Cơ sở dữ liệu của Lightcast bao phủ hơn 2,5 tỷ tin tuyển dụng, 400 triệu hồ sơ nghề nghiệp và hơn một trăm nguồn dữ liệu chính phủ tại hơn 150 quốc gia (Lightcast, 2025). Gần như mọi bảng điều khiển đối chuẩn lương, mọi màn hình talent intelligence và mọi khung "còn ai đang tuyển vị trí này" mà đội của bạn mở ra đều được dựng trên lớp dữ liệu tin tuyển dụng thu thập từ web đó.
Một bài nghiên cứu mới của NBER đã đối chiếu tin tuyển dụng Burning Glass gần như toàn diện với khảo sát đại diện Job Openings and Labor Turnover Survey và phát hiện rằng tin tuyển dụng của một cơ sở trung bình phải được nhân với 6,2 mới khớp với số vị trí trống thực tế — và rằng các thước đo mức độ tập trung dựa trên tin tuyển dụng phóng đại gần ba lần mức độ ít ỏi của số nhà tuyển dụng đang cạnh tranh cho cùng một người lao động (Dalton, Kahn & Mueller, NBER, 2026).
Hai kết luận, không phải một. Mức độ và tính chu kỳ của nhu cầu kỹ năng vẫn nguyên vẹn sau hiệu chỉnh. Cách đọc về số lượng nhà tuyển dụng thì không. Và lý do là: những doanh nghiệp vắng mặt trong dữ liệu có quy mô đúng như doanh nghiệp của bạn.
Một tin tuyển dụng thực sự đáng giá bao nhiêu
Thiết kế nghiên cứu ở đây rất quan trọng, vì đây là lần đầu tiên có người nắm được cả hai phía của sổ sách. Michael Dalton (BLS), Lisa Kahn và Andreas Mueller đã liên kết tin tuyển dụng Burning Glass với JOLTS ở cấp cơ sở — cùng những cơ sở, cùng những tháng — nhờ đó đo được khoảng cách giữa những gì được đăng trực tuyến và số vị trí trống thực sự tồn tại.
Họ phân rã khoảng cách đó thành ba thành phần nhân:
- Biên mở rộng — một cơ sở có vị trí trống có đăng tin trực tuyến hay không. Gần như toàn bộ cải thiện lịch sử diễn ra ở đây, và đến cuối giai đoạn nó vẫn ở mức khoảng 3.
- Biên chiều sâu — một tin tuyển dụng đại diện cho bao nhiêu vị trí trống. Ổn định ở khoảng 2 suốt giai đoạn.
- Một phần nhiễu — những tin tuyển dụng không tương ứng với bất kỳ vị trí trống nào trong JOLTS. Ổn định quanh 0,6, nghĩa là khoảng 40 phần trăm tin tuyển dụng đến từ các cơ sở-tháng không có vị trí trống tương ứng trong khảo sát.
Trong giai đoạn 2011-2019, khung thời gian bao trùm phần lớn nghiên cứu đã công bố dựa trên dữ liệu này, hệ số hiệu chỉnh gộp trung bình là 6,2. Nó khoảng 10 vào năm 2011 và giảm xuống còn khoảng 4 vào năm 2019. Tin tuyển dụng trực tuyến đã trở nên đại diện hơn theo thời gian — các tác giả nói rõ điều đó — nhưng chúng chưa bao giờ trở thành một cuộc tổng điều tra.
Phát hiện cấu trúc là điều cần giữ lại: Burning Glass phản ánh tốt phân bố của các vị trí trống, và phản ánh tệ phân bố của các nhà tuyển dụng đang tuyển người. Các nhà tuyển dụng lớn đăng phần lớn vị trí và được bao phủ tốt. Nhưng phần lớn nhà tuyển dụng là doanh nghiệp nhỏ và vừa, và họ thì không.
Cách đọc duy nhất mà dữ liệu tin tuyển dụng sai nghiêm trọng
Mức độ tập trung của thị trường lao động được đo bằng chỉ số Herfindahl-Hirschman — tổng bình phương thị phần của các nhà tuyển dụng trong một thị trường nghề nghiệp địa phương, trong đó 10.000 nghĩa là chỉ có một nhà tuyển dụng, và giá trị thấp hơn nghĩa là cạnh tranh nhiều hơn cho cùng một người lao động. Azar, Marinescu, Steinbaum và Taska đã dùng Burning Glass để chỉ ra rằng các thị trường lao động địa phương ở Mỹ trông tập trung đến mức đáng ngạc nhiên, với chỉ số điển hình trên 2.500 (Azar và cộng sự, Labour Economics, 2020) — công trình đã đẩy cả tranh luận học thuật và chính sách chống độc quyền về phía quyền lực thị trường của nhà tuyển dụng.
Áp hệ số hiệu chỉnh vào, bức tranh thay đổi hơn một nửa (Dalton, Kahn & Mueller, NBER, 2026):
| Mức độ tập trung thị trường, 2011-19 | Đo từ tin tuyển dụng | Hiệu chỉnh theo tính đại diện |
|---|---|---|
| HHI trung bình (các thị trường trọng số bằng nhau) | 6.289 | 2.327 |
| HHI trung vị (các thị trường trọng số bằng nhau) | 5.927 | 1.937 |
| Tỷ lệ thị trường "tập trung cao" | 80% | 38% |
| HHI trung bình (trọng số theo việc làm) | 2.666 | 1.133 |
| Tỷ lệ "tập trung cao" (trọng số theo việc làm) | 35% | 13% |
Đó là mức giảm lần lượt 63 và 57 phần trăm. Các ngưỡng là ngưỡng chuẩn trong Horizontal Merger Guidelines năm 2010 của DOJ/FTC, theo đó trên 2.500 là tập trung cao và 1.500-2.500 là tập trung vừa phải (DOJ & FTC, 2010).
Độ dốc là cách diễn đạt gọn nhất: một đơn vị tăng trong mức độ tập trung đo từ tin tuyển dụng chỉ tương ứng với khoảng một phần ba đơn vị tăng sau khi hiệu chỉnh cơ cấu. HHI bình phương thị phần, điều đó khiến nó cực kỳ nhạy với cái đuôi dài gồm các nhà tuyển dụng nhỏ và vừa — chính cái đuôi không đăng tin trực tuyến. Kết quả vẫn đứng vững khi loại các cơ sở dưới 10 lao động, khi lấy trọng số thị trường theo việc làm, và khi giữ cố định quy mô thị trường theo tứ phân vị.
Một Head of Operations đọc trên bảng điều khiển dựng từ tin tuyển dụng rằng "chúng ta là một trong số rất ít nhà tuyển dụng đang tuyển vị trí này ở vùng đô thị này" đang đọc một con số tập trung gấp khoảng ba lần so với thực tế.
Những doanh nghiệp bị bỏ sót là nhóm 50 đến 250 lao động
Độ dốc theo quy mô là phần nên thấm thía nhất, vì nó không đơn điệu theo hướng mà gần như ai cũng mặc định.
Hệ số hiệu chỉnh theo quy mô cơ sở như sau: khoảng 6,0 cho 2-9 lao động, 6,3 cho 10-49, 7,7 cho 50-249, 6,0 cho 250-999 và 4,2 cho 1.000-4.999, giảm xuống còn khoảng 3,6 ở các cơ sở lớn nhất (Dalton, Kahn & Mueller, NBER, 2026). Nhóm quy mô vừa cần hệ số nhân gấp khoảng hai lần nhóm lớn nhất. Những cơ sở được phản ánh tệ nhất trong toàn bộ phân bố quy mô không phải là nhóm nhỏ nhất. Đó là nhóm 50 đến 250 lao động.
Lý do mang tính cơ học hơn là bí ẩn. Các cơ sở nhỏ nhất ít đăng tin trực tuyến hơn, nhưng một phần đáng kể tin họ thực sự đăng lại không tương ứng với vị trí trống nào trong JOLTS, nên hai sai số triệt tiêu nhau một phần. Các cơ sở quy mô vừa không có sự triệt tiêu nào như vậy.
Hai độ dốc khác còn gắt hơn và làm vấn đề trầm trọng thêm:
- Tiền lương. Nhóm một phần năm cơ sở trả lương thấp nhất có hệ số hiệu chỉnh 17,5; nhóm trả cao nhất là 2,4. Chênh khoảng sáu lần.
- Mức độ đô thị hóa. Các vùng không thuộc lõi đô thị cần hệ số khoảng 15,9 so với 4,4 ở các vùng đô thị trung tâm lớn — một độ dốc 3,5 lần, vẫn tồn tại sau khi kiểm soát trình độ kỹ năng địa phương và sức khỏe kinh tế của địa bàn.
Nếu bạn là nhà tuyển dụng quy mô 150 FTE, trả lương ngang thị trường chứ không ở đỉnh thị trường, và nằm ngoài một vùng đô thị lớn, bạn đang ở điểm giao của cả ba yếu tố. Bạn gần như vô hình trong bộ dữ liệu mà các đối chuẩn lương của đối thủ bạn được dựng lên từ đó — và những nhà tuyển dụng mà bạn thực sự đang mất ứng viên vào tay họ cũng vậy.
Điều gì còn đứng vững, và vì sao điều đó cũng quan trọng
Đây không phải bài nghiên cứu phủ định dữ liệu tin tuyển dụng, và đọc nó theo cách đó lại là một sai lầm khác.
Vì các cơ sở lớn tạo ra phần lớn vị trí trống và được phản ánh tốt, mức độ và tính chu kỳ của nhu cầu kỹ năng vẫn đứng vững sau khi tái trọng số (Dalton, Kahn & Mueller, NBER, 2026). Các yêu cầu kỹ năng đo được giảm ở mức khiêm tốn, không đáng kể về bản chất. Các tác giả cũng tái lập kết quả của Hershbein và Kahn rằng yêu cầu kỹ năng liên quan đến tự động hóa đã tăng sau Đại Suy thoái, và kết quả này vẫn đứng vững sau hiệu chỉnh dù được neo vào năm 2007, thời điểm tính đại diện biến động nhanh nhất.
Thứ hạng cũng đứng vững. Trong so sánh hạng-hạng giữa các thị trường, độ dốc giữa các phân vị của mức tập trung dựa trên tin tuyển dụng và mức tập trung đã hiệu chỉnh là 0,9 — và là 1,0 khi các thị trường được lấy trọng số theo việc làm. Dữ liệu tin tuyển dụng cho bạn biết một cách đáng tin cậy thị trường nào tập trung hơn thị trường khác. Nó cho bạn biết một cách không đáng tin cậy rằng mỗi thị trường tập trung đến mức nào.
Sự phân biệt đó chính là toàn bộ tải trọng vận hành. Xu hướng và thứ tự: dùng được. Mức tuyệt đối: không, nếu chưa hiệu chỉnh.
Những giới hạn, nói thẳng
Bốn điều, nói rõ.
Đây là một bài nghiên cứu đang lưu hành. Các working paper của NBER được lưu hành trước khi bình duyệt, và các tác giả ghi rõ điều đó trên trang bìa. Kết quả về HHI vững qua mọi kiểm định họ đã thực hiện, nhưng chưa qua một tạp chí nào.
Khung thời gian là 2011-2019. Tính đại diện vẫn đang cải thiện trong giai đoạn đó, và hệ số hiệu chỉnh đã giảm còn khoảng 4 vào năm 2019. Chưa ai đo nó hiện nay là bao nhiêu. Tin tuyển dụng từ xa sau 2020, quảng cáo tuyển dụng do AI viết và sự hợp nhất của các nền tảng tổng hợp đều có khả năng đã làm nó dịch chuyển — theo những hướng chưa rõ.
Cơ sở không phải là doanh nghiệp. Phân tích ở cấp cơ sở. Nếu câu hỏi cạnh tranh của bạn liên quan đến các nhà tuyển dụng vận hành nhiều địa điểm, mức tương ứng với tình huống của bạn lỏng hơn những gì tiêu đề gợi ra.
Phần lớn người lao động chưa bao giờ ở trong các thị trường tập trung cao. Khi lấy trọng số theo việc làm, mức tập trung thấp hơn đáng kể ngay cả trước khi hiệu chỉnh, phù hợp với các kết quả trước đây về quyền lực thị trường lao động. Việc phóng đại ba lần là thật; nhưng thứ bị phóng đại vốn nhỏ hơn những gì các thống kê không trọng số hàm ý.
Cũng đáng nêu: sự lệch nhau giữa tin tuyển dụng và vị trí trống trong khảo sát lớn theo cả hai chiều — nhiều vị trí trống không có tin, nhiều tin không có vị trí trống. Các tác giả quy điều đó cho sai số đo lường và khác biệt định nghĩa tập trung ở các doanh nghiệp nhỏ, không phải cho một tín hiệu sạch với độ lệch đã biết.
Cần thay đổi gì trước khi dải lương tiếp theo được chốt
Bốn động thái, không động thái nào đòi mua một sản phẩm dữ liệu khác.
- Hạ mọi cách đọc về "số lượng nhà tuyển dụng" và "mức độ tập trung" xuống mức chỉ mang tính định hướng. Nếu một bảng điều khiển cho bạn biết có bao nhiêu nhà tuyển dụng cạnh tranh cho một vị trí, hãy coi mức tuyệt đối là không dùng được và thứ tự là dùng được. So sánh vùng đô thị này với vùng đô thị kia; đừng định giá theo con số tuyệt đối.
- Đừng để các số liệu tập trung biện minh cho một dải lương thấp hơn. "Ở đây không có nhiều nhà tuyển dụng khác cho vị trí này" chính là kết luận bị thổi phồng, và cũng là câu có khả năng cao nhất đang âm thầm tài trợ cho một đề nghị dưới giá thị trường — cùng một lần mất ứng viên vì đối thủ trả cao hơn mà sau đó bạn sẽ ghi nhận thành vấn đề chất lượng ứng viên.
- Xây lại tập đối thủ thực sự của bạn từ thực địa. Nơi nhân viên chuyển đến theo phỏng vấn nghỉ việc, lý do từ chối đề nghị tuyển dụng và những công ty xuất hiện trong lịch sử của chính các ứng viên bạn gặp sẽ làm lộ ra những nhà tuyển dụng quy mô vừa mà không nguồn dữ liệu thu thập từ web nào có.
- Hãy tiếp tục dùng dữ liệu tin tuyển dụng cho đúng những gì nó đo được. Kỹ năng nào đang xuất hiện trong yêu cầu công việc, và xuất hiện nhanh đến đâu — đó là kết quả mà việc hiệu chỉnh vẫn để nguyên. Hãy hướng công cụ vào nhu cầu kỹ năng, không phải vào cấu trúc thị trường.
Nguyên tắc nền tảng là biết phần nào của một con số chịu được tải và phần nào chỉ là sản phẩm của cách thu thập. Đó cũng chính là lý do mô hình đánh giá của Scovai tách riêng nửa được tính toán bằng số học từ các yêu cầu đã công bố của vị trí — độ bao phủ kỹ năng có trọng số theo mức thiết yếu, độ phù hợp cấp bậc, tính thực tế của mức lương — khỏi nửa được trả về dưới dạng phán đoán của mô hình có ghi nhãn rõ ràng, thay vì công bố một con số trộn lẫn duy nhất. Một con số bạn không thể phân rã là một con số bạn không thể kiểm toán.
Hãy mở lại dải lương cuối cùng bạn đã phê duyệt. Tìm câu đã biện minh cho nó bằng việc có quá ít nhà tuyển dụng khác đang tuyển vị trí đó. Câu đó đang chịu tải gấp ba lần những gì dữ liệu phía sau nó có thể gánh.
