Sådan bygger vi profilerne

Fem trin fra register til profil

1. 01

   Vi henter registret

   Hver uge trækker vi alle danske virksomheder med branchekode 781000 og 782000 — arbejdsformidling og vikarbureauer. Derfra kommer navn, adresse, by, CVR-nummer, registreringsår og reklamebeskyttelse.

2. 02

   Vi sorterer fra

   Branchekoderne rummer meget der ikke er rekrutteringsbureauer. Vi har fundet kommunale jobcentre, en fagforening, et boligselskab, en plastfabrik og en gård der avler skotsk højlandskvæg. De bliver i databasen med en begrundelse, men de får ikke en profil.

3. 03

   Vi læser bureauets eget website

   Vi henter forsiden og op til fem undersider om bureauet, dets ydelser og fagområder. Vi besøger hvert site højst én gang i kvartalet, vi respekterer robots.txt, og vores robot identificerer sig.

4. 04

   En sprogmodel sammenfatter

   Modellen skriver kun ned hvad der står på sitet. Den vurderer ikke bureauet og rangerer det ikke. Hver profil gemmes med hvilken model og hvilken version af instruktionen der lavede den, så en fejl kan spores og rettes bagud.

5. 05

   Kontrollen afviser

   Før en profil bliver til en side, tjekker vi den maskinelt. Superlativer uden kilde afvises. Tal og årstal der ikke findes i teksten fra sitet afvises. Navne på enkeltpersoner afvises. Er hjemmesiden ikke bureauets egen, afvises hele profilen.

Tre lag, tre ejere

En profil består af tre slags oplysninger, og de har hver sin ejer. Det afgør hvem der vinder når de er uenige.

Det vi ikke ved

Der er huller i vores data, og de skal stå her frem for at blive gemt bag et pænt tal.

• Antal ansatte mangler. Det findes i CVR, men i et datasæt vi endnu ikke henter. Derfor viser vi ikke bureauernes størrelse i registertal, kun det vi kan læse på deres site.
• Hjemmesiden er et kvalificeret gæt. CVR indeholder ikke websites, så vi udleder dem af mailadressen: skriver bureauet fra info@eksempel.dk, antager vi at sitet er eksempel.dk. Rammer vi ved siden af, afviser vi profilen frem for at gætte videre — men det betyder også at bureauer uden registreret mail mangler helt.
• Registreringsår er ikke stiftelsesår. CVR fortæller hvornår det nuværende selskab blev registreret. Er et bureau gået fra enkeltmandsvirksomhed til ApS, står der et årstal der er nyere end virkeligheden. Derfor kalder vi det "i CVR siden" og viser bureauets eget stiftelsesår ved siden af, når de er uenige.
• Vi kender ikke kvaliteten. RecruitLedger fortæller hvem der findes og hvad de laver. Ikke hvem der er god. Vi har ingen anmeldelser, ingen rangering og ingen holdning til hvem du bør vælge.

Om vores robot

Vi henter offentligt tilgængelige sider fra bureauernes egne websites. Vi følger robots.txt, henter højst seks sider pr. bureau, venter mellem hvert kald og kommer tilbage cirka én gang i kvartalet. Robotten identificerer sig som LedgerBot med et link til denne side.

Vil du ikke have os på besøg, kan du blokere os i robots.txt. Så beholder vi kun registerdata, og profilen får ingen beskrivelse.