我们评估关于职位空缺和求职申请的在线数据是否适合用于研究欧洲和美国以外的技能动态，在欧洲和美国，已有丰富的文献使用在线职位空缺数据研究了技能动态。然而，对于其他国家来说，无论其发展水平如何，关于技能动态的知识都是稀缺的。我们首先提出了一种分类法，系统地汇总了三大类技能——认知技能、社会情感技能和手工技能——以及14个常见的和可识别的技能子类别，我们根据通过关键词和表达确定的独特技能来定义这些子类别。我们的目标是开发一种全面而简洁的分类，适用于发展中国家和新兴经济体的劳动力市场现实，并适应在线空缺和申请人数据。然后，我们使用机器学习技术开发了一种方法，允许在在线空缺和申请人数据中实现技能分类，从而捕获供应和需求方。我们利用来自就业公告栏BuscoJobs的乌拉圭数据实施了上述方法，为64%的求职者的工作经历和94%的空缺分配了技能。我们认为这是一个成功的实现，因为所利用的文本信息通常不遵循标准化的格式。我们的方法的优势在于，它依赖于目前世界上许多国家可用的数据，因此可以针对具体国家进行分析，而不必假设各国的职业技能组合是相同的。据我们所知，我们是第一个在新兴经济体的背景下探索这种方法的国家。