Überblick#
Python-Tool zur Erfassung und Analyse öffentlich verfügbarer Remote-Stellenanzeigen des österreichischen Arbeitsmarktservice (AMS).
Exportiert werden:
- Jobtitel
- Beschreibungen
- Excel-Datensätze
Ein zweites Skript:
- analysiert die Nachfrage nach Programmiersprachen
- erzeugt Trendgrafiken
Technische Highlights#
- Automatisierte Erfassung öffentlich verfügbarer Stellenanzeigen
- Strukturierte Extraktion von Titeln und Beschreibungen
- Pipeline für Datenbereinigung und Normalisierung
- Analyse der Nachfrage nach Programmiersprachen
- Excel-Export für stakeholderfreundliches Reporting
- Diagrammerzeugung zur Sichtbarmachung von Trends
Wichtige Erkenntnisse#
- Kleine Automatisierungs-Workflows können entscheidungsreife Marktanalysen liefern
- Datennormalisierung ist vor jeder Trendanalyse essenziell
- Das Exportformat ist entscheidend, wenn Ergebnisse an nichttechnische Stakeholder gehen
- Öffentliche Datensätze benötigen oft strukturierte Vorverarbeitung, bevor sie brauchbar werden
Technologien#
- Python
- HTTP-Datenextraktion
- Pandas
- Excel-Export
- Datenvisualisierung
Ablaufdiagramm
flowchart TD
A[AMS Remote-Stellenanzeigen] --> B[Python-Collector]
B --> C[Rohdatensatz]
C --> D[Normalisieren und deduplizieren]
D --> E[Sprach-Keywords extrahieren]
E --> F[Nachfragehäufigkeit aggregieren]
F --> G[Excel-Export]
F --> H[Trenddiagramme]
Details
Die AMS-Toolchain wurde als wiederholbarer Workflow zur Datenerfassung und Analyse von Remote-Software-Stellen aufgebaut. Skript eins liest Stellenanzeigen ein, extrahiert strukturierte Felder und speichert normalisierte Datensätze für die Weiterverarbeitung. Qualitätskontrollen behandeln doppelte Einträge und inkonsistente Textfragmente. Skript zwei analysiert die Nachfrage nach Sprachen und Technologien, indem Beschreibungen gescannt und Häufigkeitstrends aggregiert werden.
Die Ausgabe umfasst tabellarische Datensätze und visuelle Zusammenfassungen. Excel wurde wegen seiner Portabilität gewählt, damit Ergebnisse ohne zusätzliche Tools an nichttechnische Stakeholder verteilt werden können.
Das Projekt zeigt, wie sich fragmentierte öffentliche Listings mit leichter Automatisierung in strukturierte, entscheidungsreife Markteinblicke überführen lassen.
Gallery
3 images