¿Se aprueba la visa H1B en función de los análisis de datos?

¿La visa H1B se aprueba con análisis de datos?

Introducción

El programa de visas H1B abre las puertas a individuos capacitados en todo el mundo para llevar su experiencia a los Estados Unidos. Miles de profesionales talentosos ingresan a los Estados Unidos a través de este programa cada año, contribuyendo en diversas industrias y impulsando la innovación. Sumergámonos en el fascinante mundo de los datos de la visa H1B de la Oficina de Certificación Laboral Extranjera (OFLC) y exploremos las historias detrás de los números. Este artículo revela el análisis de datos de la visa H1B y obtenemos información y historias interesantes de los datos. A través del ingeniería de características, mejoramos el conjunto de datos con información adicional de fuentes externas. Utilizamos una meticulosa manipulación de datos para organizar cuidadosamente los datos para que podamos comprenderlos y analizarlos mejor. Finalmente, las visualizaciones de datos revelan tendencias fascinantes e ideas no contadas sobre los trabajadores calificados en los Estados Unidos entre los años 2014 y 2016.

1. Explore y analice los datos de la visa H1B de la Oficina de Certificación Laboral Extranjera (OFLC) y comprenda su importancia para atraer trabajadores extranjeros calificados a los Estados Unidos.
2. Aprenda sobre el proceso de preprocesamiento de datos, incluidas las técnicas de limpieza de datos, ingeniería de características y transformación de datos.
3. Examine y analice las tasas de aceptación y rechazo de las solicitudes de visa H1B que potencialmente influyen en estas tasas.
4. Adquiera familiaridad con técnicas de visualización de datos para presentar y comunicar los hallazgos de manera efectiva.

Nota:🔗 Encuentre el código completo y el conjunto de datos para este análisis en Kaggle para explorar todo el proceso y el código detrás del análisis: Análisis H1B en Kaggle

Este artículo fue publicado como parte del Data Science Blogathon.

• ¿Cómo luce la descripción de trabajo de un analista de datos?
• El Aprendizaje Automático Desbloquea Información Sobre Detección de Estrés.
• LangChain Mejorando el rendimiento con la capacidad de memoria

¿Qué es la Visa H1B?

El programa de visas H1B es un componente clave de la política de inmigración de los Estados Unidos, destinado a atraer trabajadores extranjeros altamente capacitados para ocupar posiciones especializadas en diversas industrias. Aborda las escaseces de habilidades, promueve la innovación y impulsa el crecimiento económico.

Para obtener una visa H1B, una persona debe seguir estos pasos clave:

1. Encontrar un empleador estadounidense dispuesto a patrocinar la visa.
2. El empleador presenta una petición de H1B ante el USCIS en nombre del trabajador extranjero.
3. La petición está sujeta a un límite anual y puede pasar por una lotería si hay más solicitudes que lugares disponibles.
4. Si es seleccionado, el USCIS revisa la petición para verificar la elegibilidad y el cumplimiento.
5. Si es aprobado, el trabajador extranjero puede obtener la visa H1B y comenzar a trabajar para el empleador patrocinador en los Estados Unidos.

El proceso implica cumplir requisitos específicos, como tener una licenciatura o equivalente, y navegar consideraciones adicionales, como determinaciones de salario prevaleciente y documentación de la relación empleador-empleado. El cumplimiento y una preparación minuciosa son cruciales para una solicitud exitosa de visa H1B.

Conjunto de datos

• Los conjuntos de datos combinados de 2014, 2015 y 2016 proporcionados por la Oficina de Certificación Laboral Extranjera (OFLC) para el programa de visas H1B incluyen columnas como Número de Caso, Estado del Caso, Nombre del Empleador, Ciudad del Empleador, Estado del Empleador, Título del Trabajo, Código SOC, Nombre SOC, Tasa Salarial, Unidad Salarial, Salario Prevaleciente, Fuente de Salario Prevaleciente, Año, etc.
• Estas columnas proporcionan información esencial sobre las solicitudes de visa H1B, incluidos detalles del caso, información del empleador, títulos de trabajo, tasas salariales y datos de salario prevaleciente.
• Utilice el conjunto de datos y el diseño de los datos directamente del sitio web oficial de la OFLC en el siguiente enlace https://www.foreignlaborcert.doleta.gov/performancedata.cfm para una comprensión completa de todas las columnas disponibles y sus descripciones.

Preprocesamiento

¡Únase a mí en un fascinante viaje de transformación de datos! Convierto el archivo xlsx en CSV, renombro las columnas para obtener consistencia ya que cada columna contiene los mismos datos pero tiene nombres diferentes en cada año, y combino tres años de datos. ¿El resultado? Un conjunto de datos vasto con 1,786,160 filas y 17 columnas.

Ingeniería de características

• Mejoré el conjunto de datos creando una columna de período de empleo en función de las fechas de inicio y finalización.
• Calculé la duración en días restando la fecha de finalización de la fecha de inicio.
• Eliminé las filas con valores negativos, ya que un período de empleo negativo es lógicamente imposible.
• Convertí la duración a meses dividiéndola por 30,44, lo que representa el número promedio de días en un mes durante cuatro años. Este enfoque asegura una estimación precisa, contando los años bisiestos.
• Manejé los valores faltantes reemplazando las entradas nulas con 0.

# convertir las columnas de fecha a formato datetime y asignar nan a los datos inválidos
final_df['LCA_CASE_EMPLOYMENT_START_DATE'] = pd.to_datetime(final_df['LCA_CASE_EMPLOYMENT_START_DATE'], errors='coerce')
final_df['LCA_CASE_EMPLOYMENT_END_DATE'] = pd.to_datetime(final_df['LCA_CASE_EMPLOYMENT_END_DATE'], errors='coerce')

# restar LCA_CASE_EMPLOYMENT_END_DATE de LCA_CASE_EMPLOYMENT_START_DATE para encontrar el período de empleo
LCA_CASE_EMPLOYMENT_PERIOD=final_df["LCA_CASE_EMPLOYMENT_END_DATE"]-final_df["LCA_CASE_EMPLOYMENT_START_DATE"]

# crear una nueva columna con el valor de LCA_CASE_EMPLOYMENT_PERIOD
final_df.insert(7, 'LCA_CASE_EMPLOYMENT_PERIOD', LCA_CASE_EMPLOYMENT_PERIOD)

# convertir LCA_CASE_EMPLOYMENT_PERIOD a formato de días
final_df['LCA_CASE_EMPLOYMENT_PERIOD'] = final_df['LCA_CASE_EMPLOYMENT_PERIOD'].dt.days

# eliminar el valor atípico, es decir, días de empleo menores a 0.
final_df = final_df[final_df['LCA_CASE_EMPLOYMENT_PERIOD'] > 0]
final_df['LCA_CASE_EMPLOYMENT_PERIOD'].describe()

# el período de empleo se convierte en meses
final_df['LCA_CASE_EMPLOYMENT_PERIOD'] = (round(final_df['LCA_CASE_EMPLOYMENT_PERIOD'] / 30.44))

# completar los valores faltantes con 0 y convertir el tipo de columna a int
final_df['LCA_CASE_EMPLOYMENT_PERIOD']=final_df['LCA_CASE_EMPLOYMENT_PERIOD'].fillna(0).astype(int)

• Determiné el sector de cada empleador extrayendo los primeros dos dígitos del código NAICS proporcionado.
• Descargué los datos del código NAICS y el sector en línea para obtener la información correspondiente del sector.
• Creé una nueva columna llamada EMPLOYER_SECTOR, asignando a cada código básico del empleador su respectivo sector.

# Convertir la columna LCA_CASE_NAICS_CODE a tipo de datos string
final_df['LCA_CASE_NAICS_CODE'] = final_df['LCA_CASE_NAICS_CODE'].astype(str)

# Extraer los primeros dos dígitos de cada valor string
final_df['LCA_CASE_NAICS_CODE'] = final_df['LCA_CASE_NAICS_CODE'].str[:2]

# leyendo los datos NAICS para verificar y crear una nueva columna para el sector del empleador
NAICS_data=pd.read_csv("/kaggle/input/h1b-visa/NAICS_data.csv")
NAICS_data.head()

# recorrer todos los NAICS en los valores únicos de naics
for i in naics_unique_values:
    
    try:
        # suponiendo que su dataframe se llama 'df'
        NAICS_data_code = NAICS_data.loc[NAICS_data['NAICS_CODE'] == i, 'NAICS_TITLE'].iloc[0]
    
    except:
        #si no hay un índice con el código soc particular, el nombre de la ocupación será nulo
        NAICS_data_code = "Desconocido"

    # crear una máscara booleana para las condiciones
    mask = (final_df['LCA_CASE_NAICS_CODE'] == i)

    # actualizar la columna LCA_CASE_SOC_NAME para las filas filtradas
    final_df.loc[mask, 'EMPLOYER_SECTOR'] = NAICS_data_code

• Además, extraje la información del año del campo LCA_CASE_SUBMIT, creando una columna dedicada para el año. Esto simplifica el análisis de datos y permite obtener información conveniente basada en el año.

# extraer el componente de año de la columna datetime LCA_CASE_SUBMIT y almacenarlo en una nueva columna year
final_df['year'] = final_df['LCA_CASE_SUBMIT'].dt.year

Transformación de datos

• Realicé una serie de transformaciones de datos para refinar el conjunto de datos. Se eliminaron los duplicados, asegurando registros limpios y únicos.
• Preprocesé la columna LCA_CASE_SOC_CODE eliminando los caracteres especiales en cada fila.

# eliminar números después del "." período en la columna 'LCA_CASE_SOC_CODE'
final_df['LCA_CASE_SOC_CODE'] = final_df['LCA_CASE_SOC_CODE'].astype(str).apply(lambda x: x.split('.')[0])

# función para corregir LCA_CASE_SOC_CODE

def preprocess_column(column):
    pattern = r"^\d{2}-\d{4}$"  # patrón regex para el formato "XX-XXXX"

    def preprocess_value(value):

        if ("-" not in value) and len(value) < 6:
            cleaned_value=np.nan
            
        elif "-" in value :
            value=value.replace('-','')
            cleaned_value=value[0:2]+"-"+value[2:6]
            if len(cleaned_value) != 7:
                cleaned_value=np.nan
            
        elif ("-" not in value) and len(value) > 5:
            value=value.replace('/', '')
            cleaned_value=value[0:2]+"-"+value[2:6]

        return cleaned_value

    cleaned_column = column.apply(lambda x: np.nan if pd.isna(x) else (x if re.search(pattern, str(x)) else preprocess_value(x)))
    return cleaned_column

final_df["LCA_CASE_SOC_CODE"] = preprocess_column(final_df["LCA_CASE_SOC_CODE"])

# Reemplazar los valores en la columna 'LCA_CASE_WAGE_RATE_FROM'

# definir una función personalizada para preprocesar la columna de tasa de salario
def preprocess_wage_rate(cell_value):
    if isinstance(cell_value, float):
        return cell_value
    elif '-' in cell_value:
        return cell_value.split('-')[0].strip()
    else:
        return cell_value

# aplicar la función personalizada a la columna de tasa de salario
final_df['LCA_CASE_WAGE_RATE_FROM'] = final_df['LCA_CASE_WAGE_RATE_FROM'].apply(lambda x: preprocess_wage_rate(x))

• En lugar de eliminar los valores nulos en la columna LCA_CASE_SOC_NAME, extraje el código SOC y el nombre de ” https://www.bls.gov/oes/current/oes_stru.htm#29-0000 ” y creé un archivo CSV. Luego, utilicé este archivo CSV para imputar los valores nulos en LCA_CASE_SOC_NAME.

# inicializar webdriver
driver = webdriver.Chrome()

# navegar a la página web
driver.get('https://www.bls.gov/oes/current/oes_stru.htm#29-0000')

# encontrar todos los elementos li
li_elements = driver.find_elements("xpath","//li")

# crear lista vacía para almacenar datos
data = []

# iterar por los elementos li
for li in li_elements:
    text = li.text
    if "-" in text:
        # utilizar expresiones regulares para extraer el código SOC y el nombre de la ocupación
        words = text.split()
        soc=words[0]
        
        name = (" ".join(words[1::])).replace('"', '').strip()

        name_list=(words[1::])
        if "-" in name:
            for i, word in enumerate(name_list):
                if ("-" in word) and (len(word) > 1):
                    name =(' '.join(name_list[:i])).replace('"', '').strip()
                    break

        data.append({'Código SOC': soc, 'Nombre de la ocupación': name})

# cerrar webdriver
driver.quit()

# crear dataframe
datos_ocupacion = pd.DataFrame(data)

# guardar dataframe como CSV
datos_ocupacion.to_csv('ocupaciones.csv', index=False)

Explicación

• La columna ‘LCA_CASE_WAGE_RATE_FROM’ en el conjunto de datos tenía tasas salariales expresadas en varias unidades, que necesitaban ser estandarizadas para un análisis consistente.
• Para lograr la estandarización, convertí las tasas salariales en un valor anual uniforme. Esto implicó multiplicar las tasas por factores específicos según sus unidades originales.
• Por ejemplo, las tasas mensuales se multiplicaron por 12 para tener en cuenta el número de meses en un año. De manera similar, las tasas semanales se multiplicaron por 52 (el número de semanas en un año), y las tasas quincenales se multiplicaron por 26 (asumiendo 26 períodos quincenales en un año).
• El manejo de las tasas por hora requirió considerar si la posición era de tiempo completo o no. Para las posiciones marcadas como de tiempo completo (‘FULL_TIME_POS’ = ‘Y’), multiplicé la tasa por hora por 40 horas por semana y 52 semanas en un año.
• Para las posiciones que no eran de tiempo completo (‘FULL_TIME_POS’ = ‘N’), utilicé 35 horas por semana y 52 semanas en un año como base para calcular la tasa anual.
• Después de realizar los cálculos necesarios, las unidades en la columna ‘LCA_CASE_WAGE_RATE_FROM’ fueron reemplazadas por ‘Año’ para reflejar la representación estandarizada de las tasas salariales sobre una base anual.
• Esta estandarización permite comparaciones y análisis significativos de las tasas salariales en diferentes posiciones y categorías dentro del conjunto de datos.
• Para limpiar la columna LCA_CASE_SOC_NAME, convertí todos los datos a minúsculas y forma singular si terminaba con ‘s’.
• Para facilitar la comprensión, dividí los valores de la columna LCA_CASE_WAGE_RATE_FROM por 1000 para representar los salarios en miles. Se eliminaron las filas con valores salariales negativos ya que no son válidas.

Sinopsis

• Además, empleé el método IQR para eliminar valores atípicos en los cuantiles 0,1 y 0,99 para asegurar un análisis preciso.
• Los valores “INVALIDATED” y “REJECTED” en la columna ‘STATUS’ se reemplazan con “DENIED”. Esto simplifica la representación de las solicitudes de visa H1B denegadas, ya que tanto “INVALIDATED” como “REJECTED” se refieren a solicitudes que han sido denegadas y garantiza la consistencia utilizando una sola etiqueta, “DENIED”, para todas las solicitudes de visa H1B denegadas en el conjunto de datos.
• Se eliminaron columnas innecesarias, incluyendo “LCA_CASE_EMPLOYMENT_START_DATE,” “LCA_CASE_EMPLOYMENT_END_DATE,” “LCA_CASE_WAGE_RATE_UNIT,” “FULL_TIME_POS,” y “LCA_CASE_NAICS_CODE,” simplificando el conjunto de datos y mejorando la claridad.
• Los datos están ahora refinados y listos para una exploración perspicaz.

Análisis

¿Cuál es el número total de solicitudes de visa H-1B? ¿Cuál es la tasa de crecimiento de las solicitudes en los últimos tres años?

Entre 2014 y 2015, el número de solicitudes de visa H1B se disparó, aumentando impresionantemente en un 17.7%. Individuos calificados de todo el mundo estaban ansiosos por aprovechar las oportunidades en los Estados Unidos. Sin embargo, las cosas tomaron un giro inesperado en 2016 cuando hubo una caída repentina del 9% en las solicitudes. Esta disminución nos dejó preguntándonos: ¿Qué causó este cambio significativo?

¿Qué causó la caída repentina en la tasa de solicitud? ¿Se debe a un aumento en las tasas de rechazo o hay otros factores que contribuyen a esta caída?

Sorprendentemente, la tasa de rechazo para la visa ha disminuido significativamente del 5.41% al 3.4% a lo largo de los años. Por otro lado, la tasa de aceptación ha estado aumentando constantemente cada año. También puede sugerir que los empleadores se han vuelto más hábiles para presentar solicitudes sólidas, reduciendo así la tasa de rechazo.

La disminución de la tasa de rechazo refleja una tendencia positiva y significa un entorno más favorable para los solicitantes de visas H1B. El aumento en la tasa de aceptación indica una creciente demanda de trabajadores extranjeros altamente calificados en los Estados Unidos.

Estas tendencias positivas podrían atribuirse a los esfuerzos del gobierno de EE. UU. para fomentar un ambiente acogedor para los inmigrantes calificados. El gobierno pudo haber implementado políticas más favorables, simplificando el proceso de visa y eliminando barreras innecesarias. Esto, a su vez, probablemente ha contribuido a la disminución de la tasa de rechazo. Por lo tanto, la disminución de las solicitudes no puede atribuirse únicamente a una tasa de rechazo más alta.

¿Cuáles son los sectores principales para las solicitudes de visas H1B?

Después de realizar nuestro análisis, descubrimos que una parte significativa de las solicitudes de visa H1B, aproximadamente el 72.4%, pertenecen a los sectores de servicios profesionales, científicos y técnicos. Este sector abarca diversos campos, incluyendo programación de computadoras, investigación científica, ingeniería y servicios de consultoría. El aumento en las solicitudes está aumentando la demanda de profesionales calificados en estos dominios, dada la especialización y el conocimiento requeridos.

Además, influyen en las empresas más grandes que contribuyen activamente al aumento de las empresas patrocinadoras de visas H1B para sus empleados, dentro de los sectores de servicios profesionales, científicos y técnicos. Estas empresas dependen de trabajadores altamente calificados para mantener su ventaja competitiva y sostener el crecimiento en la industria.

¿Cuáles son los 10 principales empleadores con el mayor número de solicitudes de visas H1B, y en qué sectores pertenecen?

Basándonos en un análisis exhaustivo, encontramos que los sectores de servicios profesionales, científicos y técnicos están ocupados por 9 de los 10 principales empleadores con el mayor número de solicitudes de visas H1B. Conocido por su demanda constante de profesionales calificados y abarca diversos campos como programación de computadoras, investigación científica, ingeniería y servicios de consultoría.

Infosys destaca como el principal empleador, con un asombroso 82,271 solicitudes aprobadas y el número más bajo de solicitudes denegadas entre los 10 principales empleadores. Esta dominación en el recuento de solicitudes de visa H1B supera los números combinados del segundo clasificado TCS y el tercero clasificado Wipro.

El rendimiento sobresaliente de Infosys en el proceso de solicitud de visa H1B plantea preguntas intrigantes sobre el enfoque de la empresa y los roles de trabajo específicos para los que están reclutando.

¿Cuánto impacto tienen los 10 principales empleadores en la distribución de posiciones de trabajo para visas H1B?

Después de analizar los datos, creamos un gráfico para representar visualmente la contribución de los 10 principales empleadores patrocinadores de visas H1B a las 10 principales posiciones de trabajo. Los empleadores restantes se agruparon como “otros empleadores”. El gráfico destaca que, aunque “otros empleadores” tienen una parte sustancial, los 10 principales empleadores han tenido un impacto significativo en las 10 principales posiciones de trabajo.

Por ejemplo, Infosys ha desempeñado un papel importante en la posición de analista de sistemas informáticos, mientras que Microsoft ha realizado una notable contribución a la posición de desarrolladores de software de aplicaciones. De manera similar, IBM ha influido significativamente en la posición de programador de computadoras, aplicaciones.

Este gráfico enfatiza la influencia significativa de los 10 principales empleadores en el proceso de solicitud de visas H1B y en las posiciones de trabajo específicas.

¿Hasta qué punto afecta el rango salarial la aprobación o denegación de las solicitudes de visas H1B para posiciones de trabajo?

Después de realizar un análisis de datos, vimos que no hay una correlación significativa entre el rango salarial y el estado de la solicitud. La observación es válida tanto para las 10 principales posiciones de trabajo aceptadas como para las denegadas, ya que tenían el mismo rango salarial.

Para obtener una mayor comprensión de la relación entre el estado de la solicitud y el rango salarial, dividimos el rango salarial en cuatro cuartiles: bajo, promedio, por encima del promedio y niveles salariales más altos. Luego analizamos los datos para cada categoría. Los hallazgos revelan que la mayoría de las solicitudes de visa H1B aprobadas se encontraban en las categorías de rango salarial (Q1) y promedio (Q2).

Los cuartiles de rango salarial bajo (Q1) y promedio (Q2) englobaron la mayoría de las solicitudes de visa H1B aprobadas. Sin embargo, no se observaron tendencias claras entre el rango salarial y el estado de la solicitud. Otros factores distintos del salario han jugado un papel significativo en la determinación del resultado de las solicitudes de visa H1B.

Entonces, ¿la duración del empleo afecta la decisión sobre la solicitud de visa H1B?

Al analizar los datos, descubrimos que no había una correlación sustancial entre el período de empleo y la decisión de la visa. Sorprendentemente, tanto las posiciones de trabajo con mayor aprobación como las de mayor denegación mostraron un período de empleo promedio de 33 meses. La duración del empleo no parece ser un factor determinante en el proceso de toma de decisiones de la visa.

Dividimos a los solicitantes en 2 grupos en función de la duración promedio de su período de empleo: inferior a 33 meses y superior a 33 meses.

A pesar del análisis exhaustivo, no pudimos identificar una tendencia con respecto al período de empleo y su influencia en el resultado de las solicitudes de visa H1B. La ausencia de un patrón discernible sugiere que la duración del empleo podría no haber desempeñado un papel fundamental.

¿Hay alguna tendencia o patrón en la distribución geográfica de los trabajadores con visa H1B?

¡Ta-da! Finalmente, los datos, en su sabiduría infinita, nos han dado un alto virtual, confirmando que teníamos razón finalmente.

Se hace evidente que estados específicos dentro de los EE. UU. exhiben una mayor concentración de empleadores que solicitaron visas H1B. Especialmente, Texas, California y Nueva Jersey emergen como los tres estados con el mayor número de empleadores, representando aproximadamente 684,118 solicitudes combinadas. Esta observación sugiere que estos estados probablemente experimentan una mayor demanda de trabajadores calificados, atrayendo a un grupo más grande de empleadores que buscan visas H1B.

El análisis descubre puntos calientes distintos en los EE. UU. donde está disponible la mayoría de los empleadores de H1B. Estas regiones son indicativas de áreas con una demanda significativa de profesionales capacitados.

Conclusión

En conclusión, este blog profundiza en la importancia de los datos de visa H1B de OFLC, proporcionando una exploración integral de su papel en la atracción de trabajadores extranjeros capacitados a los Estados Unidos. El artículo se centra en varias técnicas de preprocesamiento de datos, incluida la limpieza, la ingeniería de características y la transformación, para garantizar un análisis preciso. A través del examen de las tasas de aceptación y rechazo de visas H1B, el blog descubre factores influyentes que impactan estas tasas, presentando información valiosa a través de la visualización de datos.

Puntos clave

• Las posiciones y designaciones de trabajo son factores cruciales para determinar el éxito de la visa H1B. El desarrollo de habilidades técnicas en campos de alta demanda como programación e ingeniería mejora las posibilidades de asegurar un trabajo con visa H1B.
• California, Texas y Nueva Jersey son los principales estados para las solicitudes de visa H1B, ofreciendo oportunidades abundantes debido a la presencia de empresas líderes en diversas industrias.
• Presta atención a los empleadores influyentes dentro del conjunto de datos, como Infosys y Tata Consultancy Services, ya que alinear esfuerzos con estos gigantes de la industria puede impulsar significativamente el viaje de la visa H1B.

Al equiparte con las habilidades adecuadas, adoptar un enfoque específico para estados y empleadores, y abrazar las posibilidades que se presentan, puedes emprender con confianza tu aventura de la visa H1B y prosperar en un mundo que valora tus talentos.

Preguntas frecuentes

Los medios mostrados en este artículo no son propiedad de Analytics Vidhya y se utilizan a discreción del autor.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!