Mô hình dự báo nguồn nhân lực công nghệ thông tin của thành phố hồ chí minh trong giai đoạn 2011 2020

MÔ HÌNH DỰ BÁO NGUỒN NHÂN LỰC CÔNG NGHỆ THÔNG TIN CỦA THÀNH PHỐ HỒ CHÍ MINH TRONG GIAI ĐOẠN 2011 – 2020 INFORMATION TECHNOLOGY HUMAN RESOURCE FORECASTING MODEL FOR HOCHIMINH CITY FROM 2011 TO 2020 Cao Hào Thi, Nguyễn Thanh Hùng, Trương Minh Chương, Hà Văn Hiệp, Nguyễn Ngọc Bình Phương Khoa Quản lý Công nghiệp, Đại học Bách khoa, Thành phố Hồ Chí Minh, Việt Nam BẢN TÓM TẮT Công nghệ Thông tin (CNTT) lĩnh vực phát triển mạnh, đặc biệt Thành phố Hồ Chí Minh (Tp.HCM) Chính quyền Thành phố có nhiều nỗ lực việc nâng cấp hạ tầng CNTT hoạch định phát triển nguồn nhân lực cho lĩnh vực Sự phát triển nguồn nhân lực CNTT phụ thuộc vào nhu cầu thị trường ngành CNTT nguồn cung nhân lực CNTT Để việc hoạch định có độ tin cậy cao, mô hình cho việc hoạch định có kể đến yếu tố cung cầu nhân lực CNTT cần thiết thiết lập Nghiên cứu nhằm xây dựng đề xuất mô hình dự báo nguồn nhân lực CNTT áp dụng mô hình việc dự báo nguồn nhân lực CNTT Tp.HCM giai đoạn 2011–2020 Từ khóa: Nguồn nhân lực, Công nghệ Thông tin, Dự báo, Mô hình, Thành phố Hồ Chí Minh ABSTRACT Information Technology (IT) is a fast growing field, particularly, in Ho Chi Minh City The City Authorities has made much efforts to improve IT infrastructure and to make a master plan for IT human resource development The development of IT human resource depends on the demand of the IT market and the supply of IT human resource In order to have a highly reliable plan for IT human resource development , a forecasting model involving factors of IT human resource demand and supply is in need This research aims to establish an IT human resource forecasting model and apply this model into the forecasting of IT human resource in Ho Chi Minh City from 2011 – 2020 GIỚI THIỆU Dự báo cung cầu nguồn nhân lực đào tạo phần thiếu việc hoạch định nhân lực mọi quốc gia, vùng lãnh thổ, lãnh vực hoạt động kinh tế [5]; công cụ quan trọng nhà định việc tuyển dụng, đào tạo, xây dựng sách [3] Tuy nhiên, việc dự báo nguồn nhân lực gây nhiều tranh luận lãnh vực học thuật nước Một số nhà nghiên cứu cho việc dự báo không cần thiết dự báo, kết có không xác việc dự báo thường dựa giả thiết không hiệu lực Ngược lại, số nhà nghiên cứu lại cho dự báo nguồn nhân lực việc làm khó cần thiết thực được, họ cho dù có làm dự báo tốt không làm [7] Ở Việt Nam, dự báo cung cầu nguồn nhân lực đào tạo ngày trở nên cần thiết lãnh vực kinh tế nói chung lãnh vực CNTT nói riêng Trong thời gian gần đây, số quan quản lý nhà nước đặt yêu cầu cho nhà nghiên cứu xây dựng mô hình dự báo nguồn nhân lực Cụ thể, Sở Khoa học Công nghệ Tp.HCM yêu cầu dự báo nguồn nhân lực lãnh vực CNTT, bốn ngành trọng điểm Tp.HCM Trước vấn đề nêu trên, nghiên cứu xây dựng mô hình dự báo nguồn nhân lực CNTT Tp.HCM giai đoạn 2011 đến 2020 Cụ thể:  Tổng quan phân loại nguồn nhân lực CNTT, nguồn cung nhu cầu cho loại tương ứng với cấu trình độ lao động  Tổng quan phương pháp/mô hình dự báo nguồn nhân lực CNTT  Đề xuất mô hình dự báo nguồn nhân lực CNTT Tp.HCM giai đoạn 2011 đến 2020 Phạm vi đề tài giới hạn việc dự báo số lượng loại nguồn nhân lực CNTT Tp.HCM theo cấu trình độ lao động từ cao đẳng, cử nhân, thạc sĩ tiến sĩ CƠ SỞ LÝ THUYẾT 2.1 Phân loại nguồn nhân lực CNTT Theo chuẩn ACM [6], ngành CNTT bao gồm năm chuyên ngành:  Khoa học Máy tính (Computer Science): Chuyên ngành khoa học, nghiên cứu khía cạnh lý thuyết máy tính  Kỹ thuật Máy tính (Computer Engineering): Chuyên phần cứng, bao gồm mạng viễn thông  Công nghệ Phần mềm (Software Engineering): Chuyên ngành kinh tế kỹ thuật liên quan đến sản xuất phần mềm  Hệ thống Thông tin (Information System): Chuyên ngành kỹ thuật ứng dụng, đào tạo chuyên gia tích hợp công cụ phần cứng phần mềm vào hoạt động doanh nghiệp  Ứng dụng CNTT (Information Technology): Chuyên ngành ứng dụng, đào tạo người đứng phía doanh nghiệp phối hợp với chuyên gia hệ thống thông tin để triển khai ứng dụng CNTT doanh nghiệp Ở Việt Nam nay, đa số trường đại học triển khai đào tạo ngành CNTT theo năm chuyên ngành sau:  Khoa học Máy tính (Computer Science) đào tạo kỹ sư nắm vững kiến thức chuyên môn sâu khoa học máy tính, ý đến lĩnh vực tiên tiến CNTT như: hệ thống điều khiển thông minh, hệ thống đa truyền thông, hệ thống khai thác xử lý tri thức, xử lý ngôn ngữ tự nhiên…  Kỹ thuật Máy tính (Computer Engineering) đào tạo kỹ sư nắm vững nguyên lý thực tiễn lĩnh vực kỹ thuật máy tính, đặc biệt lĩnh vực thiết kế vi mạch  Công nghệ Phần mềm (Software Engineering) trang bị cho sinh viên kiến thức tổng quát quy trình xây dựng, quản lý bảo trì hệ thống phần mềm; có khả phân tích, thiết kế quản lý dự án phần mềm; cung cấp phương pháp luận công nghệ để sinh viên nắm bắt làm chủ tiến khoa học  Hệ thống Thông tin (Information System) đào tạo kỹ sư đáp ứng yêu cầu nghiên cứu phát triển ứng dụng CNTT xã hội  Mạng Máy tính Truyền thông (Networking and Telecommunication) đào tạo kỹ sư nắm vững kiến thức chuyên sâu ngành nghề, đáp ứng yêu cầu nghiên cứu, ứng dụng, có khả thiết kế chế tạo, bảo trì, sản xuất, thử nghiệm, quản lý hệ thống mạng máy tính truyền thông Như vậy, so với chuẩn ACM, Việt Nam có thêm chuyên ngành (Mạng Máy tính Viễn thông theo chuẩn ACM đưa thành chuyên ngành hẹp Kỹ thuật Máy tính) thiếu chuyên ngành (Ứng dụng CNTT) Tuy vậy, có số đại học sử dụng khung giáo trình chuyên ngành dựa theo chuẩn ACM [4] 2.2 Phân loại các phương pháp/mô hình dự báo nguồn nhân lực CNTT Phương pháp dự báo cung cầu nguồn nhân lực đa dạng phức tạp, tùy thuộc vào mục tiêu dự báo nguồn lực phục vụ cho công tác dự báo bao gồm sở liệu sẵn có, đội ngũ chuyên gia kinh phí Một cách tổng quát, theo Wilson cộng [7], phân thành bốn nhóm phương pháp chính:  Điều tra nhà sử dụng nhà cung cấp nguồn nhân lực  Nghiên cứu theo quốc gia, vùng lãnh thổ, lãnh vực ngành kinh tế  Phương pháp định tính  Phương pháp định lượng Reisman cộng [5] phân loại dự báo nguồn nhân lực dựa sáu yếu tố gọi tắt HLAWPI, đó:  H: Thời đoạn hoạch định t (Planning Horizon)  Hs: ngắn hạn (t < năm)  Hm: trung hạn (t =  10 năm)  Hl: dài hạn (t > 10 năm)  L: Cấp hoạch định (Planning Level)  Ln: quốc gia  Lr: vùng, miền  Ls: tỉnh  Li: tổ chức, công ty  A: Mức độ kết hợp (Aggregation Level)  Ah: cao liên quan đến thuộc tính/ngành nghề  Al: thấp liên quan đến nhiều thuộc tính/ngành nghề  W: Cách tiếp cận (Way)  Wo: Khách quan dựa liệu khứ  Ws: chủ quan dựa vào ý kiến chuyên gia  Wm: kết hợp  P: Mục đích mô hình (Model Purpose)  Po: tối ưu  Pe: đánh giá sách  Pf: dự báo  I: Sự thúc đẩy di cư (Impetus for people movement)  Ip: cung đẩy  Ie: cầu kéo  Im: kết hợp Một cách tổng quát khác, phương pháp dự báo nguồn nhân lực sử dụng thông thường phân loại thành hai nhóm dựa việc khai thác liệu khứ không dựa liệu khứ Các phương pháp không dựa liệu khứ bao gồm khảo sát nhà tuyển dụng (Employer’s Survey), so sánh quốc tế (International Comparision) phân tích tín hiệu thị trường lao động (Labour Market Analysis) Ngược lại, khảo sát xu hướng khứ tảng cho phép tiếp cận theo tỷ số lao động-đầu (Labour-Output Ratios) hay phân tích đầu vào-đầu (I-O Input-Output Analysis) Một số nước phát triển sử dụng kỹ thuật lập mô hình kinh tế vĩ mô phức tạp (Sophisticated Macroeconomic modelling) để dự báo lực lượng lao động, kỹ thuật dựa ước lượng trích từ liệu kinh tế khứ [2] Dựa theo tính chất liệu, mô hình dự báo nguồn nhân lực phân thành ba loại mô hình nhân quả, chuỗi thời gian kết hợp hai  Mô hình nhân sử dụng liệu chéo với dạng tổng quát sau:  Yi = f(X1, X2,…, Xi,…, Xk) = b0 + b1X1 + b2X2 + … +biXi + … + bkXk + t Với Y biến kết X biến nguyên nhân Y X biến định lượng hay định tính  Mô hình chuỗi thời gian sử dụng liệu theo thời gian Yt= f(t), thường sử dụng mô hình tự hồi qui AR(p) mô hình tự hồi qui kết hợp trung bình trượt ARIMA  AR(p): Yt = f(Yt-1, Yt-2,…, Yt-p) = b1Yt-1 + b2Yt-2 + … + bpYt-p + t  ARIMA(p,d,q): Yt = b1Yt-1 + b2Yt-2 + … + bpYt-p + c1t-1 + c2t-2 + … + cqt-q + t  Mô hình kết hợp sử dụng liệu bảng (pannel data) loại liệu kết hợp liệu chéo (crossectional data) liệu chuỗi thời gian (time series data) Ở Singapore Taiwan, nhà nghiên cứu sử dụng mô hình kết hợp để xem xét mối quan hệ nguồn nhân lực CNTT chi phí R&D phủ từ năm 1981 đến 2000 [8] Hình 1: Quan hệ nguồn nhân lực CNTT chi phí R&D Một cách phân loại khác cho mô hình dự báo nguồn nhân lực CNTT dựa theo mô hình kinh tế vĩ mô bao gồm Mô hình cân đối liên ngành (Mô hình I-O), Mô hình cân đối cung cầu Mô hình dự báo nhu cầu tăng thêm [7] Mô hình đơn giản mô hình liên ngành mô hình I-O mở tĩnh Leontief đề nghị năm 1937 Trong mô hình I-O mối liên hệ trực tiếp ngành sản xuất với nhau, mô hình tiên phong lĩnh vực này, ngày dùng nhiều nghiên cứu phân tích tác động sách MÔ HÌNH DỰ BÁO NGUỒN NHÂN LỰC CNTT TP.HCM 2011-2020 Dựa sở lý thuyết tổng quan sở liệu cung cầu nguồn nhân lực CNTT Tp.HCM có thực tế vừa không đầy đủ vừa không đồng nên mô hình dự báo đề xuất nghiên cứu sử dụng kết hợp vừa dựa vào việc khai thác liệu khứ vừa không dựa vào liệu khứ 3.1 Mô hình không dựa vào liệu quá khứ Đối với đối tượng dự báo sở liệu khứ, nghiên cứu đề nghị sử dụng phương pháp dự báo sau đây:  Điều tra quan có sử dụng nguồn nhân lực CNTT (Employer surveys)  Điều tra quan có đào tạo nguồn nhân lực CNTT (Supplier surveys)  Phương pháp chuyên gia (Delphi techniques)  Phương pháp thảo luận nhóm (Focus group)  Phương pháp hoạch định theo kịch khác (Scenario planning) 3.2 Mô hình dựa vào liệu quá khứ Đối với đối tượng dự báo có sở liệu khứ, nghiên cứu đề nghị sử dụng mô hình dự báo theo chuỗi thời gian, mô hình nhân mô hình IO Mô hình chuỗi thời gian Với liệu cung cầu nguồn nhân lực theo chuỗi thời gian, nghiên cứu đề nghị sử dụng mô hình sau để dự báo:  Mô hình đường xu  Mô hình tự hồi qui  Mô hình ARIMA Kết dự báo theo mô hình cho thấy đường cung đường cầu nguồn nhân lực theo thời gian trình bày Hình Hình 2: Đường dự báo cung cầu nguồn nhân lực [3] Mô hình nhân Trong nghiên cứu mô hình nhân đề xuất nhằm khảo sát mối quan hệ số lượng nhân lực CNTT chi phí R&D, GDP, tiền đầu tư vào lãnh vực CNTT Dựa vào mô hình dự báo giá trị R&D, GDP tiền đầu tư số lượng nhân lực CNTT dự báo Các giá trị R&D, GDP tiền đầu tư có từ mô hình kinh tế vĩ mô sách phủ 3.4 Mô hình cân đối liên ngành IO Bảng IO phương tiện cho việc dự báo cầu nguồn nhân lực; sở việc dự báo cầu nguồn nhân lực bắt nguồn từ dự báo tăng trưởng kinh tế GDP (tiêu dùng cuối cùng) Dự báo tăng trưởng GDP tổng thể kinh tế dựa dự báo tăng trưởng thành phần tiêu dùng cuối ngành Thông qua mô hình IO (ma trận hệ số đầu vào), giá trị tăng thêm VA ngành khu vực (nông nghiệp, công nghiệp hay dịch vụ) xác định Trong dự báo ngắn hạn, việc giả sử hệ số cấu không thay đổi chấp nhận Do đó, sử dụng ma trận hệ số cấu thành phần cấu thành nên VA, xác định tổng quỹ lương quỹ lương tăng thêm ngành khác Tuy nhiên, dự báo cầu lao động phải cho kết lượng cầu lao động tương lai không dừng lại xác định quỹ lương tăng thêm ngành Vì vậy, cần phải tiến hành bước điều tra thông tin tiền lương trung bình tính theo (hay tháng) ngành, từ tính lượng cầu lao động tương ứng Để bước dự báo tin cậy, cần thiết phải dùng khảo sát chuyên gia khảo sát người sử dụng lao động để nắm bắt xu hướng tăng/giảm tiền lương trung bình ngành Khi khảo sát chuyên gia người sử dụng lao động, không lấy thêm thông tin xu hướng chuyển dịch cấu lao động nội ngành, hay công đoạn sản phẩm ứng với trình độ, kỹ từ đơn giản đến phức tạp Thông tin lấy thêm cần thiết cho việc dự báo phân bổ lao động vào ngành nhỏ dự báo cầu lao động theo kỹ Thật ra, module gắn liền với trình dự báo cầu lao động theo giới tính, theo trình độ lao động… số dự báo riêng rẽ (theo yêu cầu module), sử dụng hàm xu để dự báo, cách tiếp cận chuyên gia, người sử dụng lao động hay vấn nhóm người lao động [1] Khi dự báo lượng cầu lao động cần bao gồm lực lượng lao động thay (replacement demand) bên cạnh việc dự báo lượng cầu tăng thêm tăng trưởng kinh tế chung hay kết việc mở rộng quy mô ngành (expansion demand) Các thành phần chủ yếu lực lượng thay lao động nghỉ hưu, chết, di chuyển ròng theo ngành theo địa lý Các module dự báo cầu lao động trình bày Hình Bảng IO (dự báo tăng trưởng GDP/tăng trưởng ngành) Dự báo lao động theo ngành Dự báo cầu lao động thay Dự báo cầu lao động theo kỹ năng/trình độ Hình 3: Các module dự báo cầu lao động [7] Kinh nghiệm nước có làm dự báo cầu lao động gắn với module phụ trợ cho thấy việc dự báo lao động theo ngành, dự báo lao động thay hay dự báo lao động theo kỹ dựa đường xu (chuỗi thời gian) kết hợp với điều tra doanh nghiệp (người sử dụng lao động người lao động) ý kiến chuyên gia dựa vào mô hình nhân Điểm chung, nội dung quan trọng module này, thiết kế câu hỏi vấn doanh nghiệp chuyên gia để thu thập thông tin tốt “cảm nhận” cho tương lại gần Một lưu ý quan trọng giải module phải xác định rõ ràng hệ thống khái niệm, thang đo liên quan đến phân loại ngành, nghề, loại kỹ năng, tuổi nghỉ hưu… Cuối khâu liệu; khâu định mức độ tin cậy kết dự báo Cần tập hợp Niên giám thống kê có liên quan đến lao động, cấu lao động theo ngành nghề… điều tra quy mô lớn điều tra dân số, điều tra mức sống dân cư, điều tra doanh nghiệp… KẾT LUẬN Từ việc phân loại nguồn nhân lực CNTT tổng quan phân tích mô hình dự báo cùng, nghiên cứu đến số kết luận việc xây dựng mô hình dự báo nguồn nhân lực CNTT Tp.HCM giai đoạn 2011–2020 sau:  Về ngành nghề, dự báo bao gồm ngành: Khoa học Máy tính (Computer Science), Kỹ thuật Máy tính (Computer Engineering), Công nghệ Phần mềm (Software Engineering), Hệ thống Thông tin (Information System), Mạng Máy tính Truyền thông (Networking and Telecommunication) Ứng dụng CNTT (Information Technology)  Về cấu trình độ lao động, dự báo bao gồm bốn trình độ cao đẳng, cử nhân, thạc sĩ tiến sĩ  Về mô hình dự báo sử dụng kết hơp hai loại mô hình dựa vào việc khai thác liệu khứ vừa không dựa vào liệu khứ, trọng đến loại mô hình/phương pháp:  Điều tra quan có sử dụng nguồn nhân lực CNTT (Employer surveys)  Điều tra quan có đào tạo nguồn nhân lực CNTT (Supplier surveys)  Phương pháp chuyên gia (Delphi techniques)  Mô hình chuỗi thời gian  Mô hình nhân  Mô hình IO TÀI LIỆU THAM KHẢO Bùi Trinh, Nguyễn Thế Chinh, Nguyễn Hoàng Trí: Mô hình Input-Output ứng dụng cụ thể phân tích, dự báo kinh tế môi trường, Nhà xuất Thành phố Hồ Chí Minh, (2001) Economic and Social Commission for Asia and the Pacific: Human Resources Development for Information Technology, United Nations, New York, (2001) Edward B Harvey and K.S.R Murthy, Forecasting Manpower Demand and Supply: A Model for the Accounting Profession in Canada Technological Forecasting & Social Change, Vol 4(4), (1998), pp 551562 Lê Trường Tùng, Chương trình đào tạo đại học CNTT Tạp chí Thế giới Vi tính B, Tháng 05, (2008), tr 68 Arnold Reisman, Moon Ho Song, and Fidelis Ikem, A Taxonomy for Manpower Forecasting and Planning Socio-Economic Planning Sciences, Vol 25(3), (1991), pp 221-231 Russell Shackelford, James H Cross, Gordon Davies, John Impagliazzo, Reza Kamali, Richard LeBlanc, Barry M Lunt, Andrew McGettrick, Robert Sloan, and Heikki Topi: Computing Curricula 2005 – The Overview Report, The Association for Computing Machinery (ACM), The Association for Information Systems (AIS), and The Computer Society (IEEE-CS), (2006) Rob Wilson, Ingrid Woolard, and Deborah Lee: Developing a National Skills Forecasting Tool for South Africa, Institute for Employment Research (University of Warwick) and Human Sciences Research Council (South Africa), (2004) Connie Zheng and Mei-Chih Hu, Challenge to ICT Manpower Planning under the Economic Restructuring: Emperical Evidence from MNCs in Singapore and Taiwan Technological Forecasting & Social Change, Vol 75, (2008), pp 834853