Jak obliczamy wynik popytu na zawody
Nasz wynik 0–100 zestawia szacowany lokalny popyt — na podstawie danych rynku pracy i liczby ludności miasta — z liczbą fachowców już pracujących w zawodzie. Oto jak dokładnie działa i gdzie się kończy.
Wynik popytu na zawód to indeks szansy 0–100 dla jednego miasta. Szacujemy lokalny popyt — na podstawie zatrudnienia wg zawodów US BLS na mieszkańca, liczby ludności miasta i prognoz wzrostu BLS — i zestawiamy go z lokalną podażą: ilu fachowców już pracuje w zawodzie. Popyt znacznie powyżej podaży daje wysoki wynik (miejsce na klientów); nasycona podaż — niski. Przebudowywany co noc. Popyt jest modelowany z danych publicznych, a nie mierzony z liczby zapytań — co jasno zaznaczamy poniżej.
Liczba wykonawców → wynik 0–100
supplyScore = min(100, providerCount × 10) score = min(100, max(1, 2500 / supplyScore))
Po ludzku: każdy lokalny wykonawca dodaje do wyniku podaży, który osiąga maksimum przy 10 fachowcach. Następnie go odwracamy, więc pusty rynek ma wynik bliski 100, a rynek z 10+ fachowcami spada do ok. 25. Liczby wykonawców pochodzą z katalogu HireLocal (ogłoszenia plus fachowcy, którzy przejęli profil), liczone wg miasta i usługi, potem agregowane do zawodu.
Od liczby fachowców do pasma
| Lokalni fachowcy | Wynik | Pasmo |
|---|---|---|
| 0–3 fachowców | 83–100 | Niedobór |
| 4–8 fachowców | 31–62 | Równowaga |
| 9+ fachowców | ≤28 | Nasycony |
Pasma: 70 i więcej to niedobór (mała podaż, łatwiej o klientów), 30–70 to równowaga, poniżej 30 to nasycenie. Progi są stałe, więc wyniki są porównywalne między miastami i zawodami.
Czym ten wynik nie jest
Popyt jest tu modelowany, nie mierzony. Szacujemy go z publicznych danych rynku pracy (zatrudnienie wg zawodów, liczba ludności, prognoza wzrostu) — jeszcze nie z sygnałów własnych, jak liczba zapytań, zainteresowanie w wyszukiwarkach czy ogłoszenia. Ujmuje, jak bardzo dany zawód powinien być obłożony dla lokalnej populacji wobec liczby pracujących fachowców, co zwykle odpowiada realnej szansie — ale model to nie prawda absolutna, więc łącz to z danymi o zarobkach i własną wiedzą lokalną. Warstwa popytu z danych własnych (liczba zapytań i wyszukiwań) jest następna i opiszemy ją tutaj, gdy się pojawi.
Czy wynik mierzy popyt klientów?
Teraz tak — pośrednio. Wynik zestawia realne oszacowanie popytu z lokalną podażą. Popyt modelujemy na podstawie publicznych badań rynku pracy (zatrudnienie wg zawodów US BLS), liczby ludności miasta i prognoz wzrostu BLS — czyli jak dużą kadrę dany zawód powinien utrzymać lokalnie. Podaż to liczba już pracujących fachowców. Uczciwe ograniczenie: popyt jest modelowany z danych publicznych, a nie mierzony z liczby zapytań czy wyszukiwań — ta warstwa jest następna.
Jak często aktualizowany jest wynik?
Indeks przebudowywany jest co noc na podstawie aktualnego katalogu wykonawców HireLocal, więc nowy fachowiec w mieście zmienia jego wyniki w ciągu doby.