تغطي قاعدة بيانات Lightcast أكثر من 2.5 مليار إعلان وظيفي، و400 مليون ملف مهني، وأكثر من مئة مصدر حكومي في ما يزيد على 150 دولة (Lightcast, 2025). وتكاد كل لوحة قياس مرجعي للأجور، وكل شاشة لذكاء المواهب، وكل عرض لـ«مَن غيرنا يوظّف لهذا الدور» يفتحها فريقك تكون مبنية على تلك الطبقة من بيانات إعلانات الوظائف المجمّعة من الويب.
ورقة عمل جديدة من NBER طابقت إعلانات Burning Glass شبه الشاملة مع المسح التمثيلي Job Openings and Labor Turnover Survey، ووجدت أن إعلانات المنشأة المتوسطة يجب أن تُضرب في 6.2 لتطابق الوظائف الشاغرة الفعلية — وأن مقاييس التركّز المبنية على الإعلانات تُبالغ بنحو ثلاثة أضعاف في تقدير مدى قلة أصحاب العمل المتنافسين على العامل نفسه (Dalton, Kahn & Mueller, NBER, 2026).
نتيجتان، لا واحدة. مستوى الطلب على المهارات ودوريته ينجوان من التصحيح سليمَين. أما القراءة الخاصة بعدد أصحاب العمل فلا تنجو. والسبب أن الشركات الغائبة عن البيانات بحجم شركتك أنت.
ما يساويه الإعلان الواحد فعليًا
التصميم البحثي مهم هنا، لأنها المرة الأولى التي يتوفر فيها طرفا السجل معًا. ربط مايكل دالتون (BLS) وليزا كان وأندرياس موللر إعلانات Burning Glass بـ JOLTS على مستوى المنشأة — المنشآت نفسها، والأشهر نفسها — وهو ما يتيح قياس الفارق بين ما يُنشر على الإنترنت والوظائف الشاغرة الموجودة فعلًا.
ويفكّكون هذا الفارق إلى ثلاثة مكوّنات تضاعُفية:
- الهامش الواسع — ما إذا كانت المنشأة التي لديها وظيفة شاغرة تنشرها على الإنترنت أصلًا. هنا حدث جُلّ التحسّن التاريخي، ومع نهاية الفترة ما زال عند نحو 3.
- الهامش المكثّف — كم وظيفة شاغرة يمثلها الإعلان الواحد. مستقر عند نحو 2 على امتداد الفترة.
- حصة التشويش — الإعلانات التي لا تقابلها أي وظيفة شاغرة في JOLTS. مستقرة عند نحو 0.6، أي أن قرابة 40 في المئة من الإعلانات تأتي من منشآت-أشهر لا توجد فيها وظيفة شاغرة مقابلة في المسح.
وعلى امتداد 2011-2019، وهي النافذة التي تغطي معظم البحوث المنشورة المبنية على هذه البيانات، يبلغ معامل التعديل المجمّع في المتوسط 6.2. كان نحو 10 في 2011 وانخفض إلى نحو 4 بحلول 2019. صارت الإعلانات الإلكترونية أكثر تمثيلًا بمرور الوقت — ويقول المؤلفون ذلك صراحة — لكنها لم تصبح يومًا حصرًا شاملًا.
النتيجة البنيوية هي ما يجدر الاحتفاظ به: Burning Glass يرصد توزيع الوظائف الشاغرة جيدًا، ويرصد توزيع أصحاب العمل الذين يوظفون رصدًا سيئًا. فكبار أصحاب العمل ينشرون معظم الوظائف وتغطيتهم جيدة. أما معظم أصحاب العمل فصغار ومتوسطون، وتغطيتهم ليست كذلك.
القراءة الوحيدة التي تُخطئ فيها بيانات إعلانات الوظائف خطأً جسيمًا
يُقاس تركّز سوق العمل بمؤشر هيرفندال-هيرشمان — مجموع مربعات حصص أصحاب العمل في سوق مهني محلي، حيث يعني 10,000 صاحب عمل واحد، وتعني القيم الأدنى منافسة أكبر على العامل نفسه. استخدم أزار ومارينيسكو وشتاينباوم وتاسكا بيانات Burning Glass لإظهار أن أسواق العمل المحلية الأمريكية تبدو متركّزة إلى حدٍّ مفاجئ، إذ يتجاوز المؤشر النموذجي 2,500 (Azar et al., Labour Economics, 2020) — وهو عمل أزاح الجدل الأكاديمي وجدل مكافحة الاحتكار نحو القوة السوقية لأصحاب العمل.
طبّق معامل التعديل، فتتغير الصورة بأكثر من النصف (Dalton, Kahn & Mueller, NBER, 2026):
| تركّز السوق، 2011-19 | مقيسًا من الإعلانات | مصححًا للتمثيلية |
|---|---|---|
| متوسط HHI (أسواق بأوزان متساوية) | 6,289 | 2,327 |
| وسيط HHI (أسواق بأوزان متساوية) | 5,927 | 1,937 |
| نسبة الأسواق «عالية التركّز» | 80% | 38% |
| متوسط HHI (مرجّحًا بالتشغيل) | 2,666 | 1,133 |
| نسبة «عالية التركّز» (مرجّحة بالتشغيل) | 35% | 13% |
أي انخفاضان بنسبة 63 و57 في المئة على التوالي. والعتبات هي العتبات المعيارية من Horizontal Merger Guidelines الصادرة عن DOJ/FTC في 2010، حيث ما فوق 2,500 عالي التركّز و1,500-2,500 متوسط التركّز (DOJ & FTC, 2010).
والميل هو أنظف صياغة للأمر: ارتفاع وحدة واحدة في التركّز المقيس من الإعلانات يقابله ارتفاع بنحو ثلث وحدة فقط بعد تصحيح التركيب. فمؤشر HHI يربّع حصص السوق، وهذا يجعله حسّاسًا بشدة للذيل الطويل من أصحاب العمل الصغار والمتوسطين — وهو بالضبط الذيل الذي لا ينشر على الإنترنت. وتصمد النتيجة عند استبعاد المنشآت التي يقل عدد عامليها عن 10، وعند ترجيح الأسواق بالتشغيل، وعند تثبيت حجم السوق حسب الربيع الإحصائي.
ومدير العمليات الذي يقرأ «نحن من بين قلة من أصحاب العمل الذين يوظفون لهذا الدور في هذه المنطقة الحضرية» على لوحة مشتقة من الإعلانات يقرأ رقمًا متركّزًا بنحو ثلاثة أضعاف ما ينبغي.
الشركات الغائبة هي فئة 50 إلى 250 عاملًا
تدرّج الحجم هو الجزء الذي ينبغي أن يلمسك شخصيًا، لأنه ليس رتيبًا في الاتجاه الذي يفترضه الجميع تقريبًا.
يسير معامل التعديل حسب حجم المنشأة كالتالي: نحو 6.0 لفئة 2-9 عاملين، و6.3 لفئة 10-49، و7.7 لفئة 50-249، و6.0 لفئة 250-999، و4.2 لفئة 1,000-4,999، هابطًا إلى نحو 3.6 عند أكبر المنشآت (Dalton, Kahn & Mueller, NBER, 2026). أي أن الفئة المتوسطة تحتاج معامل تحجيم يقارب ضعف ما تحتاجه أكبر المنشآت. والمنشآت الأسوأ تمثيلًا في توزيع الحجم بأكمله ليست الأصغر. إنها فئة 50 إلى 250 عاملًا.
والسبب ميكانيكي أكثر منه غامضًا. فأصغر المنشآت تنشر على الإنترنت أقل كثيرًا، لكن حصة كبيرة من الإعلانات التي تنتجها لا تقابلها أي وظيفة شاغرة في JOLTS، فيتقاصّ الخطآن جزئيًا. أما المنشآت المتوسطة فلا تحظى بأي تقاصّ من هذا النوع.
وهناك تدرّجان آخران أشد انحدارًا يزيدان المشكلة:
- الأجور. الخُمس الأدنى أجرًا من المنشآت يحمل معامل تعديل 17.5؛ والأعلى أجرًا 2.4. فارق يقارب ستة أضعاف.
- الحضرية. المناطق غير الأساسية تتطلب معاملًا يقارب 15.9 مقابل 4.4 للمناطق الحضرية المركزية الكبرى — تدرّج بمقدار 3.5 ضعف يصمد أمام ضوابط مستوى المهارات المحلي والصحة الاقتصادية للمكان.
إن كنت صاحب عمل بـ150 موظفًا بدوام كامل مكافئ، تدفع وفق السوق لا في قمته، وخارج منطقة حضرية كبرى، فأنت في نقطة تقاطع الثلاثة جميعًا. أنت شبه غائب عن مجموعة البيانات التي تُبنى عليها المعايير المرجعية لأجور منافسيك — وكذلك أصحاب العمل الذين تخسر لصالحهم مرشحيك فعلًا.
ما ينجو، ولماذا يهمّ ذلك أيضًا
هذه ليست ورقة تُبطل بيانات الإعلانات، وقراءتها على هذا النحو ستكون خطأً بدورها.
ولأن المنشآت الكبيرة تولّد معظم الوظائف الشاغرة وتمثيلها جيد، فإن مستوى الطلب على المهارات ودوريته يصمدان بعد إعادة الترجيح (Dalton, Kahn & Mueller, NBER, 2026). متطلبات المهارات المقيسة تنخفض انخفاضًا متواضعًا، لا جوهريًا. ويكرّر المؤلفون أيضًا نتيجة هيرشباين وكان بأن متطلبات المهارات المتصلة بالأتمتة ارتفعت بعد الكساد الكبير، وهي تنجو من التعديل رغم استنادها إلى سنة 2007، وهي السنة التي كانت التمثيلية تتغير فيها بأسرع وتيرة.
والترتيبات تنجو كذلك. في مقارنة رتبة-برتبة بين الأسواق، يبلغ الميل بين مئينيات التركّز المبني على الإعلانات ومئينيات التركّز المصحّح 0.9 — ويبلغ 1.0 عند ترجيح الأسواق بالتشغيل. فبيانات الإعلانات تخبرك بموثوقية أي الأسواق أكثر تركّزًا من غيرها. وتخبرك بغير موثوقية كم يبلغ تركّز أي منها.
هذا التمييز هو الحمولة التشغيلية كلها. الاتجاه والترتيب: قابلان للاستخدام. المستوى: لا، إلا بتصحيح.
الحدود، بصراحة
أربعة، مذكورة بوضوح.
إنها ورقة عمل. أوراق عمل NBER تُعمَّم قبل مراجعة الأقران، والمؤلفون يذكرون ذلك على الغلاف. نتيجة HHI متينة أمام كل الفحوص التي أجروها، لكنها لم تمرّ بعد عبر دورية علمية.
النافذة هي 2011-2019. كانت التمثيلية لا تزال تتحسن خلال تلك الفترة، وكان معامل التعديل قد هبط إلى نحو 4 بحلول 2019. ولم يقِس أحد كم يبلغ اليوم. إعلانات العمل عن بُعد بعد 2020، وإعلانات الوظائف المكتوبة بالذكاء الاصطناعي، وتجمّع منصات التجميع — كلها على الأرجح أزاحته، في اتجاهات غير معلومة.
المنشأة ليست الشركة. التحليل على مستوى المنشأة. فإن كان سؤالك التنافسي عن أصحاب عمل يشغّلون مواقع كثيرة، فالربط بحالتك أضعف مما يوحي به العنوان.
معظم العاملين لم يكونوا يومًا في أسواق عالية التركّز. فبالترجيح بالتشغيل يكون التركّز أدنى بكثير حتى قبل التعديل، بما يتسق مع نتائج سابقة عن القوة السوقية في العمل. المبالغة بثلاثة أضعاف حقيقية؛ لكن الشيء المبالَغ فيه كان أصغر مما توحي به الإحصاءات غير المرجّحة.
ويجدر ذكر أمر آخر: الفارق بين الإعلانات والوظائف الشاغرة في المسح كبير في الاتجاهين — وظائف كثيرة بلا إعلانات، وإعلانات كثيرة بلا وظائف. وينسب المؤلفون ذلك إلى خطأ القياس وإلى فجوات تعريفية متمركزة في الشركات الصغيرة، لا إلى إشارة نظيفة بانحياز معروف.
ما ينبغي تغييره قبل إغلاق نطاق الأجور التالي
أربع خطوات، ولا واحدة منها تتطلب شراء منتج بيانات مختلف.
- اخفض كل قراءة عن «عدد أصحاب العمل» و«التركّز» إلى مستوى الاتجاه فقط. إذا أخبرتك لوحة بعدد أصحاب العمل المتنافسين على دور، فتعامل مع المستوى كغير قابل للاستخدام ومع الترتيب كقابل له. قارن هذه المنطقة الحضرية بتلك؛ ولا تحدد الأجر على القيمة المطلقة.
- توقّف عن السماح لقراءات التركّز بتبرير نطاق أدنى. عبارة «لا يوجد كثير من أصحاب العمل الآخرين لهذا الدور هنا» هي الاستنتاج المنفوخ، وهي الأرجح أن تكون تموّل بصمت عرضًا أدنى من السوق — وخسارة عرض مضاد ستسجلها لاحقًا كمشكلة في جودة المرشحين.
- أعد بناء مجموعة منافسيك الحقيقية من الواقع المحلي. جهات انتقال الموظفين في مقابلات المغادرة، وأسباب رفض العروض، والشركات المذكورة في مسارات مرشحيك أنت — كلها ستُظهر أصحاب عمل متوسطي الحجم لا يحتويهم أي تدفق بيانات مجمّع من الويب.
- واصل استخدام بيانات إعلانات الوظائف لما تقيسه فعلًا. أي المهارات تظهر في المتطلبات، وبأي سرعة — تلك هي النتيجة التي أبقاها التعديل قائمة. وجّه الأداة نحو الطلب على المهارات، لا نحو بنية السوق.
الانضباط الكامن هو معرفة أي جزء من الرقم يحمل الوزن وأي جزء هو من صنع طريقة الجمع. وهذا هو السبب نفسه الذي يجعل نموذج التقييم في Scovai يفصل النصف المحسوب حسابيًا من متطلبات الدور المعلنة — تغطية المهارات مرجّحة بالحَرَجية، وملاءمة الأقدمية، وواقعية الأجر — عن النصف العائد كحكم للنموذج موسومًا بذلك صراحة، بدل نشر رقم واحد ممزوج. فالرقم الذي لا تستطيع تفكيكه رقم لا تستطيع تدقيقه.
افتح آخر نطاق أجور وافقت عليه. وابحث عن الجملة التي بررته بقلة أصحاب العمل الآخرين الذين يوظفون لذلك الدور. تلك الجملة تحمل ثلاثة أضعاف ما تستطيع البيانات من خلفها أن تحمله.
