你的城市复工了吗？

中制智库

16 February 2020

中制智库

作者： 脉策&启信宝

文章来源：城市数据团

【导语】我们不主张悲观唱衰或者盲目自信的各种预测，而是利用百度地图数据计算出各个城市内部的人流活力恢复情况，进而对复工现象进行一些基本的分析和挖掘。

本文字数 | 2575字

阅读时间 | 8分钟  

很多朋友都希望我们能分析下此次疫情对经济的影响，我们也看到很多机构都用各种方法做出了很多预测。在这种情况下，我们是不主张悲观唱衰或者盲目自信的各种预测的，还是从数据角度对现象进行一些基本的分析和挖掘吧。
现阶段，大家最关心的除了疫情、剩下的就是复工了。

那么，你的城市复工了吗？

首先，复工是由各地方政府来精准施策的，不少城市还需要有企业进行复工申请和批示，而这些数据我们暂时不能获取，因此，我们换了一个思路，即是利用百度地图数据计算出各个城市内部的人流活力恢复情况，近似地代表各个城市线下复工率大体状况，因此，我们就有了一下这个公式：

#复工率指数#

（说明：数据来源为百度地图。复工率指数不等于真实复工率，但可以近似代表线下复工率大体的程度。）

（图中蓝色越深，复工率指数越低）

从第一周的情况来看，全国平均线下复工率指数约42%，而相比之下，2019年春节后同期复工率指则超过90%，不到去年的一半。
而分区域来看，江浙沪、湖北、河南、新疆、黑龙江、成渝的线下复工率指数都低于全国水平，不足40%，而在云南、湖南、贵州、西藏等地的复工率指数较高，在70%左右，但同样不及去年同期水平。
再来看20个样本城市（选取了一二三线部分有代表性的城市）的线下复工率指数：

可以看到，绝大多数样本城市的线下复工率指数低于全国平均水平；一线城市中，北上广不足40%，深圳更是只有20%出头。
当然，城市间的复工率指数差异除了受疫情程度不同影响外，城市间产业结构、外来劳动力依赖度等因素都会对复工率产生影响（比如建筑业复工期远远晚于服务业，那么建筑业占比高的城市自然复工率就比服务业占比高的城市低）。
为了排除这一因素，我们再用每个城市的今年和去年做同期复工率比较，因此就有以下这个公式：

#相对复工指数#

（数据来源：百度地图）

把结果落在地图上：

（图中绿色越深，相对复工指数越高）

这张图乍看之下似乎规律并不明显。但如果我们把这张图与下面这张“病例浓度图”（新冠肺炎确诊人数/常住人口数）进行比较，将会发现二者有很强的空间互斥性。

（数据来源：各地卫健委网站。图中红色越深，病例浓度越高）

简单地说，病例浓度越高的地区，相对复工程度越低；病例浓度越低的地区，相对复工程度越高。
这个结论基本符合常识认知。那么我们就可以进一步来分析下一个问题：

现阶段复工率仍然很低（尤其是发达地区城市），是因为外来劳动力还没有回到其所在城市吗？

这里，我们可以继续利用百度地图数据，比较一下2020年春季前后三周的人口迁入迁出变化，以近似地代表每个城市缺工的大体情况，于是就有了以下公式：

#缺工规模指数#

（说明：数据来源为百度地图。缺工规模指数不等于实际缺工规模，但可以近似代表大体缺工的规模程度。）

（图中红色越深，缺工规模指数越大）

上图中，京津冀、长三角核心区、珠三角和许多省会城市都呈现深红色，这意味着比较严重的缺工。
再来看看样本城市的缺工情况：

可以看到，缺工规模最大的四个城市正好是四个一线城市；其中，对外来劳动力依赖程度较高的广深更是严重的地区。
但是，城市规模的差异性可能影响就业规模，进而对缺工规模造成影响，为了消除这一差异，我们把每个城市的常住人口数引入进来，进一步说明缺工的严重程度：

#缺工率指数#

（说明：数据来源为百度地图。缺工率指数不等于实际缺工率，但可以近似代表每个城市单位人口规模下的缺工情况。）

（图中红色越深，缺工率指数越大）

可以看出：

北上的颜色“暗淡”了，排名“落后”了，这说明它们缺口虽大，家底也厚，缺工率指数并不是很高；而珠三角以制造业为特色的中山、东莞、佛山等城市成为了缺工率指数最高的城市。相应地，省会城市的缺工率指数往往远高于其他省内城市。
当然，随着疫情进一步得到缓解和控制，后续国内的劳动力流动性会进一步加强，各个城市的缺工率也会进一步下降。这一点我们很有信心。

那么各个城市的复工信心又怎样呢？

面对较低的复工率和巨大的劳动力缺口，大部分城市其实在复工后第一时间就挂出了大量的招聘信息。我们从启信宝提供的60万条抽样招聘信息中提取出20个样本城市的年后招工规模指数，可以从这个角度来观察以上问题：

#招工指数#

（说明：数据来源为启信宝。招工规模指数不等于实际全量招聘岗位数，但与招聘岗位数正相关。）

显然，缺工规模指数最大的一线城市，招工规模指数也最大。进一步地，我们绘制了“缺工规模指数~招工规模指数”和“缺工率指数~复工率指数”的两张散点图。

大体可以看到，缺工规模指数与招工规模指数成正相关，缺工率指数与复工率指数成负相关。
接下来，我们以缺工率指标为横轴（做了对数处理），招工率指标为纵轴（做了对数处理），做出了下面这张散点图。

我们把20个城市分到4个象限：

• 右上角：缺工率高、招工率也高；包括以广州、杭州、深圳为代表的一线与准一线城市，它们面临的缺工困难较大，但恢复的意愿和信心也都非常强。
• 左下角：缺工率低、招工率也低；包括青岛、济南、昆明等城市，其劳动力缺失情况不严重，而相应地，招工意愿也较为一般。
• 右下角：缺工率高，招工率低；以中山和佛山为代表的城市里，企业似乎招聘意愿不强，这是值得我们关注的现象与地区。
• 左上角：缺工率低，招工率高；北京上海成都都是这一类城市，其实已经有大量的劳动力返回了，困难不是那么严重，但这些城市的企业仍然希望能够进一步扩大招聘规模，表现出较强的信心。

当然，城市的“招工”态度不同，可能跟城市的产业结构有一定关联。比如传统制造业可能在疫情前就在若干地区出现了问题。
那么为了排除产业结构差异，更针对性地观察疫情对招工的影响，我们可以对招聘岗位情况进行今年和去年的同期对比，用以下公式：

#招工意愿指数#

（说明：数据来源为启信宝。）

招工意愿指数大于0，意味着某行业今年的相对招工意愿强于去年；小于0，则是相对弱于去年。

从全国层面来看，受疫情影响，绝大多数行业的招工意愿都比去年要弱，其中：

• 文体娱乐、制造、住宿餐饮等行业的招工意愿下降较大，超过了50%；
• 交运物流、房地产、教育等行业的招工意愿也下降30%-40%；
• 在普遍较弱的情况下，招工意愿增强的行业是金融和信息服务。

如果我们把以上算法细分到每个城市，会看到更有有针对性的结果，我们会看到在疫情之下，依然有很多行业支撑着城市的经济信心，请看下图：

（说明：仅展示每个城市招工意愿指数高于0的行业top3）

可以看到：

• 就大部分城市而言，信息技术、科研技术和金融业的招工意愿依然普遍较高。
• 在大行业遭受寒冬的情况下，北京、深圳以及青岛的餐饮住宿行业依然有较高的招工意愿。
• 东莞、中山等强制造业城市影响较为严重，全行业招工意愿均低于去年。
• 长沙招工意愿较去年更高的行业是文体娱乐行业。
• 武汉招工意愿较去年更高的行业是卫生和社工。

以上分析研究，仅供大家参考。欢迎在后台留言写下你所在城市的复工情况。

说明：

本文由脉策数据（城市数据团）和启信宝联合出品。主要数据来源为启信宝、百度地图，脉策负责数据分析、制图和文章创作。

复工率指数=红圈段平均值/篮圈段平均值