Zelf query's draaien
Stel je eigen vraag aan de set, in gewone SQL. Alles draait in je browser: de query gaat nooit naar onze server, er is geen limiet op wat je vraagt, en het resultaat is direct te downloaden.
Eerst even downloaden
Hiervoor is een database-engine nodig die in je browser draait: 5,3 MB, plus 2,3 MB aan data. Eenmalig — je browser onthoudt het daarna. Wij laden het pas als je erom vraagt, zodat niemand die kosten maakt door hier per ongeluk te belanden. Op een normale verbinding ben je binnen een halve minuut aan het werk.
De tabellen
organisaties
De kolommen sector, is_religious_website en has_remote_options zijn door ons afgeleid en niet door de organisatie zelf opgegeven. Sector is voor 45,4% van de rijen "overig" of leeg. website_status is een momentopname van het laatste bezoek, niet van vandaag. Kijk bij de coördinaten naar geo_precisie, want de twee waarden zijn niet vergelijkbaar. Bij "pand" is het punt het gebouw zelf, gevonden op postcode plus huisnummer uit een adres dat op de eigen website van de organisatie stond, en staat er een BAG-identificatie bij waarmee de rij aan de Basisregistratie Adressen en Gebouwen te koppelen is. Bij "woonplaats" is het het middelpunt van het dorp: alle organisaties in Warnsveld delen dan hetzelfde punt. Beide komen van de PDOK Locatieserver van het Kadaster. Reken dus geen afstanden op rijen met precisie "woonplaats". 688 organisaties zijn buiten Nederland gevestigd en hebben daarom wel een land maar geen provincie; 153 hebben geen van beide. Een plaatsnaam die niet eenduidig op te lossen was blijft leeg in plaats van een gok te krijgen: er zijn drie Beeks en twee Achtervelds, in verschillende provincies.
rsintextnaamtextvestigingsplaatstextprovincietextlandtextlatitudereallongituderealgeo_precisietextbag_idtextingangsdatumtextsectortextsector_confidencerealwebsite_statustextorganization_statustextis_religious_websiteintegerhas_remote_optionsintegerlast_crawled_attextsignalenintegerpaginatext
vacatures
Bijna alles in deze tabel is afgeleid door een taalmodel uit de tekst van een webpagina, en de dekking verschilt sterk per kolom: werklocatie is voor 100% bekend, functienaam voor 10,9% en opleidingsniveau voor 5,1%. Een lege cel betekent dat wij het niet konden vaststellen, niet dat het er niet stond. Zie de dataset "dekking" voor alle percentages.
signaal_idintegerrsintextorganisatietextsectortextprovincietextvestigingsplaatstextdienstverbandtextwerklocatietextthuiswerkintegeruren_per_weekintegerfunctietextfunctiecategorietextopleidingsniveautextcontractvormtextgevonden_optextbron_urltext
signalen
Dit is werkmateriaal, geen vacaturelijst. Het overgrote deel van deze rijen is geen openstaande vacature: het zijn overzichtspagina's, verlopen advertenties, duplicaten en pagina's die onze triage heeft afgekeurd. Gebruik de dataset "vacatures" als je wilt weten wat er daadwerkelijk openstaat.
signaal_idintegerrsintexturltextgevonden_optextpaginasoorttextinhoudsoorttextis_remoteintegeris_vrijwilligintegerkwaliteitsscorerealfunctietexttriagetextgearchiveerdintegerarchiefredentext