The construction of an econometric model for classification of customers (case study of the State Employment Service)

Abstract

В современных условиях повсеместного использования в экономике больших данных, статистические методы становятся все более популярными и применимыми для целого ряда задач оптимизации. Однако, далеко не все организации уже внедрили новые модели машинного обучения, которые могут улучшить работу того или иного процесса. Одновременно с этим, одним из важнейших показателей благополучия региона и его привлекательности с точки зрения развития рынка труда, является уровень безработицы. В этой связи, вопрос повышения эффективности деятельности государственной службы занятости населения по трудоустройству безработных граждан приобретает особое значение. Именно поэтому, целью данной научно-исследовательской работы является разработка рекомендаций по повышению эффективности деятельности Службы занятости Санкт-Петербурга на основе оптимизации процесса профилирования безработных граждан с помощью построения эконометрических моделей. Для достижения данной цели необходимо было проанализировать основные подходы к решению задачи по классификации клиентов в российских и зарубежных источниках с использованием научных баз данных, проанализировать деятельность государственной службы занятости населения и определить роль процесса профилирования безработных граждан в ее работе. Кроме того, определив оптимальный способ кодирования базы данных, необходимо было выявить факторы, которые оказывают существенное влияние на результат трудоустройства безработных граждан и построить эконометрическую модель, достоверно предсказывающую результат содействия в трудоустройстве клиентам Службы занятости, а также дать рекомендации по ее использованию в оптимизации процесса профилирования безработных граждан. В результате, были предложены две модели, которые могут повысить эффективность работы Службы занятости Санкт-Петербурга, а именно бинарная логистическая регрессия для предсказания результата трудоустройства безработного гражданина в определенный период и регрессия Кокса для анализа эффективности мер поддержки. Таким образом, новизна исследования заключается в повышении эффективности деятельности органов службы занятости населения и оптимизации бюджетных затрат путем внедрения новых методов анализа статистических данных и прогнозирования результатов трудоустройства безработных граждан с помощью построения эконометрических моделей.

In today's omnipresent economy of big data, statistical methods are becoming increasingly popular and applicable to a range of optimization tasks. However, not all of organizations have already implemented new machine learning models that can improve the performance of a particular process. At the same time, one of the most important indicators of a region's well-being and its attractiveness in terms of labor market development is the unemployment rate. In this regard, the issue of increasing the effectiveness of the state employment service for recruiting unemployed citizens is acquiring extra importance. That is why the aim of this research work is to develop recommendations for increasing the efficiency of St. Petersburg Employment Service on the basis of optimization of the process of profiling unemployed citizens by building econometric models. In order to achieve this goal it was necessary to analyze the main approaches to solving the problem of client classification in Russian and foreign sources using scientific databases, to analyze the activities of the State Employment Service and to determine the role of the process of profiling unemployed citizens in its work. In addition, after determining the optimal way of coding the database, it was necessary to identify the factors that have a significant impact on the result of placement of unemployed citizens and build an econometric model that reliably predicts the result of employment assistance to clients of the Employment Service, and give recommendations for its use in optimizing the process of profiling unemployed citizens. As a result, two models that can improve the effectiveness of the Employment Service of St. Petersburg were proposed, namely binary logistic regression to predict the result of employment of an unemployed citizen in a certain period and Cox regression to analyze the effectiveness of support measures. Thus, the novelty of the research consists in increasing the effectiveness of the employment service and optimizing budget expenditures by introducing new methods of statistical data analysis and predicting the results of employment of unemployed citizens through the construction of econometric models.