Networks of Opportunity

Основная суть проекта

Networks of Opportunity — это интерактивное веб-приложение для анализа данных о вакансиях, собранных в рамках проекта РосНавык.

Функционал приложения

Визуализировать связи 🔗 между навыками, специальностями, регионами, работодателями и другими переменными через двумодальные и одномодальные графы.
Анализировать данные 📊 с помощью фильтров (работодатель, навыки, заработная плата, опыт работы и др.).
Искать схожие узлы в графе 🔍 через векторное сходство.
Определять целевые навыки 🎯, необходимые для получения сразу нескольких квалификаций.
Анализировать кластеры компетенций 🧠 с помощью выделения сообществ в графе.
Оценивать ценность навыков 💰 через привязку к зарплатным предложениям.

Как можно использовать веб-приложение для анализа рынка труда и компетенций 🌐

Выявлять, какие навыки чаще всего требуются совместно в вакансиях, чтобы строить актуальные профили компетенций для разных специальностей.
Определять пересекающиеся навыки между различными специальностями, чтобы находить универсальные и смежные компетенции для переквалификации или расширения профиля кандидата.
Находить группы похожих между собой специальностей по требуемым навыкам для планирования карьерных переходов и построения альтернативных карьерных траекторий.
Анализировать спрос на навыки и профессии со стороны компаний, чтобы выявлять возможности для партнерств, стажировок или усиления кадровой политики.
Разрабатывать новые продукты и сервисы в области образования, HR или рекрутинга на основе анализа текущего рынка требований к навыкам.
Фокусироваться на дорогостоящих и актуальных для топ-компаний навыках для создания коммерчески успешных программ и проектов.

Основные компоненты приложения

1. Боковая панель 📑

Загрузка данных: Загрузка Excel-файла с вакансиями.
Фильтры данных:
- Дата публикации, регион, заработная плата, опыт работы, специальность.
- Автоматическое обновление диапазонов фильтров на основе структуры загруженного датасета.
Настройки графа: Выбор переменных для двумодального графа (например, "Специальность ↔ Навыки").
Порог фильтрации для графов по силе связей и настройка параметров визуализации (размер узлов, размер ребер, цветовая кодировка).

2. Основные панели для анализа данных 📚

Вкладка "Сеть":
- Двумодальный граф: Визуализация связей между двумя категориями (например, "Работодатель ↔ Навыки").
- Одномодальный граф:
  - Построение графа со-встречаемости по частоте совместного появления в вакансиях (например, "Навыки ↔ Навыки")
  - Построение графа схожести по связующей переменной (например, "Работодатель ↔ Работодатель" через Навыки)
Вкладка "Рекомендации":
- Схожие узлы: Топ-N элементов, наиболее похожих на выбранный узел.
- Соседние узлы: Топ-N прямых соседей выбранного узла.

Технические особенности ⚙️

Визуализация графов: Библиотека ipysigma на основе Sigma.js и Graphology.
Сетевой анализ: Расчет метрик центральности (степень, близость, посредничество) через NetworkX.
Рекомендательная система: Поиск схожих узлов через обобщенную меру Жаккара.

Как начать работу 🏁

Загрузите данные через боковую панель.
Настройте фильтры (работодатель, навыки, специальности, регион и др.).
Изучите графы: Выберите переменные для одномодальных и двумодальных графов, настройте визуализацию узлов и ребер.
Проведите сетевой анализ: Оцените структуры сообществ, центральность и схожесть узлов.
Получите рекомендации: Выберите узел и получите персонализированные рекомендации на основе структуры графа.

Загрузка и фильтрация данных
Двумодальный граф
Граф со-встречаемости
Граф схожести
Рекомендация

Инструкция по загрузке и фильтрации данных

Пошаговое руководство по загрузке и фильтрации данных в приложении

Шаг 1: Загрузка данных

Действия:

На боковой панели найдите раздел "Обработка данных".
Нажмите кнопку "Обзор" и выберите Excel‑файл с данными о вакансиях, выгруженными из раздела "Данные" в личном кабинете аналитической платформы РосНавык.

Результат:
После загрузки файла обновляются фильтры и аналитические панели.

Шаг 2: Фильтрация загруженных данных

Действия:

Нажмите на секцию "Фильтрация загруженных данных", чтобы развернуть список доступных фильтров.
В зависимости от столбцов, присутствующих в загруженных данных, выберите подходящие фильтры.
Используйте опцию мульти‑выбора для целевой фильтрации данных.

Результат:
После настройки фильтров автоматически обновятся аналитические панели "Сеть" и "Рекомендация".

Шаг 3: Фильтрация двумодального графа

Действия:

Нажмите на секцию "Фильтрация двумодального графа", чтобы развернуть список доступных переменных.
Выберите требуемые переменные для построения графа, демонстрирующего взаимосвязь двух категорий.
Для просмотра графа выберите панель "Сеть" и перейдите в раздел "Двумодальный граф".

Примечание:
Двумодальный граф — это визуальное представление взаимосвязей между двумя разными категориями, например, работодателями и навыками, которые они требуют.
Эти графы позволяют анализировать спрос на навыки и профессии, выявлять возможности для партнерств, разрабатывать новые продукты и сервисы.

Шаг 4: Фильтрация графа со-встречаемости

Действия:

Нажмите на секцию "Фильтрация графа со-встречаемости", чтобы развернуть список доступных переменных.
Выберите переменную для построения графа, который покажет, как часто одни и те же навыки встречаются в вакансиях.
Для просмотра графа выберите панель "Сеть" и перейдите в раздел "Граф со-встречаемости".

Примечание:
Граф со-встречаемости — это визуальное представление того, как часто встречаются одни и те же элементы, например, навыки в вакансиях.
Такой граф помогает выявить востребованные комбинации навыков, что может быть полезно для оптимизации образовательных программ и разработки новых продуктов или сервисов.

Шаг 5: Фильтрация графа схожести

Действия:

Перейдите в секцию "Фильтрация графа схожести".
Выберите переменную для построения графа и настройте связующие переменные для анализа сходства вакансий.

Примечание:
Граф схожести — это визуальное представление, которое показывает, насколько близки объекты (например, работодатели, специальности, регионы) по своим характеристикам через общие связующие переменные (например, навыки).
Такой граф позволяет выявить группы с одинаковыми требованиями к навыкам.

Инструкция по работе с двумодальным графом

Пошаговое руководство по работе с визуализацией двумодального графа

Шаг 1: Выбор переменных

Действия:

Откройте секцию "Фильтрация двумодального графа" на боковой панели.
Выберите переменные, определяющие взаимосвязи между категориями (например, специальности и навыки).
Перейдите на панель "Сеть" и выберите раздел "Двумодальный граф" для просмотра визуализации.

Примечание:
Выбор переменных задаёт основу для построения графа, определяя, какие данные будут сопоставлены друг с другом.

Шаг 2: Общие фильтры

Действия:

Используйте ползунок "Порог силы связей" для задания минимальной величины связи между узлами. Это помогает исключить слабые взаимосвязи.
Настройте диапазоны для размеров узлов и ребер, чтобы задать визуальные свойства графа.
Задайте значение "Разрешение Louvain" для разделения узлов на сообщества.

Примечание:
Фильтры контролируют базовые параметры графа: отсекают слабые связи, задают размеры узлов/ребер и помогают выявить структуру сообществ в сети.

Шаг 3: Выделение цвета узла

Действия:

Выберите опцию "Выделение цвета узла" в панели фильтров.
Определите критерий окраски:
- Модулярность – узлы окрашиваются в зависимости от принадлежности к сетевым сообществам.
- Модальность – одна категория узлов выделяется одним цветом, а другая - другим (например, специальности - синем цветом, а навыки - красным).
- Уникальность/общность – уникальные узлы из второй переменной (например, навыки) выделяются одним цветом, а общие – другим.

Примечание:
Выбор цвета узла помогает визуально различать группы элементов.

Шаг 4: Метрика размера узла

Действия:

Выберите опцию "Метрика размера узла" для определения важности узлов в графе.
Обратите внимание на предлагаемые опции:
- Центральность по степени – оценивает количество прямых связей узла.
- Центральность по близости – измеряет, насколько узел расположен близко к другим.
- Центральность по посредничеству – показывает роль узла как связующего элемента между разными группами.
Настройте диапазон размеров узлов с помощью ползунка для визуального отражения выбранной метрики.

Примечание:
Метрика размера узла определяет, насколько важен каждый элемент. Узлы с большим количеством связей или критической ролью в сети будут отображаться крупнее.