L’obiettivo
L’agenzia aveva bisogno di un quadro oggettivo degli stipendi IT — per specializzazione, livello, stack e area geografica — per motivare le forbici retributive davanti a clienti e candidati. Le selezioni riguardano mercati diversi e, con questi volumi, conviene avere uno strumento analitico proprio e consolidato invece di appoggiarsi a panoramiche esterne sparse.
Cosa abbiamo fatto e quali dati abbiamo raccolto
Abbiamo avviato la raccolta regolare degli annunci di lavoro da più piattaforme: posizione, forbice retributiva, livello, stack, città, modalità di lavoro, data di pubblicazione. Abbiamo ricondotto i dati a tassonomie uniformi di ruoli e competenze e li abbiamo aggregati in metriche (mediane e andamenti). Il layer di dati finale alimenta una dashboard per gli analisti dell’agenzia.
Le difficoltà e come le abbiamo risolte
La prima: lo stipendio spesso non è indicato, oppure è espresso come intervallo. Abbiamo lavorato sulle forbici e colmato i vuoti con stime basate su annunci simili, segnalando con onestà dove il valore è calcolato.
La seconda: i duplicati. Lo stesso annuncio resta pubblicato su più piattaforme e in più città. Abbiamo deduplicato gli annunci per non gonfiare i volumi e non distorcere le mediane.
La terza: la confusione nei nomi dei ruoli e degli stack. Abbiamo ricondotto tutto a tassonomie uniformi, altrimenti «programmatore PHP» e «sviluppatore backend (PHP)» finirebbero contati come ruoli diversi.
Il risultato
L’agenzia ha ottenuto una dashboard viva sugli stipendi IT, con viste per ruolo, stack e città e aggiornamento regolare, al posto di report una tantum che invecchiano in fretta.
Servizi coinvolti nel caso: Estrazione di offerte di lavoro · Elaborazione dei dati con AI · Ricerche di mercato su dati reali · DaaS e dati via API
Materiali utili: Normalizzazione dei dati · Scraping di siti dinamici