Jika data penggajian bulanan menjadi tidak dapat diandalkan, saya membuat pelacak penggajian FICA langsung dari Departemen Keuangan. Ini melacak pemotongan FICA real-time selama periode preferensi Anda.

Suka analogi ini dalam buku baru @dollarsanddata "The Wealth Ladder". Uang itu seperti garam. Ini tidak akan membuat makanan Anda menjadi makanan bintang Michelin, tetapi itu akan meningkatkan semua pengalaman Anda lebih sesuai dengan keinginan Anda. Dia juga membahas bagaimana hal ini berhubungan dengan @SahilBloom 5 Jenis Kekayaan. Dua buku terbaik yang pernah saya baca tahun ini.

Pada titik ini, hampir merupakan keharusan moral untuk menggunakan media sosial untuk meningkatkan konten yang mencairkan lautan omong kosong yang diberikan kepada orang-orang yang ingin dibohongi. Bersulang, @cullenroche.

Analogi yang berguna untuk memahami survei ketenagakerjaan bulanan versus QCEW (data ketenagakerjaan akhir yang dikeluarkan negara bagian) adalah garis taruhan olahraga. Garis taruhan adalah perkiraan awal—perkiraan berdasarkan informasi yang tidak lengkap atau awal. Demikian pula, laporan tenaga kerja bulanan adalah perkiraan berdasarkan data survei, yang terbatas dan dapat direvisi. Seiring berjalannya permainan, pembuat peluang menyesuaikan garis secara real time saat lebih banyak informasi tersedia—sama seperti angka tenaga kerja yang direvisi pada bulan-bulan berikutnya. Akhirnya, permainan berakhir, dan kami tahu skor sebenarnya. Skor akhir itu seperti QCEW: ini mencerminkan data ketenagakerjaan aktual yang dilaporkan oleh pemberi kerja ke negara bagian dan jauh lebih komprehensif. Revisi ini bukan "kesalahan"—ini adalah penyempurnaan berdasarkan data yang lebih baik. Terkadang perkiraan awal jauh; di lain waktu itu dekat. Tetapi dalam semua kasus, revisi—dan pada akhirnya QCEW—membawa kita lebih dekat ke kebenaran.

Hal yang lucu tentang kritik terhadap BLS adalah bahwa sumber data AS bertahun-tahun cahaya lebih baik daripada pemerintah lainnya. Gunakan EuroStat, NBS China atau SBJ Jepang. Mereka sampah dibandingkan dengan BLS, FRED atau sumber PEMERINTAH AS lainnya. Sampah panas.

Tahukah Anda apa yang tidak dapat dimanipulasi oleh BLS?

Saya tidak berpikir semua ini kontroversial. Pasar tenaga kerja lunak karena: 1) Perekonomian masih berarti kembali ke tingkat pra-covid. Ini telah terlihat jelas dalam semua data tenaga kerja terkemuka seperti bantuan sementara, jam kerja, tingkat berhenti, penghasilan per jam, dll. Semuanya lunak selama 18+ bulan. 2) AI mulai mengurangi kebutuhan akan perekrutan baru dan dapat dengan cepat berubah menjadi pemutusan hubungan kerja yang luas. Ini adalah risiko yang sangat serius terhadap permintaan agregat yang sebagian besar diabaikan. 3) Tarif konyol dan menciptakan ketidakpastian. Implementasi sebenarnya sejauh ini cukup sedikit, tetapi ketidakpastian tentang tarif menciptakan perlambatan perekrutan. Tak satu pun dari itu adalah akhir dunia, tetapi saya juga tidak melihat bagaimana semua ini mengejutkan. ¯\_(ツ)_/¯

Pemukulan akan berlanjut sampai moral membaik.

Ya, laporan BLS sangat berisik setiap bulan, tetapi kelembutan ini tidak mengejutkan. Data ketenagakerjaan ISM, Indeed dan ADP yang disediakan oleh sektor swasta semuanya mengkonfirmasi apa yang dikatakan laporan BLS pagi ini. Dan meskipun orang-orang mengabaikan ADP setiap bulan, itu sangat mirip secara YoY dengan laporan BLS.

Apa penyebab revisi pekerjaan besar? @TheStalwart dan @tracyalloway memiliki episode Odd Lots yang fantastis awal tahun ini dengan Kepala BLS tentang bagaimana pemotongan anggaran dan penurunan respons survei telah membuat pengumpulan data semakin sulit/tidak akurat. Pembekuan perekrutan federal kemungkinan mengurangi sumber daya yang tersedia untuk mengumpulkan dan memverifikasi data administratif dari pemerintah negara bagian dan lokal. Hal ini dapat menyebabkan perkiraan gaji yang berlebihan (misalnya, dengan memasukkan catatan yang kedaluwarsa atau tidak lengkap), yang dikoreksi dalam revisi setelah data yang diperbarui diterima. Waktu revisi ini (awal Agustus 2025) sejalan dengan akhir siklus fiskal atau pelaporan di mana koreksi tersebut dapat diselesaikan. Selain itu, pergeseran pekerjaan bersamaan dari kebijakan imigrasi dan pelaporan keuntungan kelahiran pribumi, kerugian kelahiran asing dapat memperburuk masalah jika sistem administrasi berjuang untuk mengklasifikasikan ulang pekerja di tengah perubahan kebijakan yang cepat. Bukan masalah besar IMO. Sulit untuk mendapatkan data pekerjaan waktu nyata. BLS melakukan pekerjaan dengan baik dengan sumber dayanya yang terbatas dan sementara revisi yang lebih akurat tertinggal, pada akhirnya masih melakukannya dengan benar. Pelajaran besarnya adalah memperlakukan data ketenagakerjaan bulanan dengan enteng dan data triwulanan agregat yang berlebihan untuk perspektif yang lebih baik.