Tin tuyển dụng an ninh mạng từ Dice.com

Thách thức

Tin tuyển dụng chứa những thông tin mà thị trường tuyển dụng dựa vào (mức lương, cấp bậc, kỹ năng và yêu cầu chứng nhận an ninh) dưới dạng văn bản tự do mà mỗi nhà tuyển dụng viết một kiểu. Khách hàng cần các tin tuyển dụng an ninh mạng trên Dice.com ở dạng dòng dữ liệu có cấu trúc.

Bối cảnh

Trên Dice.com, lương xuất hiện ở ba định dạng: số theo năm kèm ký hiệu tiền tệ và phần thập phân, lương theo giờ, và con số không có đơn vị. Trường địa điểm lẫn hình thức làm việc với thành phố, còn yêu cầu clearance là văn bản tự do. Trường lương cần được phân tích, không thể đọc thẳng.

Chúng tôi đã xây gì

Bộ thu thập đưa kết quả tìm kiếm vào một file CSV: 500 tin, mỗi tin 23 trường, mọi giá trị giữ nguyên như website trả về, gồm cả văn bản lương, văn bản địa điểm, thời điểm đăng tương đối và yêu cầu clearance dạng tự do. Để dựng dashboard trên trang này, Van Data Team phân tích tiếp các trường đó: lương theo giờ được quy đổi theo 2.080 giờ mỗi năm, hình thức làm việc được tách khỏi thành phố và bang, yêu cầu clearance được rút về cấp cao nhất, và mức lương không đọc được bị loại thay vì tự điền.

Điều gì thay đổi

Các tin tuyển dụng trở thành những dòng dữ liệu đếm được. Chúng cho thấy một thị trường ưu tiên làm từ xa: 468 trên 500 tin (94%) ghi Remote, dù chỉ 162 tin hoàn toàn từ xa. 334 tin cho ra mức lương dùng được, trung vị 145.714 USD mỗi năm, và clearance không đi kèm mức lương cao hơn rõ rệt: 144.910 USD với 92 tin có nhắc clearance so với 147.513 USD với 242 tin không nhắc.

Ràng buộc và quyết định

File được phân tích đúng như khi bàn giao, kể cả các lỗi: dòng 57 và 58 trùng hoàn toàn và được đánh dấu thay vì ẩn đi, còn 166 tin không có mức lương dùng được nằm ngoài các số liệu về lương. Phần yêu cầu cũng có một điểm bất ngờ: sau chính Cyber Security (438 tin), Management, Collaboration và Communication đều được nhắc nhiều hơn Cloud Computing (196) hay Python (123).

Nền tảng công nghệ