Der Grund, warum weniger als die Hälfte der Bewerber nicht erschienen ist, war bereits in der Anzeige vor zwei Monaten enthalten
Drei Monate vor der Eröffnung einer Filiale in Shin-Do, wurde eine Anzeige zur Rekrutierung von Pflegepersonal veröffentlicht, aber weniger als die Hälfte der erwarteten Bewerber ist nicht aufgetaucht. Später stellte sich heraus, dass zwei nahe gelegene große Krankenhäuser bereits vor zwei Monaten begonnen hatten, in derselben Region eine große Anzahl von Krankenschwestern zu rekrutieren und sogar ihre Vergütung erhöht hatten. Der Pool an Arbeitskräften in dieser Region war bereits von Wettbewerbern durchsucht worden, und wir befinden uns nun in der Situation, in der wir um die verbleibenden Personen konkurrieren, indem wir zusätzliches Geld anbieten.
Es ist eine wiederkehrende Szene in einem hart umkämpften Markt für medizinisches Personal. Interessanterweise ist das Signal nicht irgendwo versteckt, sondern bereits online verfügbar. Sowohl die Stellenanzeigen als auch der Ruf des Krankenhauses sind bereits öffentlich zugänglich. Das Problem besteht darin, dass sie als einzelne "Einzelstücke" verstreut sind, die nichts aussagen, bis sie zu einem Trend zusammengefasst werden.
- In dem Moment, in dem die Nachfrage nach bestimmten Regionen und Positionen steigt, verpassen wir den Zeitpunkt für die Einstellung im Vergleich zu Wettbewerbern.
- Wenn wir von der Expansion konkurrierender Krankenhäuser durch die Eröffnung neuer Abteilungen erfahren, haben sie bereits vor einigen Monaten begonnen, Personal einzustellen.
- Wir haben noch nie Daten darüber gesehen, wie der Ruf unseres Krankenhauses unsere Einstellungskonkurrenzfähigkeit beeinflusst oder wo wir im Vergleich zu konkurrierenden Krankenhäusern zurückbleiben.
Durch einfaches Überfliegen der Anzeigen im Suchfeld jeden Tag kommen wir nicht über den Eindruck hinaus, dass "es mehr gibt als gewöhnlich".
Konsolidierung von öffentlichen Einstellungs- und Rufdaten auf einer Achse
Mit HashScraper können öffentlich verfügbare Einstellungsdaten und Krankenhaus-Rufdaten online regelmäßig nach Position, Region und Zeitpunkt gesammelt und aggregiert werden. Das Ziel ist es, nicht einzelne Anzeigen erneut anzuzeigen, sondern Trends zu erkennen, wo die Nachfrage hoch ist und wie konkurrierende Organisationen agieren.
Datenbeispiel - Entwicklung der Nachfrage nach Position und Region (wöchentliche Aggregation)
{
"View": "채용 수요 추이 (주간 집계)",
"Region": "○○ 권역",
"Job": "간호사",
"Experience": "3년 이상",
"Weekly Openings": [8, 9, 11, 17, 21, 22],
"Trend": "최근 4주 +140%",
"Collected At": "2026-07-05"
}
Datenbeispiel - Krankenhaus-Ruf (Klassifizierung der Bewertungseigenschaften)
{
"View": "병원 평판",
"Hospital": "○○ 병원 (○○ 권역)",
"Rating": 4.1,
"Review Count": 940,
"Review": {
"Rating": 2,
"Date": "2026-06-18",
"Body": "예약했는데 대기가 길었어요 ...",
"Aspect": ["대기시간"]
},
"Collected At": "2026-07-05"
}
Die Einstellungsdaten werden nach Position, Region, Erfahrung, Beschäftigungsart und Rekrutierungsgröße strukturiert und als "Trends" dargestellt, während der Krankenhaus-Ruf nach Bewertung, Anzahl der Bewertungen und Bewertungstexten nach Attributen sortiert wird. Wenn die verstreuten Einzelstücke auf derselben Achse gestapelt werden, werden sowohl die steigende Nachfrage als auch die expandierenden Wettbewerber und der einbrechende Ruf endlich sichtbar.
Anwendungsfall: Überwachung des Arbeitsmarkts und des Rufs eines Gesundheitsunternehmens
Ein Gesundheitsunternehmen hat regelmäßig öffentlich verfügbare Einstellungsdaten und Krankenhaus-Rufdaten gesammelt und analysiert, um die Beschaffung von medizinischem Personal und die Standortstrategie mit Daten zu unterstützen. Der Arbeitsmarkt variiert je nach Region und Position, und der Ruf des Krankenhauses beeinflusst nicht nur die Patienten, sondern auch die Wahl der Bewerber. Da diese Signale verstreut sind und es keinen klaren Maßstab gibt, war es schwierig, sie zu interpretieren.
Sammel- und Analyseeinstellungen
- Einstellungstrends: Aggregation von Position, Region, Erfahrung, Beschäftigungsart und Rekrutierungsgröße nach Zeitpunkt (Trendanalyse auf der Grundlage öffentlicher Informationen, nicht eines bestimmten Kanals)
- Krankenhaus-Ruf: Standort, Bewertung, Anzahl der Bewertungen, Bewertungstext pro Krankenhaus
- Analyse: Entwicklung der Nachfrage nach Position und Region, Signale für die Einstellung und Expansion von Wettbewerbern, Klassifizierung und Stimmungsanalyse von Bewertungseigenschaften
- Sammelzyklus: Regelmäßig
Mit Daten analysierbare Elemente
| Analyseelement | Verwendung |
|---|---|
| Entwicklung der Nachfrage nach Position und Region | Erfassen von Wendepunkten, an denen die Nachfrage in bestimmten Regionen und Positionen steigt |
| Marktvergütungsverteilung | Überprüfung der Einstellungsbedingungen für dieselbe Position und Erfahrungsstufe im Vergleich zum Markt |
| Expansionssignale des Wettbewerbs | Früherkennung von Wettbewerbern, die eine bestimmte Position im Vergleich zum üblichen Niveau einstellen |
| Krankenhaus-Ruf-Benchmark | Vergleich von Bewertungen des eigenen Krankenhauses mit denen der Wettbewerber nach Attributen |
| Kontinuität der Arbeitskräfte | Feststellung, wie lange eine bestimmte Stelle wiederholt ausgeschrieben wird, um chronischen Mangel zu erkennen |
Quantitative Ergebnisse
| Element | Inhalt |
|---|---|
| Datenbereich | Öffentliche Einstellungstrends + Krankenhaus-Ruf |
| Aggregationsachse | Position · Region · Zeitpunkt |
| Analyse | Entwicklung der Nachfrage · Expansionssignale des Wettbewerbs · Klassifizierung der Bewertungseigenschaften |
| Sammelzyklus | Regelmäßig |
Wenn die verstreuten Signale auf einer Achse zusammengeführt werden, beginnen die Daten, Antworten auf bisher unbeantwortete Fragen zu liefern.
- Steigende Nachfrage — Durch das Erfassen eines Wendepunkts wie "Diese Anzeige für Krankenschwestern in diesem Bereich hat sich in den letzten 4 Wochen verdoppelt" im Diagramm können wir die Anzeige vor den Wettbewerbern schalten, bevor sie den Pool an Arbeitskräften durchsuchen.
- Grundlage für Vergütungen — Durch die Bestätigung von Marktpraktiken wie "Diese Einstellung von Krankenschwestern im 3. Jahr in diesem Bereich beinhaltet die Umstellung auf Festanstellung und die Angabe von Nachtzuschlägen" können wir festlegen, wo unsere Vergütung im Vergleich zum Markt liegt.
- Expansionssignale — Wenn Wettbewerber damit beginnen, eine bestimmte Position mehrere Male häufiger als üblich einzustellen, lesen wir dies als Expansion zum Zeitpunkt, nicht als Eröffnung einer neuen Abteilung.
Mit denselben Daten erhält man je nach Rolle unterschiedliche Antworten
Obwohl dieselben integrierten Daten vorhanden sind, variieren die Fragen, die von verschiedenen Abteilungen gestellt werden. Bisher wurden diese Fragen oft durch Intuition oder nachträgliche Vermutungen beantwortet.
| Rolle | Gestellte Frage | Antwort der Daten |
|---|---|---|
| Einstellung (HR) | Wohin konzentriert sich die Nachfrage in Bezug auf Region und Position? | Wendepunkte in der Entwicklung der Nachfrage nach Position und Region |
| Personalplanung und Vergütung | Auf welchem Niveau liegt unsere Vergütung im Vergleich zum Markt? | Verteilung der Einstellungsbedingungen nach Position und Erfahrungsstufe |
| Geschäftsentwicklung und Strategie | Wo gibt es sowohl hohe Nachfrage als auch Verfügbarkeit von Arbeitskräften? | Kreuzung von Nachfrageindikatoren und Arbeitskräfteversorgung |
| Führungskräfte und Marktintelligenz | Wo bewegen sich die Wettbewerber? | Gleichzeitige Signale von Einstellungsanstieg und Ruf- und Bewertungsanstieg |
| Ruf und Marketing | Warum gibt es trotz gleicher Bewertung Abwanderungen? | Trend der negativen Erwähnungen nach Attributen in den Bewertungen |
| Daten und Erkenntnisse | Wie werden verstreute öffentliche Daten in Berichte umgewandelt? | Regelmäßige Aggregation nach Position, Region und Zeitpunkt auf einer Achse |
Insbesondere aus Sicht der Geschäftsentwicklung ist die Vermeidung von "Falle-Positionen" von unschätzbarem Wert. Statistiken zu Bevölkerung, Alterungsrate und Bettenanzahl können die Größe der Nachfrage anzeigen, aber sie schweigen darüber, ob die Arbeitskräfte tatsächlich in diese Region strömen.
Eine Region, die aufgrund der scheinbar hohen Nachfrage attraktiv erscheint, kann tatsächlich ein "trockener Ort" sein, an dem mehrere Organisationen seit Monaten dieselbe Position wiederholt ausschreiben. Indem man zwischen "Regionen, in denen die Rekrutierung schnell endet" und "Regionen, in denen dieselbe Position immer wieder ausgeschrieben wird" unterscheidet, kann man einer Falle entgehen, in der man nach 6 Monaten in der Praxis die Hälfte der Stationen nicht besetzen kann.
Bewertungen und Anzeigen in eine "lesbare Form" bringen
Öffentliche Daten bleiben ein verstreuter Texthaufen, wenn sie nicht sortiert werden. HashScraper verwendet KI, um sie in eine analysierbare Form zu bringen.
- Aggregation von Einstellungstrends: Aggregation von Anzahl und Größe der Einstellungen nach Position, Region und Zeitpunkt in einem Raster, um zu sehen, wo die Nachfrage hoch ist und wo sie nachlässt.
- Klassifizierung und Stimmungsanalyse von Bewertungseigenschaften: Gruppierung von Bewertungstexten nach Attributen wie Reaktion, Wartezeit, Einrichtungen, medizinisches Personal usw. und Bestimmung von positiven und negativen Äußerungen.
- Stichprobenkorrekturvergleich: Da die Anzahl der Bewertungen je nach Krankenhaus stark variieren kann (z. B. 120 vs. 900), wird die Stichprobenabweichung korrigiert, um eine "Rangfolge der Reputation nach denselben Kriterien" zu erstellen.
Dank dieser Funktionen können Reputationen, die bisher nur anhand einer Bewertung bewertet wurden, nun auf Attributebene wie "Obwohl die Bewertung gleich bleibt, gibt es eine Zunahme an negativen Erwähnungen im Service" gelesen werden, und die Nachfrage, die zuvor durch eine Anzeige nicht sichtbar war, wird als Trend wie "Diese Position in dieser Region wird immer beliebter" sichtbar.
Auch in folgenden Fällen anwendbar
Festlegung der Reihenfolge der Eröffnung anhand eines regionalen Arbeitskräfte-Hitzeplans — Durch Aggregation der Nachfrage nach Position und Region in einem Raster können Sie im Voraus quantitative Schwierigkeitsgrade für Kombinationen festlegen und die Reihenfolge der Eröffnung neuer Abteilungen und Standorte sowie die Vergütung planen.
Echte Ursache für die Verschlechterung des Rufs verbergen — Durch Überlagerung des Trends negativer Erwähnungen nach Attributen in den Bewertungen und des Zeitpunkts der Anspannung auf dem Arbeitsmarkt können Sie feststellen, dass "Beschwerden über Wartezeiten und Service plötzlich zunehmen" nicht auf Schulungsprobleme der Mitarbeiter, sondern auf Personalmangel zurückzuführen sind.
Proaktive Mitarbeiterbindung — Durch die Identifizierung des Zeitpunkts, an dem eine bestimmte Position auf dem Markt an Attraktivität gewinnt, können Sie frühzeitig potenzielle Abwanderungsrisiken erkennen und von einer reaktiven zu einer Ursachenverfolgung für die Mitarbeiterbindung übergehen.
Identifizierung der "Angriffsphase" des Wettbewerbs — Organisationen, die sowohl eine plötzliche Zunahme der Einstellungen (Kapazitätserweiterung) als auch einen Anstieg der Anzahl der Bewertungen und der Bewertungspunkte (Reaktion der Nachfrage) aufweisen, werden automatisch als frühe Anzeichen einer aggressiven Wettbewerbsphase identifiziert.
Warum es schwierig ist, dies intern zu bewältigen
Teams, die versucht haben, diese Daten intern zu verarbeiten, stoßen alle auf dieselbe Hürde.
Zunächst einmal ist die Belastung durch die Konsolidierung von "Einzelstücken zu Trends" eine Herausforderung. Selbst wenn die Informationen öffentlich zugänglich sind, sind sie nach Region, Position, Organisation und Zeitpunkt verstreut, sodass ein einzelner Mitarbeiter sie nicht wöchentlich visuell überwachen kann, um das "Wachstumstempo" zu zählen.
Auch der spezifische Betrieb von Webdatenerfassung trägt zur Belastung bei.
- Aufwand für die Wartung: Die Struktur der öffentlichen Bildschirme ändert sich ständig, und jedes Mal, wenn dies geschieht, stoppt die Datenerfassung unbemerkt. Wenn das Ziel mehrere Regionen und Organisationen umfasst, wird dies zu einer kontinuierlichen Aufgabe.
- Kontinuierliches Monitoring: Wenn keine Daten erfasst werden, ist es besser, dies zu bemerken, aber wenn nur "glaubwürdige Zahlen" zur Hälfte eintreffen, werden Löcher erst entdeckt, nachdem der Bericht verteilt wurde. Es ist ein System erforderlich, um Fehler und Auslassungen zu erkennen und erneut zu erfassen.
- Aufbau und Verwaltung der Erfassungsinfrastruktur: Für regelmäßige Massenerfassung sind Automatisierung, Zeitplanung und Speicherung erforderlich, und dies erfordert dedizierte Ressourcen und Kosten.
HashScraper übernimmt diese Belastung vollständig. Öffentliche Daten werden regelmäßig nach demselben Schema gesammelt und aggregiert, und auf Änderungen im Bildschirm und Datenverlust wird sofort reagiert. Da die Infrastruktur bereits vorhanden ist, muss sich der Kunde keine Sorgen um die Integrität der Daten machen und kann sich vollständig auf die Interpretation konzentrieren.
Von Rohdaten zu Berichten und Dashboards
Die gesammelten und aggregierten Daten können als Rohdaten oder in Form von Berichten und Dashboards erhalten werden. Wenn die Entwicklung der Nachfrage nach Position und Region, die Signale für die Einstellung von Wettbewerbern und der Ruf-Benchmark für Krankenhäuser auf einem Bildschirm angezeigt werden, können Praktiker die Marktbewegungen ohne manuelles Durchsuchen von Anzeigen und Bewertungen verstehen. Wenn Sie über ein eigenes Analyse-System verfügen, können Sie die Daten direkt in Excel, E-Mail, API oder DB integrieren.
- Bewertungs- und VOC-Analyse-Lösung: Daten zu Bewertungen & VOC
Zusammenfassung
Die Signale des medizinischen Arbeitsmarktes und des Krankenhaus-Rufs sind bereits online verfügbar. Sie sagen jedoch nichts aus, solange sie nicht als Trend betrachtet werden, der nach Position, Region und Zeitpunkt konsolidiert ist. Wenn die verstreuten Signale auf einer Achse zusammengeführt werden, können sowohl die steigende Nachfrage als auch die expandierenden Wettbewerber und der einbrechende Ruf vor anderen erkannt werden.
Die Datenerfassung, Wartung, Aggregation und Analyse werden alle von HashScraper übernommen. Auch wenn sich die Struktur des öffentlichen Bildschirms ändert oder Daten verloren gehen, muss der Kunde nicht selbst darauf reagieren. Nach der einmaligen Einrichtung werden die Daten zu Arbeitsmarkt- und Rufentwicklungen in einer einheitlichen Form geliefert.
Jetzt sofort beginnen
Mit HashScraper können Sie öffentlich verfügbare Einstellungsdaten und Krankenhaus-Rufdaten nach einer gemeinsamen Basis von Position, Region und Zeitpunkt sammeln, aggregieren, analysieren und sogar erweitern.
