本文利用英国、加拿大和美国招聘广告上的自然语言处理(NLP)估计职业/部门的数据强度(即每个职业/部门与数据制作有关的职位分配比例)。Lightcast收集的在线招聘广告数据为了解不同行业的劳动力需求和技能需求提供了及时和分类的见解。本论文作出了三大贡献。首先，从Lightcast数据中创建的指标增加了对劳动力市场中数字技能的理解。第二，结果可能会促进国民账户统计中数据资产的计量。第三，NLP方法可处理多达66种语言，并可用于衡量数字技能以外的概念。结果提供了不同职业之间数据强度的排序，数据分析活动对所有三个国家的数据强度份额的汇总贡献最大。在部门一级，各国新出现的情况更加参差不齐。劳动力需求的差异主要解释了这些差异，而在英国，数据密集程度低的专业对汇总数据强度的贡献最大。采用费用总和法和部门强度份额的数据投资估计数表明，联合王国和加拿大的投资水平低于美国。

本参考文件汇集了兰德公司项目从业人员使用自然语言处理（NLP）工具和方法的经验教训。NLP是一个总括性术语，指的是使计算机能够分析人类语言的一系列工具和方法。经验教训的描述围绕四个步骤组织：数据收集、数据处理（即为建模做准备的NLP特定文本处理）、建模以及应用程序开发和部署 ，这些NLP从业者在兰德公司花费或花费了大部分时间从事与国防、国家情报、国际安全或国土安全相关的项目；因此，所吸取的经验教训主要来自这些领域的项目。尽管很少有经验教训专门适用于美国国防部及其NLP任务，但许多经验教训对国防部来说可能特别突出，因为其术语非常特定于领域，充满了行话，其大部分数据都是机密或敏感的，其计算环境更受限制，并且其信息系统通常不被设计为支持大规模分析