విధానం

డేటా ఎలా పనిచేస్తుంది — మూలాలు, ప్రాసెసింగ్, మరియు పరిమితులు.

ఈ సైట్‌లోని ప్రతి సంఖ్య అధికారిక U.S. ప్రభుత్వ బల్క్ ఫైళ్ల నుండి తీసుకోబడుతుంది. ఏ మూడవ-పక్ష అగ్రిగేటర్‌ను స్క్రాప్ చేయరు లేదా ప్రాక్సీ చేయరు. డేటా ఎక్కడ నుండి వస్తుంది, ఇది ఎలా ప్రాసెస్ చేయబడుతుంది, మరియు ఇది ఎక్కడ తక్కువగా ఉంటుందో ఇక్కడ ఖచ్చితంగా ఉంది — తద్వారా మీరే దీన్ని అంచనా వేయగలరు.

మూలాలు

• DOL OFLC ప్రివెయిలింగ్ వేతనం (FLAG) — ప్రతి వృత్తి (SOC) మరియు ప్రాంతానికి స్థాయి I–IV ప్రివెయిలింగ్ వేతనం.
• DOL OFLC డిస్‌క్లోజర్ ఫైళ్లు — LCA (ETA-9035), PERM (ETA-9089), PWD (ETA-9141), CW-1, H-2A, H-2B: ప్రతి ఫైలింగ్ యొక్క నియోక్త, వేతనం, స్థాయి, SOC, మరియు పనిప్రదేశం.
• USCIS H-1B Employer Data Hub — ప్రతి నియోక్తకు ప్రతి ఆర్థిక సంవత్సరం పిటిషన్ ఆమోదాలు/తిరస్కరణలు (తిరస్కరణ-రేటు సంకేతం).
• BLS OEWS — ప్రివెయిలింగ్-వేతన స్థాయిలు ఉత్పన్నమయ్యే సర్వే.
• USGS GNIS — టౌన్ → కౌంటీ మ్యాపింగ్, తద్వారా ఒక టౌన్ శోధన ఒక వేతన ప్రాంతానికి పరిష్కరించబడుతుంది.

ప్రస్తుత కవరేజ్ మరియు ఇంజెస్ట్ తేదీలు డేటా స్థితి పేజీలో ఉన్నాయి.

ఇది ఎలా ప్రాసెస్ చేయబడుతుంది

• ఇంజెషన్: ప్రతి ప్రభుత్వ ఫైల్ కాలమ్ పేరు ఆధారంగా (స్థానం కాదు) పార్స్ చేయబడి స్థానిక డేటాబేస్‌లోకి లోడ్ చేయబడుతుంది; ఒక ఫైల్ లేఅవుట్ మారితే రన్ స్పష్టంగా విఫలమవుతుంది, కాబట్టి చెడు డేటా నిశ్శబ్దంగా దిగుమతి కాదు.
• నియోక్త గుర్తింపు: మూలం ఒకదాన్ని అందించినప్పుడు (PERM/PWD) ఫైలింగ్‌లు IRS FEIN ద్వారా ఒక నియోక్తకు సరిపోల్చబడతాయి, లేకుంటే సాధారణీకరించిన కంపెనీ పేరుకు తిరిగి వెళ్తాయి. ఇది కొద్దిగా భిన్నమైన పేరు స్ట్రింగ్‌ల కింద కనిపించే ఒక నియోక్త ఫైలింగ్‌లను ఏకీకృతం చేస్తుంది.
• డి-డూప్లికేషన్: ఫైలింగ్‌లు వాటి కేసు నంబర్‌పై డి-డూప్ చేయబడతాయి, తద్వారా అతివ్యాప్తి చెందే త్రైమాసిక ఫైళ్లు రెట్టింపు లెక్కించబడవు.
• సంఖ్యలు: ప్రివెయిలింగ్-వేతన తనిఖీ మీ వార్షికీకరించిన ఆఫర్‌ను స్థాయి I–IV కనిష్ఠంతో పోలుస్తుంది; మనీ-ట్రేస్ వెండర్-లేయర్ కోతలను మోడల్ చేస్తుంది; కాన్ఫిడెన్స్ స్కోర్ అది చూపించే అంశాల యొక్క పారదర్శక భారిత మిశ్రమం.

నిజాయితీ పరిమితులు

• ఆలస్యం: ప్రభుత్వ ఫైళ్లు వాస్తవికత కంటే ఒకటి నుండి మూడు నెలలు (కొన్నిసార్లు ఎక్కువ) వెనుకబడి ఉంటాయి. చర్య తీసుకునే ముందు ఎల్లప్పుడూ లింక్ చేయబడిన మూలంతో సరిచూడండి.
• పేరు-ఆధారిత ఆపాదన: LCA మరియు USCIS ఫైళ్లలో FEIN ఉండదు, కాబట్టి అవి కంపెనీ పేరుతో సరిపోల్చబడతాయి — అనేక చట్టపరమైన పేర్ల కింద ఫైల్ చేసే ఒక పెద్ద నియోక్త విడిపోవచ్చు, మరియు ఒక సాధారణీకరించిన పేరును పంచుకునే రెండు వేర్వేరు కంపెనీలు విలీనం కావచ్చు. మేము ఊహించడం కంటే రికార్డును తటస్థంగా చూపడం వైపు మొగ్గుచూపుతాము.
• పాక్షిక డేటాసెట్‌లు: కొన్ని కార్యక్రమాలు కేవలం కొన్ని కాలాలకు మాత్రమే ఇంజెస్ట్ చేయబడతాయి (ఉదా., PERM ఒక ఇటీవలి భాగం); USCIS బల్క్ డేటా ఒక సంవత్సరం లేదా అంతకంటే ఎక్కువ వెనుకబడి ఉంటుంది. ఒక “—” అంటే “ఇంజెస్ట్ చేసిన డేటాలో లేదు,” తప్పనిసరిగా సున్నా కాదు.
• OPT డేటాసెట్ లేదు: ప్రతి-నియోక్త OPT/STEM-OPT పబ్లిక్ డేటాసెట్ ఏదీ లేదు; మేము ఎప్పుడూ ఒకదాన్ని కల్పించము మరియు ముందుచూపు సంకేతంగా H-1B రికార్డుపై ఆధారపడతాము.
• వేతన స్థాయిలు: ప్రస్తుత DOL విధానం కింద స్థాయిలు ≈ 17/34/50/67వ శాతాంశాలు; ఒక పెండింగ్ ప్రతిపాదన వీటిని పెంచుతుంది.

దిద్దుబాట్లు

ఒక సంఖ్య తప్పుగా కనిపిస్తే, అది దాదాపు ఎల్లప్పుడూ మూలం నుండి పునరుత్పత్తి చేయదగినది — తనిఖీ చేయండి flag.dol.gov లేదా USCIS hub, మరియు పేజీతో [email protected] కు ఇమెయిల్ చేయండి.

Research

Pre-registered, falsifiable analyses built on the same public data. Backlog Gradient — does an employer's position in the staffing chain gate an Indian H-1B worker's entry into the green-card queue? (Tested on the sponsorship margin; the data do not support it. A record, not a verdict.)