Ein zeitnahes Arbeitsmarkt-Monitoring ist für die Politikgestaltung und die operative Planung von entscheidender Bedeutung, doch jährliche Berichte können Wendepunkte und Heterogenität zwischen Subgruppen verschleiern. Diese Arbeit entwickelt ein reproduzierbares Monitoring- und Prognose-Framework unter Verwendung von Verwaltungsstatistiken der General Organization for Social Insurance (GOSI) im Saudi Open Data Portal. Wir dokumentieren deskriptive Muster bei der formellen Beteiligung und den beitragspflichtigen Löhnen, einschließlich der Streuung nach Altersgruppen, einer stabilen Korrelationsstruktur sowie dem expliziten Umgang mit einer anomalen Lohnveröffentlichung und einzelnen fehlenden Lohneinträgen. Anschließend formulieren wir Modelle auf Basis nicht-gehaltsbezogener administrativer Deskriptoren. Unter Leakage-Kontrolle erreichen Random-Forest-Modelle über verschiedene Veröffentlichungen hinweg eine Genauigkeit von etwa 0.71. Die meisten Fehler konzentrieren sich auf benachbarte Lohnbänder, was mit der Schwellenwert-Diskretisierung einer kontinuierlichen Lohnverteilung übereinstimmt. Zur Unterstützung des operativen Einsatzes ergänzen wir eine Out-of-Time-Validierung über mehrere Veröffentlichungen hinweg sowie eine probabilistische Bewertung; dies zeigt, dass sich die Vorhersageleistung über Updates hinweg überträgt und dass eine Kalibrierung die Verlässlichkeit der Wahrscheinlichkeitsscores für Monitoring-Schwellenwerte verbessert. Insgesamt deuten die Ergebnisse darauf hin, dass administrative Veröffentlichungen beständige, verwertbare Signale für die Lohnsegmentierung ohne gehaltsabgeleitete Eingangsdaten enthalten, was eine prognoseorientierte Überwachung und Frühwarn-Dashboards unterstützt.
Louati et al. (Tue,) untersuchten diese Frage.