城市酷想家｜大数据带你看制造业用工需求：兼议疫情影响

城市是流动的，是变化的，是被一些规律支配的。大数据能够帮我们观察城市街区之细微，也能俯视城市体系之宏大。

为此，上海交通大学中国发展研究院“城市酷想家”团队与澎湃研究所联合发起此专栏，旨在推进基于大数据的城市研究。

我们的目标不是描述有关城市的现象，而是将大数据与一些分析方法相结合，总结出与城市发展有关的社会科学规律及政策含义。这个专栏既发表原创的短文，也欢迎基于学术论文改写的文章。投稿信箱为citycoolcamp@163.com。

2022年初，上海宝山，集装箱仓库。澎湃新闻记者 周平浪 图

大数据技术的使用，使生产性服务业企业的跨区域服务能力大幅上升。与此同时，更大范围内的数据积累，也使我们能够更加灵活、准确和及时地把握宏观经济脉搏。本文即是运用互联网用工平台积累的灵活用工大数据分析制造业景气状况的一次尝试。

灵活用工是中国制造业一种重要的用工形式。相对正式工而言，灵活用工可以较好地应对订单的短期变化，从而有利于那些订单波动较大的企业保持相对较低的劳动力成本。随着“柔性制造”概念兴起，生产能力根据消费需求的快速变化做出及时响应，也成为企业竞争力的重要来源。在这样的背景下，灵活用工价格可以在很大程度上反映制造业企业的劳动力成本，同时，灵活用工数量和价格的短期波动也能反映企业市场需求情况的变化。

本文基于“我的打工网”积累的薪酬发放和招聘订单数据，描绘了2018年1月年至2021年底制造业灵活用工市场的变化，以期找寻劳动力供需变化的规律，并构建制造业劳动力市场景气指数，为企业、政府、市场和学术研究做参考。

一、数据简介和指标计算

（一）数据简介

本文采用的数据来源于“我的打工网”所服务企业的月度发薪数据及招聘订单数据。“我的打工网”总部位于昆山市，是一家服务于制造业蓝领工人的互联网就业平台，其业务范围主要覆盖长三角和珠三角地区，日均服务在职工人数量约5万人，年接待就业咨询人数约100万人。该平台服务会员（求职者）的“经纪人”模式以及集周薪和月薪为一体的发薪模式——“周薪薪”——是行业内首创。其中，月度发薪数据记录了用工企业通过 “周薪薪”APP每月向打工者发放薪酬的金额和计薪天数。本文采用的月度发薪数据涵盖了全部477家企业2018年1月至2021年11月的数据，原始发薪记录共165.8万条，汇总到企业-月度层面共6379条。招聘订单数据记录了“我的打工网”为客户企业招聘短期工所发布的招工公告信息，其主要内容为小时工价信息和其他一些和工价相关的简明条款。本文所使用招聘订单数据覆盖了2018年9月1日至2022年1月3日这一时期，数据量共60947条。

图1：招聘订单数据示例

（二）发薪数据相关指标计算

本文运用月度数据分析了灵活用工在职人数、灵活用工计薪天数、灵活用工加权平均日均价三个变量。按月加总的在职人数和计薪天数分别如图2和图3所示。需要特别指出的是，在职人数和用工天数的长期变化，不仅包含了灵活用工市场的发展，还包含了“我的打工网”本身的业务扩张。对这两个因素，我们难以区分。因此，我们对这两个指标的分析，着重关注其周期性的波动，以及其短期的异常变化。

图2：“周薪薪”在职人数月度变化。注：我们将在职人数进行了指数化处理，指数化的方式是以 2018 年全年平均的月度在职人数为基数，所有月份实际的在职人数相对于该基数的百分比即为在职人数指数。疫情前趋势线采用的是2020年1月之前的月度数据，实际趋势线采用的是整个观测期间的月度数据，趋势线绘制采用的方法是将所有企业的加总月度数据和月份进行简单的线性拟合。图3和图4的处理方式与图2类似。

图3：“周薪薪”用工天数月度变化

对灵活用工加权平均日均价的构造，我们采用的公式为：

其中，k是指第k期，i是指第i个企业。上述等式反映员工入职后，平均每天拿到的实际收入，或企业平均每天实际支付给该员工的工资。我们对最终的工资仍进行指数化处理，最终结果如图4所示。

图4：灵活用工加权平均价格月度变化

（三）招聘订单价格的处理

月度发薪数据是企业在发薪日对前一个月（甚至更久）的用工信息和工价信息的回溯，并据此进行实际支付。它是用工实际情况的事后反映。而实时的招聘价格即是当前劳动供给和需求综合作用的结果，更能实时反映当前的劳动力市场景气状况。因此，我们也采用了后者来计算实时工价，并据此构造了制造业劳动力市场景气指数。同样，我们也采用了加权平均的方式对不同企业的订单价格进行汇总，权重为各个订单实际面试通过人数占当天全部面试通过人数的比重。其结果如图5所示。

图5：招聘订单价格指数的实时变化。注：和前几张图类似，我们将2018年9-12月的平均招聘价格标准化为100，其他时期的招聘价格指数为实际招聘价格相对于标准化招聘价格的百分比。

二、数据中的灵活用工特征

本文计算的前两个指标，可分别用来反映灵活用工市场的劳动供给和劳动需求；后两个指标，可以反映由供需共同决定的灵活用工市场价格。其中，在职人数反映的是当月有多少人处在灵活就业状态。由于灵活就业的求职者很少长时间失业，处在灵活就业状态的人数基本反映了灵活就业的求职人数。计薪天数反映的是企业为灵活用工支付薪酬的天数。这一指标能在一定程度上反映灵活就业的劳动需求。灵活用工加权平均价格则反映了劳动供需的短期变化，起到调节劳动供需的作用。

具体而言，本报告展示的数据能反映如下几方面的特征性事实。

首先，灵活用工市场存在着非常明显的季节性特征。如图2-图5所示，在职人数、计薪天数和灵活用工价格都表现出明显的季节性特征。每年上半年为求职和用工的淡季。从九月开始，求职人数和用工数量都会出现较大幅的上升，旺季会持续到每年十二月。每年二月份，由于春节假期和务工者返乡的影响，求职人数和用工需求处于当年最低位。灵活用工价格也体现出季节性特征：总体而言，在同一年份，上半年的用工价格呈逐月下降趋势，年中开始逐渐走高，并在较高位置维持到春节之后。但由于求职人数和用工需求的同向波动，灵活用工价格的季节性波动幅度并没有求职人数和用工需求来得大。

其次，用工价格在三年内呈现出上升趋势。从图4和图5可以看到用工价格在三年内的增长趋势。表1展示了季度平均的招聘工价，显示2020年和2021年其同比增幅分别为8.65%和10.86%。在我们的数据中，用工价格上升可能由两方面因素驱动。一是最低工资的上涨推动的工价上升，二是劳动需求相对劳动供给更快的增长引起的工价上升。作为数据最主要来源地的苏州市，在2019-2020年并未发生最低工资调整。 同时，根据第七次人口普查数据，全国层面的流动人口规模和昆山市的人口规模，过去十年间都经历了较大幅度增长。因此，2019-2021年期间用工价格的总体上升趋势，更可能反映了低技能劳动力需求的快速上涨。

第三，2021年之前，新冠疫情对制造业短期内有影响，但总体并未造成实质性冲击。

短期波动体现在三个方面。首先是2020年2月至4月的异常变化。2020年2月，求职人数出现异常下降，但在3-4月出现反弹。用工天数也在同年三四月份出现反弹。同时，需求更大幅度上升使得2020年年初的招工价格和4-5月的实际用工价格大幅上涨。其次是2020年下半年求职人数和用工天数的飙涨。从用工旺季看，2018年和2019年，旺季都只在9-12月四个月出现。但是，2020年下半年的用工旺季，从8月到2021年的1月持续了六个月，并且在7-11月期间在职人数和在职天数都呈现持续上升趋势。与此同时，2020年，旺季相对于淡季的求职人数和用工天数增幅都比前两年要大。这两点可能和中国出口需求增长以及复工后外出务工人数超量反弹有关。第三，从年度用工价格变化看，如图5所示，2020年全年的用工均价增幅较低，尤其是4-8月期间。

从用工数据的三年趋势来看，在此期间内，疫情并没有对制造业造成实质性影响。在图2至图4中，是否包含疫情后的时期，各指标的趋势线都几乎不变。与此同时，图5中也显示，2020年用工价格增幅下降，在2021年也被修复。这可能正是互联网平台更广泛运用的结果：求职者在互联网平台上即可获得比较充分的招聘信息和劳动中介服务，大大减少了线下流动的必要性，从而降低了流动障碍对劳动力配置的影响。

三、基于灵活用工大数据构建的劳动力市场景气指数

理论上讲，灵活就业人群跨企业、行业就业的灵活性，制造业和服务业的灵活用工价是同步变化的；同时，制造业工厂多数都有灵活用工转正式工的渠道，因此，灵活用工和正式工的工价从更长时期来看也是高度相关的，同时比后者调整更灵活。因此制造业灵活用工价格能够反映制造业乃至全行业的劳动力市场供需状况。与此同时，由于灵活就业人群以新市民为主，这一指数也能够反映新市民群体的就业和收入状况。

如前所述，招聘订单价格数据能更好地反映制造业灵活用工劳动力市场实时的供需变化，因此，我们基于这一数据来构造制造业劳动力市场景气指数。我们对原始数据进行了一些处理，主要有以下三方面：（1）剔除季节性因素的影响；（2）采用相对稳定的企业权重；（3）剔除企业固有特征对招聘工价的影响（如有需要，这些处理细节可向作者索取）。进行这些处理后，我们得到了月度层面的制造业劳动力市场景气指数，如图6所示。

图6：制造业劳动力市场景气指数

在图6中，我们可以看到，2020年4-8月，制造业劳动力市场的情况确实较差，但9月后即迅速恢复；我们也能看到，2021年10月国外疫情带来的冲击，在年底之前也有一定程度恢复；同时，2021年的整体状况，比2020年好得多。由于采用的数据是可以实时获得的，因此，本指数比其他数据能更为及时地反映宏观经济状况。

本文提供的分析，仅源自灵活用工数据应用的一个视角。该数据的商业、学术价值及宏观经济意义有待进一步开发。我们欢迎各方以数据合作或商业咨询的方式来使用我们的原始数据。本文的前期成果，一部分发表在《苏州大学学报（哲学社会科学版）》2022年第2期，欢迎读者查阅。

【本文作者：向宽虎，上海大学经济学院讲师；陆铭，上海交通大学安泰经济与管理学院特聘教授，中国发展研究院执行院长；数据提供方：新市民产业与创新研究院（raye@junhal.com）。本文也是国家自然科学基金青年项目“开发区经济对微观企业绩效的影响及其地理异质性研究”（71703097）和面上项目“大数据视野下的城市空间结构与有效治理”（72073094）的阶段性成果。】