Совершенствование информационного обеспечения рынка труда Республики Беларусь на основе современных методов прогнозирования спроса на труд

В условиях цифровой трансформации экономики и ускоренного развития технологий традиционные подходы к информационному обеспечению рынка труда демонстрируют существенные ограничения, что ведет к структурным дисбалансам и неэффективности политики занятости. Актуальность исследования обусловлена необходимостью совершенствования методологии прогнозирования спроса на труд в Республике Беларусь. Целью исследования является обоснование направлений улучшения информационного обеспечения рынка труда на основе сравнительного анализа источников данных и методов прогнозирования. Для достижения цели проведен анализ двух источников данных: официальной статистики Государственной службы занятости (ГСЗ) и данных онлайн-порталов вакансий (ОПВ). Были построены и сопоставлены прогнозные модели на основе классических методов анализа временных рядов (SARIMA) и современных алгоритмов машинного обучения (XGBoost, LSTM, Prophet), а также их гибридных комбинаций. В результате исследования установлено, что качество и стабильность исходных данных оказывают решающее влияние на точность прогнозов. Исследование проведено в три этапа: базовое прогнозирование на данных ГСЗ (SARIMA, MAPE 11,20 %), применение моделей машинного обучения к данным ОПВ (MAPE 22–27 %) и расширенное моделирование на данных ГСЗ. Наилучший результат продемонстрировала гибридная модель SARIMAX+XGBoost на данных ГСЗ (MAPE 3,15 %), что в 3,6 раза точнее базовой модели и в 7,1 раза точнее аналогичной модели на данных ОПВ. Установлено, что данные ГСЗ и ОПВ имеют различные характеристики и области применения: данные ГСЗ обеспечивают высокую точность количественных прогнозов благодаря стабильности временных рядов, в то время как данные ОПВ представляют ценность для оперативного мониторинга и качественного анализа структуры спроса на компетенции. Предложены рекомендации по созданию комплексной информационно-аналитической системы рынка труда, интегрирующей оба источника данных.