四大互联网平台招聘大数据(2012-2025)
数据简介
企业需要什么样的人才,往往能够反映其经营战略、技术发展方向以及组织结构的变化。相比企业年报、财务报表等传统数据,招聘信息能够从劳动力需求端提供更加细致的观察视角。一条招聘记录不仅包含企业名称、岗位名称、薪资待遇、学历要求和工作经验,还可能通过岗位职责与任职要求反映企业对专业技能、技术能力及人才结构的具体需求。
近年来,随着人工智能、数字化转型和企业创新等研究领域不断发展,互联网招聘数据的应用范围也在逐步扩大。例如,可以通过岗位描述识别企业对人工智能相关人才的需求,利用招聘岗位的技能要求衡量企业数字化转型程度,或者结合招聘薪资、学历和工作经验等信息分析企业人力资本结构与人才需求变化。与传统企业层面数据相比,招聘数据能够提供更加丰富的岗位层面信息,为相关实证研究提供新的测量思路。
一、数据来源与样本规模
本数据来源于智联招聘、前程无忧(51Job)、BOSS直聘和猎聘四大互联网招聘平台,覆盖2012-2025年,合计约5.21亿条招聘记录,其中前程无忧约1.43亿条、智联招聘约1.45亿条、BOSS直聘约1.26亿条、猎聘约1.07亿条。数据存储格式方面,全部采用分年份的CSV文件,共86个,按平台分别放在“企业招聘”和“个体及其他组织招聘”文件夹内,文件名称为年份。“个体及其他组织招聘”指来源数据中的用人主体分类。各平台、各分类的实际覆盖年份有所不同。考虑到数据规模较大,建议使用Python、R等工具进行批量读取、筛选和处理。
二、主要字段说明
1. 智联招聘
招聘企业名、证券代码、企业性质、统一社会信用代码、工商注册号、组织机构代码、成立日期、核准日期、登记状态、法定代表人、注册资金、企业类型、营业期限、注册地址、经营(业务)范围、所属省份、所属城市、所属区县、国标行业门类、国标行业大类、曾用名、招聘标题、职位、发布日期、发布平台、薪资、学历、工作年限、工作省份编码、工作地编码、工作地名称、招聘人数、工作性质、岗位介绍。其中,证券代码字段仅在“企业招聘”文件中提供,且部分记录为空。
2. BOSS直聘
记录标识(id)、哈希标识(mid)、企业名称(ENTNAME)、统一社会信用代码(UNISCID)、职位标题(title)、职位名称(position)、发布日期(pdate)、数据来源(source)、薪资范围(salary)、学历要求(education)、工作经验(experience)、省份代码(province_id)、城市代码(region_id)、工作地点(place)、招聘人数(renshu)、工作性质(nature)、岗位描述(intro)。
3. 猎聘
记录标识(id)、哈希标识(mid)、企业名称(ENTNAME)、统一社会信用代码(UNISCID)、职位标题(title)、职位名称(position)、发布日期(pdate)、数据来源(source)、薪资范围(salary)、学历要求(education)、工作经验(experience)、省份代码(province_id)、城市代码(region_id)、工作地点(place)、招聘人数(renshu)、工作性质(nature)、岗位描述(intro)。
4. 前程无忧(51Job)
记录标识(id)、哈希标识(mid)、企业名称(ENTNAME)、统一社会信用代码(UNISCID)、职位标题(title)、职位名称(position)、发布日期(pdate)、数据来源(source)、薪资范围(salary)、学历要求(education)、工作经验(experience)、省份代码(province_id)、城市代码(region_id)、工作地点(place)、招聘人数(renshu)、工作性质(nature)、岗位描述(intro)。
三、企业匹配与数据使用说明
对于使用招聘数据开展上市公司层面实证研究的学者而言,招聘记录与企业主体的准确匹配是数据处理的重要环节。本数据中,智联招聘的“企业招聘”文件包含证券代码字段,可依据其中有值的证券代码与上市公司面板数据进行匹配;BOSS直聘、猎聘和前程无忧(51Job)不包含证券代码字段,但均提供统一社会信用代码字段,可通过企业工商信息表进行关联,进一步识别对应企业及其上市公司关联关系。部分主体标识可能缺失,研究者可自行通过万得(Wind)或Choice数据库获取工商企业信息表,利用统一社会信用代码建立企业对应关系,对于上市公司子公司、企业曾用名及名称变更等情况,还可结合股权关系和工商变更记录进行核实,以提高匹配准确性。需要特别说明的是,本数据不包含工商企业信息表,相关匹配数据需自行准备。
四、数据可以用于哪些研究?
互联网招聘数据不仅能够反映企业的岗位需求,还可以结合招聘标题、岗位描述、薪资待遇、学历要求和工作经验等信息,通过文本挖掘与数据处理构建多种企业层面的研究指标。例如,在人工智能研究中,可以通过招聘岗位及技能要求识别企业人工智能人才需求;在数字化转型研究中,可以利用数字技术相关岗位的招聘数量和占比衡量企业数字人才需求;在人力资本研究中,可以结合学历、薪资和工作经验等信息分析企业人才需求结构。此外,招聘数据还可用于企业技能需求、人才区域流动、岗位结构调整、技术人才配置及劳动力市场变化等研究,为企业创新、数字经济和劳动经济学等领域提供更加丰富的微观数据支持。



