Foreign experience in forecasting the economy's skilled labor needs

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

In the context of the active development of digital technology, the reorientation of Russian business to work under sanctions, forecasts are the basis for choosing the optimal directions for the development of the economy and the labor market. At the moment there are no unified recommendations in Russia and abroad, in which a priority method of forecasting the needs of the economy in personnel would be singled out.The analyzed foreign models of forecasting demand for personnel have a number of common characteristics. As a rule, the prospective need for personnel is calculated for the medium and long-term periods based on the applied forecasting models (balance, computational models).Based on the comparative analysis of forecasting models, the specifics of the applied forecasting algorithms, comparison of the applied statistical and sociological data are revealed. The article contains an in-depth analysis of the methods of personnel forecasting. Specific conclusions about the application of certain elements of foreign models in the country are drawn. The results of the authors' research can be used by theorists and practitioners in the formation of new approaches to forecasting supply and demand in the Russian labor market.

About the authors

Galina Vasilevna Antonova

Federal State Budgetary Institution “All-Russian Scientific Research Institute of Labor” of the Ministry of Labor and Social Protection of Russia

Email: ant-gal@yandex.ru
Ведущий научный сотрудник отдела рынка труда

Svetlana Egorovna Pashkova

Federal State Budgetary Institution “All-Russian Scientific Research Institute of Labor” of the Ministry of Labor and Social Protection of Russia

Email: Pash-sv@yandex.ru
Старший научный сотрудник отдела рынка труда

Irina Borisovna Omelchenko

Federal State Budgetary Institution “All-Russian Scientific Research Institute of Labor” of the Ministry of Labor and Social Protection of Russia

Email: Irina-om@vcot.info
Директор Центра изучения трудовых отношений и рынка труда, кандидат экономических наук

References

  1. OECD Economic Surveys: New Zealand, 2017. - OECD Publishing, Paris, 2017.
  2. Global Growth to Slow through 2023, Adding to Risk of ‘Hard Landing’ in Developing Economies. [Электронный ресурс]. URL: https://www.worldbank.org/en/news/press-release/2022/01/11/global-recovery-economics-debt-commodity-inequality (дата обращения: 23.02.2023).
  3. European Parliament resolution of 10 September 2015 on creating a competitive labor market in the Union of the 21st century: matching skills and qualifications with the needs and prospects of the labor market as a way out of the crisis (2014/2235 (INI)). [Электронный ресурс]. URL: https://www.europarl.europa.eu/doceo/document/A-8-2015-0222_EN.htm l (дата обращения: 13.04.2023).
  4. Cörvers F., Heijke J. A. Forecasting the labour market by occupation and education: some key issues. - Researchcentrum voor Onderwijs en Arbeidsmarkt, Faculteit der Economische Wetenschappen, 2004.
  5. Goliaš P. Os sociálneho dialógu: Trh práce – školstvo – sledovanie potrieb trhu práce. [Электронный ресурс]. URL: http //www.alianciapas.sk/menu_pravidelne_nazory_05012012 (дата обращения: 17.04.2023).
  6. Vincúr P., Zajac Š. Úvod do prognostiky. - Bratislava: SPRINT, 2007.
  7. Cedefop. Identifying Skills needs. [Электронный ресурс]. URL: http://www.cedefop.europa.eu/en/themes/identifying-skills-needs (дата обращения: 19.06.2023).
  8. Skills supply and demand in Europe Methodological framework. European Centre for the Development of Vocational Training. Luxembourg: Publications Office of the European Union, 2012. [Электронный ресурс]. URL: https://www.cedefop.europa.eu/files/5525 (дата обращения: 19.06.2023).
  9. Luptáčik, M., Koller, W., MAhlberg, B., Schneider, H. Growth and Employment Potentials of Chosen Technology Fields // AUCO Czech Economic Review. – 2008. – № 2(1). – p. 41-75.
  10. Deloitte. Systém zisťovania vzniknutých a zaniknutých pracovných miest predvídanie potrieb trhu práce - národný projekt XIV-2. [Электронный ресурс]. URL: http://www.deloitte.com/view/sk_SK/sk/sluzby/riadeniepodnikovychrizik/narodnyprojektXIV_2/index (дата обращения: 09.06.2023).
  11. Brüggen Elisabeth, Willems Pieter A Critical Comparison of Offline Focus Groups, Online Focus Groups and E-Delphi // International Journal of Market Research. – 2009. – № 51. – doi: 10.2501/S1470785309200608.
  12. Маматов А.В. Методы, модели и алгоритмы построения систем поддержки принятия решений в управлении кадровым потенциалом региона на основе ситуационно-поведенческого подхода. / Дисс…канд. экон.наук: 08.00.05. - Белгород, 2020.
  13. Sudhir Junankar, Ole Lofsnaes, Philip Summerton MDM-E3: A short technical description. - Cambridge Econometrics, 2007.
  14. Castiglioni G., Tijdens K. Skills and occupational needs: labour market forecasting systems in Italy. / AIAS Working. - Universiteit van Amsterdam, 2014.
  15. Zukersteinova A., Strietska-Ilina O. Towards European skill needs forecasting. / Cedefop Panorama series, 137. - Luxembourg: Office for Official Publications of the European Communities, 2007.
  16. Maczulskij, T. Occupational Mobility of Routine Workers. Työpapereita working papers, 327. [Электронный ресурс]. URL: https://labore.fi/wp-content/uploads/2020/02/Tyopaperi327.pdf (дата обращения: 17.03.2023).
  17. BLS, Handbook of Methods. Bulletin of the United States Bureau of Labor Statistics, No.2134. [Электронный ресурс]. URL: https://www.bls.gov/opub/hom (дата обращения: 17.03.2022).
  18. Бессонов В.А., Крючкова П.В., Сальников В.А., Широв А.А. Материалы экспертной дискуссии «Измерение экономических показателей в российской статистике: проблемы и возможные решения». [Электронный ресурс]. URL: https://www.iep.ru/files/Nauchniy_vestnik.ru/1-2017/43-66.pdf (дата обращения: 27.03.2023).
  19. Ткаченко А.А., Гиноян А.Б. Международный опыт прогнозирования качественных характеристик рабочей силы // Финансы: теория и практика. – 2017. – № 1(97).
  20. Пашкова С.Е., Мирзабалаева Ф.И. Практика развития систем страхования на случай безработицы в зарубежных странах // Экономика труда. – 2021. – № 11. – c. 1357-1378. – doi: 10.18334/et.8.11.113790.
  21. Забелина О.В., Мирзабалаева Ф.И., Санкова Л.В. Региональная трансформация напряженности на рынке труда: новые векторы // Лидерство и менеджмент. – 2022. – № 1. – c. 137-160. – doi: 10.18334/lim.9.1.114287.
  22. Антонова Г.В., Кураева Л.Н. Спрос на квалифицированные кадры на рынке труда // Какие кадры нужны экономике России?: Материалы VII Международной научно-практической конференции "Абалкинские чтения", Москва, 23–25 мая 2017 года. – Москва: Российский экономический университет имени Г.В. Плеханова. Москва, 2017. – c. 32-43.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Antonova G.V., Pashkova S.E., Omelchenko I.B.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».