
文 | 白天亮
来源 | 人民日报
有人在喊“招工难”:上调了待遇、放宽了标准,还是连续几个月招不到人。有人在喊“就业难”:工作一年比一年难找,应聘时一个岗位几十人来面试。劳动力市场供求态势到底怎么样?不妨让大数据来说话。
制图:蔡华伟岗位空缺总体略大于求职人数
人力资源和社会保障部中国人力资源市场信息监测中心2015年对全国100多个城市的公共就业服务机构市场供求状况监测显示,劳动力市场需求略大于供给。
2015年第四季度的汇总数据表明,岗位空缺与求职人数的比率(求人倍率)约为1.10,用人单位通过公共就业服务机构招聘各类人员约439万人,进入市场的求职者约400万人。
2015年第三季度,用人单位通过公共就业服务机构招聘各类人员约505万人,进入市场的求职者约462万人,求人倍率约为1.09。
分析2015年四个季度的数据,可以看出,劳动力市场总体上需求大于供给,求人倍率大致在1.10上下浮动。各个季度的起伏有季节性因素存在,例如一季度包括了春节,在此期间用人单位释放出大量岗位,但求职者并未大量入场。
中国人民大学中国就业研究所所长曾湘泉认为,在中国经济转型的大环境下,小微企业获得政府越来越多的政策、资源、甚至资金配置的倾斜。智联招聘数据显示,2015年第四季度微型企业(企业规模人数20人以下)用工需求同比猛增49%。微型企业CIER指数(需求人数/求职人数)首次超过小型企业“跃居榜首”,表明小微企业的就业形势相对较好。
记者了解到,新世纪以来,求人倍率逐步提高。在2001年一季度,求人倍率为0.65,即100个求职者竞争65个岗位,岗位供不应求,找工作极其不易。
中西部地区更容易找到工作,求职者仍涌向东部
东、中、西部,劳动力市场供求有何差异?中国人力资源市场信息监测中心的数据显示,三大区域市场需求均略大于供给。2015年四季度的数据最能反映当前的情况。四季度与上年同期相比,东部地区求职人数略有增长,中西部地区的市场供求人数呈下降态势,西部市场供求人数的下降幅度高于东、中部地区。东、中、西部地区岗位空缺与求职人数比率分别为1.08、1.13、1.13,市场需求均略大于供给。
既然中西部地区更容易找到工作,为什么求职者仍涌向东部?关键的因素是工资,东部地区吸纳的就业总量占全国的40%以上,平均工资水平明显高于中西部地区。大型网络招聘企业——智联招聘的在线数据显示,对比2015年冬季全国32个主要城市职位平均薪酬,北京、上海、深圳、杭州、广州位居前五,全是东部城市,薪酬水平明显领先于中西部。不过,在西南部经济发展进步飞速的成都和重庆的薪酬水平也在快速提升,进入到全国前十的位置。
中国人力资源市场信息监测中心的数据显示,从行业需求看,企业用人需求主要集中在制造业(33.9%)、批发和零售业(14.2%)、住宿和餐饮业(10.6%)、居民服务和其他服务业(10.2%)、租赁和商务服务业(7.2%)、信息传输计算机服务和软件业(4.6%)、建筑业(3.7%)等行业。
2015年第四季度,除信息传输计算机服务和软件业(+23.7%)、交通运输仓储和邮政业(+17.3%)、租赁和商务服务业(+1.0%)等三个行业的用人需求同比有所增长外,其余各行业的用人需求均有所减少。其中,用人需求减少较多的行业有:建筑业(-26.1%)、房地产业(-16.0%)、制造业(-14.5%)、住宿和餐饮业(-9.4%)、批发和零售业(-8.3%)。这一态势也与不同行业的景气度基本一致。
结构性矛盾突出,“好工作”难找
数据显示,尽管劳动力市场总体上需求大于供给,但结构性矛盾突出,不同的岗位在供求对比上有较大的差异。
以中国人力资源市场信息监测中心监测的全国十大城市岗位需求和求职排行榜为例:2015年第四季度,餐厅服务员、厨工、简单体力劳动人员、安全保卫人员等职业的用人需求较大,而财会人员、行政办公人员等职业的用人需求相对较小。其中,上海市餐厅服务员、厨工的岗位空缺与求职人数比达到了7∶1,此类劳动力严重供不应求。而合肥市行政办公人员的岗位空缺与求职人数比则为1∶9,用人单位招1人、求此职位的则达到9人。
岗位的供求状况,与城市的产业发展态势紧密相关。以重庆为例,随着产业梯度转移、信息产业加快发展,2015年全年当地对电子设备相关人员都是“求贤若渴”。一季度,重庆电子元件、电子设备制造人员的求人倍率达到3,二季度达到6,三季度为7,四季度为4,释放了大量岗位需求。
值得关注的是,行政办公人员、会计人员在各大城市均不易找到工作,岗位空缺与求职人数的比例全年在1∶9到1∶2之间浮动。
传统意义上的“好工作”竞争极其激烈。智联招聘的数据显示,2015年冬季“白领”就业不易,求职者投递简历数量最多的行业分别是互联网/电子商务、房地产/建筑/建材/工程和基金/证券/期货/投资。求职者简历投递量在一定程度上反映了求职者心目中各行业的受欢迎程度。这些行业大多具有薪酬福利好、社会地位高的特点。end
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08