MỤC LỤC

CHƯƠNG I: GIỚI THIỆU CHỦ ĐỀ “PHÂN TÍCH CƠ CẤU LAO ĐỘNG VIỆT NAM”

1.1. Thực trạng cơ cấu lao động

1.2. Vấn đề đặt ra

1.3. Giới thiệu về cơ cấu lao động Việt Nam

1.4. Mục tiêu và lợi ích

1.5. Lí do chọn chủ đề

CHƯƠNG II: PHÂN TÍCH CƠ CẤU LAO ĐỘNG VIỆT NAM

2.1. Đọc dữ liệu

2.1.1. Tổng quan các gói trong bộ dữ liệu

2.1.2. Tổng quan về bộ dữ liệu

2.1.3. Giải thích

2.2. Lực lượng lao động phân theo khu vực

2.2.1. Lực lượng lao động từ 15 tuổi trở lên theo khu vực thành thị

2.2.2. Lực lượng lao động từ 15 tuổi trở lên theo khu vực nông thôn

2.3. Lực lượng lao động theo trình độ chuyên môn

2.3.1. Lực lượng lao động theo trình độ trung cấp

2.3.2. Lực lượng lao động theo trình độ đại học hoặc cao hơn

2.4.Lực lượng lao động phân theo nhóm ngành

2.4.1. Lực lượng lao động phân theo nhóm ngành nông lâm ngư nghiệp

2.4.2. Lực lượng lao động phân theo nhóm ngành công nghiệp-xây dựng

2.4.3. Lực lượng lao động phân theo nhóm ngành dịch vụ

2.5. So sánh biểu đồ tròn về cơ cấu lao động theo nghề nghiệp

CHƯƠNG III: KẾT LUẬN

3.1. Kết luận

3.2. Hạn chế của đề tài

CHƯƠNG IV: TÀI LIỆU THAM KHẢO

LỜI CẢM ƠN

Kính gửi Thầy Trần Mạnh Tường!

Lời đầu tiên, em xin được gửi lời cảm ơn chân thành nhất đến thầy Trần Mạnh Tường. Trong quá trình học tập và tìm hiểu môn ngôn ngữ lập trình, em đã nhận được rất nhiều sự quan tâm, giúp đỡ, hưỡng dẫn tâm huyết và tận tình của thầy. Thầy đã giúp em tích lũy thêm nhiều kiến thức về môn học này để có thể hoàn thành được bài tiểu luận về đề tài: “Phân tích cơ cấu lao động Việt Nam 2010-2022”

Trước hết, em muốn bày tỏ lòng biết ơn sâu sắc với thầy vì đã dành thời gian và công sức để đọc và đánh giá bài tiểu luận của em. Những góp ý và nhận xét từ thầy đã giúp em nhìn nhận các khía cạnh mới, hoàn thiện ý tưởng và làm cho bài tiểu luận trở nên tốt hơn.

Cuối cùng, em muốn gửi lời cảm ơn chân thành đến thầy vì đã truyền đạt cho em niềm đam mê và tinh thần cầu tiến trong lĩnh vực này. Sự ủng hộ và động viên từ phía thầy đã giúp em vượt qua những khó khăn và trở thành một nhà nghiên cứu tự tin hơn.

Mặc dù đã có những đầu tư nhất định trong quá trình làm bài song cũng khó có thể tránh khỏi những sai sót, em kính mong nhận được ý kiến đóng góp của quý thầy cô để bài tiểu luận được hoàn thiện hơn.

Một lần nữa, em xin chân thành cảm ơn sự đóng góp và tận tâm của thầy trong quá trình hướng dẫn và hỗ trợ em trong viết bài tiểu luận này. Em rất biết ơn và tự hào vì có cơ hội được học và làm việc dưới sự hướng dẫn của thầy.

Trân trọng,

Lê Thị Thanh Phú

CHƯƠNG I.GIỚI THIỆU CHỦ ĐỀ “PHÂN TÍCH CƠ CẤU LAO ĐỘNG VIỆT NAM”

1.1.Thực trạng cơ cấu lao động

Cơ cấu lao động theo ngành thời gian qua được đánh giá thông qua số lao động làm việc trong các ngành công nghiệp, nông nghiệp, dịch vụ. Tỷ trọng lao động trong nông nghiệp giảm từ 62,7% năm 2001 xuống còn 48,7% năm 2010 và 27,6% năm 2022, tương ứng với đó là số lượng lao động trong ngành này giảm -10,369 triệu người (từ 24,469 triệu năm 2001 xuống còn 14,1 triệu lao động năm 2022).

Lao động trong ngành nông nghiệp giảm dần qua từng năm, nhưng trong đại dịch COVID-19 lao động trong ngành này lại tăng lên từ 28,3% năm 2020 lên 29% năm 2021 do giãn cách xã hội nên người lao động quay trở về quê tìm việc.

Việc tăng lên này chỉ mang tính tức thời, vì khi dịch được kiểm soát họ sẽ quay trở lại thành phố để làm việc. Tuy lực lượng lao động trong ngành Nông nghiệp giảm nhưng sự chuyển dịch cơ cấu trong ngành Nông nghiệp đã tác động tích cực đến chuyển dịch cơ cấu lao động nông thôn, mà biểu hiện rõ nhất là thúc đẩy nhanh chuyển dịch cơ cấu hộ nông thôn ngày càng tăng thêm các hộ làm công nghiệp, thương mại và dịch vụ, trong khi hộ làm nông nghiệp thuần túy giảm dần.

Sự chuyển dịch lao động từ nông nghiệp sang công nghiệp, dịch vụ thể hiện rõ khi tỷ trọng lao động làm việc trong các ngành dịch vụ tăng lên từ 22,8% năm 2001 lên 29,6% năm 2010 và 39,1% năm 2022.

Lượng lao động ngành này tăng 5,985 triệu người từ năm 2001 đến 2010 và 5,377 triệu người từ năm 2010 -2022 chủ yếu là lao động trong lĩnh vực dịch vụ du lịch, vận tải kho bãi, thương mại điện tử, kinh doanh bất động sản…

Trong 2 năm dịch COVID-19 vừa qua, lực lượng lao động trong ngành dịch vụ du lịch bị ảnh hưởng nặng nề nhất, nhiều lao động phải nghỉ việc hoặc chuyển sang làm việc khác…

Năm 2020, các doanh nghiệp du lịch lần lượt phải cắt giảm nhân sự từ 70% - 80%; năm 2021, số lượng lao động làm đủ thời gian chỉ chiếm 25% so với năm 2020, lao động nghỉ việc/chấm dứt hợp đồng lao động chiếm khoảng 30%, lao động tạm nghỉ việc khoảng 35%, lao động cầm chừng chiếm 10%. Đại dịch COVID-19 đã tác động mạnh đến 2,5 triệu lao động trong ngành Du lịch với 800.000 lao động trực tiếp.

Còn đối với lực lượng lao động ngành Công nghiệp từ năm 2001- 2010 tăng đáng kể là 5,137 triệu người với tỷ trọng bình quân là 18,2% và từ năm 2011 đến 2020 là 28,1%; tỷ trọng lao động trong lĩnh vực công nghiệp - xây dựng dao động nhẹ và ổn định khoảng 32,25% tổng nhu cầu lao động trong giai đoạn 2019 - 2022 và đạt mức 33,3% năm 2022.

1.2.Vấn đề đặt ra

Năng suất lao động nước ta hiện nay tuy được cải thiện nhưng vẫn còn ở mức thấp, nền kinh tế vẫn dựa chủ yếu vào các ngành thâm dụng lao động và dịch vụ sử dụng nhiều lao đông phổ thông. Ngoài ra, người lao động hiện nay có nhiều lựa chọn việc làm về thời gian và thu nhập nên một số ngành không tuyển đủ công nhân vì thu nhập so với mức chi tiêu chưa cân xứng.

Trình độ chuyên môn của lực lượng lao động đã có những cải thiện nhất định, song nhìn chung chất lượng còn thấp. Khả năng làm việc theo nhóm, tính chuyên nghiệp trong công việc còn yếu, khuynh hướng nắm vững lý thuyết, nhưng kém về năng lực thực hành còn phổ biến dẫn đến nhiều doanh nghiệp không tuyển được đúng vị trí công việc làm.

Mức lương tối thiểu giữa khu vực công và khu vực tư nhân có sự khác biệt khá lớn ở Việt Nam. Người lao động có kỹ năng đang có xu hướng chuyển sang khu vực tư nhân và có vốn đầu tư nước ngoài với mức lương cao hơn và môi trường làm việc cạnh tranh hơn.

Sinh viên tại các trường đại học, cao đẳng mới ra trường thường thiếu kinh nghiệm, thiếu kỹ năng, đào tạo chưa gắn liền trực tiếp với ngành nghề cụ thể, kiến thức còn mang tính hàn lâm. Thế hệ gen z năm (sinh từ 1997 đến 2012) được tiếp cận với khoa học công nghệ sớm và nhiều hơn nên họ nhanh nhạy, khởi nghiệp từ khi ngồi trên ghế nhà trường hay sau khi ra trường, họ tự tạo ra con đường cho riêng mình thu được những kết quả khả quan, nhưng con số này thực sự không nhiều.

Tác động của Cách mạng công nghiệp 4.0 làm cải tiến năng lực sản xuất thúc đẩy sự phát triển kinh tế theo xu hướng tăng cường ký kết các hiệp định…xu thế này cũng ảnh hưởng không nhỏ đến cầu lao động và yêu cầu về kỹ năng trình độ thay đổi nhanh chóng.

Cùng với quá trình đổi mới đất nước, nhiều giải pháp tạo việc làm cho người lao động, giải quyết vấn đề lao động – việc làm đã được các cấp, các ngành quan tâm nhằm tạo động lực thúc đẩy phát triển kinh tế, ổn định chính trị - xã hội. Tuy nhiên, chất lượng lao động hạn chế đang ngày càng gây nên những áp lực lớn đối với vấn đề giải quyết việc làm cho người lao động. Do vậy, việc làm rõ thực trạng và những vấn đề còn tồn tại của lao động Việt Nam trong giai đoạn hiện nay là một vấn đề cần thiết.

1.3.Giới thiệu về cơ cấu lao động Việt Nam

Việt Nam là nước có quy mô dân số lớn, tháp dân số tương đối trẻ và bắt đầu bước vào thời kỳ “cơ cấu dân số vàng” với nguồn nhân lực dồi dào nhất từ trước đến nay. Tính đến hết năm 2017, dân số nước ta đạt 96,02 triệu người, trong đó nữ chiếm khoảng 48,94%. Gia tăng dân số trong những năm qua kéo theo gia tăng về lực lượng lao động. Nhìn chung, mỗi năm Việt Nam có khoảng gần 1 triệu người bước vào độ tuổi lao động, đây là một lợi thế cạnh tranh quan trọng của Việt Nam trong việc thu hút đầu tư nước ngoài góp phần phát triển kinh tế - xã hội.

Xét cơ cấu lực lượng lao động theo giới tính, tỷ lệ lao động nam lại nhiều hơn nữ với trên 50% lao động là nam giới. Tuy nhiên, sự chênh lệch này không đáng kể và cho thấy lao động nữ chiếm một lượng đông đảo. Tỷ lệ thất nghiệp của lao động nữ khá cao so với lao động nam do hạn chế về sức khỏe, những mâu thuẫn giữa sinh đẻ và làm việc, cơ hội tìm được việc làm vừa ý sau khi sinh là thấp.

Hiện nay, lực lượng lao động vẫn tập trung đông nhất ở khu vực Đồng bằng sông Hồng (chiếm trên 22%), tiếp đến là khu vực Bắc trung bộ, Duyên hải miền Trung (trên 21%) và Đồng bằng sông Cửu Long. Đây là các khu vực có diện tích đất rộng, tập trung nhiều thành phố lớn, khu đô thị và nhiều khu công nghiệp, thuận lợi cho việc sản xuất kinh doanh nên thu hút đông đảo lao động tập trung ở những khu vực này. Những khu vực chiếm tỷ lệ thấp, là những khu vực có diện tích đất hẹp, nhiều đồi núi, ít khu đô thị và khu công nghiệp nên không thu hút nhiều lao động đến đây.

1.4.Mục tiêu và lợi ích

Mục tiêu:

  • Hiểu rõ tình trạng hiện tại: Nghiên cứu cơ cấu lao động giúp nắm bắt được số lượng, trình độ chuyên môn, phân bố theo ngành nghề, khu vực của lực lượng lao động Việt Nam.
  • Đánh giá tác động: Phân tích ảnh hưởng của các yếu tố như: chính sách, kinh tế, xã hội, khoa học công nghệ đến cơ cấu lao động.
  • Dự báo xu hướng: Dự đoán sự thay đổi của cơ cấu lao động trong tương lai để có định hướng phát triển phù hợp.
  • Đề xuất giải pháp: Xác định các giải pháp nhằm nâng cao chất lượng nguồn nhân lực, đáp ứng nhu cầu phát triển kinh tế - xã hội.

Lợi ích:

  • Đối với người lao động:
  • Lựa chọn nghề nghiệp: Hiểu rõ cơ cấu lao động để lựa chọn nghề nghiệp phù hợp với năng lực, sở thích, nhu cầu thị trường.
  • Nâng cao kỹ năng: Tham gia các chương trình đào tạo, bồi dưỡng kỹ năng để đáp ứng yêu cầu của thị trường lao động, nâng cao khả năng cạnh tranh.
  • Bảo vệ quyền lợi: Nắm rõ các quy định về lao động để bảo vệ quyền lợi của bản thân.

Kết luận: Nghiên cứu cơ cấu lao động có vai trò quan trọng trong việc định hướng phát triển kinh tế - xã hội của Việt Nam. Đây là cơ sở để xây dựng các chính sách, chiến lược phát triển nguồn nhân lực, nâng cao chất lượng lao động, đáp ứng nhu cầu phát triển của đất nước.

1.5.Lí do chọn chủ đề

Tầm quan trọng:

  • Cơ cấu lao động: Là yếu tố quan trọng quyết định năng suất lao động, hiệu quả sản xuất kinh doanh và sự phát triển kinh tế - xã hội của đất nước.
  • Phân tích cơ cấu lao động: Giúp đánh giá thực trạng, dự báo xu hướng và đề xuất giải pháp phát triển nguồn nhân lực phù hợp.

Tính thời sự:

  • Cơ cấu lao động Việt Nam đang có nhiều chuyển biến: Tỷ trọng lao động trong ngành nông nghiệp giảm dần, tỷ trọng lao động trong ngành công nghiệp và dịch vụ tăng lên.
  • Nhu cầu lao động có trình độ kỹ năng cao ngày càng tăng: Đòi hỏi phải nâng cao chất lượng đào tạo và phát triển nguồn nhân lực.

Tính thực tiễn:

  • Kết quả phân tích cơ cấu lao động: Cung cấp thông tin hữu ích cho các nhà hoạch định chính sách, doanh nghiệp và người lao động.
  • Giúp xây dựng chiến lược phát triển nguồn nhân lực: Đáp ứng nhu cầu thị trường lao động và phát triển kinh tế - xã hội.

Dữ liệu phong phú:

  • Có nhiều nguồn dữ liệu về cơ cấu lao động Việt Nam: Niên giám thống kê, báo cáo nghiên cứu, khảo sát,…
  • Giúp cho việc phân tích được thực hiện một cách khoa học và chính xác.

Tính đa dạng:

  • Có thể phân tích cơ cấu lao động theo nhiều khía cạnh: Ngành kinh tế, trình độ chuyên môn, khu vực, giới tính,…
  • Giúp cho việc phân tích được sâu sắc và toàn diện.

Ngoài ra, việc phân tích cơ cấu lao động Việt Nam còn có thể giúp:

  • Đánh giá hiệu quả các chính sách về lao động: Việc làm, đào tạo, thu nhập,…
  • Xác định các ngành, nghề cần ưu tiên phát triển: Thu hút đầu tư, tạo việc làm.
  • Nâng cao nhận thức của người lao động: Về tầm quan trọng của việc học tập và nâng cao kỹ năng.

Chủ đề cơ cấu lao động Việt Nam là một chủ đề quan trọng, thời sự, thực tiễn và có nhiều dữ liệu phong phú. Việc phân tích chủ đề này có thể giúp ích cho việc xây dựng chiến lược phát triển nguồn nhân lực và thúc đẩy sự phát triển kinh tế - xã hội của đất nước.

CHƯƠNG II.PHÂN TÍCH CƠ CẤU LAO ĐỘNG VIỆT NAM

2.1.Đọc dữ liệu

Đọc dữ liệu từ file excel vào R với gói readxl Gói “readxl” là một gói R hữu ích được sử dụng để đọc dữ liệu từ các tệp Excel (.xls và .xlsx) vào môi trường R. Gói này cung cấp các công cụ dễ sử dụng để đọc dữ liệu từ các tệp Excel và chuyển đổi chúng thành các đối tượng dữ liệu R, chẳng hạn như data frame. Điều này rất hữu ích khi cần thực hiện phân tích dữ liệu từ các báo cáo, bảng tính hoặc dữ liệu được lưu trữ trong tệp Excel.

library(readxl)
p <- read_excel("C:/Users/Dell/OneDrive - UFM/Desktop/dulieulambai .xlsx")
## New names:
## • `processing and manufacturing industry` -> `processing and manufacturing
##   industry...6`
## • `Tay Nguyen` -> `Tay Nguyen...10`
## • `Tay Nguyen` -> `Tay Nguyen...63`
## • `processing and manufacturing industry` -> `processing and manufacturing
##   industry...91`

Một số tính năng và lợi ích của gói “readxl”:

  • Dễ sử dụng: Gói “readxl” cung cấp hàm read_excel() với cú pháp đơn giản để đọc dữ liệu từ tệp Excel. Điều này giúp người dùng dễ dàng sử dụng và nhanh chóng làm việc với dữ liệu trong Excel.

  • Hỗ trợ định dạng Excel: Gói “readxl” hỗ trợ đọc dữ liệu từ cả các tệp Excel cổ điển (.xls) và định dạng mới hơn (.xlsx), do đó, có thể làm việc với các tệp Excel ở nhiều phiên bản khác nhau.

  • Hiệu suất tốt: Gói này được xây dựng với hiệu suất cao và sử dụng thư viện C++ để xử lý đọc dữ liệu từ Excel nhanh chóng và hiệu quả, đặc biệt là với các tệp Excel lớn.

  • Tự động xác định kiểu dữ liệu: Gói “readxl” tự động xác định kiểu dữ liệu của các cột dữ liệu trong tệp Excel, bao gồm cả dữ liệu số, văn bản và ngày tháng, giúp tiết kiệm thời gian và công sức phân loại dữ liệu.

  • Xử lý lỗi linh hoạt: Gói này cung cấp các tùy chọn để xử lý các tình huống không thể đọc hoặc hiểu định dạng dữ liệu trong tệp Excel một cách linh hoạt và dễ dàng.

  • Hỗ trợ đọc nhiều trang: Gói “readxl” cho phép bạn đọc dữ liệu từ nhiều trang trong cùng một tệp Excel và chuyển đổi thành các data frame riêng biệt cho mỗi trang.

  • Tự động nhận diện dòng tiêu đề: Gói này có khả năng tự động xác định dòng tiêu đề trong tệp Excel và sử dụng nó làm tên cột cho data frame.

2.1.1.Tổng quan về các gói trong Tidyverse

Như đã giới thiệu trước đó, Tidyverse là tập hợp các gói tạo nên một hệ sinh thái đa dạng cho người dùng và cho cộng đồng sử dụng R. Đó không phải là một gói mà là nhiều gói nhỏ bao gồm các gói cốt lõi và các gói không cốt lõi - Các gói này sẽ được cài đặt với tidyverse qua lệnh install.packages(“tidyverse”), nhưng không được gọi đính kèm với thư viện này.

Giải thích các gói trong tidyverse

1.Dplyr: Package này cung cấp các công cụ mạnh mẽ để thực hiện các hoạt động xử lý, truy vấn và biến đổi dữ liệu. Dplyr cho phép bạn thực hiện các thao tác như chọn cột, lọc dữ liệu, sắp xếp, nhóm và tóm tắt dữ liệu.

  • Select(): chọn các biến dựa trên tên của chúng.

  • Filter(): chọn các trường hợp dựa trên giá trị của chúng.

2.Ggplot2: Package này cung cấp công cụ đồ họa mạnh mẽ để tạo ra biểu đồ đẹp mắt và rõ ràng. Ggplot2 cho phép bạn tạo các biểu đồ dựa trên dữ liệu và áp dụng các thay đổi mô phỏng phức tạp và tùy chỉnh.

  • Biểu đồ cột: geom_bar() hoặc geom_col()
  • Điểm (vd: biểu đồ phân tán): geom_point()
  • Biểu đồ đường: geom_line() hoặc geom_path()

2.1.2.Tổng quan về bộ dữ liệu

library(skimr)
skim(p,2,4,16,17,18,21,22)
Data summary
Name p
Number of rows 13
Number of columns 107
_______________________
Column type frequency:
numeric 7
________________________
Group variables None

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
primary 0 1 3.76 1.59 1.90 2.90 3.30 3.70 7.13 ▅▇▁▁▂
college 0 1 3.05 0.67 2.00 2.50 3.20 3.70 3.82 ▅▃▂▃▇
agriculture, forestry and fisheries 0 1 4.20 0.79 3.10 3.75 4.11 4.56 6.04 ▅▇▅▂▂
industry - construction 0 1 1.31 0.94 0.43 0.67 1.21 1.44 4.18 ▇▇▁▁▁
service 0 1 1.32 0.49 0.86 1.04 1.23 1.45 2.60 ▇▅▂▁▁
town 0 1 31691.81 3470.65 26460.50 28865.10 31397.00 33816.60 37350.50 ▆▃▇▂▆
rural 0 1 61616.44 753.04 60467.20 60931.10 61715.48 62123.91 62748.30 ▃▇▂▆▆

Giải thích:

  • n_missing: số ô dữ liệu bị miss(trống)
  • complete_rate: tỷ lệ ô có dữ liệu
  • mean: giá trị trung bình
  • sd: độ lệch chuẩn
  • p0: giá trị nhỏ nhất
  • p25: Phân vị thứ nhất
  • p50: Phân vị thứ hai cũng chính là trung vị
  • p75: phân vị thứ ba
  • p100: giá trị lớn nhất
  • hist: biểu đồ Histogram

2.1.3.Giải thích

Bộ dữ liệu gồm 13 quan sát và 107 biến nói về cơ cấu lao động Việt Nam 2010-2022

Giải thích:

  • year: năm
  • processing and manufacturing industry: sản xuất và phân phối điện
  • water supply: cấp nước
  • red river delta: Đồng bằng sông Hồng
  • north Central and Central Coast: Bắc Trung Bộ và Duyên hải miền Trung
  • Tay Nguyen: Tây Nguyên
  • southeast: Đông Nam Bộ
  • mekong delta: đồng bằng sông Cửu Long
  • state Economy: kinh tế nhà nước
  • non-State economy: kinh tế ngoài nhà nước
  • foreign-invested sector: khu vực có vốn đầu tư nước ngoài
  • agriculture, forestry and fisheries: nông, lâm nghiệp và thủy sản
  • industry - construction: công nghiệp-xây dựng
  • service: dich vụ
  • male: nam
  • female: nữ
  • town: thành thị
  • rural: nông thôn
  • mining: khai thác mỏ
  • processing and manufacturing industry: công nghiệp chế biến, chế tạo
  • build: xây dựng
  • repair of cars: sửa chữa ô tô
  • transportation: vận chuyển
  • accommodation and food services: dịch vụ lưu trú và ăn uống
  • information and communication: thông tin và truyền thông
  • financial activities: hoạt động tài chính
  • eal estate business: kinh doanh bất động sản EAL
  • professional activities: hoạt động chuyên môn
  • administrative activities: hoạt động hành chính
  • activities of the communist party:: hoạt động của Đảng
  • education and training: giáo dục và đào tạo
  • health and social assistance activities: các hoạt động y tế và trợ giúp xã hội
  • arts, entertainment: nghệ thuật, giải trí
  • other service activities: các hoạt động dịch vụ khác
  • activities of hired jobs in households: hoạt động làm thuê trong hộ gia đình
  • activities of international organizations: hoạt động của các tổ chức
  • primary: Sơ cấp
  • intermediate level: trung cấp
  • college: cao đẳng
  • university or higher: đại học hoặc cao hơn

2.2.Lực lượng lao động phân theo khu vực

2.2.1.Lực lượng lao động từ 15 tuổi trở lên theo khu vực thành thị

p1<- p %>% select( year,town)
table <- knitr::kable(p1,format = "markdown")
datatable(p1)
p1 %>% group_by(year, town) %>%  ggplot(aes(x=year,y=town )) +
  geom_col(fill='yellow') +
  geom_text(aes(label = round(town)),vjust = 3, color = 'black') +
  labs(title = "Biểu đồ thể hiện lực lượng lao động khu vực thành thị") +
  labs(x = 'Năm', y = 'Số lượng')

  • group_by(year, town): Đây là hàm trong package dplyr dùng để nhóm các dòng của bộ dữ liệu theo giá trị của cột “year” và “town”.
  • geom_text(): thêm các nhãn văn bản vào biểu đồ, giúp tăng cường thông tin và giải thích cho dữ liệu.
  • Trục hoành: Thể hiện các năm từ 2010 đến 2022.
  • Trục tung: Thể hiện số lượng lao động khu vực thành thị.
  • Đường màu vàng: Thể hiện số lượng lao động khu vực thành thị theo từng năm.

Số liệu cụ thể:

  • Năm 2010: 26.460 (thấp nhất)
  • Năm 2011: 27.679
  • Năm 2012: 28.275
  • Năm 2013: 28.865
  • Năm 2014: 30.273
  • Năm 2015: 30.882
  • Năm 2016: 31.397
  • Năm 2017: 31.928
  • Năm 2018: 32.637
  • Năm 2019: 33.817
  • Năm 2020: 35.867
  • Năm 2021: 36.563
  • Năm 2022: 37.350 (cao nhất)

Nhận xét:

  • Số lượng lao động khu vực thành thị tăng đều đặn qua các năm.
  • Tốc độ tăng trưởng trung bình: 3,4%/năm.
  • Năm 2022: Số lượng lao động khu vực thành thị tăng 38,3% so với năm 2010.

Nguyên nhân:

  • Sự phát triển kinh tế - xã hội khu vực thành thị:
  • Thu hút nhiều lao động từ khu vực nông thôn đến.
  • Tạo ra nhiều cơ hội việc làm mới.
  • Nâng cao chất lượng giáo dục:
  • Nâng cao trình độ chuyên môn của lao động.
  • Tăng khả năng cạnh tranh trên thị trường lao động.

Hạn chế:

  • Tình trạng thất nghiệp:
  • Vẫn còn một số lao động chưa có việc làm.
  • Cần có giải pháp để giải quyết vấn đề này.
  • Áp lực lên cơ sở hạ tầng:
  • Giao thông, y tế, giáo dục,…
  • Cần đầu tư phát triển cơ sở hạ tầng để đáp ứng nhu cầu ngày càng tăng.

Kết luận: Biểu đồ thể hiện sự gia tăng số lượng lao động khu vực thành thị. Đây là một tín hiệu tích cực cho thấy sự phát triển kinh tế - xã hội của Việt Nam. Tuy nhiên, vẫn còn một số hạn chế cần giải quyết.

2.2.2.Lực lượng lao động từ 15 tuổi trở lên theo khu vực nông thôn

p2<- p %>% select( year,rural)
table <- knitr::kable(p2,format = "markdown")
datatable(p2)
p2 %>% group_by(year, rural) %>%  ggplot(aes(x=year,y= rural )) +
  geom_col(fill='green') +
  geom_text(aes(label = round(rural)),vjust = 3, color = 'black') +
  labs(title = "Biểu đồ thể hiện lực lượng lao động khu vực nông thôn") +
  labs(x = 'Năm', y = 'Số lượng')

  • Trục hoành: Thể hiện các năm từ 2010 đến 2022.
  • Trục tung: Thể hiện số lượng lao động khu vực nông thôn.
  • Đường màu vàng: Thể hiện số lượng lao động khu vực nông thôn theo từng năm.
  • Số lượng lao động khu vực nông thôn có xu hướng tăng trong giai đoạn từ 2010 đến 2022.
  • Năm 2011 có số lượng lao động khu vực nông thôn thấp nhất (khoảng 60.467 nghìn người)
  • Năm 2022 có số lượng lao động khu vực nông thôn cao nhất (khoảng 62.124 nghìn người).
  • Số lượng lao động khu vực nông thôn có sự biến động theo từng năm.

Dưới đây là một số nguyên nhân có thể dẫn đến sự thay đổi số lượng lao động khu vực nông thôn:

  • Sự phát triển của kinh tế: Khi kinh tế phát triển, nhu cầu lao động trong các ngành công nghiệp và dịch vụ tăng lên, dẫn đến việc thu hút lao động từ khu vực nông thôn.
  • Chính sách của chính phủ: Chính phủ có thể thực hiện các chính sách khuyến khích người lao động chuyển đổi sang các ngành công nghiệp và dịch vụ, hoặc hỗ trợ người lao động nông thôn nâng cao kỹ năng.
  • Sự thay đổi trong cơ cấu dân số: Khi tỷ lệ sinh giảm và tuổi thọ trung bình tăng, tỷ lệ lao động trong dân số giảm, dẫn đến sự thiếu hụt lao động trong một số ngành.

2.3.Lực lượng lao động theo trình độ chuyên môn

2.3.1.Lực lượng lao động theo trình độ trung cấp

p3 <- p %>% select( year,`intermediate level`)
table <- knitr::kable(p3,format = "markdown")
datatable(p3)
p3 <- p %>% filter( year >= 2010 & year <= 2015)
p3 %>% ggplot(aes(x = year, y = `intermediate level`, group = 1)) +
  geom_col( fill = "pink") +
  geom_text(aes(label = `intermediate level`), vjust = 3, color = 'black') +
  geom_line(color = "blue", linewidth = 0.7) +
  geom_point(color = "black") +
 labs(title = "Biểu đồ lực lượng lao động về trình độ trung cấp", x = "Năm", y = "%")

  • Trục hoành: Thể hiện các năm từ 2010 đến 2022.
  • Trục tung: Thể hiện số lượng lao động về trình độ trung cấp.
  • Số lượng lao động có trình độ trung cấp 2010-2015 có xu hướng tăng
  • Năm 2010 chiếm 1.2% (thấp nhất)
  • Năm 2011 chiếm 2.5%
  • Năm 2012 chiếm 3.7%
  • Năm 2013 chiếm 4.6%
  • Năm 2014 chiếm 5.2%
  • Năm 2015 chiếm 5.4% (cao nhất)

Nguyên nhân:

  • Nâng cao mức độ giáo dục của người dân Việt Nam.
  • Cơ cấu nền kinh tế thay đổi, đòi hỏi lao động có trình độ trung cấp ngày càng nhiều.
  • Chính sách khuyến khích người dân nâng cao trình độ học vấn.

Ý nghĩa:

  • Chất lượng lao động Việt Nam đang được cải thiện.
  • Nền kinh tế Việt Nam đang dần chuyển sang giai đoạn phát triển dựa trên tri thức.

Tuy nhiên:

  • Vẫn còn một tỷ lệ lao động có trình độ trung cấp thấp.
  • Cần tiếp tục đầu tư vào giáo dục và đào tạo để nâng cao trình độ lao động.
  • Biểu đồ cho thấy số lượng lao động có trình độ trung cấp ở Việt Nam đang tăng dần. Đây là một tín hiệu tích cực cho thấy chất lượng lao động và nền kinh tế Việt Nam đang được cải thiện. Tuy nhiên, vẫn còn nhiều việc phải làm để nâng cao trình độ lao động và đáp ứng nhu cầu phát triển của đất nước.

2.3.2.Lực lượng lao động phân theo trình độ đại học hoặc cao hơn

p4 <- p %>% select( year,`university or higher`)
table <- knitr::kable(p4,format = "markdown")
datatable(p4)
p4 %>% ggplot(aes(x = year, y = `university or higher`, group = 1)) +
  geom_col( fill = "skyblue") +
  geom_text(aes(label = `university or higher`), vjust = 3, color = 'black') +
  geom_line(color = "red", linewidth = 0.7) +
  geom_point(color = "black") +
 labs(title = "Biểu đồ lực lượng lao động về trình độ đại học", x = "Năm", y = "%")

  • Trục hoành: Thể hiện các năm từ 2010 đến 2022.
  • Trục tung: Thể hiện số lượng lao động về trình độ đại học.

Như ta có thể thấy lực lượng lao động Việt Nam có trình độ đại học 2010-2022 có xu hướng tăng cao. Đây là một dấu hiệu tốt cho thấy trình độ học vấn của Việt Nam đang trên đà phát triển. Tuy nhiên, tình trạng sinh viên ra trường có bằng đại học trong tay ở xã hội hiện nay là rất lớn, đồng nghĩa với việc tỉ lệ thất nghiệp xuất hiện ở sinh viên cũng rất cao

Thực trạng:

  • Số lượng sinh viên tốt nghiệp đại học tăng cao: Theo Bộ Giáo dục và Đào tạo, năm 2023 có hơn 350.000 sinh viên tốt nghiệp đại học.
  • Tình trạng thất nghiệp: Tỷ lệ thất nghiệp của sinh viên đại học năm 2023 là 7,3%, cao hơn so với mức trung bình của cả nước (2,3%).
  • Cạnh tranh việc làm gay gắt: Nhu cầu tuyển dụng không đủ đáp ứng số lượng sinh viên ra trường, dẫn đến sự cạnh tranh cao cho từng vị trí.

Nguyên nhân:

  • Chất lượng đào tạo chưa đáp ứng nhu cầu thị trường: Chương trình đào tạo chưa cập nhật, thiếu tính thực tiễn, dẫn đến sinh viên thiếu kỹ năng cần thiết cho công việc.
  • Sinh viên thiếu kỹ năng mềm: Kỹ năng giao tiếp, làm việc nhóm, giải quyết vấn đề,… còn yếu khiến sinh viên gặp khó khăn trong quá trình tìm kiếm việc làm.
  • Doanh nghiệp thiếu nhân lực chất lượng cao: Doanh nghiệp thường ưu tiên tuyển dụng những ứng viên có kinh nghiệm làm việc và kỹ năng phù hợp.

Hậu quả:

  • Gánh nặng cho gia đình và xã hội: Sinh viên thất nghiệp ảnh hưởng đến kinh tế gia đình và gia tăng gánh nặng cho xã hội.
  • Chất lượng nguồn nhân lực: Ảnh hưởng đến chất lượng nguồn nhân lực của đất nước trong tương lai.

Giải pháp:

  • Đổi mới chương trình đào tạo: Cập nhật chương trình đào tạo, chú trọng tính thực tiễn và kỹ năng mềm.
  • Tăng cường liên kết giữa nhà trường và doanh nghiệp: Tạo cơ hội cho sinh viên thực tập và làm việc tại doanh nghiệp.
  • Hỗ trợ sinh viên khởi nghiệp: Tạo điều kiện cho sinh viên tự tạo việc làm cho bản thân.
  • Nâng cao nhận thức của sinh viên: Sinh viên cần chủ động trang bị kiến thức, kỹ năng và kinh nghiệm cần thiết cho công việc.

Kết luận: vấn đề sinh viên ra trường thất nghiệp là một vấn đề cấp bách cần được giải quyết. Cần có sự phối hợp chặt chẽ giữa nhà trường, doanh nghiệp và chính quyền để nâng cao chất lượng đào tạo, tạo việc làm cho sinh viên và phát triển nguồn nhân lực chất lượng cao cho đất nước.

Ngoài ra:

  • Cần thay đổi tư duy của sinh viên: Sinh viên cần chủ động tìm kiếm cơ hội việc làm, không nên phụ thuộc vào bằng cấp.
  • Cần có chính sách hỗ trợ sinh viên: Chính sách ưu đãi về thuế, vay vốn,… để khuyến khích doanh nghiệp tuyển dụng sinh viên.

2.4.Lực lượng lao động phân theo nhóm ngành

2.4.1.Lực lượng lao động phân theo nhóm ngành nông lâm ngư nghiệp

p5  <- p %>% select( year,`agriculture, forestry and fisheries`)
table <- knitr::kable(p5,format = "markdown")
datatable(p5)
p5 %>% ggplot(aes(x = year, y =`agriculture, forestry and fisheries`, group = 1)) + 
  geom_line(color='red', linewidth =1) +  
  geom_point(color='black') + 
  labs(x = "Năm", y = "Số lượng", title = "Cơ cấu lao động có việc làm theo nhóm ngành nông, lâm-ngư nghiệp ")

  • Trục hoành: thể hiện năm, từ 2010 đến 2022.
  • Trục tung: thể hiện số lượng người lao động có việc làm, tính bằng triệu người.

Dưới đây là một số nhận xét về biểu đồ:

  • Số lượng người lao động có việc làm trong nhóm ngành nông, lâm nghiệp và thủy sản đã giảm trong giai đoạn từ năm 2010 đến năm 2022.
  • Mức giảm lớn nhất xảy ra trong giai đoạn từ năm 2010 đến năm 2015 giảm từ 6.04 xuống 4.27
  • Từ năm 2015 đến năm 2022, số lượng người lao động có việc làm trong nhóm ngành này tương đối ổn định.

Lực lượng lao động nhóm ngành nông nghiệp giảm nói lên nhiều điều:

Năng suất lao động trong ngành nông nghiệp tăng:

  • Nhờ áp dụng khoa học kỹ thuật, cơ giới hóa vào sản xuất, năng suất lao động trong ngành nông nghiệp ngày càng tăng.
  • Một người lao động có thể làm việc trên diện tích đất rộng hơn, sản xuất ra nhiều sản phẩm hơn so với trước đây. Do đó, nhu cầu lao động trong ngành nông nghiệp giảm đi.

Chuyển dịch cơ cấu lao động:

  • Khi năng suất lao động trong ngành nông nghiệp tăng, người lao động có xu hướng chuyển sang các ngành khác có thu nhập cao hơn, như công nghiệp và dịch vụ.
  • Đây là xu hướng chung của quá trình phát triển kinh tế, xã hội.

Nhu cầu tiêu dùng nông sản thay đổi:

  • Nhu cầu tiêu dùng nông sản ngày càng đa dạng, đòi hỏi chất lượng cao hơn.
  • Các ngành công nghiệp chế biến nông sản phát triển, thu hút lao động từ ngành nông nghiệp sang.

Ảnh hưởng của các yếu tố khác:

  • Chính sách của chính phủ: Chính phủ có thể khuyến khích hoặc hạn chế lao động trong ngành nông nghiệp bằng các chính sách thuế, hỗ trợ, v.v.

  • Biến đổi khí hậu: Biến đổi khí hậu có thể ảnh hưởng đến sản xuất nông nghiệp, dẫn đến giảm nhu cầu lao động.

  • Tác động của việc giảm lực lượng lao động trong ngành nông nghiệp:

Tích cực:

  • Nâng cao năng suất lao động, hiệu quả sản xuất.
  • Chuyển dịch lao động sang các ngành có năng suất cao hơn, thúc đẩy phát triển kinh tế.
  • Nâng cao thu nhập của người lao động.

Tiêu cực:

  • Thiếu hụt lao động trong ngành nông nghiệp, đặc biệt là lao động trẻ và có trình độ.
  • Nguy cơ ảnh hưởng đến an ninh lương thực.
  • Gây ra các vấn đề xã hội như thất nghiệp, tệ nạn xã hội,

Giải pháp:

  • Nâng cao năng suất lao động trong ngành nông nghiệp.
  • Tăng cường đào tạo, nâng cao trình độ cho lao động nông nghiệp.
  • Hỗ trợ, khuyến khích lao động trẻ tham gia vào ngành nông nghiệp.
  • Phát triển các ngành công nghiệp chế biến nông sản, tạo việc làm cho lao động nông nghiệp.

Kết luận: Việc giảm lực lượng lao động trong ngành nông nghiệp là một xu hướng tất yếu của quá trình phát triển kinh tế, xã hội. Tuy nhiên, cần có những giải pháp để giảm thiểu tác động tiêu cực của nó và đảm bảo an ninh lương thực.

2.4.2.Lực lượng lao động phân theo nhóm ngành công nghiệp-xây dựng

p6 <- p %>% select( year,`industry - construction`)
table <- knitr::kable(p6,format = "markdown")
datatable(p6)
ggplot(p6,aes(x=year, y=`industry - construction`, group = 1)) +  
  geom_line(color='orange', linewidth =1) +  
  geom_point(color='black') + 
  labs(x = "Năm", y = "Số lượng", title = "Cơ cấu lao động có việc làm theo nhóm ngành công nghiệp-xây dựng ")

  • Trục hoành: thể hiện năm, từ 2010 đến 2022.
  • Trục tung: thể hiện số lượng người lao động có việc làm, tính bằng triệu người.
  • Số lượng: thể hiện số lượng người lao động có việc làm trong nhóm ngành công nghiệp xây dựng trong từng năm.

Nhận xét:

  • Số lượng người lao động có việc làm trong nhóm ngành công nghiệp xây dựng có xu hướng tăng từ năm 2010 đến năm 2022.
  • Năm 2010, số lượng người lao động có việc làm là 1,38 triệu người.
  • Năm 2021, số lượng người lao động có việc làm là 4,18 triệu người.
  • Biểu đồ cho thấy số lượng người lao động có việc làm trong nhóm ngành công nghiệp xây dựng tại Việt Nam có xu hướng tăng từ năm 2010 đến năm 2022. Điều này cho thấy ngành công nghiệp xây dựng đang phát triển mạnh mẽ tại Việt Nam.

Nền kinh tế đang phục hồi:

  • Sau đại dịch COVID-19, các hoạt động kinh tế dần trở lại bình thường, thúc đẩy nhu cầu xây dựng nhà cửa, cơ sở hạ tầng và các công trình khác.
  • Nhu cầu này dẫn đến việc các doanh nghiệp trong ngành công nghiệp xây dựng tăng cường tuyển dụng lao động để đáp ứng nhu cầu thi công.

Ngành công nghiệp xây dựng đang phát triển:

  • Chính phủ Việt Nam đang đẩy mạnh đầu tư vào cơ sở hạ tầng, giao thông, năng lượng,… dẫn đến nhu cầu lao động trong ngành công nghiệp xây dựng tăng cao.
  • Các nhà đầu tư nước ngoài cũng đang rót vốn vào Việt Nam, góp phần thúc đẩy sự phát triển của ngành công nghiệp xây dựng.

Nhu cầu về nhà ở tăng cao:

  • Nền kinh tế phát triển, dân số tăng, thu nhập bình quân đầu người tăng,… dẫn đến nhu cầu về nhà ở ngày càng cao.
  • Nhu cầu này thúc đẩy các dự án nhà ở, chung cư, khu đô thị mới được triển khai, tạo ra nhiều việc làm cho lao động trong ngành công nghiệp xây dựng.

Nâng cao tay nghề lao động:

  • Nhu cầu về lao động có tay nghề cao trong ngành công nghiệp xây dựng ngày càng tăng.
  • Các trường đào tạo nghề và các doanh nghiệp đang chú trọng đào tạo, nâng cao tay nghề cho lao động để đáp ứng nhu cầu của thị trường.

Thu nhập của người lao động trong ngành công nghiệp xây dựng tăng:

  • Nhu cầu lao động cao dẫn đến việc tăng mức lương cho người lao động trong ngành công nghiệp xây dựng.
  • Mức thu nhập cao thu hút nhiều lao động tham gia vào ngành này.

Tuy nhiên, việc tăng trưởng nhanh chóng của lực lượng lao động công nghiệp xây dựng cũng tiềm ẩn một số rủi ro như:

  • Thiếu hụt lao động có tay nghề cao.
  • Chất lượng đào tạo chưa đáp ứng được yêu cầu của thị trường lao động.
  • Tình trạng thiếu an toàn lao động.

Do đó, cần có các giải pháp để phát triển nguồn nhân lực chất lượng cao cho ngành công nghiệp xây dựng, đồng thời đảm bảo an toàn lao động cho người lao động.

2.4.3.Lực lượng lao động phân theo nhóm ngành dịch vụ

p7 <- p %>% select( year,service)
table <- knitr::kable(p7,format = "markdown")
datatable(p7)
ggplot(p7,aes(x=year, y=service, group = 1)) +  
  geom_line(color='blue', linewidth =1) +   geom_point(color='black') + 
  labs(x = "Năm", y = "Số lượng", title = "Cơ cấu lao động có việc làm theo nhóm ngành dịch vụ")

Tương tự như nhóm ngành công nghiệp-xây dựng, nhóm ngành dịch vụ cũng đang trên đà phát triển

Nhận xét về nhóm ngành dịch vụ ở Việt Nam giai đoạn 2010-2022:

Tăng trưởng mạnh mẽ:

  • Phát triển mạnh mẽ nhất vào năm 2022 chiếm 1.81 triệu người lao động
  • Ngành dịch vụ Việt Nam đã có giai đoạn phát triển mạnh mẽ trong giai đoạn 2010-2022
  • Một số ngành dịch vụ tăng trưởng ấn tượng như du lịch, bán lẻ, tài chính - ngân hàng, viễn thông.

Cơ cấu ngành dịch vụ chuyển dịch theo hướng tích cực:

  • Tỷ trọng các ngành dịch vụ hiện đại như du lịch, tài chính - ngân hàng, viễn thông, công nghệ thông tin tăng lên.
  • Tỷ trọng các ngành dịch vụ truyền thống như bán buôn, bán lẻ, vận tải, kho bãi giảm xuống.

Chất lượng dịch vụ được cải thiện:

  • Các doanh nghiệp dịch vụ ngày càng chú trọng nâng cao chất lượng dịch vụ để đáp ứng nhu cầu ngày càng cao của người tiêu dùng.
  • Các ứng dụng công nghệ vào hoạt động dịch vụ ngày càng phổ biến, giúp nâng cao hiệu quả và chất lượng dịch vụ.

Tuy nhiên, ngành dịch vụ Việt Nam vẫn còn một số hạn chế:

  • Năng suất lao động còn thấp so với các nước trong khu vực.
  • Chất lượng nguồn nhân lực chưa đáp ứng được yêu cầu của ngành dịch vụ hiện đại.
  • Hạ tầng dịch vụ còn thiếu và yếu, nhất là ở các khu vực nông thôn.

Dự báo:

  • Ngành dịch vụ Việt Nam sẽ tiếp tục tăng trưởng trong những năm tới, với tốc độ tăng trưởng bình quân năm khoảng 6-7%.
  • Ngành dịch vụ sẽ tiếp tục đóng góp ngày càng lớn vào GDP và tạo ra nhiều việc làm cho người lao động.
  • Một số ngành dịch vụ có tiềm năng phát triển mạnh mẽ như du lịch, tài chính - ngân hàng, viễn thông, công nghệ thông tin.

Kết luận: Ngành dịch vụ Việt Nam đã có giai đoạn phát triển mạnh mẽ trong giai đoạn 2010-2022 và sẽ tiếp tục tăng trưởng trong những năm tới. Tuy nhiên, ngành dịch vụ Việt Nam vẫn còn một số hạn chế cần được khắc phục để nâng cao năng lực cạnh tranh và phát triển bền vững.

2.5.So sánh biểu đồ tròn về cơ cấu lao động theo nghề nghiệp

Cả hai biểu đồ đều thể hiện cơ cấu lao động Việt Nam theo 9 nhóm ngành nghề chính:

  • Chuyên môn kỹ thuật bậc cao
  • Chuyên môn kỹ thuật bậc trung
  • Lãnh đạo
  • Nghề trong nông, lâm, ngư nghiệp
  • Dịch vụ cá nhân, bảo vệ bán hàng
  • Thợ thủ công và các thợ khác có liên quan
  • Thợ lắp ráp và vận hành máy móc, thiết bị
  • Nhân viên văn phòng
  • Nghề giản đơn

Theo điều tra về dân số và lao động năm 2015 – 2019, thì lực lượng đông đảo nhất trong tổng lao động ở Việt Nam là lao động làm trong khu vực “Nghề đơn giản”.

  • Trong năm 2019 có 1/3 tổng số lao động (35%) đang làm việc nằm trong khu vực “Nghề đơn giản” giảm 4% so với năm 2015. Đứng thứ hai trong cơ cấu lao động là nhóm ngành dịch vụ với gần 1/5 tổng số lao động (17% năm 2015 và 18% năm 2019).
  • Nhóm thợ thủ công và thợ khác, và thợ lắp ráp máy móc, thiết bị tăng lần lượt từ 9% và 15% năm 2015 lên 14% và 12% năm 2019.
  • Nhóm nghề truyền thống nông lâm nghiệp chỉ còn chiếm 1/5 tỷ trọng của cơ cấu lao động Việt Nam, và giảm 3% trong 2015 đến 2019. Trong khi đó nhóm lao động thuộc khu vực chuyên môn kỹ thuật bậc cao chiếm 8% trong cơ cấu, cao hơn 1% so với khu vực nông, lâm, thủy sản vào năm 2019.
  • Các ngành chuyên môn kỹ thuật bậc trung, nhân viên và nhà lãnh đạo lần lượt chiếm 3%, 2% và 1% trong cơ cấu lao động.
  • Có thể nói lực lượng lao động phổ thông với tay nghề sơ cấp vẫn đang là lực lượng lao động áp đảo tại Việt Nam chiếm hơn 1/3 trong tổng số lao động. Tuy nhiên lao động có chuyên môn và kỹ thuật bậc trung chỉ chiếm 3% trong tổng số lao động, thấp hơn gần 3 lần so lao động có chuyên môn kỹ thuật cao (8% năm 2019), và 12 lần so với lao động nghề đơn giản.
  • Để tăng tính cạnh tranh cho lao động Việt Nam, lao động nghề giản đơn cần được hỗ trợ để học nghề hoặc đào tạo lại để những lao động này có thể dịch chuyển từ khu vực nghề đòi hỏi kỹ thuật sơ cấp sang khu vực chuyên môn, kỹ thuật trung cấp. Bên cạnh đó cần bồi dưỡng lao động thuộc nhóm thợ lắp ráp, thợ thủ công và thợ khác, hiện đang chiếm 1/4 tổng số lao động, thành thợ lành nghề có trình độ chuyên môn, kỹ thuật cao cấp.

Kết luận:

  • Cơ cấu lao động Việt Nam đang có sự chuyển dịch theo hướng tích cực:
  • Tăng tỉ trọng lao động ở các nhóm ngành có trình độ kỹ thuật cao và dịch vụ.
  • Giảm tỉ trọng lao động ở nhóm ngành nông nghiệp và lao động giản đơn.

Tuy nhiên, vẫn còn một số bất cập cần được giải quyết:

  • Tỉ trọng lao động có trình độ kỹ thuật cao còn thấp so với các nước phát triển.
  • Nhu cầu việc làm cho lao động giản đơn còn cao.

CHƯƠNG III: KẾT LUẬN VÀ HẠN CHẾ ĐỀ TÀI

3.1.Kết luận

Giúp ta hiểu rõ hơn về thị trường lao động: Phân tích cơ cấu lao động giúp người lao động nắm bắt được nhu cầu tuyển dụng của các doanh nghiệp, từ đó lựa chọn ngành nghề phù hợp với năng lực và sở thích của mình. Tìm kiếm việc làm hiệu quả: Phân tích cơ cấu lao động giúp người lao động xác định được những ngành nghề nào đang thiếu hụt lao động, từ đó tăng khả năng tìm kiếm được việc làm phù hợp. Nâng cao kỹ năng nghề nghiệp: Phân tích cơ cấu lao động giúp người lao động xác định được những kỹ năng cần thiết cho ngành nghề của mình. Từ đó, người lao động có thể tham gia các khóa đào tạo để nâng cao kỹ năng, tăng khả năng cạnh tranh trên thị trường lao động

3.2.Hạn chế của đề tài

Việc phân tích cơ cấu lao động Việt Nam giai đoạn 2010-2022 mang lại nhiều lợi ích, tuy nhiên cũng có một số hạn chế cần lưu ý: Dữ liệu:

  • Tính chính xác: Dữ liệu về lao động có thể không hoàn toàn chính xác do một số yếu tố như:
  • Hoạt động thống kê chưa đầy đủ, nhất là ở khu vực phi chính thức.
  • Một số lao động có thể không khai báo chính xác thông tin về nghề nghiệp, trình độ học vấn,…
  • Tính cập nhật: Dữ liệu về lao động thường được cập nhật sau một khoảng thời gian nhất định, do đó có thể không phản ánh được tình hình thực tế của thị trường lao động hiện tại.

Ngoài ra, đề tài phân tích cơ cấu lao động Việt Nam 2010-2022 còn có thể gặp một số hạn chế khác như:

  • Sự ảnh hưởng của đại dịch COVID-19: Đại dịch COVID-19 đã ảnh hưởng mạnh mẽ đến thị trường lao động Việt Nam, do đó kết quả phân tích có thể không phản ánh đúng thực tế sau đại dịch.
  • Sự thay đổi của môi trường kinh tế: Môi trường kinh tế luôn thay đổi, do đó kết quả phân tích có thể không còn phù hợp trong tương lai.
  • Kết luận: Việc phân tích cơ cấu lao động Việt Nam 2010-2022 mang lại nhiều lợi ích, tuy nhiên cũng có một số hạn chế cần lưu ý. Để nâng cao hiệu quả của việc phân tích, cần cải thiện chất lượng dữ liệu, lựa chọn phương pháp phù hợp, và tăng cường sự phối hợp giữa các bên liên quan.

CHƯƠNG IV.TÀI LIỆU THAM KHẢO

Tổng cục Thống kê: https://www.gso.gov.vn/

Bộ Lao động - Thương binh và Xã hội: https://www.molisa.gov.vn/

Bộ Kế hoạch và Đầu tư: https://www.mpi.gov.vn/

Ngân hàng Nhà nước Việt Nam: https://www.sbv.gov.vn/

PHỤ LỤC

Mô tả bộ dữ liệu đã sử dụng trong bài nghiên cứu. Bộ dữ liệu cung cấp cho ta biết được về cơ cấu lao động của Việt Nam theo khu vực, trình độ và các nhóm ngành như nông, lâm, ngư nghiệp, công nghiệp-xây dựng và dịch vụ

  • year: năm
  • agriculture, forestry and fisheries: nông, lâm nghiệp và thủy sản
  • industry - construction: công nghiệp-xây dựng
  • service: dich vụ
  • town: thành thị
  • rural: nông thôn
  • intermediate level: trung cấp
  • university or higher: đại học hoặc cao hơn
---
title: "Phân tích cơ cấu lao động Việt Nam 2010-2022"
author: "Lê Thị Thanh Phú"
date: "2024-03-24"
output:
  html_document:
    toc: true
    toc_float: true
    code_download: true
    code_folding: hide
    df_print: kable
    highlight: tango
  pdf_document:
    extra_dependencies:
      vietnam: utf8
    toc: true
    number_sections: true
  word_document:
    toc: true
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
library(dplyr)
library(ggplot2)
library(tidyverse)
library(scales)
library(DT)
```

![](C:/Users/Dell/Downloads/biadau.png){width="900"}

# **MỤC LỤC** 

**CHƯƠNG I: GIỚI THIỆU CHỦ ĐỀ “PHÂN TÍCH CƠ CẤU LAO ĐỘNG VIỆT NAM”**

1.1. Thực trạng cơ cấu lao động  

1.2. Vấn đề đặt ra 

1.3. Giới thiệu về cơ cấu lao động Việt Nam 

1.4. Mục tiêu và lợi ích 

1.5. Lí do chọn chủ đề 

**CHƯƠNG II: PHÂN TÍCH CƠ CẤU LAO ĐỘNG VIỆT NAM** 

2.1. Đọc dữ liệu

2.1.1. Tổng quan các gói trong bộ dữ liệu

2.1.2. Tổng quan về bộ dữ liệu

2.1.3. Giải thích 

2.2. Lực lượng lao động phân theo khu vực

2.2.1. Lực lượng lao động từ 15 tuổi trở lên theo khu vực thành thị

2.2.2. Lực lượng lao động từ 15 tuổi trở lên theo khu vực nông thôn

2.3. Lực lượng lao động theo trình độ chuyên môn 

2.3.1. Lực lượng lao động theo trình độ trung cấp 

2.3.2. Lực lượng lao động theo trình độ đại học hoặc cao hơn

2.4.Lực lượng lao động phân theo nhóm ngành

2.4.1. Lực lượng lao động phân theo nhóm ngành nông lâm ngư nghiệp

2.4.2. Lực lượng lao động phân theo nhóm ngành công nghiệp-xây dựng

2.4.3. Lực lượng lao động phân theo nhóm ngành dịch vụ 

2.5. So sánh biểu đồ tròn về cơ cấu lao động theo nghề nghiệp

**CHƯƠNG III: KẾT LUẬN**

3.1. Kết luận

3.2. Hạn chế của đề tài 

**CHƯƠNG IV: TÀI LIỆU THAM KHẢO**

# **LỜI CẢM ƠN**

Kính gửi Thầy Trần Mạnh Tường!

Lời đầu tiên, em xin được gửi lời cảm ơn chân thành nhất đến thầy Trần Mạnh Tường. Trong quá trình học tập và tìm hiểu môn ngôn ngữ lập trình, em đã nhận được rất nhiều sự quan tâm, giúp đỡ, hưỡng dẫn tâm huyết và tận tình của thầy. Thầy đã giúp em tích lũy thêm nhiều kiến thức về môn học này để có thể hoàn thành được bài tiểu luận về đề tài: **"Phân tích cơ cấu lao động Việt Nam 2010-2022"** 

Trước hết, em muốn bày tỏ lòng biết ơn sâu sắc với thầy vì đã dành thời gian và công sức để đọc và đánh giá bài tiểu luận của em. Những góp ý và nhận xét từ thầy đã giúp em nhìn nhận các khía cạnh mới, hoàn thiện ý tưởng và làm cho bài tiểu luận trở nên tốt hơn.

Cuối cùng, em muốn gửi lời cảm ơn chân thành đến thầy vì đã truyền đạt cho em niềm đam mê và tinh thần cầu tiến trong lĩnh vực này. Sự ủng hộ và động viên từ phía thầy đã giúp em vượt qua những khó khăn và trở thành một nhà nghiên cứu tự tin hơn.

Mặc dù đã có những đầu tư nhất định trong quá trình làm bài song cũng khó có thể tránh khỏi những sai sót, em kính mong nhận được ý kiến đóng góp của quý thầy cô để bài tiểu luận được hoàn thiện hơn.

Một lần nữa, em xin chân thành cảm ơn sự đóng góp và tận tâm của thầy trong quá trình hướng dẫn và hỗ trợ em trong viết bài tiểu luận này. Em rất biết ơn và tự hào vì có cơ hội được học và làm việc dưới sự hướng dẫn của thầy.

Trân trọng,

Lê Thị Thanh Phú 

# **CHƯƠNG I.GIỚI THIỆU CHỦ ĐỀ “PHÂN TÍCH CƠ CẤU LAO ĐỘNG VIỆT NAM”**

## **1.1.Thực trạng cơ cấu lao động**

Cơ cấu lao động theo ngành thời gian qua được đánh giá thông qua số lao động làm việc trong các ngành công nghiệp, nông nghiệp, dịch vụ. Tỷ trọng lao động trong nông nghiệp giảm từ 62,7% năm 2001 xuống còn 48,7% năm 2010 và 27,6% năm 2022, tương ứng với đó là số lượng lao động trong ngành này giảm -10,369 triệu người (từ 24,469 triệu năm 2001 xuống còn 14,1 triệu lao động năm 2022).

Lao động trong ngành nông nghiệp giảm dần qua từng năm, nhưng trong đại dịch COVID-19 lao động trong ngành này lại tăng lên từ 28,3% năm 2020 lên 29% năm 2021 do giãn cách xã hội nên người lao động quay trở về quê tìm việc.

Việc tăng lên này chỉ mang tính tức thời, vì khi dịch được kiểm soát họ sẽ quay trở lại thành phố để làm việc. Tuy lực lượng lao động trong ngành Nông nghiệp giảm nhưng sự chuyển dịch cơ cấu trong ngành Nông nghiệp đã tác động tích cực đến chuyển dịch cơ cấu lao động nông thôn, mà biểu hiện rõ nhất là thúc đẩy nhanh chuyển dịch cơ cấu hộ nông thôn ngày càng tăng thêm các hộ làm công nghiệp, thương mại và dịch vụ, trong khi hộ làm nông nghiệp thuần túy giảm dần.

Sự chuyển dịch lao động từ nông nghiệp sang công nghiệp, dịch vụ thể hiện rõ khi tỷ trọng lao động làm việc trong các ngành dịch vụ tăng lên từ 22,8% năm 2001 lên 29,6% năm 2010 và 39,1% năm 2022.

Lượng lao động ngành này tăng 5,985 triệu người từ năm 2001 đến 2010 và 5,377 triệu người từ năm 2010 -2022 chủ yếu là lao động trong lĩnh vực dịch vụ du lịch, vận tải kho bãi, thương mại điện tử, kinh doanh bất động sản…

Trong 2 năm dịch COVID-19 vừa qua, lực lượng lao động trong ngành dịch vụ du lịch bị ảnh hưởng nặng nề nhất, nhiều lao động phải nghỉ việc hoặc chuyển sang làm việc khác...

Năm 2020, các doanh nghiệp du lịch lần lượt phải cắt giảm nhân sự từ 70% - 80%; năm 2021, số lượng lao động làm đủ thời gian chỉ chiếm 25% so với năm 2020, lao động nghỉ việc/chấm dứt hợp đồng lao động chiếm khoảng 30%, lao động tạm nghỉ việc khoảng 35%, lao động cầm chừng chiếm 10%. Đại dịch COVID-19 đã tác động mạnh đến 2,5 triệu lao động trong ngành Du lịch với 800.000 lao động trực tiếp.

Còn đối với lực lượng lao động ngành Công nghiệp từ năm 2001- 2010 tăng đáng kể là 5,137 triệu người với tỷ trọng bình quân là 18,2% và từ năm 2011 đến 2020 là 28,1%; tỷ trọng lao động trong lĩnh vực công nghiệp - xây dựng dao động nhẹ và ổn định khoảng 32,25% tổng nhu cầu lao động trong giai đoạn 2019 - 2022 và đạt mức 33,3% năm 2022.

## **1.2.Vấn đề đặt ra**

Năng suất lao động nước ta hiện nay tuy được cải thiện nhưng vẫn còn ở mức thấp, nền kinh tế vẫn dựa chủ yếu vào các ngành thâm dụng lao động và dịch vụ sử dụng nhiều lao đông phổ thông. Ngoài ra, người lao động hiện nay có nhiều lựa chọn việc làm về thời gian và thu nhập nên một số ngành không tuyển đủ công nhân vì thu nhập so với mức chi tiêu chưa cân xứng.

Trình độ chuyên môn của lực lượng lao động đã có những cải thiện nhất định, song nhìn chung chất lượng còn thấp. Khả năng làm việc theo nhóm, tính chuyên nghiệp trong công việc còn yếu, khuynh hướng nắm vững lý thuyết, nhưng kém về năng lực thực hành còn phổ biến dẫn đến nhiều doanh nghiệp không tuyển được đúng vị trí công việc làm.

Mức lương tối thiểu giữa khu vực công và khu vực tư nhân có sự khác biệt khá lớn ở Việt Nam. Người lao động có kỹ năng đang có xu hướng chuyển sang khu vực tư nhân và có vốn đầu tư nước ngoài với mức lương cao hơn và môi trường làm việc cạnh tranh hơn.

Sinh viên tại các trường đại học, cao đẳng mới ra trường thường thiếu kinh nghiệm, thiếu kỹ năng, đào tạo chưa gắn liền trực tiếp với ngành nghề cụ thể, kiến thức còn mang tính hàn lâm. Thế hệ gen z năm (sinh từ 1997 đến 2012) được tiếp cận với khoa học công nghệ sớm và nhiều hơn nên họ nhanh nhạy, khởi nghiệp từ khi ngồi trên ghế nhà trường hay sau khi ra trường, họ tự tạo ra con đường cho riêng mình thu được những kết quả khả quan, nhưng con số này thực sự không nhiều.

Tác động của Cách mạng công nghiệp 4.0 làm cải tiến năng lực sản xuất thúc đẩy sự phát triển kinh tế theo xu hướng tăng cường ký kết các hiệp định…xu thế này cũng ảnh hưởng không nhỏ đến cầu lao động và yêu cầu về kỹ năng trình độ thay đổi nhanh chóng.

Cùng với quá trình đổi mới đất nước, nhiều giải pháp tạo việc làm cho người lao động, giải quyết vấn đề lao động – việc làm đã được các cấp, các ngành quan tâm nhằm tạo động lực thúc đẩy phát triển kinh tế, ổn định chính trị - xã hội. Tuy nhiên, chất lượng lao động hạn chế đang ngày càng gây nên những áp lực lớn đối với vấn đề giải quyết việc làm cho người lao động. Do vậy, việc làm rõ thực trạng và những vấn đề còn tồn tại của lao động Việt Nam trong giai đoạn hiện nay là một vấn đề cần thiết.

## **1.3.Giới thiệu về cơ cấu lao động Việt Nam**

Việt Nam là nước có quy mô dân số lớn, tháp dân số tương đối trẻ và bắt đầu bước vào thời kỳ “cơ cấu dân số vàng” với nguồn nhân lực dồi dào nhất từ trước đến nay. Tính đến hết năm 2017, dân số nước ta đạt 96,02 triệu người, trong đó nữ chiếm khoảng 48,94%. Gia tăng dân số trong những năm qua kéo theo gia tăng về lực lượng lao động. Nhìn chung, mỗi năm Việt Nam có khoảng gần 1 triệu người bước vào độ tuổi lao động, đây là một lợi thế cạnh tranh quan trọng của Việt Nam trong việc thu hút đầu tư nước ngoài góp phần phát triển kinh tế - xã hội.

Xét cơ cấu lực lượng lao động theo giới tính, tỷ lệ lao động nam lại nhiều hơn nữ với trên 50% lao động là nam giới. Tuy nhiên, sự chênh lệch này không đáng kể và cho thấy lao động nữ chiếm một lượng đông đảo. Tỷ lệ thất nghiệp của lao động nữ khá cao so với lao động nam do hạn chế về sức khỏe, những mâu thuẫn giữa sinh đẻ và làm việc, cơ hội tìm được việc làm vừa ý sau khi sinh là thấp.

Hiện nay, lực lượng lao động vẫn tập trung đông nhất ở khu vực Đồng bằng sông Hồng (chiếm trên 22%), tiếp đến là khu vực Bắc trung bộ, Duyên hải miền Trung (trên 21%) và Đồng bằng sông Cửu Long. Đây là các khu vực có diện tích đất rộng, tập trung nhiều thành phố lớn, khu đô thị và nhiều khu công nghiệp, thuận lợi cho việc sản xuất kinh doanh nên thu hút đông đảo lao động tập trung ở những khu vực này. Những khu vực chiếm tỷ lệ thấp, là những khu vực có diện tích đất hẹp, nhiều đồi núi, ít khu đô thị và khu công nghiệp nên không thu hút nhiều lao động đến đây.

## **1.4.Mục tiêu và lợi ích**

Mục tiêu:

- Hiểu rõ tình trạng hiện tại: Nghiên cứu cơ cấu lao động giúp nắm bắt được số lượng, trình độ chuyên môn, phân bố theo ngành nghề, khu vực của lực lượng lao động Việt Nam.
- Đánh giá tác động: Phân tích ảnh hưởng của các yếu tố như: chính sách, kinh tế, xã hội, khoa học công nghệ đến cơ cấu lao động.
- Dự báo xu hướng: Dự đoán sự thay đổi của cơ cấu lao động trong tương lai để có định hướng phát triển phù hợp.
- Đề xuất giải pháp: Xác định các giải pháp nhằm nâng cao chất lượng nguồn nhân lực, đáp ứng nhu cầu phát triển kinh tế - xã hội.

Lợi ích:

- Đối với người lao động:
- Lựa chọn nghề nghiệp: Hiểu rõ cơ cấu lao động để lựa chọn nghề nghiệp phù hợp với năng lực, sở thích, nhu cầu thị trường.
- Nâng cao kỹ năng: Tham gia các chương trình đào tạo, bồi dưỡng kỹ năng để đáp ứng yêu cầu của thị trường lao động, nâng cao khả năng cạnh tranh.
- Bảo vệ quyền lợi: Nắm rõ các quy định về lao động để bảo vệ quyền lợi của bản thân.

Kết luận: Nghiên cứu cơ cấu lao động có vai trò quan trọng trong việc định hướng phát triển kinh tế - xã hội của Việt Nam. Đây là cơ sở để xây dựng các chính sách, chiến lược phát triển nguồn nhân lực, nâng cao chất lượng lao động, đáp ứng nhu cầu phát triển của đất nước.

## **1.5.Lí do chọn chủ đề**

Tầm quan trọng:

- Cơ cấu lao động: Là yếu tố quan trọng quyết định năng suất lao động, hiệu quả sản xuất kinh doanh và sự phát triển kinh tế - xã hội của đất nước.
- Phân tích cơ cấu lao động: Giúp đánh giá thực trạng, dự báo xu hướng và đề xuất giải pháp phát triển nguồn nhân lực phù hợp.

Tính thời sự:

- Cơ cấu lao động Việt Nam đang có nhiều chuyển biến: Tỷ trọng lao động trong ngành nông nghiệp giảm dần, tỷ trọng lao động trong ngành công nghiệp và dịch vụ tăng lên.
- Nhu cầu lao động có trình độ kỹ năng cao ngày càng tăng: Đòi hỏi phải nâng cao chất lượng đào tạo và phát triển nguồn nhân lực.

Tính thực tiễn:

- Kết quả phân tích cơ cấu lao động: Cung cấp thông tin hữu ích cho các nhà hoạch định chính sách, doanh nghiệp và người lao động.
- Giúp xây dựng chiến lược phát triển nguồn nhân lực: Đáp ứng nhu cầu thị trường lao động và phát triển kinh tế - xã hội.

Dữ liệu phong phú:

- Có nhiều nguồn dữ liệu về cơ cấu lao động Việt Nam: Niên giám thống kê, báo cáo nghiên cứu, khảo sát,...
- Giúp cho việc phân tích được thực hiện một cách khoa học và chính xác.

Tính đa dạng:

- Có thể phân tích cơ cấu lao động theo nhiều khía cạnh: Ngành kinh tế, trình độ chuyên môn, khu vực, giới tính,...
- Giúp cho việc phân tích được sâu sắc và toàn diện.

Ngoài ra, việc phân tích cơ cấu lao động Việt Nam còn có thể giúp:

- Đánh giá hiệu quả các chính sách về lao động: Việc làm, đào tạo, thu nhập,...
- Xác định các ngành, nghề cần ưu tiên phát triển: Thu hút đầu tư, tạo việc làm.
- Nâng cao nhận thức của người lao động: Về tầm quan trọng của việc học tập và nâng cao kỹ năng.

Chủ đề cơ cấu lao động Việt Nam là một chủ đề quan trọng, thời sự, thực tiễn và có nhiều dữ liệu phong phú. Việc phân tích chủ đề này có thể giúp ích cho việc xây dựng chiến lược phát triển nguồn nhân lực và thúc đẩy sự phát triển kinh tế - xã hội của đất nước.

# **CHƯƠNG II.PHÂN TÍCH CƠ CẤU LAO ĐỘNG VIỆT NAM**

## **2.1.Đọc dữ liệu**

Đọc dữ liệu từ file excel vào R với gói readxl
Gói “readxl” là một gói R hữu ích được sử dụng để đọc dữ liệu từ các tệp Excel (.xls và .xlsx) vào môi trường R. Gói này cung cấp các công cụ dễ sử dụng để đọc dữ liệu từ các tệp Excel và chuyển đổi chúng thành các đối tượng dữ liệu R, chẳng hạn như data frame. Điều này rất hữu ích khi cần thực hiện phân tích dữ liệu từ các báo cáo, bảng tính hoặc dữ liệu được lưu trữ trong tệp Excel.

```{r}
library(readxl)
p <- read_excel("C:/Users/Dell/OneDrive - UFM/Desktop/dulieulambai .xlsx")
```

Một số tính năng và lợi ích của gói “readxl”:

- Dễ sử dụng: Gói “readxl” cung cấp hàm read_excel() với cú pháp đơn giản để đọc dữ liệu từ tệp Excel. Điều này giúp người dùng dễ dàng sử dụng và nhanh chóng làm việc với dữ liệu trong Excel.

- Hỗ trợ định dạng Excel: Gói “readxl” hỗ trợ đọc dữ liệu từ cả các tệp Excel cổ điển (.xls) và định dạng mới hơn (.xlsx), do đó, có thể làm việc với các tệp Excel ở nhiều phiên bản khác nhau.

- Hiệu suất tốt: Gói này được xây dựng với hiệu suất cao và sử dụng thư viện C++ để xử lý đọc dữ liệu từ Excel nhanh chóng và hiệu quả, đặc biệt là với các tệp Excel lớn.

- Tự động xác định kiểu dữ liệu: Gói “readxl” tự động xác định kiểu dữ liệu của các cột dữ liệu trong tệp Excel, bao gồm cả dữ liệu số, văn bản và ngày tháng, giúp tiết kiệm thời gian và công sức phân loại dữ liệu.

- Xử lý lỗi linh hoạt: Gói này cung cấp các tùy chọn để xử lý các tình huống không thể đọc hoặc hiểu định dạng dữ liệu trong tệp Excel một cách linh hoạt và dễ dàng.

- Hỗ trợ đọc nhiều trang: Gói “readxl” cho phép bạn đọc dữ liệu từ nhiều trang trong cùng một tệp Excel và chuyển đổi thành các data frame riêng biệt cho mỗi trang.

- Tự động nhận diện dòng tiêu đề: Gói này có khả năng tự động xác định dòng tiêu đề trong tệp Excel và sử dụng nó làm tên cột cho data frame.

### **2.1.1.Tổng quan về các gói trong Tidyverse** 

Như đã giới thiệu trước đó, Tidyverse là tập hợp các gói tạo nên một hệ sinh thái đa dạng cho người dùng và cho cộng đồng sử dụng R. Đó không phải là một gói mà là nhiều gói nhỏ bao gồm các gói cốt lõi và các gói không cốt lõi - Các gói này sẽ được cài đặt với tidyverse qua lệnh install.packages("tidyverse"), nhưng không được gọi đính kèm với thư viện này.

_**Giải thích các gói trong tidyverse**_

**1.Dplyr**: Package này cung cấp các công cụ mạnh mẽ để thực hiện các hoạt động xử lý, truy vấn và biến đổi dữ liệu. Dplyr cho phép bạn thực hiện các thao tác như chọn cột, lọc dữ liệu, sắp xếp, nhóm và tóm tắt dữ liệu.

- *Select()*: chọn các biến dựa trên tên của chúng.

- *Filter()*: chọn các trường hợp dựa trên giá trị của chúng.

**2.Ggplot2**: Package này cung cấp công cụ đồ họa mạnh mẽ để tạo ra biểu đồ đẹp mắt và rõ ràng. Ggplot2 cho phép bạn tạo các biểu đồ dựa trên dữ liệu và áp dụng các thay đổi mô phỏng phức tạp và tùy chỉnh.
	
- Biểu đồ cột: *geom_bar()* hoặc *geom_col()*
-	Điểm (vd: biểu đồ phân tán): *geom_point()*
-	Biểu đồ đường: *geom_line()* hoặc *geom_path()*

### **2.1.2.Tổng quan về bộ dữ liệu**
```{r}
library(skimr)
skim(p,2,4,16,17,18,21,22)
```

Giải thích: 

- n_missing: số ô dữ liệu bị miss(trống)
- complete_rate: tỷ lệ ô có dữ liệu
- mean: giá trị trung bình
- sd: độ lệch chuẩn
- p0: giá trị nhỏ nhất
- p25: Phân vị thứ nhất
- p50: Phân vị thứ hai cũng chính là trung vị
- p75: phân vị thứ ba
- p100: giá trị lớn nhất
- hist: biểu đồ Histogram

### **2.1.3.Giải thích**

Bộ dữ liệu gồm 13 quan sát và 107 biến nói về cơ cấu lao động Việt Nam 2010-2022 

Giải thích:

- year: năm 
- processing and manufacturing industry: sản xuất và phân phối điện
- water supply: cấp nước
- red river delta: Đồng bằng sông Hồng
- north Central and Central Coast: Bắc Trung Bộ và Duyên hải miền Trung
- Tay Nguyen: Tây Nguyên 
- southeast: Đông Nam Bộ 
- mekong delta: đồng bằng sông Cửu Long 
- state Economy: kinh tế nhà nước
- non-State economy: kinh tế ngoài nhà nước 
- foreign-invested sector: khu vực có vốn đầu tư nước ngoài 
- agriculture, forestry and fisheries: nông, lâm nghiệp và thủy sản 
- industry - construction: công nghiệp-xây dựng
- service: dich vụ 
- male: nam 
- female: nữ 
- town: thành thị 
- rural: nông thôn 
- mining: khai thác mỏ
- processing and manufacturing industry: công nghiệp chế biến, chế tạo
- build: xây dựng
- repair of cars: sửa chữa ô tô
- transportation: vận chuyển
- accommodation and food services: dịch vụ lưu trú và ăn uống
- information and communication: thông tin và truyền thông
- financial activities: hoạt động tài chính
- eal estate business: kinh doanh bất động sản EAL
- professional activities: hoạt động chuyên môn
- administrative activities: hoạt động hành chính 
- activities of the communist party:: hoạt động của Đảng  
- education and training: giáo dục và đào tạo
- health and social assistance activities: các hoạt động y tế và trợ giúp xã hội
- arts, entertainment: nghệ thuật, giải trí 
- other service activities: các hoạt động dịch vụ khác
- activities of hired jobs in households: hoạt động làm thuê trong hộ gia đình 
- activities of international organizations: hoạt động của các tổ chức
- primary: Sơ cấp 
- intermediate level: trung cấp
- college: cao đẳng 
- university or higher: đại học hoặc cao hơn

## **2.2.Lực lượng lao động phân theo khu vực**

### **2.2.1.Lực lượng lao động từ 15 tuổi trở lên theo khu vực thành thị** 

```{r}
p1<- p %>% select( year,town)
table <- knitr::kable(p1,format = "markdown")
datatable(p1)
```

```{r}
p1 %>% group_by(year, town) %>%  ggplot(aes(x=year,y=town )) +
  geom_col(fill='yellow') +
  geom_text(aes(label = round(town)),vjust = 3, color = 'black') +
  labs(title = "Biểu đồ thể hiện lực lượng lao động khu vực thành thị") +
  labs(x = 'Năm', y = 'Số lượng')
```


- group_by(year, town): Đây là hàm trong package dplyr dùng để nhóm các dòng của bộ dữ liệu theo giá trị của cột “year” và "town".
- geom_text(): thêm các nhãn văn bản vào biểu đồ, giúp tăng cường thông tin và giải thích cho dữ liệu.
- Trục hoành: Thể hiện các năm từ 2010 đến 2022.
- Trục tung: Thể hiện số lượng lao động khu vực thành thị.
- Đường màu vàng: Thể hiện số lượng lao động khu vực thành thị theo từng năm.

Số liệu cụ thể:

- Năm 2010: 26.460 (thấp nhất)
- Năm 2011: 27.679
- Năm 2012: 28.275
- Năm 2013: 28.865
- Năm 2014: 30.273
- Năm 2015: 30.882 
- Năm 2016: 31.397 
- Năm 2017: 31.928
- Năm 2018: 32.637 
- Năm 2019: 33.817
- Năm 2020: 35.867
- Năm 2021: 36.563
- Năm 2022: 37.350 (cao nhất)

Nhận xét:

- Số lượng lao động khu vực thành thị tăng đều đặn qua các năm.
- Tốc độ tăng trưởng trung bình: 3,4%/năm.
- Năm 2022: Số lượng lao động khu vực thành thị tăng 38,3% so với năm 2010.

Nguyên nhân:

- Sự phát triển kinh tế - xã hội khu vực thành thị:
- Thu hút nhiều lao động từ khu vực nông thôn đến.
- Tạo ra nhiều cơ hội việc làm mới.
- Nâng cao chất lượng giáo dục:
- Nâng cao trình độ chuyên môn của lao động.
- Tăng khả năng cạnh tranh trên thị trường lao động.

Hạn chế:

- Tình trạng thất nghiệp:
- Vẫn còn một số lao động chưa có việc làm.
- Cần có giải pháp để giải quyết vấn đề này.
- Áp lực lên cơ sở hạ tầng:
- Giao thông, y tế, giáo dục,...
- Cần đầu tư phát triển cơ sở hạ tầng để đáp ứng nhu cầu ngày càng tăng.

Kết luận: Biểu đồ thể hiện sự gia tăng số lượng lao động khu vực thành thị. Đây là một tín hiệu tích cực cho thấy sự phát triển kinh tế - xã hội của Việt Nam. Tuy nhiên, vẫn còn một số hạn chế cần giải quyết.

### **2.2.2.Lực lượng lao động từ 15 tuổi trở lên theo khu vực nông thôn**

```{r}
p2<- p %>% select( year,rural)
table <- knitr::kable(p2,format = "markdown")
datatable(p2)
```

```{r}
p2 %>% group_by(year, rural) %>%  ggplot(aes(x=year,y= rural )) +
  geom_col(fill='green') +
  geom_text(aes(label = round(rural)),vjust = 3, color = 'black') +
  labs(title = "Biểu đồ thể hiện lực lượng lao động khu vực nông thôn") +
  labs(x = 'Năm', y = 'Số lượng')
```

- Trục hoành: Thể hiện các năm từ 2010 đến 2022.
- Trục tung: Thể hiện số lượng lao động khu vực nông thôn.
- Đường màu vàng: Thể hiện số lượng lao động khu vực nông thôn theo từng năm.
- Số lượng lao động khu vực nông thôn có xu hướng tăng trong giai đoạn từ 2010 đến 2022.
- Năm 2011 có số lượng lao động khu vực nông thôn thấp nhất (khoảng 60.467 nghìn người)
- Năm 2022 có số lượng lao động khu vực nông thôn cao nhất (khoảng 62.124 nghìn người).
- Số lượng lao động khu vực nông thôn có sự biến động theo từng năm.

Dưới đây là một số nguyên nhân có thể dẫn đến sự thay đổi số lượng lao động khu vực nông thôn:

- Sự phát triển của kinh tế: Khi kinh tế phát triển, nhu cầu lao động trong các ngành công nghiệp và dịch vụ tăng lên, dẫn đến việc thu hút lao động từ khu vực nông thôn.
- Chính sách của chính phủ: Chính phủ có thể thực hiện các chính sách khuyến khích người lao động chuyển đổi sang các ngành công nghiệp và dịch vụ, hoặc hỗ trợ người lao động nông thôn nâng cao kỹ năng.
- Sự thay đổi trong cơ cấu dân số: Khi tỷ lệ sinh giảm và tuổi thọ trung bình tăng, tỷ lệ lao động trong dân số giảm, dẫn đến sự thiếu hụt lao động trong một số ngành.

## **2.3.Lực lượng lao động theo trình độ chuyên môn**

### **2.3.1.Lực lượng lao động theo trình độ trung cấp**

```{r}
p3 <- p %>% select( year,`intermediate level`)
table <- knitr::kable(p3,format = "markdown")
datatable(p3)
```

```{r}
p3 <- p %>% filter( year >= 2010 & year <= 2015)
p3 %>% ggplot(aes(x = year, y = `intermediate level`, group = 1)) +
  geom_col( fill = "pink") +
  geom_text(aes(label = `intermediate level`), vjust = 3, color = 'black') +
  geom_line(color = "blue", linewidth = 0.7) +
  geom_point(color = "black") +
 labs(title = "Biểu đồ lực lượng lao động về trình độ trung cấp", x = "Năm", y = "%")
```

- Trục hoành: Thể hiện các năm từ 2010 đến 2022.
- Trục tung: Thể hiện số lượng lao động về trình độ trung cấp.
- Số lượng lao động có trình độ trung cấp 2010-2015 có xu hướng tăng
- Năm 2010 chiếm 1.2% (thấp nhất)
- Năm 2011 chiếm 2.5%
- Năm 2012 chiếm 3.7%
- Năm 2013 chiếm 4.6%
- Năm 2014 chiếm 5.2%
- Năm 2015 chiếm 5.4% (cao nhất)

Nguyên nhân:

- Nâng cao mức độ giáo dục của người dân Việt Nam.
- Cơ cấu nền kinh tế thay đổi, đòi hỏi lao động có trình độ trung cấp ngày càng nhiều.
- Chính sách khuyến khích người dân nâng cao trình độ học vấn.

Ý nghĩa:

- Chất lượng lao động Việt Nam đang được cải thiện.
- Nền kinh tế Việt Nam đang dần chuyển sang giai đoạn phát triển dựa trên tri thức.

Tuy nhiên:

- Vẫn còn một tỷ lệ lao động có trình độ trung cấp thấp.
- Cần tiếp tục đầu tư vào giáo dục và đào tạo để nâng cao trình độ lao động.
- Biểu đồ cho thấy số lượng lao động có trình độ trung cấp ở Việt Nam đang tăng dần. Đây là một tín hiệu tích cực cho thấy chất lượng lao động và nền kinh tế Việt Nam đang được cải thiện. Tuy nhiên, vẫn còn nhiều việc phải làm để nâng cao trình độ lao động và đáp ứng nhu cầu phát triển của đất nước.

### **2.3.2.Lực lượng lao động phân theo trình độ đại học hoặc cao hơn**

```{r}
p4 <- p %>% select( year,`university or higher`)
table <- knitr::kable(p4,format = "markdown")
datatable(p4)
```

```{r}
p4 %>% ggplot(aes(x = year, y = `university or higher`, group = 1)) +
  geom_col( fill = "skyblue") +
  geom_text(aes(label = `university or higher`), vjust = 3, color = 'black') +
  geom_line(color = "red", linewidth = 0.7) +
  geom_point(color = "black") +
 labs(title = "Biểu đồ lực lượng lao động về trình độ đại học", x = "Năm", y = "%")
```

- Trục hoành: Thể hiện các năm từ 2010 đến 2022.
- Trục tung: Thể hiện số lượng lao động về trình độ đại học.


Như ta có thể thấy lực lượng lao động Việt Nam có trình độ đại học 2010-2022 có xu hướng tăng cao. Đây là một dấu hiệu tốt cho thấy trình độ học vấn của Việt Nam đang trên đà phát triển. Tuy nhiên, tình trạng sinh viên ra trường có bằng đại học trong tay ở xã hội hiện nay là rất lớn, đồng nghĩa với việc tỉ lệ thất nghiệp xuất hiện ở sinh viên cũng rất cao

Thực trạng:

- Số lượng sinh viên tốt nghiệp đại học tăng cao: Theo Bộ Giáo dục và Đào tạo, năm 2023 có hơn 350.000 sinh viên tốt nghiệp đại học.
- Tình trạng thất nghiệp: Tỷ lệ thất nghiệp của sinh viên đại học năm 2023 là 7,3%, cao hơn so với mức trung bình của cả nước (2,3%).
- Cạnh tranh việc làm gay gắt: Nhu cầu tuyển dụng không đủ đáp ứng số lượng sinh viên ra trường, dẫn đến sự cạnh tranh cao cho từng vị trí.

Nguyên nhân:

- Chất lượng đào tạo chưa đáp ứng nhu cầu thị trường: Chương trình đào tạo chưa cập nhật, thiếu tính thực tiễn, dẫn đến sinh viên thiếu kỹ năng cần thiết cho công việc.
- Sinh viên thiếu kỹ năng mềm: Kỹ năng giao tiếp, làm việc nhóm, giải quyết vấn đề,... còn yếu khiến sinh viên gặp khó khăn trong quá trình tìm kiếm việc làm.
- Doanh nghiệp thiếu nhân lực chất lượng cao: Doanh nghiệp thường ưu tiên tuyển dụng những ứng viên có kinh nghiệm làm việc và kỹ năng phù hợp.

Hậu quả:

- Gánh nặng cho gia đình và xã hội: Sinh viên thất nghiệp ảnh hưởng đến kinh tế gia đình và gia tăng gánh nặng cho xã hội.
- Chất lượng nguồn nhân lực: Ảnh hưởng đến chất lượng nguồn nhân lực của đất nước trong tương lai.

Giải pháp:

- Đổi mới chương trình đào tạo: Cập nhật chương trình đào tạo, chú trọng tính thực tiễn và kỹ năng mềm.
- Tăng cường liên kết giữa nhà trường và doanh nghiệp: Tạo cơ hội cho sinh viên thực tập và làm việc tại doanh nghiệp.
- Hỗ trợ sinh viên khởi nghiệp: Tạo điều kiện cho sinh viên tự tạo việc làm cho bản thân.
- Nâng cao nhận thức của sinh viên: Sinh viên cần chủ động trang bị kiến thức, kỹ năng và kinh nghiệm cần thiết cho công việc.

Kết luận: vấn đề sinh viên ra trường thất nghiệp là một vấn đề cấp bách cần được giải quyết. Cần có sự phối hợp chặt chẽ giữa nhà trường, doanh nghiệp và chính quyền để nâng cao chất lượng đào tạo, tạo việc làm cho sinh viên và phát triển nguồn nhân lực chất lượng cao cho đất nước.

Ngoài ra: 

- Cần thay đổi tư duy của sinh viên: Sinh viên cần chủ động tìm kiếm cơ hội việc làm, không nên phụ thuộc vào bằng cấp.
- Cần có chính sách hỗ trợ sinh viên: Chính sách ưu đãi về thuế, vay vốn,... để khuyến khích doanh nghiệp tuyển dụng sinh viên.

## **2.4.Lực lượng lao động phân theo nhóm ngành**

### **2.4.1.Lực lượng lao động phân theo nhóm ngành nông lâm ngư nghiệp**

```{r}
p5  <- p %>% select( year,`agriculture, forestry and fisheries`)
table <- knitr::kable(p5,format = "markdown")
datatable(p5)
```


```{r}
p5 %>% ggplot(aes(x = year, y =`agriculture, forestry and fisheries`, group = 1)) + 
  geom_line(color='red', linewidth =1) +  
  geom_point(color='black') + 
  labs(x = "Năm", y = "Số lượng", title = "Cơ cấu lao động có việc làm theo nhóm ngành nông, lâm-ngư nghiệp ")
```

- Trục hoành: thể hiện năm, từ 2010 đến 2022.
- Trục tung: thể hiện số lượng người lao động có việc làm, tính bằng triệu người.

Dưới đây là một số nhận xét về biểu đồ:

- Số lượng người lao động có việc làm trong nhóm ngành nông, lâm nghiệp và thủy sản đã giảm trong giai đoạn từ năm 2010 đến năm 2022.
- Mức giảm lớn nhất xảy ra trong giai đoạn từ năm 2010 đến năm 2015 giảm từ 6.04 xuống 4.27 
- Từ năm 2015 đến năm 2022, số lượng người lao động có việc làm trong nhóm ngành này tương đối ổn định.

Lực lượng lao động nhóm ngành nông nghiệp giảm nói lên nhiều điều:

Năng suất lao động trong ngành nông nghiệp tăng:

- Nhờ áp dụng khoa học kỹ thuật, cơ giới hóa vào sản xuất, năng suất lao động trong ngành nông nghiệp ngày càng tăng.
- Một người lao động có thể làm việc trên diện tích đất rộng hơn, sản xuất ra nhiều sản phẩm hơn so với trước đây. Do đó, nhu cầu lao động trong ngành nông nghiệp giảm đi.

Chuyển dịch cơ cấu lao động:

- Khi năng suất lao động trong ngành nông nghiệp tăng, người lao động có xu hướng chuyển sang các ngành khác có thu nhập cao hơn, như công nghiệp và dịch vụ.
- Đây là xu hướng chung của quá trình phát triển kinh tế, xã hội.

Nhu cầu tiêu dùng nông sản thay đổi:

- Nhu cầu tiêu dùng nông sản ngày càng đa dạng, đòi hỏi chất lượng cao hơn.
- Các ngành công nghiệp chế biến nông sản phát triển, thu hút lao động từ ngành nông nghiệp sang.

Ảnh hưởng của các yếu tố khác:

- Chính sách của chính phủ: Chính phủ có thể khuyến khích hoặc hạn chế lao động trong ngành nông nghiệp bằng các chính sách thuế, hỗ trợ, v.v.
- Biến đổi khí hậu: Biến đổi khí hậu có thể ảnh hưởng đến sản xuất nông nghiệp, dẫn đến giảm nhu cầu lao động.

- Tác động của việc giảm lực lượng lao động trong ngành nông nghiệp:

Tích cực:

- Nâng cao năng suất lao động, hiệu quả sản xuất.
- Chuyển dịch lao động sang các ngành có năng suất cao hơn, thúc đẩy phát triển kinh tế.
- Nâng cao thu nhập của người lao động.

Tiêu cực:

- Thiếu hụt lao động trong ngành nông nghiệp, đặc biệt là lao động trẻ và có trình độ.
- Nguy cơ ảnh hưởng đến an ninh lương thực.
- Gây ra các vấn đề xã hội như thất nghiệp, tệ nạn xã hội,

Giải pháp:

- Nâng cao năng suất lao động trong ngành nông nghiệp.
- Tăng cường đào tạo, nâng cao trình độ cho lao động nông nghiệp.
- Hỗ trợ, khuyến khích lao động trẻ tham gia vào ngành nông nghiệp.
- Phát triển các ngành công nghiệp chế biến nông sản, tạo việc làm cho lao động nông nghiệp.

Kết luận: Việc giảm lực lượng lao động trong ngành nông nghiệp là một xu hướng tất yếu của quá trình phát triển kinh tế, xã hội. Tuy nhiên, cần có những giải pháp để giảm thiểu tác động tiêu cực của nó và đảm bảo an ninh lương thực.

### **2.4.2.Lực lượng lao động phân theo nhóm ngành công nghiệp-xây dựng**

```{r}
p6 <- p %>% select( year,`industry - construction`)
table <- knitr::kable(p6,format = "markdown")
datatable(p6)
```


```{r}
ggplot(p6,aes(x=year, y=`industry - construction`, group = 1)) +  
  geom_line(color='orange', linewidth =1) +  
  geom_point(color='black') + 
  labs(x = "Năm", y = "Số lượng", title = "Cơ cấu lao động có việc làm theo nhóm ngành công nghiệp-xây dựng ")
```

- Trục hoành: thể hiện năm, từ 2010 đến 2022.
- Trục tung: thể hiện số lượng người lao động có việc làm, tính bằng triệu người.
- Số lượng: thể hiện số lượng người lao động có việc làm trong nhóm ngành công nghiệp xây dựng trong từng năm.

Nhận xét:

- Số lượng người lao động có việc làm trong nhóm ngành công nghiệp xây dựng có xu hướng tăng từ năm 2010 đến năm 2022.
- Năm 2010, số lượng người lao động có việc làm là 1,38 triệu người.
- Năm 2021, số lượng người lao động có việc làm là 4,18 triệu người.
- Biểu đồ cho thấy số lượng người lao động có việc làm trong nhóm ngành công nghiệp xây dựng tại Việt Nam có xu hướng tăng từ năm 2010 đến năm 2022. Điều này cho thấy ngành công nghiệp xây dựng đang phát triển mạnh mẽ tại Việt Nam.

Nền kinh tế đang phục hồi:

- Sau đại dịch COVID-19, các hoạt động kinh tế dần trở lại bình thường, thúc đẩy nhu cầu xây dựng nhà cửa,  cơ sở hạ tầng và các công trình khác.
- Nhu cầu này dẫn đến việc các doanh nghiệp trong ngành công nghiệp xây dựng tăng cường tuyển dụng lao động để đáp ứng nhu cầu thi công.

Ngành công nghiệp xây dựng đang phát triển:

- Chính phủ Việt Nam đang đẩy mạnh đầu tư vào cơ sở hạ tầng, giao thông, năng lượng,... dẫn đến nhu cầu lao động trong ngành công nghiệp xây dựng tăng cao.
- Các nhà đầu tư nước ngoài cũng đang rót vốn vào Việt Nam, góp phần thúc đẩy sự phát triển của ngành công nghiệp xây dựng.

Nhu cầu về nhà ở tăng cao:

- Nền kinh tế phát triển, dân số tăng, thu nhập bình quân đầu người tăng,... dẫn đến nhu cầu về nhà ở ngày càng cao.
- Nhu cầu này thúc đẩy các dự án nhà ở, chung cư, khu đô thị mới được triển khai, tạo ra nhiều việc làm cho lao động trong ngành công nghiệp xây dựng.

Nâng cao tay nghề lao động:

- Nhu cầu về lao động có tay nghề cao trong ngành công nghiệp xây dựng ngày càng tăng.
- Các trường đào tạo nghề và các doanh nghiệp đang chú trọng đào tạo, nâng cao tay nghề cho lao động để đáp ứng nhu cầu của thị trường.

Thu nhập của người lao động trong ngành công nghiệp xây dựng tăng:

- Nhu cầu lao động cao dẫn đến việc tăng mức lương cho người lao động trong ngành công nghiệp xây dựng.
- Mức thu nhập cao thu hút nhiều lao động tham gia vào ngành này.

Tuy nhiên, việc tăng trưởng nhanh chóng của lực lượng lao động công nghiệp xây dựng cũng tiềm ẩn một số rủi ro như:

- Thiếu hụt lao động có tay nghề cao.
- Chất lượng đào tạo chưa đáp ứng được yêu cầu của thị trường lao động.
- Tình trạng thiếu an toàn lao động.

Do đó, cần có các giải pháp để phát triển nguồn nhân lực chất lượng cao cho ngành công nghiệp xây dựng, đồng thời đảm bảo an toàn lao động cho người lao động.

### **2.4.3.Lực lượng lao động phân theo nhóm ngành dịch vụ**

```{r}
p7 <- p %>% select( year,service)
table <- knitr::kable(p7,format = "markdown")
datatable(p7)
```

```{r}
ggplot(p7,aes(x=year, y=service, group = 1)) +  
  geom_line(color='blue', linewidth =1) +   geom_point(color='black') + 
  labs(x = "Năm", y = "Số lượng", title = "Cơ cấu lao động có việc làm theo nhóm ngành dịch vụ")
```

Tương tự như nhóm ngành công nghiệp-xây dựng, nhóm ngành dịch vụ cũng đang trên đà phát triển 

Nhận xét về nhóm ngành dịch vụ ở Việt Nam giai đoạn 2010-2022:

Tăng trưởng mạnh mẽ:

- Phát triển mạnh mẽ nhất vào năm 2022 chiếm 1.81 triệu người lao động 
- Ngành dịch vụ Việt Nam đã có giai đoạn phát triển mạnh mẽ trong giai đoạn 2010-2022
- Một số ngành dịch vụ tăng trưởng ấn tượng như du lịch, bán lẻ, tài chính - ngân hàng, viễn thông.

Cơ cấu ngành dịch vụ chuyển dịch theo hướng tích cực:

- Tỷ trọng các ngành dịch vụ hiện đại như du lịch, tài chính - ngân hàng, viễn thông, công nghệ thông tin tăng lên.
- Tỷ trọng các ngành dịch vụ truyền thống như bán buôn, bán lẻ, vận tải, kho bãi giảm xuống.

Chất lượng dịch vụ được cải thiện:

- Các doanh nghiệp dịch vụ ngày càng chú trọng nâng cao chất lượng dịch vụ để đáp ứng nhu cầu ngày càng cao của người tiêu dùng.
- Các ứng dụng công nghệ vào hoạt động dịch vụ ngày càng phổ biến, giúp nâng cao hiệu quả và chất lượng dịch vụ.

Tuy nhiên, ngành dịch vụ Việt Nam vẫn còn một số hạn chế:

- Năng suất lao động còn thấp so với các nước trong khu vực.
- Chất lượng nguồn nhân lực chưa đáp ứng được yêu cầu của ngành dịch vụ hiện đại.
- Hạ tầng dịch vụ còn thiếu và yếu, nhất là ở các khu vực nông thôn.

Dự báo:

- Ngành dịch vụ Việt Nam sẽ tiếp tục tăng trưởng trong những năm tới, với tốc độ tăng trưởng bình quân năm khoảng 6-7%.
- Ngành dịch vụ sẽ tiếp tục đóng góp ngày càng lớn vào GDP và tạo ra nhiều việc làm cho người lao động.
- Một số ngành dịch vụ có tiềm năng phát triển mạnh mẽ như du lịch, tài chính - ngân hàng, viễn thông, công nghệ thông tin.

Kết luận: Ngành dịch vụ Việt Nam đã có giai đoạn phát triển mạnh mẽ trong giai đoạn 2010-2022 và sẽ tiếp tục tăng trưởng trong những năm tới. Tuy nhiên, ngành dịch vụ Việt Nam vẫn còn một số hạn chế cần được khắc phục để nâng cao năng lực cạnh tranh và phát triển bền vững.

## **2.5.So sánh biểu đồ tròn về cơ cấu lao động theo nghề nghiệp**

![](C:/Users/Dell/OneDrive - UFM/Documents/biểu đồ tròn.jpg)


Cả hai biểu đồ đều thể hiện cơ cấu lao động Việt Nam theo 9 nhóm ngành nghề chính:

- Chuyên môn kỹ thuật bậc cao
- Chuyên môn kỹ thuật bậc trung
- Lãnh đạo
- Nghề trong nông, lâm, ngư nghiệp
- Dịch vụ cá nhân, bảo vệ bán hàng
- Thợ thủ công và các thợ khác có liên quan
- Thợ lắp ráp và vận hành máy móc, thiết bị
- Nhân viên văn phòng
- Nghề giản đơn

Theo điều tra về dân số và lao động năm 2015 – 2019, thì lực lượng đông đảo nhất trong tổng lao động ở Việt Nam là lao động làm trong khu vực “Nghề đơn giản”.

- Trong năm 2019 có 1/3 tổng số lao động (35%) đang làm việc nằm trong khu vực “Nghề đơn giản” giảm 4% so với năm 2015. Đứng thứ hai trong cơ cấu lao động là nhóm ngành dịch vụ với gần 1/5 tổng số lao động (17% năm 2015 và 18% năm 2019).
- Nhóm thợ thủ công và thợ khác, và thợ lắp ráp máy móc, thiết bị tăng lần lượt từ 9% và 15% năm 2015 lên 14% và 12% năm 2019. 
- Nhóm nghề truyền thống nông lâm nghiệp chỉ còn chiếm 1/5 tỷ trọng của cơ cấu lao động Việt Nam, và giảm 3% trong 2015 đến 2019. Trong khi đó nhóm lao động thuộc khu vực chuyên môn kỹ thuật bậc cao chiếm 8% trong cơ cấu, cao hơn 1% so với khu vực nông, lâm, thủy sản vào năm 2019.
- Các ngành chuyên môn kỹ thuật bậc trung, nhân viên và nhà lãnh đạo lần lượt chiếm 3%, 2% và 1% trong cơ cấu lao động.
- Có thể nói lực lượng lao động phổ thông với tay nghề sơ cấp vẫn đang là lực lượng lao động áp đảo tại Việt Nam chiếm hơn 1/3 trong tổng số lao động. Tuy nhiên lao động có chuyên môn và kỹ thuật bậc trung chỉ chiếm 3% trong tổng số lao động, thấp hơn gần 3 lần so lao động có chuyên môn kỹ thuật cao (8% năm 2019), và 12 lần so với lao động nghề đơn giản.
- Để tăng tính cạnh tranh cho lao động Việt Nam, lao động nghề giản đơn cần được hỗ trợ để học nghề hoặc đào tạo lại để những lao động này có thể dịch chuyển từ khu vực nghề đòi hỏi kỹ thuật sơ cấp sang khu vực chuyên môn, kỹ thuật trung cấp. Bên cạnh đó cần bồi dưỡng lao động thuộc nhóm thợ lắp ráp, thợ thủ công và thợ khác, hiện đang chiếm 1/4 tổng số lao động, thành thợ lành nghề có trình độ chuyên môn, kỹ thuật cao cấp.

Kết luận:

- Cơ cấu lao động Việt Nam đang có sự chuyển dịch theo hướng tích cực:
- Tăng tỉ trọng lao động ở các nhóm ngành có trình độ kỹ thuật cao và dịch vụ.
- Giảm tỉ trọng lao động ở nhóm ngành nông nghiệp và lao động giản đơn.

Tuy nhiên, vẫn còn một số bất cập cần được giải quyết:

- Tỉ trọng lao động có trình độ kỹ thuật cao còn thấp so với các nước phát triển.
- Nhu cầu việc làm cho lao động giản đơn còn cao.

# **CHƯƠNG III: KẾT LUẬN VÀ HẠN CHẾ ĐỀ TÀI **

## **3.1.Kết luận**

Giúp ta hiểu rõ hơn về thị trường lao động: Phân tích cơ cấu lao động giúp người lao động nắm bắt được nhu cầu tuyển dụng của các doanh nghiệp, từ đó lựa chọn ngành nghề phù hợp với năng lực và sở thích của mình.
Tìm kiếm việc làm hiệu quả: Phân tích cơ cấu lao động giúp người lao động xác định được những ngành nghề nào đang thiếu hụt lao động, từ đó tăng khả năng tìm kiếm được việc làm phù hợp. Nâng cao kỹ năng nghề nghiệp: Phân tích cơ cấu lao động giúp người lao động xác định được những kỹ năng cần thiết cho ngành nghề của mình. Từ đó, người lao động có thể tham gia các khóa đào tạo để nâng cao kỹ năng, tăng khả năng cạnh tranh trên thị trường lao động

## **3.2.Hạn chế của đề tài**

Việc phân tích cơ cấu lao động Việt Nam giai đoạn 2010-2022 mang lại nhiều lợi ích, tuy nhiên cũng có một số hạn chế cần lưu ý:
Dữ liệu:

- Tính chính xác: Dữ liệu về lao động có thể không hoàn toàn chính xác do một số yếu tố như:
- Hoạt động thống kê chưa đầy đủ, nhất là ở khu vực phi chính thức.
- Một số lao động có thể không khai báo chính xác thông tin về nghề nghiệp, trình độ học vấn,...
- Tính cập nhật: Dữ liệu về lao động thường được cập nhật sau một khoảng thời gian nhất định, do đó có thể không phản ánh được tình hình thực tế của thị trường lao động hiện tại.

Ngoài ra, đề tài phân tích cơ cấu lao động Việt Nam 2010-2022 còn có thể gặp một số hạn chế khác như:

- Sự ảnh hưởng của đại dịch COVID-19: Đại dịch COVID-19 đã ảnh hưởng mạnh mẽ đến thị trường lao động Việt Nam, do đó kết quả phân tích có thể không phản ánh đúng thực tế sau đại dịch.
- Sự thay đổi của môi trường kinh tế: Môi trường kinh tế luôn thay đổi, do đó kết quả phân tích có thể không còn phù hợp trong tương lai.
- Kết luận: Việc phân tích cơ cấu lao động Việt Nam 2010-2022 mang lại nhiều lợi ích, tuy nhiên cũng có một số hạn chế cần lưu ý. Để nâng cao hiệu quả của việc phân tích, cần cải thiện chất lượng dữ liệu, lựa chọn phương pháp phù hợp, và tăng cường sự phối hợp giữa các bên liên quan.

# **CHƯƠNG IV.TÀI LIỆU THAM KHẢO**

Tổng cục Thống kê: https://www.gso.gov.vn/

Bộ Lao động - Thương binh và Xã hội: https://www.molisa.gov.vn/

Bộ Kế hoạch và Đầu tư: https://www.mpi.gov.vn/

Ngân hàng Nhà nước Việt Nam: https://www.sbv.gov.vn/

# **PHỤ LỤC**

Mô tả bộ dữ liệu đã sử dụng trong bài nghiên cứu. Bộ dữ liệu cung cấp cho ta biết được về cơ cấu lao động của Việt Nam theo khu vực, trình độ và các nhóm ngành như nông, lâm, ngư nghiệp, công nghiệp-xây dựng và dịch vụ

- year: năm 
- agriculture, forestry and fisheries: nông, lâm nghiệp và thủy sản 
- industry - construction: công nghiệp-xây dựng
- service: dich vụ 
- town: thành thị 
- rural: nông thôn 
- intermediate level: trung cấp
- university or higher: đại học hoặc cao hơn










