Большие данные помогут сбалансировать образование

Как повысить эффективность инвестиций в человеческий капитал
Используя большие данные можно будет с точностью до рубля и до «фирмы» оценить влияние программ на изменение оплаты труда, текучесть кадров, мобильность, параметры трудовой миграции /Максим Стулов / Ведомости

Глава Счетной палаты Алексей Кудрин настаивает на инвестициях в человеческий капитал, а главный редактор «Ведомостей» в ответ интересуется (см. «Ведомости» № 68 от 15 июля), как потом этот капитал использовать: найдут ли новые кадры, получившие современное образование, места для приложения своего труда в стране, не уедут ли за границу за лучшей долей. Вот некоторые мои соображения о балансировке подготовки кадров и спроса на труд.

Во-первых, просто вливание инвестиций далеко не всегда ведет к результату. Важны не объемы финансирования, а показатели качества, которое здесь измерить непросто. Во-вторых, простое повышение качества при прочих равных чревато новой волной утечки мозгов. Значит, нужен квалифицированный спрос на новых специалистов, адекватное предложение рабочих мест и возможностей для профессионального развития. Вывод: развивать образование надо не само по себе, а в увязке с экономической динамикой и предвосхищая структурные изменения в экономике.

Задача сложная, над ее решением уже годы работают специалисты. Но пока бесценный ресурс накопленных новых видов данных, технологий их обработки и распространения результатов не задействован. А мог бы.

Пример № 1. Использование объединенных микроуровневых данных ФНС, Минобразования и Минтруда в считанные месяцы и при скромном финансировании позволило бы с невиданной ранее точностью составить рейтинги высших и средних учебных заведений с использованием таких показателей: а) средний и медианный срок устройства на работу после окончания вуза; б) доля устроившихся в неформальной экономике либо безработных спустя год после окончания; в) доля работающих по специальности; г) доля уехавших за границу на ПМЖ; д) уровень зарплаты выпускника (для особо интересующихся – в разбивке по году выпуска); е) скорость роста оплаты труда в первые пять лет работы. Список можно продолжать.

Важно особо подчеркнуть три момента: результаты будут учитывать данные всех официальных работодателей и выпускников, т. е. окажутся на несколько порядков детальнее и точнее сегодняшних. А ФНС надежно обеспечит защищенность персональной информации; мы умеем отделять фактор вуза от других (местоположение, получаемая специальность и проч.). Очевидно, что новые показатели сразу дадут эффект по балансировке результатов работы вузов и запросов экономики.

Пример № 2. Мониторинг эффективности программ повышения квалификации и переобучения все более важен – хотя бы из-за стремительной цифровизации, но его нет. В отсутствие сплошных данных приходится опираться на опросы и исследования, где точность страдает: охват оставляет желать лучшего, ряд вопросов слишком чувствителен, так что вероятность смещенных оценок весьма высока. Микроуровневые административные данные (ФНС, службы занятости, Минтруда, ПФР) позволят совершить небольшую революцию в научных исследованиях, одновременно радикально повысив их практическую значимость. С точностью до рубля и до «фирмы» можно будет оценить влияние программ на изменение оплаты труда, текучесть кадров, мобильность, параметры трудовой миграции и проч. И ничто не мешает запустить высокоточный мониторинг программ переобучения и повышения квалификации почти в режиме реального времени, причем с оценкой эффективности таких программ.

Пример № 3. Синхронизировать развитие системы образования и экономики – пожалуй, наиболее важная в рассматриваемом контексте задача, одновременно и наиболее сложная. В целом определенное понимание проблемы здесь уже давно имеется: спрос на специалистов со стороны экономики не соответствует структуре выпускников – и еще больше не соответствует структуре абитуриентов (слишком многие до сих пор метят в юристы и экономисты, а следующие десяток-другой лет, видимо, будут идти в программисты). Здесь вышеозначенные результаты, полученные на новых данных и технологиях, с использованием предсказательных моделей (учитывающих хотя бы структуру уже обучаемых, уходящих на пенсию и тренды в изменении спроса), могли бы окончательно подтвердить и ярко проиллюстрировать ситуацию с востребованностью профессий – какой специалист сколько будет искать работу, с какой зарплатой и т. д.

Отдельный важный блок – учет потребности в новых работниках в рамках крупных инвестиционных проектов. При этом новые технологии должны быть здесь востребованы не только для получения новых знаний, но и для их распространения. Речь идет о задействовании наиболее эффективных маркетинговых практик, создании механизма управления абитуриентским спросом на специальности в максимально проактивном режиме, с мощным охватом родителей и средней школы. Ключевое здесь – каналы влияния. Они должны быть эффективны – а значит, современны.