IT Jobs Kazakhstan: SQL-анализ рынка вакансий

Pet-проект на MySQL: полный путь от сырого CSV с вакансиями hh.kz до аналитической витрины и SQL-запросов по зарплатам, городам, категориям, опыту и навыкам.

Проект имитирует полный цикл работы аналитика с сырыми данными: загрузка неочищенного датасета, проверка качества, нормализация полей, подготовка staging-таблицы, создание аналитической витрины и формулировка бизнес-выводов на основе SQL-запросов.

Ключевые находки

• После удаления дублей остаётся 1 508 вакансий из 1 754 исходных строк; зарплата указана у 641 вакансии, то есть у 42,51% выборки.
• Самая крупная категория — Software Developer: 710 вакансий, зарплата раскрыта в 36,76% случаев, средняя нижняя граница вилки — около 550 тыс. KZT.
• По опыту средняя нижняя граница зарплаты растёт от 192,6 тыс. KZT для вакансий без опыта до 878,2 тыс. KZT для вакансий с требованием более 6 лет.
• В зарплатной сегментации нижние границы вилок делятся на квартальные диапазоны: 70-200 тыс., 200-300 тыс., 300-450 тыс. и 467 тыс.-2,802 млн KZT.
• Среди проверенных навыков наибольшую премию показывают Docker, Python, Java, MySQL, SQL и React, но по части навыков выборка маленькая, поэтому результат нужно интерпретировать осторожно.

Скриншоты

1. Кейс 1: Прозрачность зарплат по категориям

Скриншот демонстрирует результаты анализа доли вакансий с указанной зарплатой (salary_disclosed_pct) по каждой категории должностей. Это позволяет понять, в каких профессиях работодатели чаще скрывают уровень дохода, и оценить, насколько репрезентативны средние показатели по рынку.

2. Зарплатная премия по навыкам

Скриншот показывает сравнение средней зарплаты вакансий с конкретным навыком и без него. При интерпретации важны не только premium_pct, но и размер выборки n_with_salary.

3. Зарплатная сегментация рынка

Скриншот показывает разбиение рынка на квартальные зарплатные сегменты: от бюджетного до премиального.

Данные

• Источник: IT Jobs in Kazakhstan General Dataset.
• Автор датасета: Arman Zhalgasbayev.
• Площадка: Kaggle.
• Основа данных: вакансии с hh.kz.
• Период среза: июнь-июль 2023 года.
• Объём: 1 754 исходные строки, после удаления дублей — 1 508 вакансий.
• Основной файл: itjobskz.csv.
• База в ноутбуке: it_jobs_db.

Источник: https://www.kaggle.com/datasets/armanzhalgasbayev/it-jobs-in-kazakhstan-general-dataset

Что считается в ноутбуке

• доля вакансий с указанной зарплатой по категориям;
• средняя зарплата по уровню опыта;
• распределение направлений по городам;
• сравнение категорий по числу вакансий и зарплатам;
• компании, которые чаще всего нанимают по направлениям;
• частота навыков в требованиях;
• зарплатная премия для вакансий с конкретным навыком;
• соответствие грейдов Junior/Middle/Senior требованиям по опыту;
• квартильные зарплатные сегменты.

Что демонстрирует проект

• MySQL 8;
• LOAD DATA LOCAL INFILE;
• CREATE TABLE AS SELECT;
• VIEW;
• CTE;
• CASE;
• JOIN;
• GROUP BY и HAVING;
• оконные функции;
• регулярные выражения;
• очистка текстовых полей;
• нормализация зарплат и валют;
• последовательная подготовка данных перед анализом;
• работа с локальным паролем через .env.

Методологические решения

• В исходном CSV поле job содержит компанию, а поле Job содержит категорию/роль вакансии. В staging-таблице они намеренно переименованы в company и job_category, чтобы аналитические запросы работали с корректным смыслом колонок.
• Порог 70 000 KZT для отсечения подозрительно низких зарплат связан с минимальной месячной зарплатой в Казахстане на 2023 год. Значения ниже этого уровня зануляются только в зарплатных полях; сама вакансия остаётся в датасете.
• Курсы валют заданы вручную как справочник на период среза датасета: USD = 467 KZT, EUR = 490 KZT, RUR = 5.35 KZT. Для промышленного пайплайна исторические курсы лучше загружать из официального источника.

Источники:

• Минимальная зарплата РК на 2023 год: https://www.gov.kz/memleket/entities/kgd-zhetysu/press/news/details/479860?lang=en
• Официальные исторические курсы Национального банка РК: https://nationalbank.kz/en/news/oficialnye-kursy

Ограничения

• Данные покрывают короткий период, поэтому проект показывает срез рынка, а не долгосрочную динамику.
• Зарплаты указаны не во всех вакансиях; выводы по категориям с низкой прозрачностью зарплат менее устойчивы.
• Курсы валют заданы вручную как справочная таблица внутри ноутбука, а не подтягиваются автоматически из исторического источника.
• Категории вакансий нормализованы простыми правилами через CASE; для промышленного решения стоило бы вынести справочник категорий в отдельную таблицу.
• Поиск навыков сделан регулярными выражениями по тексту требований, поэтому возможны пропуски и ложные совпадения.
• Премии по навыкам с малой выборкой могут быть нестабильны; для финального вывода стоит смотреть не только premium_pct, но и n_with_salary.

Автор

ayobkz