Обзор рынка труда ИТ, HR и медкадры

Заглянули в новый отчёт Hh с обзором динамики вакансий и резюме по отраслям (Россия).
Отчёт говорит, что по-прежнему от 📢дефицита кадров страдают ритейл, медицина и фармацевтика (доля активных вакансий от общего числа в медицине 6%, а доля активных резюме 3 %).
Что касается отрасли, которая находится под наибольшим ⬇️сжатием, то сейчас год к году заметнее всего снизился спрос на специалистов в области Управления персоналом – 44%.

Что в ИТ?

Из того же отчёта Hh: 5 % всех активных вакансий относятся к сфере ИТ - а активных резюме здесь 12% от общего кол-ва всех резюме. При этом доля вакансий снижается на 31% год к году, к июню 2024 года. А прирост по резюме год к году составил + 28%.
👆То есть, можно сказать, что прослеживается тенденция, когда компании все чаще переходят от найма к удержанию специалистов.

Что в мире

По данным международного портала Layoffs, только с начала 2025 года более 52 тысяч IT-специалистов по всему миру лишились работы. Однако массовые увольнения связаны не только с ускоряющимся внедрением ИИ-инструментов, но и со способностью специалистов адаптироваться к новым требованиям рынка.

Что в России, перспективы в ИТ

👍 В России таких масштабных сокращений нет, - говорит руководитель направления "Навыки и карьера" Hh Марина Дорохова. Наоборот, растёт интерес к специалистам по ИИ.

По данным сервиса, за последний год число вакансий с упоминанием 🧠 ИИ превысило 4,2 тысячи предложений (+4%).
Причем в отдельных отраслях ⬆️рост оказался в разы выше: например,
✅ в девелопменте - на 136%,
✅ в образовании - на 101%.
Более того, 10% работодателей готовы 💰повысить зарплаты ИИ-специалистов на 20%, а каждая вторая компания вкладывается в развитие таких навыков у сотрудников.

По мнению директора центра технологий кибербезопасности ГК "Солар" Вартан Минасян, вытеснить человека из IT у ИИ не получится, но ⚙️ трансформировать его компетенции он может.

Это касается и ➡️структуры IT-компании, она меняется вместе с развитием нейросетей. Появляются новые должности:
✅специалисты и аналитики по данным,
✅инженеры по моделям алгоритмов ИИ,
✅аналитики в области машинного обучения.

Возникают и более специфичные позиции, например,
✅эксперт по взаимодействию с ИИ, который занимается внедрением и эксплуатацией ИИ-решений в повседневные процессы организации.

🛡Расширяется круг обязанностей специалистов: к примеру, работники сферы информационной безопасности теперь должны защищать данные от передовых алгоритмов, таких, как синтезирование голоса, фото или видео.

По материалам Интернет-порталов «РГ» и Hh.

@sravniprog #иишная #ит_специализации #кадры

Про конкурсы – реальные, отдельные, мнимые.
В свете того, что вузы опубликовали списки и сейчас сами пытаются разобраться, что у них в них получилось, 😑 нам есть, что тоже сказать. Про конкурсы.

📊 1. БВИ и общий конкурс. Кроме тех вузов, которые обещают взять всех-всех БВИ, которые к ним подали документы, вне зависимости от контрольных цифр приёма (непонятно только, как это - вне зависимости?)
Конкурс БВИ - это не только про то, какое количество абитуриентов с Олимпиадами сейчас претендуют на выделенные бюджетные места, и сколько их сейчас указано в списках для поступления, но и вообще про ВЕСЬ конкурс.
Сейчас поясним.

Когда вуз получает N кол-во заявлений от абитуриентов с БВИ, и это кол-во начинает превышать заявленное кол-во мест, вуз делает следующее.

1). Начинает ждать (до определённого момента, конечно), когда БВИ подадут согласия на зачисления.

2). Если и в этом случае кол-во претендентов с БВИ и согласиями превышает выделенное кол-во мест, то вуз начинает обзванивать абитуриентов и предлагать им зачисление на другие направления (если они указали их, или, если ещё не закончился период подачи документов, то переложить на похожее смежное направление).
Однако сделать это не так просто - как подобрать-то похожую программу? Мы вот подборки программ уже несколько лет делаем и можем сказать, найти похожие программы непросто, особенно, если направление актуальное, новое или, действительно, уникальное.

3). При этом Олимпиадники (БВИ), использующие право на поступление без вступительных, могут участвовать и в других конкурсах (право на БВИ - только в одном вузе, а в общий конкурс могут подать документы в другой вуз, где им зачтут Олимпиаду, как 100 баллов по какому-то предмету)

Далее. Нужно учесть, что списки олимпиад, которые принимает тот или другой вуз – не совпадают. В одном вузе у тебя может быть БВИ, а в другом нет, и там ты можешь реализовать, например, только право на 100 баллов за предмет, который даёт та или иная Олимпиада.

Чем крупнее вуз, тем больше ограничений и меньше список на принимаемые им Олимпиады для БВИ.

Что происходит дальше – Олимпиадник может реализовать своё право БВИ в том вузе, где у него принимают Олимпиаду, а может просто ждать, когда конкурсная ситуация в другом вузе, более «топовом» для него, сложится более благоприятно и более определённо для его баллов ЕГЭ.

Вот тут и начинают происходить тектонические сдвиги конкурсных списков. 🧐

Часть могут уйти, потому что поняли, что 100% проходят в другой вуз, куда больше хотят, и где они поступают не по БВИ.
Часть БВИ могут уйти в другие вузы, потому что не выдержали нервы, а общее кол-во БВИ вышло за контрольные цифры приёма.
А часть - останутся. Эти места и будут вычтены из общего кол-ва бюджетных мест в этом вузе в этом году, и перейдут в общий конкурс.

То есть получается,
что для понимания, какое кол-во мест уходит на конкретном направлении у того или иного вуза на БВИ, и сколько по конкурсу общему остаётся, нужно смотреть не только итоговое кол-во зачисленных по БВИ (в текущей парадигме - это БВИ+согласия, раньше это БВИ+аттестат), но и то кол-во, которое изначально подавалось по БВИ, и процент, который «ушёл».

☝️Вот поэтому все предсказания о зачислениях от разнообразных экспертов рынка поступления и шаблоны по расстановке приоритетов туда «куда вы точно пройдёте со своими баллами ЕГЭ» - это практически профанация, потому что даже Приёмная комиссия на 100% не скажет, какой будет проходной балл в этом году из-за всех вот этих нюансов.

И да, узнать это в текущем году невозможно, а можно только тогда, когда вы выгрузите данные по поданным БВИ за прошлый год и процент ушедших - оставшихся, и сравните, как минимум, несколько периодов. Но кто же вам такие данные сможет дать, они в недрах ИТ систем остаются.

🔖 Поэтому, если вы поступаете в следующих годах – выгружайте и сохраняйте СЕЙЧАС вот это всё по интересующему вас направлению (особенно, если видите, что на нужное направление подаётся большое кол-во БВИ).

И это то, что создает реальный конкурс.

Про отдельный конкурс, про мнимый конкурс дальше...

@sravniprog #инсайты_приёмки

Про конкурсы – реальные, отдельные, мнимые. Часть 2

🔴2. Про конкурс на Общежития – утром сегодня были наши #инсайты_приёмки.
Тут вроде бы всё сказали: отдельный конкурс никак, практически, не связан с общим конкурсом.

Ещё раз напомним, что новые общежития – они для всех – и для 1-курсников (но далеко не во всех вузах туда селят их), и для студентов постарше. Это уже более вероятная история, когда в зависимости от успеваемости вуз поощряет предоставлением места в хорошем новом отремонтированном общежитии.

Это другой конкурс.

👦3. Ну и про мнимый конкурс – кол-во поданных заявлений – это НЕ конкурс. Бессмысленно считать кол-во человек на место исходя из заявлений и ориентироваться на эту цифру.
Каждый абитуриент участвует примерно в 25 конкурсах - 5 вузов по 5 направлений, а если ещё и в направлениях есть несколько профилей/программы, то больше (или меньше, если не указал все 5).

🗯Не слушаем эти цифры, кол-во человек на место по поданным заявлениям – мнимый конкурс.

@sravniprog #инсайты_приёмки

А у нас сегодня особый день отмечают две категории специалистов Pr (сегодня же День пиарщика! поздравляем коллег ⚡️).
И, если так можно сказать, "вынужденный день" Инфобез специалистов - скажем Аэрофлоту спасибо, что напомнил всем нам, как важно внимательно следить за ИТ безопасностью.

❓ По этому поводу спросим вас, хотите вспомнить вместе с нами о специализациях в ИНФОБЕЗЕ (направления обучения в ИБ - информационной безопасности)?

👍ДА, сейчас все специальности в информационной безопасности "на одно" лицо, не знаю что выбрать.

👻 Всё знаю про Инфобез, не нада.


@sravniprog

О чем сегодня писали в канале

🤔 Про конкурс на Общежитие
🤔 Все конкурсные списки вузов в одном посте
🤔 О кадровой ситуации на рынке труда: ИТ, HR и Мед. Специалисты. А ещё о том, как ИИ меняет ситуацию, какие новые должности и роли появляются в компаниях.
🤔 О том, как анализировать конкурсные списки. Что такое конкурс БВИ и как он отражается на общей ситуации.
🤔 О других конкурсах при поступлении
🤔 В каких вузах зафиксировали конкурс БВИ
🤔 Опрос про ИБ-специальности

@sravniprog | поблагодарить за контент Донатом

Мы, на самом деле, тут, и сейчас вовсю пишем о специалистах по Анализу данных и требованиях (ожиданиях) к ним.
⚔️ Программы обучения у нас уже были, но про специальность мы особо еще не писали, а надо бы, все-таки в ТОП - 3 специализаций в области ИТ, которые вы выбрали в нашем опросе.

Начали погружаться в Вакансии и Должностные инструкции. Почему? Потому что очень неплохо сразу, при выборе программы, понимать, к чему стремиться (и что должно быть в программах обучения и ‼️учебных планах).

А еще расскажем, как компетенции в области ML (машинного обучения) у будущих Data Аnalyst (Аналитиков данных) могут пригодиться в командах по разработке 🖥 ИИ. Да вы и сами, наверно, догадываетесь. Но если нет, то скоро напишем.

💬 Небольшой тизер - сейчас обнаружили, что некоторые работодатели среди желаемых вузов по этой специальности (Аналитик данных) у кандидатов на работу обозначают все те же ТОП вузы: РЭШ, ВШЭ, МФТИ, МГУ (высшее образование в области экономики или математики).
Но мы считаем, что это не значит , что в других местах плохо учат, просто продвигаются они у работодателей не очень (маркетинг, он сложный, да). Вузам еще работать и работать в этом направлении.

@sravniprog #ит_специализации

Разбор специальности Data Scientist (Аналитик данных)

1. По нашим обзорам вы уже знаете, что 📉 Бизнес аналитик – это тот, кто с помощью ИТ- технологий помогает бизнесу решать задачи, то есть это тот, кто анализирует процессы компании, результаты деятельности и помогает с помощью ИТ их оптимизировать.
Вот тут читайте у нас про Бизнес-аналитика, если присоединились недавно и еще не видели.

2. Также, вы помните, что 💻 Системный аналитик – это тот, кто проектирует архитектуру ИТ-решения, если грубо, то «берет» то, что сформировал/сформулировал вместе с бизнесом (представителем любой из функций, подразделения) Бизнес – аналитик и «превращает» это в техническое (ИТ) решение.
О том, кто такой Системный аналитик – читайте у нас тут.

3. А сегодня у нас - 📊Аналитик данных

📎 Кто это такой

💻 Data Scientist (Аналитик данных) — это тот, кто разбирается в причинах изменений ключевых показателей, выявляет причинно-следственные связи между событиями и их влиянием на бизнес (не обязательно только на бизнес, но и на любой процесс), а также находит новые точки роста или оптимизации.

Показатели в бизнесе, которые 📈 анализируют эти специалисты, могут быть самые разные:
– от поведения клиентов 👫 (и цифровых данных, которые были зафиксированы в ИТ- системах в результате взаимодействия с ними).
Например, то, как пользователь какого-то цифрового сервиса, сайта, платформы:

✅рассматривал товары, что откладывал в избранное, куда заходил, что смотрел
или
✅как он сохранял резюме, и как откликался на вакансии и какие у него данные в его профиле хранятся
или
✅как он смотрел видео, как долго, какие категории, писал ли комментарии, подписался ли на кого-то в итоге

и т.д.

– до финансовых 🔆 : что купил, за какую стоимость, сколько денег принес после всех покупок, как часто совершал покупку, когда перестал покупать, и когда и после чего ушел в «отток» и т.д.

⚙ Показателей может быть очень много, это мы сейчас про данные конечных клиентов говорили, но есть еще и данные, которые собираются:

➡️ от устройств,

➡️ есть данные, которые собираются в автоматизированном виде от операций, где люди имеют опосредованное значение и не они главные субъекты.

@sravniprog #data

Кому подойдет направление обучения Анализ данных? Чему учиться, чтобы стать Аналитиком данных
Data Science объединяет сразу несколько областей: Математику ❤️‍🔥 Статистику❤️‍🔥 Программирование.

Процесс работы включает в себя: сбор 🤍 очистку 🤍 анализ и обработку информации 🤍 создание прогнозов 🤍 нахождения закономерностей 🤍 подтверждения гипотез.

☑️В бизнесе из больших данных (big data) о покупках и особенностях действий клиентов можно извлечь информацию для получения дополнительной прибыли,
☑️В науке, обрабатывая данные, например, об изменениях погоды, можно составлять более точные прогнозы.

Какие решает задачи Аналитик данных:

🔘 Сбор и обработка данных. Дата-сайентист обрабатывает информацию из различных источников, убирает ошибки и неточности.
Он разрабатывает алгоритмы мониторинга трафика, работает над упрощением архитектуры хранения и мониторинга баз данных.
🔘 Исследовательский анализ данных. Анализирует полученную информацию - распределение, корреляции и результаты, выделяющиеся на общем фоне. И прогнозирует поведение показателей, на которые влияют полученные данные.
🔘Машинное обучение. Data Scientist использует алгоритмы машинного обучения при создании моделей и прогнозов.
🔘Визуализация данных. Визуализирует итоги работы с данными через наглядные графики и диаграммы, упрощая понимание процессов для заказчика. Строит «витрины» и dashboard-ы данных для команды и партнеров
🔘Разработка стратегий и рекомендации. Предоставляет стратегические рекомендации, используя полученные результаты, формулирует гипотезы и представляет их руководству и коллегам

Что должен знать:

— уверенно владеть математической статистикой, эконометрикой;
— видеть связь между математическими формулами и влиянием их на бизнес; применять математику и статистику при решении реальных задач;
— уметь понятно визуализировать данные и презентовать результаты исследований, объяснять сложные вещи простыми словами и договариваться с коллегами;
— иметь базовые знания ML, алгоритмов машинного обучения (ML).

Инструментарий:

👨‍💼 Отличное знание инструментов анализа данных — SQL, Python и Excel, знание BI-инструментов (пример Redash);

SQL (нужно будет работать с большими массивами данных, уметь писать сложные запросы, оптимизировать их и создавать аналитические витрины данных);
Python и его библиотеками для анализа данных.

АБ-тесты,
Linux.

@sravniprog #data

Где работают и кем, те, кто заканчивает профили по Анализу данных

💭 Команды, набирающие специалистов по Анализу данных, могут быть самые разные, в зависимости от специализации компании, наличия у нее цифровых сервисов, специализации продуктов.

Для цифровых сервисов, у которых есть конечные пользователи (физлица, то есть - мы с вами), Аналитики данных 📊могут требоваться:
⚫️в команды монетизации (это те, кто ищет способы сделать дополнительное платное потребление клиентов наиболее безболезненным и естественным процессом, тот кто заставляет больше платить сервису, тот кто «управляет ценообразованием»).
⚫️в команды антифрода (это те, кто выявляет разные шаблоны в поведении пользователей и ищет отклоняющиеся данные, чтобы никто не нашел «лазейку» и не воспользовался этим. Например, создает антифрод-системы для защиты финансовых транзакций и т.д.).
То есть на стыке аналитики данных и Инфобеза, на самом деле.
⚫️в команды коммуникаций (это те, кто создает автоматические коммуникации с пользователями и настраивает оптимальные сценарии по напоминаниям, уведомлениям, информированию и т.д.)
И другие.

Какие должности чаще всего встречаются:

1️⃣ Аналитики данных, Менеджеры данных, Специалисты по анализу данных,
2️⃣Инженеры данных, BI- разработчики,
3️⃣ML (Machine Learning) Engineer – инженеры по машинному обучению.

Что они делают:

✅Data Scientist (Аналитики данных, Менеджеры данных, Специалисты по анализу данных)
Обрабатывают большие данные и помогают бизнесу принимать решения. Каким клиентам что рекламировать, кто из сотрудников скоро уволится и т.д.

✅BI - инженеры (Business Intelligence - бизнес аналитика)
– разрабатывают аналитические системы;
– создают дашборды и отчёты для руководителей направлений;
– автоматизируют сбор и анализ данных, создают системы мониторинга;
– интегрируют данные из различных систем в единое аналитическое хранилище;
– автоматизируют регулярную отчётность и т.д.

✅Data Engineer (Дата-инженеры)
Обрабатывают, достают из сырых источников, трансформируют и загружают данные в системы. Data Engineer — участвует в начальной и финальной стадиях анализа данных: обеспечивает возможность реализовать их в инфраструктуре компании.

✅Machine Learning Engineer (Инженеры по машинному обучению)
Учат нейросети работать точнее и быстрее, чем обычные программы и алгоритмы. Умные ленты в соцсетях, рекомендации «Моей волны» в Яндекс Музыке, Google Переводчик — результат работы ML-инженера.

@sravniprog #data #ML

Мы видим, вы пересылаете куда - то наши посты, значит вам НРАВИТСЯ, что мы пишем. Вы пересылаете- мы пишем, мы пишем- вы пересылаете. А почему - то реакций все меньше и меньше 😭 Пересылаете все больше, а реакций всё меньше. Как так-то ?! 😳

Мы тут в задумчивости и в печали. Вы нам сигнализируйте разными реакциями, что мы не зря стараемся

@sravniprog

Пока остановимся писать про Аналитиков данных,➡️ понимаем, мы тут не все ИТшники, будущие и настоящие. Вернёмся к этой теме позже на этой неделе, если не забудем (ещё про ML и ИИ надо обсудить). Материала много собрали.

А давайте про стереотипы?? 💡Поговорите с нами. Стереотипы ПРО ВУЗЫ, которые сложились у нас всех.

Первыми закинем удочку 🎣 Присоединяйтесь!

🎁 В МФТИ поступить могут только БВИшники

🎁 В ДВФУ учатся одни китайцы

🎁 В Бауманке так сложно, что 50 процентов вылетают после первой сессии

🎁 МГЛУ - это только для девочек

🎁 Если отучиться в МИФИ - потом только в ядерке работать и с секретной инфой, заграницу не выедешь

🎁 Что еще ❓❓❓

Напишите ✏️ в комментариях, что останавливает и смущает, когда мы смотрим ⚡️ на какой-то вуз: распространенные СТЕРЕОТИПЫ, которые не так-то легко преодолеть ⬇️

@sravniprog #мифы