Трудовая книжка – основной документ, фиксирующий сведения о трудовой деятельности гражданина. С 2021 года в России активно внедряется электронная трудовая книжка (ЭТК), однако бумажные формы всё ещё остаются в обороте. Анализ данных, содержащихся в этом документе, позволяет:

• Оценить карьерный рост сотрудника;
• Проверить соблюдение трудового законодательства;
• Подготовить материалы для судебных разбирательств;
• Сформировать статистику для HR‑отдела и управленческих решений.

Что именно фиксируется в трудовой книжке?

В традиционной (бумажной) и электронной форме трудовой книжки содержатся следующие основные блоки:

1. Сведения о работнике – ФИО, дата рождения, пол, гражданство, образование.
2. Записи о трудоустройстве – дата приема, должность, наименование организации, основание (договор, приказ).
3. Записи об увольнении – дата увольнения, причина (по собственному желанию, по сокращению, по инициативе работодателя).
4. Записи о повышении квалификации – курсы, аттестации, получение новых квалификаций.
5. Записи о начислениях и выплатах – премии, надбавки, компенсации (в некоторых случаях).
6. Записи о периодах стажа – общий трудовой стаж, периоды работы в разных организациях.

Почему важен системный анализ данных трудовой книжки?

Анализ позволяет выявить скрытые закономерности и потенциальные риски:

• Нарушения законодательства – отсутствие обязательных записей, несоответствие дат, двойные увольнения.
• Трудовой стаж и пенсионные права – проверка полноты накопленного стажа для расчёта пенсии.
• Сравнительный анализ – сопоставление карьерных траекторий внутри компании или отрасли.
• Подготовка к аудиту – наличие полной и корректной документации упрощает проверку со стороны государственных органов.

Этапы проведения анализа

3.1 Сбор данных

Для бумажных книжек используется сканирование и оптическое распознавание текста (OCR). Для ЭТК – выгрузка данных через API Фонда социального страхования (ФСС) или через корпоративные HR‑системы.

3.2 Очистка и нормализация

На этом этапе устраняются:

• Дублирование записей;
• Ошибки в датах (например, «»);
• Несоответствия форматов (разные способы указания должностей).

3.3 Структурирование

Данные делятся на логические таблицы:

3.4 Вычислительный анализ

Для расчётов используют простые формулы и более сложные методы (регрессионный анализ, кластеризацию). Примеры метрик:

• Средняя продолжительность одного трудового места = Σ(Дата_увольнения – Дата_приёма) / Кол-во записей.
• Коэффициент «переквалификации» – доля работников, сменивших профессиональную область более чем один раз.
• Тренд заработных надбавок – динамика премий по годам (при наличии данных).

3.5 Визуализация и отчётность

Для представления результатов удобно использовать:

• Графики «Гантт» – визуализация карьерных траекторий.
• Диаграммы «Кольцо» – распределение работников по отраслям.
• Тепловые карты – выявление «горячих точек» нарушений (например, частые увольнения без указания причины).

Инструменты и технологии

Ниже перечислены наиболее популярные решения, применяемые в практике HR‑аналитики:

• Python + pandas – обработка больших массивов данных, построение аналитических моделей.
• Power BI / Tableau – интерактивные дашборды для руководителей.
• SQL‑серверы – хранение и быстрый доступ к структурированным данным.
• OCR‑сервисы (ABBYY FlexiCapture, Tesseract) – преобразование сканов бумажных книжек в текст.
• API ФСС – официальный способ получения электронных записей (токен‑аутентификация, запросы в формате JSON).

Практические примеры анализа

5.1 Проверка корректности записей при аудите

Задача: убедиться, что у каждого сотрудника в электронных и бумажных книжках указаны одинаковые даты приёма и увольнения.

SELECT r.id_работника,
 r.дата_приёма,
 r.дата_увольнения,
 e.дата_приёма AS e_дата_приёма,
 e.дата_увольнения AS e_дата_увольнения
FROM трудовые_места r
LEFT JOIN электронные_записи e ON r.id_работника = e.id_работника
WHERE r.дата_приёма <> e.дата_приёма
 OR r.дата_увольнения <> e.дата_увольнения;

Результат – список несоответствий, которые необходимо исправить в системе.

5.2 Оценка риска «потери стажа»

Согласно законодательству, если в трудовой книжке отсутствует запись о периоде работы более 6 месяцев, это может привести к недополучению пенсионных баллов.

Алгоритм:

1. Собрать все интервалы работы каждого сотрудника;
2. Суммировать длительность интервалов;
3. Отметить тех, у кого суммарный стаж < 6 месяцев.

Пример кода (Python):

import pandas as pd

df = pd.read_csv('trud_book.csv', parse_dates=['date_start', 'date_end'])
df['duration'] = (df['date_end'] — df['date_start']).dt.days
stages = df.groupby('employee_id')['duration'].sum / 365
risk = stages[stages < 0.5] # менее полугода
print('Сотрудники с риском потери стажа:', risk.index.tolist)

5.3 Анализ карьерных траекторий

Для визуализации карьерного пути используют библиотеку plotly:

import plotly.express as px

career = df.sort_values(['employee_id', 'date_start'])
fig = px.timeline(career, x_start='date_start', x_end='date_end',
 y='employee_id', color='position',
 ='Карьера сотрудников')
fig.show

Полученный интерактивный график позволяет быстро увидеть, какие сотрудники меняли должности, сколько времени провели на каждой позиции и где происходили «переквалификации».

Юридические нюансы при работе с данными трудовой книжки

• Согласно Трудовому кодексу РФ, работодатель обязан вести запись о трудовой деятельности в течение всего периода работы сотрудника.
• С 2021 года обязательным является электронный формат для новых работников; однако бумажные книжки остаются легитимными до полного перехода.
• Обработка персональных данных регулируется ФЗ-152 «О персональных данных». При анализе необходимо обеспечить анонимизацию (например, заменять ФИО на уникальные коды).
• При передаче данных в сторонние аналитические сервисы требуется согласие работника или законный интерес организации.

Как построить собственный процесс анализа данных трудовой книжки в компании

1. Определить цели – аудит соответствия, оценка стажа, построение карьерных карт.
2. Сформировать команду – HR‑аналитик, специалист по защите данных, IT‑разработчик.
3. Выбрать технологический стек – например, Python + PostgreSQL + Power BI.
4. Разработать ETL‑процесс:
   • Экспорт данных из ЭТК через API ФСС.
   • Сканирование и OCR бумажных книжек.
   • Загрузка в staging‑таблицы.
5. Провести очистку и валидацию – проверка дат, уникальности записей, соответствия формату.
6. Создать аналитические модели – расчёт стажа, выявление пробелов, построение карьерных траекторий.
7. Разработать дашборды для HR‑директора и руководителей подразделений.
8. Обеспечить контроль доступа – роли «Аналитик», «HR‑менеджер», «Юрист» с разными уровнями прав.
9. Регулярно обновлять данные – автоматический импорт новых записей каждый месяц;

Анализ данных трудовой книжки – это мощный инструмент, который помогает:

• Гарантировать соблюдение трудового законодательства;
• Оптимизировать процессы управления персоналом;
• Снизить риски потери пенсионных прав у сотрудников;
• Получать ценные инсайты о карьерных траекториях и профессиональном росте.

С учётом текущей цифровизации (переход на электронные трудовые книжки, автоматизированные HR‑системы) и строгих требований к защите персональных данных, построение надёжного и масштабируемого процесса анализа становится не просто желательным, а необходимым элементом современной HR‑стратегии.

Дата публикации: