GIV2020 | 王延平：数字经济的人才洞察

8月22日，由中国电动汽车百人会、智能汽车与智慧城市协同发展联盟联合主办的GIV2020隆重召开，本次峰会主要讨论智能汽车近两年取得的技术突破和产品创新、智能汽车应用场景和商业模式、以及智能汽车商业发展的顶层设计和实施路径。下面是领英中国公共事务总经理王延平在本次论坛上的发言：

领英中国公共事务总经理 王延平

欢迎下一位演讲嘉宾，领英中国公共事务总经理王延平先生，他的演讲题目是“数字经济的人才洞察”。

王延平：大家好！我是来自领英中国公共事务总经理王延平，特别感谢百人会和各位领导和专家今天有幸在这里，我分享的主题来源于我们领英在做的人才大数据的研究叫经济图谱。

今天在座各位都是做智能汽车或者车路协同，我在快速学习这方面的内容，可能只有我是做人的。

先快速介绍一下领英的情况，我们基于什么在做这样的研究。领英愿景是为全球30亿劳动力中的每一位创造经济机会，进而创建世界首个经济图谱。领英现在是全球最大的职场社交平台，有7亿多用户，他们在上面分享职场职业发展主题，这些人他们来自于5000万家公司，这些公司在平台上面开放1100万左右的职位，他们在招聘，这些人才他们还具有3.6万个技能，我想跟各位嘉宾分享的是，这个技能不是一个人在学校上学时候学的什么专业，也不是我们所有的职称等等认证，而是通过平台的互动，人与人之间的互动，共同项目的工作，共同的经历给予的认可，打的是一种互动标签，放在一个时间维度来看，比如10年一个维度，一个人在某一个领域无论是AI还是其他领域，具有一定的技能，这是非常客观和真实的情况，通过我们平台可以看到，到底谁给他打了这个标签。举一个例子，假如有一天有人给我打了一个标签，说我懂车路协同，如果是秘书长给我打的，还是有影响力，如果十年之后我发现有1000个这样的标签，不用大家都去验证，这就是一个真实的互动。3.6个技能，是所有数字里面最小的一个，但是是最有价值的，在有领英平台之前没有办法获取人技能的标签，在我们无论是政府的体系，还是人才板块体系都没有办法掌握的这样数据。最后一个数字是9万所学校是他们教育的背景。这些数字能够带来什么，我们能看到什么。这是一个感性的认识。

2019年达沃斯峰会我们联合创始人Aleen  Blue先生做的分享，由于时间的原因不展开，通过这些数据研究分析，我们推测在当下如果上高中的学生，等他大学毕业的时候，这个社会上存在职业的需求大概65%已经不存在了，或者完全变化了，这是未来工作的变化。第二个是技能鸿沟，刚才我们能看到这些技能，也能够看到一个区域，一段时间内这个技能的鸿沟差异，有点像如果在农业里面，比如我们觉得一年的时候什么农产品好卖，种什么庄稼，产出什么农产品，等到丰收的时候发现市场已经不一样了，会产生供与需的鸿沟，在人才培养基础上也会有这样的观察。最后一个研究是看到性别的差异，虽然看到女性从业人数在增长，实际上两个性别之间女性和男性在工作上面的差距并没有缩小，这只是感性的认识。

回到数据，这些数据是从平台怎么得取，我们平台有人才的交流，也会有行业的分布，同时还有多元化信息，通过平台互动可以看到他们地点、公司的体量、价值观、公司内容，随着AI与大数据发展，我们能够通过他们分享和发布的内容可以前瞻出来等多的数据，包括刚才讲到的技能，我们在海外欧美的市场因为数据量很丰富，还会看到工资等等，包括他们搜索的互动情况，可以看到更多的价值。

这个是领英来到中国的情况，领英2014年入华，到今天是6年的时间，在中国现在有5100万会员，能看到他们所在的公司，技能，开放的职位，数字会比全球小一部分，另外是入华的时间较短，平台的内容因为是硅谷公司，英文起家，所以现在团队正在做很多中文的内容。

下面给大家着重分享一下经济图谱的方法论，这个跟我们今天的智能汽车主题并不直接相关，我想跟大家汇报的是，这5个方法论是我们经过验证，认为非常有价值的，希望能够在未来得到各位汽车方面专家的指导，我们在做人的工作，加起来就可以做骑车人的工作。

第一个是雇佣率，通过观察平台上面一个区域，一段时间内会员更换工作的记录，我们能看到一个区域一段时间内在什么时间人们会更多更换工作，一年什么月份。现在我们在英国和美国市场会按月发月度报告，可以看到这样的趋势，能够帮助政策制定者—政府更好掌握人才的发展趋势，企业能够知道在什么时候更精准招聘到好的人才，更低的成本，个人可以更好规划自己的职业生涯，汽车行业是不是可以做这样的研究。

第二个方法论是劳动里迁徙，这个相对比较简单，根据会员在平台上标注自己的所在位置变化，我们去关注人迁徙，能够看到一个地方流入流出的变化，人的身上也是带着技能，也可以看到技能的迁徙。

第三个是区域研究，看一个区域城市之间的人才像做X光片透视一样做区域人才的情况。

第四个是技能鸿沟，看技能的变化，哪些技能消失，哪些技能在冉冉升起，哪一个区域有这样的技能需求，但没有足够的供给，就会导致劳动力迁徙的发生。

第五个是性别差异的研究。

接下来聚焦到长三角地区，粤港澳大湾区，看这两个经济发达区域人才情况。

去年我们又做了行业数字化转型报告，我们在看数字人才给行业数字化进程带来什么样的变化？另外我们聚焦全世界范围，看世界城市群他们具有什么样的特点，因为他们具有不同的人，具有不同技能的人群，所以城市群的发展有自己不同的趋势，所有的报告都可以下载。我们所有的研究是非盈利性的，是免费向社会公众公开的。

接下来向大家汇报我们的观察，相对简单，但是我希望这些观察能够帮助到百人会的工作，也希望得到各位专家的指导，未来我们能更聚焦做骑车人的工作。

第一个观察中国整体数字人才分布情况。中国前15数字人才分布城市，怎么定义数字人才？我们是根据世界银行对数字经济技能标签，从我们平台标准化，看哪些人具有这样的标签，同时具有完整的职业履历，我们就把它作为一个样本。研究之后，我们看到的是数字人才集中还是在北京和东南沿海发达地区，按百分比来排，上海第一，2016年是16%，2018年是18%，其次是北京16%，现在所在的广州，广州和深圳离的很近，包括旁边是东莞，广州是第四，加上粤港澳还是很强的态势，还是京津冀、长三角、粤港澳三大优势区域，西部一些城市在数字人才方面也有很好的储备。

第二个看行业分布，现有研究哪些可以支持到我们智能汽车这方面，肯定是制造业，很遗憾的是，现在行业分布里面没有把汽车单独放进去，或者领英平台汽车样本量不够大，汽车行业在数字人才行业分布，前三是软件、IT，第二是制造业，第三是计算机网络与硬件，右侧进一步把数字人才聚焦，ABCD，人工智能、区块链、云计算、大数据分析四类人才，数字人才分布同样还是软件和IT，这些人才主要来源于软件行业。第二还是制造业，制造业数字人才优势，在我国还是比较明显的，我们希望未来我们能看到更细的，比如在汽车行业或者聚焦到智能汽车行业是什么状态，也许我们在ABCD未来可以有1个亿，电动汽车和智能汽车也许有新的分类，可以加入到我们研究当中去。

接下来看一下不同行业之间人才流动，行业吸引力的情况，刚才看到排名第一具有数字人才的行业和其他行业进行对比，软件和IT服务业对比，这是一个净流入和净流出的对比，如果这个数字大于1说明这个行业是属于净流入的状态，软件与IT与其他所有行业相比，在过往2016—2018年间都是大于1，都是净流入的，互联网+和+互联网，看到的是还是有很多传统行业的数字人才流入到软件与IT行业。我们在看制造业的时候，这三年里面制造业数字人才都是净流出的状态，都流入到传统软件和IT行业。

另外看一些城市的情况，这是我们对全国前5数字人才分析，看到他们在不同行业的分布，软件与IT、计算机网络与硬件，制造与金融，深圳、杭州和上海这三个城市在所有行业里面都是净流入的装，深圳和杭州净流入的情况是非常非常明显，在软件这个行业杭州一枝独秀，排在全国第一。广州和北京这样的城市有自己的特点，像北京软件是处于净流入，广州制造业属于净流入，但是其他行业数字人才是处于净流出的状态，可以帮助我们看到在不同的城市里面行业之间的差异。

人才迁徙的情况，北京在规划建全国国际交往中心，北京去看国际人才来源也重要，在世界范围内最主要人才来源还是美国，在亚洲范围看国家和地区香港是排在第一，这个可以帮助北京无论是政策的制定者还是企业主，能够分析我们在这样的城市具有哪些人才的优势。

再聚焦国内看人才迁徙，这个是我们在做粤港澳大湾区，就是现在所在的区域做对比，右侧像一个赛道一样（图片），大于1说明这个城市对粤港澳大湾区是净流出的状态，如果是小于1对粤港澳大湾区是具有吸引力的，北京和武汉城市人才基本上是1.5倍的概念，流入和流出比，人才在流向大湾区，非常明显。上海和成都这样的城市是中间两个，倒数第二和正数赛道第二，一个是1.04一个是0.96，基本上流入和流出比持平，中间这个城市是杭州，杭州相对经济发展发展的粤港澳大湾区也是具有明显的优势，净流入大于净流出很多。

接下来看区域研究，这里引入一个概念，数字人才的集中度，是指数字人才在某一个行业里面的占比，在这个城市的占比比上在这个区域平均的占比，这样能看到一个城市在一个区域里面具有什么优势，或者哪些领域数字人才不那么有优势。我们做了一个蛛网图，长三角主要的城市上海、杭州、南京、苏州、宁波，上海、计算机是突出具有数字人才的集中度，其他的行业还可以，没有很差，我们观察上海像一个人才的龙头，上海是传统优势的城市，在国际交往方面、教育医疗方面都有很大的优势，他的人才在给养整个长三角地区，特别是一小时的通勤经济圈的形成，可以帮助其他城市的发展。杭州最突出就像阿里巴巴和蚂蚁金服聚集在杭州所带来的影响，软件和IT服务业是整个地区的2倍。看南京计算机网络与硬件非常突出，我们注意去看为什么是这样？因为南京有很多大学，这个专业还是很强的。宁波、苏州这些城市，在长三角发挥着把创造变成制造这样的作用，制造业是一枝独秀，达到了2倍。合肥和南京有点像，计算机网络方面很强，有大学优势，长三角地区有人才差异化布局和发展。还看到另外一个趋势，我们在看到初级的职场者从长三角地区流入到上海是很明显的，但是到中高级在上海流入到其他城市也很明显，也充分设计上海起到长三角地区人才龙头的作用，在给养着其他城市，而不是狭隘的人才观，所有高级人才都要留在上海，才说明上还有吸引力，不是这样的。

接下来再看一下大湾区，广州在蛛网图里面数字人才集中度相对是很均衡的，深圳计算机网络方面是有优势，但是有两个短板，一个是教育，一个是旅游度假，很多高校都在深圳快速建设分校，大笔投入，相信会弥补。像珠海、东莞、佛山、惠州就像长三角地区宁波、苏州一样，他们在承载着粤港澳大湾区制造业的角色。香港优势互补性很强，教育和金融非常突出，跟深圳有很好的互补性，这也是为什么我们国家做粤港澳大湾区规划，香港有独特的作用，澳门是旅游城市，他的旅游度假数倍于其他城市数字人才集中度，其他的行业基数很小。

再看一下广州，我们这边会员大概是100多万，来自2.6万家公司，1.6万技能。广州人才行业分布也是软件、IT具有优势，其他行业逐渐降低，主要雇主只是来源于领英平台数字，只能代表领英的会员，100万在广州这样的城市并不是很大的数字，代表了稍高端一些人才的情况。再看一下广州与深圳，离的很近，两个城市之间人才的流动，广州在全国范围内人才流入流出比还是处于净流入的状态，如果放到粤港澳大湾区内部去看，广州有点象上海的作用，也在给养着其他的地方，更主要是给养着深圳，深圳一枝独秀，在吸引着所有地方的人才。

制造业的数字人才，在制造业数字人才主要来源还是ICT基础行业，计算机软件与IT，也有来自于其他行业，我浅显把智能汽车理解为制造业一部分，也应该关注这样的来源。制造业数字人才的分布较为分散，大概分为三个梯度，上海和深圳是高于5%，北京到东莞低于5%大于2%，从杭州、南京、成都、大连更低一些，第三个梯度。

最后讲一下我们看到的一些对比，我们在研究的时候把ABCD人才拿出来看，我国的数字人才在制造业占比当中大概占到了将近20%，如果更聚焦看数字人才里面的ABCD，大概是占到10%多一点，我们刚刚在欧洲发布一个研究报告做一个对比，在AI人工智能技能的人才在美国接近20%，在欧盟大概是15%，德国AI人才行业分布，德国是一个传统的汽车制造强国，AI无人才第一是软件，第二个是IT服务，第三是汽车行业超过15%，我在全球人才当中去找和汽车相关的，在德国有，尤其是汽车数字人才发展仍有较大发展，ABCD在全国的比例还不如AI在德国汽车领域当中的占比。

以上是我的分享，仅仅是围绕在平台上的数据，做的还很浅显，很不到位，希望得到各位领导的指导，希望在小诗秘书长的带领下做汽车数字人才的研究。

注：本文根据现场速记整理，未经演讲嘉宾审阅，请勿转载