Современные технологии дают возможность обрабатывать большие объемы данных, делая интеллектуальный анализ данных важным инструментом для изучения различных процессов. В условиях цифровизации сбор и обработка информации играют ключевую роль в выявлении закономерностей и прогнозировании изменений.

Актуальность данной работы связана с необходимостью изучения динамики показателей и факторов, влияющих на их изменения. Исследование основано на реальных данных, что позволяет использовать методы интеллектуального анализа для визуального представления, сравнения и прогнозирования.

Цель данной статьи – провести анализ показателей, содержащихся в исходном наборе данных, и сравнить их с аналогичными показателями в Российской Федерации. В ходе статьи решаются следующие задачи:

Практическая ценность статьи заключается в комплексном подходе к обработке данных, что помогает выявить ключевые закономерности и предложить рекомендации для улучшения процессов в изучаемой сфере.

Анализ исходных данных и характеристика показателей. Для выполнения анализа использовался предоставленный набор данных о результатах переписи населения 2018 г. в Новой Зеландии, содержащей структурированную информацию о распределении населения в зависимости от их выбранной после школы специальности (рис. 1).

В наборе данных выделяются следующие ключевые показатели:

1. Код (Code) – уникальный идентификатор, предназначенный для классификации областей обучения. Использование кодировки обеспечивает стандартизированный подход к систематизации данных и упрощает их последующую обработку.

2. Область обучения (Post-school qualification field of study) – данный показатель описывает направления квалификации, полученной после окончания школы.

Включает как обобщенные категории, так и конкретные дисциплины, такие как математические или статистические науки.

3. Численность населения (Census usually resident population count aged 15 years and over) – этот показатель отражает количество лиц, достигших возраста 15 лет и старше, относящихся к соответствующей категории квалификации. Он позволяет выявить демографические особенности распределения населения по уровням образования.

Анализ перечисленных показателей позволяет не только оценить текущее состояние образовательного уровня населения, но и выявить корреляции между уровнями квалификации и демографическими характеристиками. Эти данные являются базисом для построения моделей прогнозирования и принятия решений в социальной и образовательной политике.

Обработка и визуализация данных. После ознакомления с данными, а также для дальнейшего удобства сравнения с данными из Российской Федерации будет удобнее сравнивать не по специальностям, а по конкретным группам специальности.

В файле из Новой Зеландии 11 групп специальностей:

На рис. 2 изображен график распределения численности населения, относящегося к соответствующей категории специальностей. На оси абсцисс конкретная группа специальностей, по оси ординат – количество человек. Также было приведено построение трехмерного графика (рис. 3).

Сравнение динамики показателя в РФ и Новой Зеландии. Аналогичным показателем в РФ будут выступать «сведения о приеме, численности студентов и выпуске бакалавров, специалистов, магистров» с сайта Министерства науки и высшего образования РФ и похожий файл с сайта Минпросвещения России по среднему специальному образованию (рис. 4).

Каждой специальности присвоен уникальный числовой код, позволяющий определить, к какой группе она относится.

Был произведен отбор специальностей, относящихся к бакалавриату, специалитету и среднему специальному образованию, в соответствии со структурой найденного Excel-файла (рис. 5).

Теперь необходимо провести подготовку данных к анализу и сравнению с показателем из Новой Зеландии (рис. 6).

В РФ все специальности делятся на 9 групп:

Так как названия укрупненных групп в двух странах хоть несколько и отличаются, но имеют общие сходства и специальности, необходимо провести сопоставление с группировкой, полученной ранее. Основываясь на схожесть специальностей, можно привести следующее сопоставление:

Теперь, опираясь на приведенное выше сопоставление и используя коды специальностей, необходимо их просуммировать и привести к виду файла с данными по России [3].

В датасете по России оказалось 8 записей (рис. 7), а по Новой Зеландии – 7 (рис. 8). Объединим гуманитарные науки и науки об обществе, так как в Новой Зеландии все входящие в них специальности находятся в разделе «Науки об обществе».

Построим график динамики показателей по данным РФ и сравним с динамикой из первого файла (рис. 9).

Анализируя представленный график, можно отметить характерные особенности численности людей с послешкольным образованием в России и Новой Зеландии, а также выявить закономерности в распределении выпускников по различным специальностям [4].

Различие в численности населения оказывает значительное влияние на показатели образования. В России выпускников существенно больше, что объясняется не только масштабами образовательной системы, но и тем, что общее число потенциальных студентов значительно превышает аналогичные показатели в Новой Зеландии. Это напрямую влияет на количество поступающих и завершающих обучение.

Хотя абсолютные значения различаются, общая структура подготовки специалистов демонстрирует схожие закономерности. В обеих странах наибольшее внимание уделяется инженерным и общественным дисциплинам, что говорит о высокой востребованности данных направлений. В России эти сферы выделяются особенно высокими показателями, что связано с потребностями промышленности, развитием технологий и государственной поддержкой.

В Новой Зеландии распределение выпускников по направлениям менее равномерное и некоторые специальности представлены значительно слабее. Определенные области подготовки имеют крайне низкие показатели, что может свидетельствовать о специфике образовательной системы и различиях в экономическом спросе на специалистов. В то же время в абсолютных числах система образования страны значительно уступает российской, что связано не только с демографическими факторами, но и с особенностями организации учебного процесса [5].

Определение экстремальных значений и выявление фаз роста и спада. На новом графике необходимо добавить маркеры в виде треугольников, чтобы наглядно отобразить фазы роста и спада показателя. Если текущее значение превышает предыдущее, то точка отмечается треугольником, направленным вверх, что визуально подчеркивает фазу роста [6]. В случае если значение уменьшается по сравнению с предыдущим, маркер становится треугольником, направленным вниз, обозначая фазу спада.

Для усиления наглядности применены цветные линии: зеленый цвет используется для участков роста, а красный – для участков спада. Это помогает легко различать направления изменения показателя и отслеживать динамику (рис. 10).

Особое внимание уделено экстремальным точкам – минимальному и максимальному значениям. Для них использованы маркеры увеличенного размера и черного цвета, что делает их более заметными. Это позволяет легко определить пиковые значения показателя на графике [7].

Распределение численности населения по группам специальностей на графике выглядит неравномерным. Самые заметные изменения наблюдаются в технических и педагогических специальностях, тогда как сельское хозяйство показывает снижение. Это может указывать на разницу в потребностях рынка труда и спросе на специалистов, что требует дополнительных шагов для повышения интереса к отдельным профессиям.

Анализ условий и факторов, влияющих на динамику показателя. Следует отметить, что комплексный анализ динамики численности населения, распределенного по группам специальностей, указывает на множественность и разнородность факторов, воздействующих на данный процесс. Их влияние может как стимулировать рост численности специалистов, так и провоцировать спад.

Прежде всего экономическая конъюнктура играет решающую роль. Сокращение финансирования ряда отраслей, проявления кризисных тенденций и рост безработицы способны снижать привлекательность отдельных специальностей и затруднять трудоустройство. В то же время увеличение объемов инвестиций, внедрение программ поддержки молодых специалистов и расширение рынков труда формируют благоприятную среду, способствующую повышению интереса к востребованным профессиям.

Технологическая трансформация также оказывает существенное влияние. Активная автоматизация и роботизация производства, а также внедрение интеллектуальных систем могут сокращать потребность в рабочей силе, особенно в традиционных отраслях сельского хозяйства и промышленности.

Таким образом, процессы изменения численности населения по профессиональным группам обусловлены комплексом факторов, включающим экономические, технологические, социальные, политические, геополитические, демографические и экологические компоненты. Данные факторы оказывают многоуровневое воздействие, проявляясь как в национальном, так и в глобальном контексте, и формируют разнонаправленные тренды в трансформации профессиональной структуры общества, влияя на устойчивость и сбалансированность его социально-экономического развития.

Устранение дестабилизирующих факторов и усиление позитивных эффектов возможно исключительно в условиях применения интегрального подхода, предусматривающего синергию экономических стимулов, технологической модернизации, институциональных преобразований, эффективной государственной политики и расширенного международного сотрудничества. Реализация указанных мероприятий соответствует парадигме устойчивого развития и создает предпосылки для формирования эффективной, адаптивной и конкурентоспособной системы подготовки кадров, способной отвечать на вызовы и риски современного этапа социально-экономической динамики.

Важной предпосылкой для повышения качества подготовки специалистов является углубление взаимодействия между образовательными учреждениями и субъектами реального сектора экономики, особенно в высокотехнологичных и наукоемких отраслях. Внедрение практико-ориентированных образовательных программ и системы профессиональных стажировок, соответствующих требованиям инновационной экономики, позволит обеспечить не только ускоренную профессиональную социализацию выпускников, но и повысить их востребованность на рынке труда. Социальные инициативы, направленные на формирование положительного имиджа профессий, переживающих снижение популярности, способны стать инструментом корректировки общественного восприятия. Комплекс информационно-просветительских мероприятий, развитие профориентации и интенсификация практической подготовки в образовательных учреждениях способствуют росту мотивации молодежи и позитивному отношению к определенным профессиональным направлениям. Одновременно с этим ключевым фактором становится создание безопасной и комфортной рабочей среды, способствующей укреплению кадрового потенциала.

Государственная поддержка, будучи системообразующим элементом кадровой политики, призвана обеспечить сбалансированное соотношение между спросом и предложением на специалистов. Рациональное регулирование образовательных квот, приоритетное финансирование стратегических направлений подготовки, реализация адресных программ и предоставление образовательных кредитов на льготных условиях для студентов востребованных специальностей способствуют оптимизации распределения кадров и достижению целей социально-экономической устойчивости.

В современных условиях возрастает роль международного сотрудничества, интеграции в глобальное образовательное и профессиональное пространство, что позволяет привлекать компетентных специалистов, адаптировать лучшие мировые практики и усиливать конкурентные преимущества национальной системы подготовки кадров. Участие в программах академической мобильности, реализация совместных образовательных проектов и обмен профессиональным опытом формируют основу для подготовки специалистов нового поколения, способных к эффективной деятельности в условиях глобализирующегося мира.

С учетом долгосрочных перспектив стратегически значимым является учет демографических и экологических детерминант. Государственная поддержка семейной политики, улучшение качества жизни, развитие социальной и инженерной инфраструктуры в регионах с кадровым дефицитом, а также стимулирование развития экологически безопасных производств и устойчивых технологий будут способствовать не только привлечению и закреплению кадров, но и созданию новых рабочих мест в рамках современных экологических и технологических стандартов.

Прогнозирование динамики численности профессиональных групп с применением метода экстраполяции возможно исключительно при наличии репрезентативного временного ряда, включающего данные за несколько лет. Лишь в этом случае возможно корректное выявление закономерностей и трендов, что позволит получить валидные результаты прогноза. Однако в рассматриваемом случае информационная база ограничивается данными только за один отчетный период, что не дает возможности зафиксировать характерные темпы роста или спада, установить сезонные и циклические колебания, а также долгосрочные тенденции. В условиях недостаточности статистических данных применение метода экстраполяции становится методологически необоснованным, поскольку прогноз базируется не на объективно выявленных закономерностях, а на гипотетических предположениях.

Таким образом, для проведения прогнозирования необходимо использовать данные за более длительный период. В противном случае прогноз будет недостаточно обоснованным, а его результаты – недостоверными. Это подчеркивает необходимость сбора дополнительных данных, что позволит применять более точные методы анализа и делать выводы о возможных изменениях показателя и его влиянии на соответствующую отрасль.

Проведенный сравнительный анализ образовательных показателей России и Новой Зеландии на основе данных переписи населения и статистики образовательных учреждений выявил ключевые закономерности в структуре подготовки специалистов. Установлено, что в обеих странах доминирующую роль играют инженерные и общественные науки, что обусловлено запросами рынка труда и экономическими приоритетами. Однако в России наблюдается дисбаланс между масштабами подготовки технических кадров и их востребованностью, тогда как в Новой Зеландии низкие показатели в сельскохозяйственных и экологических направлениях указывают на необходимость государственного стимулирования этих областей. Научная новизна исследования заключается в адаптивном сопоставлении национальных классификаций специальностей, что позволило выявить кросс-культурные различия и универсальные факторы влияния, такие как технологические тренды, финансирование образования и социальные установки. На основе результатов предложены практические меры: для России – интеграция образовательных программ с потребностями промышленности и введение целевых грантов, для Новой Зеландии – усиление профориентации в сельском хозяйстве и увеличение финансирования экологических исследований. Перспективой работы является расширение временного охвата данных для построения долгосрочных прогнозов, а также включение в анализ других стран для выявления глобальных образовательных трендов.

Таким образом, исследование демонстрирует потенциал интеллектуального анализа данных как инструмента для формирования стратегий развития образования, ориентированных на решение актуальных социально-эко­номических задач.