Открытые данные *

Сегодня речь пойдет про некоторый парадокс в аналитике, понимание которого приходит лишь со временем.

Представим, что каждый год данных становится всё больше и у компаний появляются новые системы, витрины, дашборды, десятки KPI, выгрузки на миллионы строк и всё это просто пачками валиться, хочешь смотреть так или эдак, можно посмотреть продажи / непродажи по регионам, сотрудникам, товарам, часам, минусам, секундам и еще по 25 разрезам.

И вроде, чем больше данных, тем лучше. Но это не всегда так, и иногда после появления пятого дашборда понимания становится даже меньше, чем было после одной нормальной таблицы.

Постепенно видя, как работает рынок труда, мне стало интересно изучить не классический формат оценки уровня оплаты сотрудников, этого хоть отбавляй, а то, сколько рынок доплачивает именно за опыт.

Для этого на сайте простой аналитики есть отдельный индекс, там все опубликованные вакансии делятся на две группы: "стартовые" - то есть с требуемым опытом до 3 лет, и опытные - от 3 лет и после этого сравниваются медианные зарплатные предложения.

Давайте представим 45-летнего специалиста: обычный спец, не руководитель. Если это будет мужчина, то в текущих реалиях до пенсионного возраста ему ещё 20 лет. Если женщина, то 15. А с 2028 года общий пенсионный возраст составит 65 и 60 лет соответственно.

Много еще работы впереди, но именно где-то в этом возрасте сменить работодателя или профессию становится заметно сложнее.

Когда вы работаете с данными, особенно если это начало вашего пути в аналитике, то порой вы можете попробовать делать выводы на общий цифрах, давая ответ из серии "в среднем по палате".

В этом материале я бы хотел рассказать, что если вы это делаете, то будьте аккуратный, ведь обобщенные цифры мало могут говорить о реальном положении дел. Общая цифра обычно отвечает только на один вопрос: что произошло со всей совокупностью в среднем, но люди, компании, профессии, товары, города и сотрудники не живут в среднем примерно от слова совсем.

И поэтому общий показатель - это скорее начало анализа, а не его итог.

Некоторое время назад я случайно познакомился с Леонидом, и вскоре выяснилось, что когда-то мы оба работали в EPAM, хотя были в разных командах и лично тогда не пересекались. Леонид уже много лет увлекается генеалогией и развивает проект Biografissimo. Знакомство с ним вернуло меня к давнему интересу к семейной истории.

Работая с открытыми источниками, Леонид обнаружил запись о рождении и крещении Виктора Витшаса, сына моего прадеда Вильгельма Рудольфа Витшаса и Анны Элизабет Штеркель, сорбские корни фамилии (Wićaz означает «свободный крестьянин») и сведения об Оскаре Эдмунде Эвальде Матвеевиче Витшасе, фабричном смотрителе из Моршанска.

Когда-то я всерьез занялся изучением темы согласий на рекламу и обнаружил, что Федеральная антимонопольная служба (ФАС) ведет открытый реестр дел. Это супер ценные данные для меня как исследователя, но они совсем не структурированы и анализировать их можно только вручную перечитывая каждое дело. Меня это не очень устроило, поэтому я сделал общедоступную карту дел ФАС и хочу рассказать о том, как она работает. Надеюсь, кому-то будет полезным.

Представим двух людей с одинаковой зарплатой.

Первый работает рядом с домом, редко задерживается, вечерком гоняет в футбол или в зале зависает, готовит еду, да или просто ничего не делает. Второй же тратит два часа на дорогу (иногда и в одну сторону), еще и задерживается на работе, и дома всегда его ждут домашние дела.

Иными словами, обратимся почти в крайности. И формально их доход одинаковый. Но можно ли сказать, что они одинаково обеспечены?

Излюбленный прием в аналитике это когда сравнивают зависящий от сезонности показатель с тем же месяцем прошлого года. То есть январь с январём, июль с июлем, декабрь с декабрём.

Это хороший метод избавления от сезонности, но нужно учитывать, что сравнение год к году не гарантирует, что мы сравниваем одну и ту же систему сейчас и год назад.

Коротко, о чём речь, — для тех, кто пришёл по слову «Яндекс» и предыстории не знает. Когда ИИ-ассистент помогает чинить баг, самое ценное — не сочинить ответ с нуля, а вспомнить: похожий симптом уже разбирали, вот issue, вот причина, вот PR с фиксом. Вопрос ровно один — достаёт ли ассистент это прошлое решение из памяти. Мы это померили на своём корпусе тикетов и получили две цифры. Обычный семантический поиск (по смыслу слов) находит нужный прошлый фикс по симптому лишь в 38% случаев; обход явных причинных связей «issue → закрывший его PR» — в 87%. То есть сходство слов упирается в треть, а явные связи поднимают recall в разы.

Раньше у джунов-аналитиков карьерная лестница была примерно в таком формате: сначала ты делаешь простые выгрузки, чистишь данные, собираешь первые сводные таблицы, потом уже начинаешь строить графики и писать к ним короткие комментарии и только после этого начинаешь проводить уже самостоятельную аналитику, насмотревшись от всех понемногу.

Это был некоторый постепенный рост и именно этот рост сейчас начинает забирать ИИ.

Каждый месяц Банк России спрашивает компании, собираются ли они повышать отпускные цены в ближайшие три месяца.

И как идея - эти данные можно использовать как почти готовый прогноз по инфляции, ведь бизнес раньше обычного покупателя сталкивается с подорожанием сырья, логистики других издержек и если компании массово говорят, что собираются повышать цены, то через некоторое время это, наверное, должно появиться и в потребительской инфляции.

Но есть еще и другой вариант, ведь может оказаться, что компании не столько планируют будущее, сколько реагируют на то, что уже происходит, то есть видят рост цен вокруг, ощущают увеличение издержек и только после этого пересматривают собственные планы.

За последний год в мире больших языковых моделей произошел заметный сдвиг. Если раньше основным предметом соревнования были знания модели — насколько хорошо она отвечает на вопросы (общие или специальные), знает факты или пишет код, — то со временем фокус сместился на способность рассуждать.

Практически каждый крупный релиз последних месяцев позиционируется как reasoning-модель. Производители говорят уже не столько о знаниях, сколько о способности строить длинные цепочки рассуждений, решать сложные задачи и принимать решения в условиях неопределенности.

Но вместе с этим возникает закономерный вопрос: а как объективно измерять reasoning?

После атак на логистические центры Wildberries мониторинг цен YoloPrice зафиксировал аномальную волну снижения цен. Разбираемся, был ли это реальный «обвал», реакция селлеров на сбои или просто совпавшая по времени массовая переоценка.

Все мы хоть раз искали что-то на маркетплейсах. И получали в выдаче совсем не то, что искали. YoloPrice разметил миллионы позиций поисковой выдач e-com площадок и посчитал, какая часть выдачи действительно отвечает на запрос пользователя. Отсюда родился рейтинг площадок по точности поисковой выдачи. Спойлер: у самых больших игроков мимо летит больше половины, а неожиданный лидер — вообще не маркетплейс. Полный рейтинг и методология — в статье.

Если смотреть только на официальную безработицу, то российский рынок труда выглядит почти неизменным и смотреть этот показатель в динамике достаточно скучно. Показатель держится возле исторических минимумов, резких скачков нет, массовой потери занятости статистика не показывает.

Но если открыть данные hh.ru, то там всё достаточно бурно. В июне 2024 года hh.индекс составлял 3,1 резюме на одну вакансию. Через год он вырос до 5,5, а в июне 2026 года достиг 8,3. В марте показатель вообще поднимался до 11,4 - это вообще показатель высокой конкуренции соискателей. 

И вот я задумался, получается странно: искать работу становится заметно сложнее, вакансий относительно кандидатов меньше, а официальная безработица почти не двигается.

Я решил покопаться в этом вопросе и посмотреть, а может ли hh.индекс действительно показывать охлаждение рынка раньше Росстата?

A/B тест это один из немногих инструментов в аналитике, который используют настолько часто и который у всех на слуху. К тому же, он достаточно простой - две группы, контроль, готово. Всё четко.

Но на моей практике, большинство A/B тестов в компаниях не доказывают ничего.

Волею судеб, занимаюсь я HR аналитикой с 2022 года и хотел бы высказать свое мнение на счет того, что сейчас происходит на рынке труда и куда это вообще может двигаться.

Вообще, всё очень быстро меняется (привет, кэп). Ещё недавно главной темой был острый дефицит сотрудников, при этом, многие компании конкурировали за людей, повышали там зарплаты и вообще старались сделать всё, чтобы закрывать свои вакансии быстрее, ведь простой казался недопустимым.

А сейчас что-то всё поменялось, да чуть ли не наоборот (в определенных сферах - важное уточнение). Безработица у нас всё ещё на исторически низком уровне - 2,2% в апреле 2026 года. И еще число вакансий на hh.ru в мае сократилось примерно на 20% год к году, плюсом количество резюме выросло на 30%, а hh-индекс достиг 9,1 резюме на одну вакансию. Цифры вообще огонь, в общем, только как бы сказала нейронка "реальность далеко не такая". И я сошлюсь на нее - реальность реально не такая сейчас.

Вообще, сейчас всё сложнее оперировать общими значениями: общий индекс, общая безработица, общее число резюме и т.п. Это вообще сейчас мало о чем говорит, потому что рынок стал крайне неоднородным.

Итак, друзья, на днях вышел традиционный обзор рынка труда. Теперь уже за июнь 2026 г. Оригинал материалов размещен тут. На мой взгляд, он показывает интересную картину: не то чтобы кадровый дефицит закончился; скорее рынок стал сложнее и менее однородным.

Рынок труда в России за последние годы застрял в нескольких формулировках: «кадровый дефицит», "гонка зарплат", "рынок соискателя". Людей не хватает, зарплаты растут, работодатели конкурируют за кандидатов, бизнесу сложно закрывать вакансии.

И если смотреть только на общий показатель hh.индекса, кажется, что рынок развернулся в сторону работодателя. В июне 2026 года он составил 8,3, т.е. на 1 размещенную вакансию приходится указанное число соискателей. И вроде бы все здорово, но если погрузиться чуть глубже на уровень профессий и отраслей, картина быстро перестает быть простой и очевидной.

Давно работая с HR‑аналитикой, мне в какой‑то момент стало интересно не просто смотреть на рынок, но и самому выделить что‑то основное, что с этого рынка я могу собрать и какие новые данные в новых разрезах представить (зарплатная аналитика, аналитика подбора персонала и тому подобное).

Есть такое, что частные случаи отсутствия роста оплаты труда могут восприниматься людьми так, будто бы такое везде, но это может быть ошибкой. У нас буквально год назад была достаточно сильная гонка зарплат, которая сейчас привела к лютому акценту на производительности труда в стране. И ведь многие ее не заметили.

И таких кейсов много: безработица низкая, а значит дефицит кадров. Но так не работает, сейчас не дефицит кадров вообще, а дефицит квалифицированных кадров и дефицит рабочих. Это был еще лишь один пример.

Что‑то может быть и правдой, но без данных такие фразы быстро превращаются в ощущения. А ощущения, как ни крути — плохая основа для выводов.

Поэтому я и начал собирать небольшой аналитический проект по рынку профессий. Идея простая: брать открытые данные, аккуратно их приводить в порядок и собирать короткие профили по отдельным профессиям.

Когда случается потерять работу, люди ищут новую разными путями: мониторят порталы по найму, подписываются на ленты компаний, вычитывают чаты профессиональных сообществ.

В этом утомляющем беге, именуемом расширение каналов поиска, немудрено пройти мимо лент вакансий из муниципального сектора по причине, что доставка информации потребителю в госсекторе обычно не блещет удобством. Да и вообще мало кто знает, что вместо ежедневного хождения к информационным стендам местного Центра занятости можно оперативно получать соискательскую информацию на смартфон.

Для устранения таких походов к стенду я разработал и делюсь с сообществом бесплатным веб-приложением, которое, будучи загруженным на хостинг, сможет через заданный интервал времени подключаться к государственной базе "Работа России" с целью забрать новые вакансии для интересующего города и вывести в ваш Telegram-канал.