城市是流動的，是變化的，是被一些規律支配的。大數據能夠幫我們觀察城市街區之細微，也能俯視城市體系之宏大。

為此，上海交通大學中國發展研究院“城市酷想家”團隊與澎湃研究所聯合發起此專欄，旨在推進基于大數據的城市研究。

我們的目標不是描述有關城市的現象，而是將大數據與一些分析方法相結合，總結出與城市發展有關的社會科學規律及政策含義。這個專欄既發表原創的短文，也歡迎基于學術論文改寫的文章。投稿信箱為citycoolcamp@163.com。

2022年初，上海寶山，集裝箱倉庫。澎湃新聞記者 周平浪 圖

大數據技術的使用，使生產性服務業企業的跨區域服務能力大幅上升。與此同時，更大范圍內的數據積累，也使我們能夠更加靈活、準確和及時地把握宏觀經濟脈搏。本文即是運用互聯網用工平臺積累的靈活用工大數據分析制造業景氣狀況的一次嘗試。

靈活用工是中國制造業一種重要的用工形式。相對正式工而言，靈活用工可以較好地應對訂單的短期變化，從而有利于那些訂單波動較大的企業保持相對較低的勞動力成本。隨著“柔性制造”概念興起，生產能力根據消費需求的快速變化做出及時響應，也成為企業競爭力的重要來源。在這樣的背景下，靈活用工價格可以在很大程度上反映制造業企業的勞動力成本，同時，靈活用工數量和價格的短期波動也能反映企業市場需求情況的變化。

本文基于“我的打工網”積累的薪酬發放和招聘訂單數據，描繪了2018年1月年至2021年底制造業靈活用工市場的變化，以期找尋勞動力供需變化的規律，并構建制造業勞動力市場景氣指數，為企業、政府、市場和學術研究做參考。

一、數據簡介和指標計算

（一）數據簡介

本文采用的數據來源于“我的打工網”所服務企業的月度發薪數據及招聘訂單數據。“我的打工網”總部位于昆山市，是一家服務于制造業藍領工人的互聯網就業平臺，其業務范圍主要覆蓋長三角和珠三角地區，日均服務在職工人數量約5萬人，年接待就業咨詢人數約100萬人。該平臺服務會員（求職者）的“經紀人”模式以及集周薪和月薪為一體的發薪模式——“周薪薪”——是行業內首創。其中，月度發薪數據記錄了用工企業通過 “周薪薪”APP每月向打工者發放薪酬的金額和計薪天數。本文采用的月度發薪數據涵蓋了全部477家企業2018年1月至2021年11月的數據，原始發薪記錄共165.8萬條，匯總到企業-月度層面共6379條。招聘訂單數據記錄了“我的打工網”為客戶企業招聘短期工所發布的招工公告信息，其主要內容為小時工價信息和其他一些和工價相關的簡明條款。本文所使用招聘訂單數據覆蓋了2018年9月1日至2022年1月3日這一時期，數據量共60947條。

圖1：招聘訂單數據示例

（二）發薪數據相關指標計算

本文運用月度數據分析了靈活用工在職人數、靈活用工計薪天數、靈活用工加權平均日均價三個變量。按月加總的在職人數和計薪天數分別如圖2和圖3所示。需要特別指出的是，在職人數和用工天數的長期變化，不僅包含了靈活用工市場的發展，還包含了“我的打工網”本身的業務擴張。對這兩個因素，我們難以區分。因此，我們對這兩個指標的分析，著重關注其周期性的波動，以及其短期的異常變化。

圖2：“周薪薪”在職人數月度變化。注：我們將在職人數進行了指數化處理，指數化的方式是以 2018 年全年平均的月度在職人數為基數，所有月份實際的在職人數相對于該基數的百分比即為在職人數指數。疫情前趨勢線采用的是2020年1月之前的月度數據，實際趨勢線采用的是整個觀測期間的月度數據，趨勢線繪制采用的方法是將所有企業的加總月度數據和月份進行簡單的線性擬合。圖3和圖4的處理方式與圖2類似。

圖3：“周薪薪”用工天數月度變化

對靈活用工加權平均日均價的構造，我們采用的公式為：

其中，k是指第k期，i是指第i個企業。上述等式反映員工入職后，平均每天拿到的實際收入，或企業平均每天實際支付給該員工的工資。我們對最終的工資仍進行指數化處理，最終結果如圖4所示。

圖4：靈活用工加權平均價格月度變化

（三）招聘訂單價格的處理

月度發薪數據是企業在發薪日對前一個月（甚至更久）的用工信息和工價信息的回溯，并據此進行實際支付。它是用工實際情況的事后反映。而實時的招聘價格即是當前勞動供給和需求綜合作用的結果，更能實時反映當前的勞動力市場景氣狀況。因此，我們也采用了后者來計算實時工價，并據此構造了制造業勞動力市場景氣指數。同樣，我們也采用了加權平均的方式對不同企業的訂單價格進行匯總，權重為各個訂單實際面試通過人數占當天全部面試通過人數的比重。其結果如圖5所示。

圖5：招聘訂單價格指數的實時變化。注：和前幾張圖類似，我們將2018年9-12月的平均招聘價格標準化為100，其他時期的招聘價格指數為實際招聘價格相對于標準化招聘價格的百分比。

二、數據中的靈活用工特征

本文計算的前兩個指標，可分別用來反映靈活用工市場的勞動供給和勞動需求；后兩個指標，可以反映由供需共同決定的靈活用工市場價格。其中，在職人數反映的是當月有多少人處在靈活就業狀態。由于靈活就業的求職者很少長時間失業，處在靈活就業狀態的人數基本反映了靈活就業的求職人數。計薪天數反映的是企業為靈活用工支付薪酬的天數。這一指標能在一定程度上反映靈活就業的勞動需求。靈活用工加權平均價格則反映了勞動供需的短期變化，起到調節勞動供需的作用。

具體而言，本報告展示的數據能反映如下幾方面的特征性事實。

首先，靈活用工市場存在著非常明顯的季節性特征。如圖2-圖5所示，在職人數、計薪天數和靈活用工價格都表現出明顯的季節性特征。每年上半年為求職和用工的淡季。從九月開始，求職人數和用工數量都會出現較大幅的上升，旺季會持續到每年十二月。每年二月份，由于春節假期和務工者返鄉的影響，求職人數和用工需求處于當年最低位。靈活用工價格也體現出季節性特征：總體而言，在同一年份，上半年的用工價格呈逐月下降趨勢，年中開始逐漸走高，并在較高位置維持到春節之后。但由于求職人數和用工需求的同向波動，靈活用工價格的季節性波動幅度并沒有求職人數和用工需求來得大。

其次，用工價格在三年內呈現出上升趨勢。從圖4和圖5可以看到用工價格在三年內的增長趨勢。表1展示了季度平均的招聘工價，顯示2020年和2021年其同比增幅分別為8.65%和10.86%。在我們的數據中，用工價格上升可能由兩方面因素驅動。一是最低工資的上漲推動的工價上升，二是勞動需求相對勞動供給更快的增長引起的工價上升。作為數據最主要來源地的蘇州市，在2019-2020年并未發生最低工資調整。 同時，根據第七次人口普查數據，全國層面的流動人口規模和昆山市的人口規模，過去十年間都經歷了較大幅度增長。因此，2019-2021年期間用工價格的總體上升趨勢，更可能反映了低技能勞動力需求的快速上漲。

第三，2021年之前，新冠疫情對制造業短期內有影響，但總體并未造成實質性沖擊。

短期波動體現在三個方面。首先是2020年2月至4月的異常變化。2020年2月，求職人數出現異常下降，但在3-4月出現反彈。用工天數也在同年三四月份出現反彈。同時，需求更大幅度上升使得2020年年初的招工價格和4-5月的實際用工價格大幅上漲。其次是2020年下半年求職人數和用工天數的飆漲。從用工旺季看，2018年和2019年，旺季都只在9-12月四個月出現。但是，2020年下半年的用工旺季，從8月到2021年的1月持續了六個月，并且在7-11月期間在職人數和在職天數都呈現持續上升趨勢。與此同時，2020年，旺季相對于淡季的求職人數和用工天數增幅都比前兩年要大。這兩點可能和中國出口需求增長以及復工后外出務工人數超量反彈有關。第三，從年度用工價格變化看，如圖5所示，2020年全年的用工均價增幅較低，尤其是4-8月期間。

從用工數據的三年趨勢來看，在此期間內，疫情并沒有對制造業造成實質性影響。在圖2至圖4中，是否包含疫情后的時期，各指標的趨勢線都幾乎不變。與此同時，圖5中也顯示，2020年用工價格增幅下降，在2021年也被修復。這可能正是互聯網平臺更廣泛運用的結果：求職者在互聯網平臺上即可獲得比較充分的招聘信息和勞動中介服務，大大減少了線下流動的必要性，從而降低了流動障礙對勞動力配置的影響。

三、基于靈活用工大數據構建的勞動力市場景氣指數

理論上講，靈活就業人群跨企業、行業就業的靈活性，制造業和服務業的靈活用工價是同步變化的；同時，制造業工廠多數都有靈活用工轉正式工的渠道，因此，靈活用工和正式工的工價從更長時期來看也是高度相關的，同時比后者調整更靈活。因此制造業靈活用工價格能夠反映制造業乃至全行業的勞動力市場供需狀況。與此同時，由于靈活就業人群以新市民為主，這一指數也能夠反映新市民群體的就業和收入狀況。

如前所述，招聘訂單價格數據能更好地反映制造業靈活用工勞動力市場實時的供需變化，因此，我們基于這一數據來構造制造業勞動力市場景氣指數。我們對原始數據進行了一些處理，主要有以下三方面：（1）剔除季節性因素的影響；（2）采用相對穩定的企業權重；（3）剔除企業固有特征對招聘工價的影響（如有需要，這些處理細節可向作者索取）。進行這些處理后，我們得到了月度層面的制造業勞動力市場景氣指數，如圖6所示。

圖6：制造業勞動力市場景氣指數

在圖6中，我們可以看到，2020年4-8月，制造業勞動力市場的情況確實較差，但9月后即迅速恢復；我們也能看到，2021年10月國外疫情帶來的沖擊，在年底之前也有一定程度恢復；同時，2021年的整體狀況，比2020年好得多。由于采用的數據是可以實時獲得的，因此，本指數比其他數據能更為及時地反映宏觀經濟狀況。

本文提供的分析，僅源自靈活用工數據應用的一個視角。該數據的商業、學術價值及宏觀經濟意義有待進一步開發。我們歡迎各方以數據合作或商業咨詢的方式來使用我們的原始數據。本文的前期成果，一部分發表在《蘇州大學學報（哲學社會科學版）》2022年第2期，歡迎讀者查閱。

【本文作者：向寬虎，上海大學經濟學院講師；陸銘，上海交通大學安泰經濟與管理學院特聘教授，中國發展研究院執行院長；數據提供方：新市民產業與創新研究院（raye@junhal.com）。本文也是國家自然科學基金青年項目“開發區經濟對微觀企業績效的影響及其地理異質性研究”（71703097）和面上項目“大數據視野下的城市空間結構與有效治理”（72073094）的階段性成果。】