Научный журнал

Вестник Алтайской академии экономики и права

Print ISSN 1818-4057

Online ISSN 2226-3977

Перечень ВАК

Введение

Цифровизация строительной отрасли в последние годы определяется широким внедрением технологии информационного моделирования зданий (BIM – Building Information Modeling). Применение BIM позволяет повысить эффективность проектирования и эксплуатации объектов за счёт оптимизации затрат, улучшенной координации и снижения ошибок. В России внедрение BIM получило нормативное закрепление: Постановление Правительства РФ № 331 от 5 марта 2021 года сделало обязательным применение BIM в государственных проектах с 2022 года [1]. Несмотря на это, уровень проникновения BIM в практику остаётся низким. По данным PwC, активно используют BIM лишь 5–7% компаний [2]. Главные барьеры – высокая стоимость внедрения, дефицит квалифицированных кадров и отсутствие единых стандартов [3]. Это указывает на перекос между спросом и предложением на рынке труда, недостаточную изученность требований работодателей и недостаточную готовность образовательной и научной базы [4]. В результате нет устойчивого понимания требуемых компетенций. Настоящее исследование частично закрывает этот пробел.

Цель исследования – проанализировать, как именно используется программное обеспечение для BIM-проектирования в России на основе данных рынка вакансий и какие требования к ПО формируют работодатели.

Материал и методы исследования

В исследовании использован метод количественного контент-анализа вакансий BIM-специалистов, опубликованных на платформе hh.ru [5]. В выборку вошли объявления за март–апрель 2025 года из пяти крупнейших городов России: Москвы, Санкт-Петербурга, Екатеринбурга, Новосибирска и Казани. Такой подход позволяет проследить, какие именно компетенции и навыки в сфере программного обеспечения закрепляются в реальных требованиях работодателей [6]. Для обеспечения воспроизводимости исследования алгоритм выборки вакансий был формально задан и включал несколько этапов.

Поисковые запросы и ключевые слова. Первичный сбор данных осуществлялся с использованием следующих ключевых слов, встречающихся в названии или описании вакансии:

• «BIM», «BIM-специалист», «BIM-координатор», «BIM-менеджер»;

• «информационное моделирование», «информационное моделирование зданий»;

• «BIM-проектирование»;

• названия наиболее распространённых программных продуктов: «Revit», «Navisworks», «ArchiCAD», «Tekla Structures», «Renga».

Вакансия включалась в предварённый массив, если хотя бы одно из ключевых слов встречалось в тексте объявления. Использовались встроенные системные фильтры платформы hh.ru. Использовались встроенные параметры платформы:

• профессиональные области: «Строительство», «Проектирование», «Архитектура»;

• города: Москва, Санкт-Петербург, Екатеринбург, Новосибирск, Казань;

• тип занятости: полная занятость;

• опыт работы: от 1 года и выше.

Позиции формата «стажировка», «практика» и полностью удалённые вакансии без привязки к региону исключались. Ручная фильтрация позволила исключить нерелевантные объявления вакансии, где BIM упоминался только как «желательное» умение при доминировании 2D-задач (AutoCAD), позиции IT-направления (разработка ПО, администрирование BIM-платформ), если трудовые функции не были связаны с проектированием, общие инженерные должности («инженер-проектировщик», «архитектор»), в которых BIM упоминался только в описании компании, но отсутствовал среди требований к кандидату.

Обработка дубликатов. Для исключения повторяющихся объявлений применялось правило уникальности по тройке: название компании, названии вакансии, город. При обнаружении нескольких версий одинаковой вакансии (например, опубликованной работодателем и агентством) в выборку включался один экземпляр наиболее полный по описанию и наличию информации о заработной плате. Также удалялись «скрытые» дубликаты, выявленные по совпадению текстов описаний при изменённых названиях вакансий.

Итоговый массив данных. После применения всех фильтров и удаления дубликатов сформирована выборка из 210 уникальных вакансий, структура которой описана в разделе «Результаты исследования». Портал hh.ru является крупнейшей рекрутинговой площадкой России и содержит широкий спектр вакансий, однако анализ его данных имеет особенности. Во-первых, публикуются только открытые вакансии, что ограничивает полноту картины. Во-вторых, формулировки работодателей могут быть неполными или субъективными: иногда требования к BIM-навыкам не раскрываются явно, а упоминаются косвенно [7]. В-третьих, платформа ориентирована преимущественно на крупные города и компании, тогда как малые организации или региональные бюро часто используют локальные каналы поиска сотрудников. Кроме того, не все сведения о заработной плате указываются, что затрудняет сопоставление данных. Несмотря на эти ограничения, использование hh.ru позволяет получить репрезентативное представление о тенденциях: именно здесь сосредоточены ключевые предложения на рынке труда. Вместе с тем для углубления картины данные анализа можно дополнить другими источниками – например, интервьюированием работодателей или опросами профессиональных ассоциаций, что дало бы более точное понимание мотивов и практик применения BIM-ПО [8]. Такие методы позволили бы уточнить достоверность выводов и снять часть ограничений, связанных с неполнотой данных портала. Таким образом, даже при условной ограниченности выборки результаты исследования дают ценную информацию о востребованности конкретных программных продуктов и отражают общую направленность цифровой трансформации в строительной отрасли.

Обработка данных о заработной плате. Для анализа уровня оплаты труда использовалась единая схема обработки зарплатных данных. Фиксированные значения включались в расчёты в заявленном виде. Если в вакансии была указана зарплатная «вилка» («от–до»), использовался ориентировочный уровень, рассчитанный как средняя точка диапазона, что позволяет сгладить разброс и получить показатель, близкий к реальному предложению рынка.

Отдельного подхода требовали вакансии, в которых указывалась только верхняя граница («до…»). В таких случаях учитывалось, что подобные значения, как правило, отражают максимальный возможный оффер и завышены относительно фактических выплат. Поэтому применялось понижающее корректирование, приводящее показатель к более реалистичному уровню. Например, если в московской вакансии была указана сумма «до 180 тыс. руб.», в расчётах использовалось значение, приближённое к средним предложениям по аналогичным позициям (порядка 120–130 тыс. руб.). Аналогично, для объявлений с верхней границей «до 100 тыс. руб.» учитывался усреднённый уровень, соответствующий фактической оплате в городе (например, около 70 тыс. руб. для Новосибирска или 85–90 тыс. для Екатеринбурга).

Вакансии без указания заработной платы не включались в расчёт средних значений, однако учитывались при определении доли неполных данных, что важно при межрегиональных сравнениях.

Схема контент-анализа. Для систематизации требований работодателей к программному обеспечению использован формализованный количественный контент-анализ. Единицей анализа являлось отдельное объявление о вакансии, а единицей кодирования каждое упоминание программного продукта, содержащегося в тексте вакансии («требования», «обязанности», «будет преимуществом»).

Таблица 1

Система кодов для программного обеспечения

Для классификации ПО была разработана схема кодов, объединяющая наиболее часто встречающиеся в вакансиях программные решения. Коды присваивались независимо от контекста (обязательное требование или желательное умение), что обеспечивало сопоставимость данных и возможность количественной обработки (табл. 1).

Для обеспечения воспроизводимости кодирования использовались следующие формальные правила:

• Код присваивался при каждом прямом упоминании ПО в тексте вакансии. Пример: «Требуется опыт работы в Revit и Navisworks» → R1, R2.

• Если указана группа ПО, кодировались все элементы группы. Пример: «Знание BIM-платформ (Revit, ArchiCAD)» → R1, AR1.

• Контекст (обязательно/желательно) не учитывался, чтобы не размывать категорию.

• Обобщённые формулировки без указания ПО не кодировались. Пример: «Опыт работы с BIM-моделями» → код не присваивается.

• Дубли в одном объявлении не учитывались многократно. Если Revit упомянут дважды – код R1 фиксируется один раз.

• Если упоминался собственный корпоративный софт, он относился к категории «прочее» (код X), но не включался в статистику по BIM-ПО.

Для воспроизводимости приводится пример кодирования одной вакансии: «В обязанности входит ведение BIM-модели в Autodesk Revit, координация разделов в Navisworks. Желателен опыт работы в Renga и базовое владение AutoCAD.» Единица анализа: одна вакансия. Результат кодирования: Autodesk Revit – R1, Navisworks – R2, Regna – O1, AutoCAD – A1. Набор кодов для данной вакансии: {R1, R2, O1, A1}.

Результаты исследования и их обсуждение

Матрица отражает долю и структуру требований работодателей к ПО в разных регионах на основе 210 вакансий (табл.2).

Анализ матрицы показывает, что Revit является абсолютным лидером: он встречается в 194 из 210 вакансий (92%), причём в Москве – в 113 из 120. Navisworks присутствует в 138 вакансиях (66%), главным образом в Москве (82) и Санкт-Петербурге (33), что отражает концентрацию сложных координационных проектов именно в этих центрах. AutoCAD указан в 121 вакансии (58%), но в большинстве случаев как вспомогательный инструмент.

Региональные различия проявляются в использовании альтернативных BIM-систем. ArchiCAD встречается в 39 вакансиях, и почти половина из них приходится на Екатеринбург (8) и Санкт-Петербург (10). Tekla Structures наиболее востребована в Санкт-Петербурге (14 вакансий), что связано с высоким объёмом проектов по металлоконструкциям.

Отечественные решения представлены значительно слабее: Renga – 24 вакансии, NanoCAD BIM – 13, Model Studio – 8. Их применение наиболее заметно в региональных рынках (Екатеринбург, Казань, Новосибирск), но они остаются нишевыми инструментами и не формируют массового спроса.

Таблица 2

Структура требований работодателей к ПО в разных городах

Источник: рассчитано автором по данным hh.ru (март–апрель 2025 г.).

Таблица 3

Распределение и разброс заработных плат

Источник: рассчитано автором по данным hh.ru (март–апрель 2025 г.).

В целом структура требований подтверждает сильную зависимость рынка труда от зарубежного BIM-стека, при этом столичные города задают цифровые стандарты, а регионы демонстрируют более фрагментарное и неоднородное использование программного обеспечения. Подобная ситуация свидетельствует о том, что внедрение BIM идёт неравномерно и во многом зависит от наличия крупных проектов, инвестиционных программ и активности местных девелоперов.

Уровень заработной платы. Средние значения варьируют от 75 тыс. руб. (Новосибирск) до 165 тыс. руб. (Казань). В Москве и Санкт-Петербурге средний уровень оплаты составляет 110 тыс. и 100 тыс. руб. соответственно. Для корректного сравнения дополнительно рассчитаны медианы как более устойчивая к выбросам метрика. В большинстве городов медиана ниже среднего, что отражает правостороннюю асимметрию распределения (несколько высоких офферов «тянут» среднее вверх). Для проверки устойчивости результатов использовано 10%-усечённое среднее (обрезка верхних и нижних 10% наблюдений). Оно, как правило, близко к медиане и демонстрирует аналогичную иерархию городов. Если в вакансии указана «вилка» (min–max), в расчётах использовалась середина диапазона; при наличии только верхней границы – оценка по верхней границе с понижающим коэффициентом. Для каждого города дополнительно представлены межквартильный размах (IQR) и доля вакансий без указания заработной платы – эти показатели важны для оценки надёжности сравнения (табл. 3).

Анализ данных показывает, что медианные значения ниже средних во всех городах, что подтверждает наличие правосторонней асимметрии распределения заработных плат [8]. Это свидетельствует о наличии небольшого числа высокооплачиваемых вакансий, которые значительно влияют на среднее значение. Наибольший разрыв между средней и медианной зарплатой наблюдается в Казани, что указывает на высокую концентрацию предложений в верхнем диапазоне и ограниченность кадрового предложения.

В Москве и Санкт-Петербурге разница между усечённым средним и медианой минимальна, что отражает более устойчивый рынок и стандартизированные требования к специалистам [9]. Для Екатеринбурга и Новосибирска характерна большая доля вакансий без указания оплаты, что снижает достоверность сопоставлений, но указывает на тенденцию «торга» между работодателями и кандидатами при согласовании условий.

Предпочтения работодателей и роль отечественного программного обеспечения.

В разрезе используемого программного обеспечения результаты демонстрируют явное лидерство Autodesk Revit, который упоминается практически во всех вакансиях и выступает стандартом де-факто. AutoCAD и Navisworks фигурируют как вспомогательные инструменты, обеспечивающие подготовку чертежей и междисциплинарную координацию [10]. В ряде регионов наблюдаются локальные особенности: в Екатеринбурге чаще встречается ArchiCAD, в Санкт-Петербурге – Tekla Structures [11].

Из отечественных решений чаще всего упоминается Renga, однако доля российских систем (включая Renga, NanoCAD BIM, Model Studio) остаётся низкой. Интервью с работодателями и отраслевые обзоры указывают на три ключевые причины:

1. недостаточно развитая экосистема и слабая интеграция с международными форматами обмена (IFC, BCF);

2. ограниченная совместимость с типовым стеком подрядчиков и смежников;

3. дефицит специалистов, имеющих практический опыт работы в отечественных BIM-платформах.

В совокупности это формирует инерцию спроса в пользу зарубежных решений и закрепляет Revit в качестве базовой компетенции на входе в профессию, тогда как российские продукты чаще фигурируют в локальных корпоративных стандартах или в проектах с требованиями импортозамещения.

Полученные данные подтверждают высокую степень стандартизации требований к BIM-специалистам: знание Autodesk Revit фиксируется в подавляющем большинстве вакансий и фактически выступает отраслевым стандартом. Низкая частота упоминаний отечественного программного обеспечения (Renga, NanoCAD BIM, Model Studio) свидетельствует о том, что процесс импортозамещения в строительном секторе пока продвигается ограниченно и не сформировал стабильного спроса на рынке труда. Региональный анализ показывает значимую дифференциацию. Москва и Санкт-Петербург формируют ядро спроса на BIM-компетенции, что связано с концентрацией крупных инвестиционно-строительных проектов и более высоким уровнем цифровой зрелости компаний. Более высокая средняя заработная плата в Казани объясняется сочетанием дефицита квалифицированных специалистов и повышенных требований к владению программным обеспечением в отдельных сегментах рынка.Распределение медиан и усечённых средних значений указывает на правостороннюю асимметрию: отдельные высокие офферы заметно увеличивают средние значения, при этом медиана и усечённое среднее дают более устойчивую картину межрегиональных различий.Таким образом, результаты, основанные на анализе вакансий, отражают как общенациональные тенденции стандартизации цифровых компетенций, так и локальные особенности спроса, связанные с региональной структурой строительных рынков.

Заключение

Интерпретация выявленных тенденций позволяет обозначить ряд направлений, требующих внимания со стороны образовательной, отраслевой и государственной политики. С учётом доминирования Revit и Navisworks в требованиях работодателей образовательные организации должны формировать подготовку специалистов прежде всего вокруг этих инструментов, постепенно расширяя модули по отечественным программным продуктам для поддержки процессов импортозамещения.

Государственным структурам целесообразно рассмотреть меры стимулирования спроса на российское ПО: включение отечественных систем в требования госзаказа, приоритет их использования в пилотных проектах, создание программ стимулирования компаний к переходу на отечественные решения. В краткосрочной перспективе (2–3 года) ожидаемым результатом таких мер может стать расширение предложения учебных курсов и появление первых практических проектов с использованием российских платформ. Среднесрочно (5–7 лет) возможно формирование устойчивого кадрового резерва, владеющего отечественным ПО; в долгосрочной перспективе (10 лет и более) – создание комплексной цифровой экосистемы.

Развитие рынка труда также может требовать целевых стимулов: повышения привлекательности профессии, временного субсидирования затрат на обучение и переквалификацию, частичного возмещения фонда оплаты труда в компаниях, участвующих в внедрении отечественного ПО. При этом необходима аккуратная система отбора и контроля: ограничение сроков льгот, прозрачные критерии участия, привязка субсидий к конкретным результатам (например, доле российских программ в проекте или прохождению независимой аттестации специалистов). Эти меры позволят снизить риски бюджетных потерь и обеспечить их направленность на реальное внедрение, а не на формальное выполнение требований.

Проведённое исследование позволило выявить ключевые характеристики спроса на BIM-специалистов в России. Спрос концентрируется в крупнейших городах, где реализуются масштабные цифровые проекты, а Revit закрепился в качестве доминирующего инструмента отрасли. Различия в уровне оплаты труда отражают как региональную специфику, так и требования к стеку программного обеспечения.

Результаты исследования могут быть использованы при формировании образовательных программ, кадровой политики и стратегий цифровой трансформации строительной отрасли. Новизна работы состоит в применении вакансий как источника данных для анализа цифровых компетенций, а практическая значимость – в возможности использовать полученные выводы для уточнения мер поддержки, развития отечественного ПО и повышения качества подготовки кадров.