требованиям: например, определить владение тех или иных компетенций кандидата (умение работать в команде, коммуникабельность, общительность и т. д.). Решение данной задачи усложняется тем, что мы сталкиваемся с текстами — это поисковые запросы (матрица компетенций или должностные требования) и название веб-страниц (название должности, описание требований к кандидату и условий работы и др.). Каждый пример — это пара «описание вакансии — название профессии». Следовательно, перед нами стоит задача понять, насколько они соответствует друг другу по смыслу. Для этого необходимо описание вакансии и название профессии в виде векторов. Иначе говоря, мы должны обучить модель таким образом, чтобы для близких по смыслу текстов она генерировала похожие векторы, а для семантически несвязанных запросов и заголовков вектора должны различаться.

Для проведения разведочного анализа данных воспользуемся возможностями одной из лучших библиотек для проведения EDA–bamboolib, применяемой для автоматизации EDA, cрасширяемым графическим интерфейсом и экспортирующей код Python.

Заметим, что большинство вакансий на hh.ru за апрель 2023 года по нашему запросу относятся к «Аналитик данных». С точки зрения решения поставленной задачи это создает сложность, что может привести на неэффективности машинного обучения, так как из-за дисбаланса данный класс будет предсказываться чаще.

А следующей проблемой является применение математических алгоритмов сопоставления кандидатов, выбор лучших. Здесь также применяются различные приемы, в том числе социологические, управленческие, цель которых — отобрать и сформировать устойчивый базис для кадровой обеспеченности как ИТ-отрасли и вузов на настоящий момент и на перспективу.

По результатам исследования Департаментом бизнес-информатики подготовлена монография, в которой представлены все тонкости решения выбранной сложной задачи восполнения кадрового голода ИТ-отрасли страны.