近几年来，我国互联网招聘市场迅速发展。根据Analysys易观发布的数据显示，2016年中国互联网招聘市场规模50.2亿，2018年互联网招聘市场规模达到80亿，环比增长18.6%，预计2020年，中国互联网招聘市场规模将达到94.5亿元人民币。移动互联网的快速发展，进一步为招聘业注入了新的活力，求职者从PC端已逐渐转向移动端。大数据和云计算可以将海量的信息需求进行高效处理，有针对性地匹配每一类甚至每一个单独的需求，提供精细化和个性化的需求解决方案，并创造出良好的用户体验。长期以来，我国劳动统计数据不完备，乃至于统计口径和方法都存在较大争议，利用大数据深入开展我国劳动力市场研究和政策分析就显得尤为重要。

1.线上求职招聘逐步成为常态

我国在线求职招聘起源于20世纪90年代。进入21世纪以来，垂直招聘与社交招聘平台兴起，逐渐占领了综合招聘的市场。2016年后，AI被广泛应用于求职招聘领域，同时内推、拍卖等人才招聘的新模式不断涌现。根据国家统计局公开数据显示，我国有9亿劳动人口，其中白领近2亿，蓝领约4亿人，蓝领中农民工占2.74亿，农民工中制造业蓝领约占1亿，建筑业蓝领占5000万～8000万，服务业蓝领约占1.2亿。由于白领相对注重职业的稳定性和职业技能的积累，通常一个白领平均主动求职和跳槽的频率在1年1～2次；而一个蓝领1年中主动求职和跳槽的频率是4～5次，是白领的近4倍，这其中蓝领人群主要来自农民工。劳动力市场大数据的产生源于互联网对劳动力市场运行方式的变革。信息技术和互联网的发展改变了劳动者与用工方之间的信息获取与匹配机制，互联网逐渐成为应用广泛的劳动力市场中介，甚至可能取代其他中介，成为未来劳动力市场搜寻与匹配的主要渠道。当前，年轻人通过手机找工作已成为再平常不过的事情，跳槽求职变成了“点点屏幕就可以搞定”的简单事情。此外，线下招聘流程长、流程烦琐也导致手机移动招聘成为主流。在此背景下，互联网所记录的有关求职者工作搜寻、用工方雇员搜寻的过程与结果的数据，就构成了劳动力市场搜寻与匹配的客观观测数据集。

根据Mob研究院的分析数据，2018年下半年至2019年年初，在线求职招聘市场规模一路走高，装机量突破6000万大关。

图5　2018—2019年在线求职招聘市场规模

根据运营模式与目标客户的不同，在线求职招聘行业可细分为综合招聘、垂直招聘、社交招聘等众多细分领域。按照Mob研究院的分析，综合招聘类App主要是以传统招聘平台为主，招聘范围广、岗位信息全。垂直招聘类App是指专注于某类行业、特定人群或是某类特定区域的招聘平台，其运作模式多样化。就在线求职招聘的发展趋势来讲，垂直化与社交化已成为求职招聘行业的发展趋势。从发展角度看，大众招聘需去中介化、高端招聘需实现人才与岗位的精准匹配、社交招聘需满足用户多元化的交流需求、提供全面的配套服务，以优化用户体验、增强用户黏性。

2.数据来源更为丰富多样

自1962年斯蒂格勒在《劳动力市场中的信息》一文中提出劳动力市场信息理论之后，研究者们基于传统调查的数据对劳动者的工作搜寻行为进行了大量实证研究。相比之下，有关用工方搜寻策略和行为的研究仍显不足，用工方搜寻行为研究的滞后在一定程度上是由于缺乏数据导致的。传统的问卷调查只能获取搜寻与匹配结果数据，而缺乏过程数据，导致劳动力市场动态研究进展缓慢。此外，现有的劳动力市场研究基于问卷调查的“回忆性”记录，通过这种方式获取的数据有限并且具有测量误差，导致通过数学模型对结果的估算有偏差。劳动力市场大数据不仅具有全样本的特征，同时还具有动态性、即时性等显著特征，因此能够用来分析那些传统问卷调查方法无法分析的问题。比如，招聘网站不仅能提供某一时点的劳动力市场的“快照”信息，而且能提供供需双方的交易历史数据。传统问卷调查获取的是小样本数据，通过小样本数据或适度抽样后的小数据进行群体规律的知识发现。而大数据采用的是全样本数据，通过搜索海量样本数据发现目标个体的规律或关联性。传统的问卷调查只能获取被某一岗位雇用的劳动者的信息，而无法获取没有被该岗位雇用的劳动者的信息。然而，基于互联网的大数据却同时包含聘用和未被聘用劳动者两类信息。通过招聘网站可以实时获取某空缺岗位收到的求职申请数量、求职者基本信息、位置信息等数据。除了招聘网站，互联网搜索引擎，也是人们搜索工作信息的工具之一，传统调查方法数据来源是点或线，而大数据的数据来源是全面的、立体的。

比如，脉脉数据研究院是脉脉旗下的一家跨行业、跨职场型趋势研究与数据分析机构。该研究院的数据核心建立在脉脉平台的职场大数据基础之上，并结合大量案例采访，脉脉数据研究院的主要研究成果是以《脉脉职业数据白皮书》《脉脉职业数据报告》为代表的一系列各行各业发展趋势和职场状况分析。比如，根据脉脉数据，该研究院发布的《人才流动与迁徙报告2020》，就是通过大量数据分析而得出结论：经济重心的变化与人才流动两者互相作用影响，这种作用影响正重新塑造着中国城市的格局。

图6　2019年人才净流入排名前十城市

图7　北上广深人才流动

2019年，中国GDP排名前十的城市分别是上海、北京、深圳、广州、重庆、苏州、武汉、成都、杭州和天津，但数据分析表明，GDP排名并非就是人才吸引力排名，即GDP位次与人才吸引力排名之间并不是一一对应的关系。通过脉脉数据研究院的城市间人才流动数据可以看出，2019年一线城市人才吸引力座次重排，新些的城市被选中。脉脉平台大数据显示，杭州替代广州，与深圳、上海、北京共同构成人才流入第一阵营，广州与成都组成第二阵营，其他诸如西安、长沙、郑州、武汉等新一线城市共同组成第三阵营。数据还显示，中西部城市人才流动则仍以圈外流动为主。唯一的圈内频密流动，发生在成都与重庆之间。图7显示了北京、上海、广州、深圳人才流动情况，北京人才流动去向前三位的城市是杭州、上海和深圳；上海人才流动去向前三位的城市是苏州、杭州和北京；广州人才流动去向前三位的城市第一是深圳，然后是佛山和东莞。(www.daowen.com)

通过大数据分析，不仅能显示城市间的人才流动情况，还可以了解行业间人才的流动趋势。研究表明，2019年备受关注的医疗医药行业转行的前三大去处为生活服务业、IT互联网与金融业（见图8）。因此可以得出结论，预计未来国家将出台更多政策，吸引更多优质人才加入医疗医药行业，尤其是提升一线医护岗位的职业吸引力。

图8　行业间人才流动

数据表明，2019年，生活服务业取代金融行业，成为IT互联网人才离职后的首要去处（见图8），金融业和房产建筑业分别位列二、三位。通过进一步深入分析，IT互联网人才去往的生活服务业领域，自由职业或创业占了很大比重，表明人们开始追求更为“自由的状态”，无论是追求财富自由还是生活自由，成了IT互联网人才离职的主要原因。对互联网人才转行所选的金融业公司进行进一步分析发现，选择人数排名前五的公司，均为中国平安与中国人寿旗下公司。保险行业在2019年涌现大量人才需求。互联网人才去往保险行业，大多数人也并非简单地卖保险，而是“互联网+保险”的结合，表明产业融合带来的新需求。同样的情况也发生在房地产建筑行业，互联网行业人才去往地产公司时，排名前列的仍是互联网与地产业务相结合的公司。数据表明，2019年，制造业人才离职后的首要去处生活服务业（见图9），IT互联网和房产建筑业分别位列二、三位。

图9　行业间人才流动

3.对劳动力市场的研究更为科学

大数据的出现和应用从根本上改变了劳动力市场的研究方法：首先，研究内容更加深入。大数据是客观观测的实时数据，有利于推进对雇佣过程的深入分析，即推动动态雇佣行为研究。其次，对市场运行的把握更为准确。传统的劳动力市场现状描述主要基于随机样本问卷调查数据以及定期的普查数据，随机样本问卷调查难以表现整体状况，定期的普查数据本质上也是对历史状况的描述。相比之下，基于互联网的大数据所具有的全体覆盖、更新及时、动态变化等特征，使得其对现行劳动力市场运行状况的反映更加及时、准确和全面。再次，实证研究方法得以扩展。传统的实证研究方法是提出假设、收集数据、进行统计分析并得出结论，而在互联网背景下，大数据是关于现行劳动力市场运行的客观观测数据，而依据已有理论对相关客观现象进行解释将是未来研究的方向之一。最后，研究工具将更加丰富。在利用互联网获得全体数据时，原有的基于随机样本数据分析的统计方法，其适用性或效果将不能满足大数据的要求，更加灵活的计量模型将大量涌现。