加载中...
简历是对个人学历、经历、特长等情况的简明书面介绍,是求职的“敲门砖”。随着科学技术对劳动力市场招聘决策带来革命性变化,各国学者开始借助在线招聘职位数据开展劳动力市场研究,但这类需求侧数据难以匹配劳动力供给侧数据。本数据可有效弥补美国供给侧数据的局限,精细研究美国企业雇佣决策过程,对未来美国劳动力市场研究具有借鉴价值。 ## 数据构成 数据主要来源于在线互联网公开平台及互联网公开资料,并采用自然语言处理方式对职位、行业等内容进行了标准化处理。整体包含四个模块:劳工基本情况表、职业简历情况表、受教育程度情况表、技能情况表,涵盖了公司、地址、职业、学历、技能、发布日期等关键字段。 ## 时间范围 数据截至2022年,可反映近年美国劳动力市场的简历供给情况。 ## 更新频率 数据为不定期更新,用户可关注最新版本以获取更及时的信息。 ## 应用价值 该数据为劳动力市场供给侧的精细研究提供了支撑,可用于分析企业雇佣决策过程、教育失配经历对就业的影响、高技能人才流动等议题。结合在线招聘需求侧数据,有助于更全面地理解美国劳动力市场的匹配机制与结构性特征。
| # | 字段名称 | 数据类型 | 字段说明 |
|---|---|---|---|
| 1 | ID | string | - |
| 2 | 获取日期 | date | - |
| 3 | 最后更新日期 | date | - |
| 4 | 城市编码 | string | - |
| 5 | 城市 | string | - |
| 6 | 公司编码 | string | - |
| 7 | 公司名称 | string | - |
| 8 | 县编码 | string | - |
| 9 | 县 | string | - |
| 10 | 州编码 | string | - |
| 11 | 州 | string | - |
| 12 | 详细地址编码 | string | - |
| 13 | 详细地址 | string | - |
| 14 | NAICS产业分类2位编码 | string | - |
| 15 | NAICS产业分类2位名称 | string | - |
| 16 | NAICS产业分类3位编码 | string | - |
| 17 | NAICS产业分类3位名称 | string | - |
| 18 | NAICS产业分类4位编码 | string | - |
| 19 | NAICS产业分类4位名称 | string | - |
| 20 | NAICS产业分类5位编码 | string | - |
| 21 | NAICS产业分类5位名称 | string | - |
| 22 | NAICS产业分类6位编码 | string | - |
| 23 | NAICS产业分类6位名称 | string | - |
| 24 | ONET职业编码 | string | - |
| 25 | ONET职业名称 | string | - |
| 26 | 职业编码 | string | - |
| 27 | 职业名称 | string | - |
| 28 | 职业原始信息 | string | - |
| 29 | 技能编码 | string | - |
| 30 | 技能名称 | string | - |
| 31 | SOC-EMSI职业大类编码(2019版) | string | - |
| 32 | SOC-EMSI职业大类名称(2019版) | string | - |
| 33 | SOC-EMSI职业中类编码(2019版) | string | - |
| 34 | SOC-EMSI职业中类名称(2019版) | string | - |
| 35 | SOC-EMSI职业小类编码(2019版) | string | - |
| 36 | SOC-EMSI职业小类名称(2019版) | string | - |
| 37 | SOC-EMSI职业细类编码(2019版) | string | - |
| 38 | SOC-EMSI职业细类名称(2019版) | string | - |
| 39 | 资格认证编码 | string | - |
| 40 | 资格认证名称 | string | - |
| 41 | 专业技能编码 | string | - |
| 42 | 专业技能名称 | string | - |
| 43 | 普通技能编码 | string | - |
| 44 | 普通技能名称 | string | - |
| 45 | SOC职业大类编码(2021版) | string | - |
| 46 | SOC职业大类名称(2021版) | string | - |
| 47 | SOC职业中类编码(2021版) | string | - |
| 48 | SOC职业中类名称(2021版) | string | - |
| 49 | SOC职业小类编码(2021版) | string | - |
| 50 | SOC职业小类名称(2021版) | string | - |
| 51 | SOC职业细类编码(2021版) | string | - |
| 52 | SOC职业细类名称(2021版) | string | - |
| 53 | 性别编码 | string | - |
| 54 | 性别 | string | - |
| 55 | ONET职业编码(2019版) | string | - |
| 56 | ONET职业名称(2019版) | string | - |
| 57 | 最高学历编码 | string | - |
| 58 | 最高学历 | string | - |
| # | 字段名称 | 数据类型 | 字段说明 |
|---|---|---|---|
| 1 | ID | string | - |
| 2 | 职业编码 | string | - |
| 3 | 职业名称 | string | - |
| 4 | 职业原始信息 | string | - |
| 5 | 公司编码 | string | - |
| 6 | 公司名称 | string | - |
| 7 | 公司原始信息 | string | - |
| 8 | 工作起始日期 | string | - |
| 9 | 工作结束日期 | string | - |
| 10 | 是否是当前工作 | string | - |
| 11 | 城市 | string | - |
| 12 | 州 | string | - |
| 13 | 国家 | string | - |
| 14 | NAIC行业分类编号 | string | - |
| 15 | NAIC行业分类 | number | - |
| 16 | ONET职业编码 | string | - |
| 17 | ONET职业名称 | string | - |
| 18 | ONET职业编码(2019版) | string | - |
| 19 | ONET职业名称(2019版) | string | - |
| 20 | SOC-EMSI职业大类编码(2019版) | string | - |
| 21 | SOC-EMSI职业大类名称(2019版) | string | - |
| 22 | SOC-EMSI职业中类编码(2019版) | string | - |
| 23 | SOC-EMSI职业中类名称(2019版) | string | - |
| 24 | SOC-EMSI职业小类名称(2019版) | string | - |
| 25 | SOC-EMSI职业细类编码(2019版) | string | - |
| 26 | SOC-EMSI职业细类名称(2019版) | string | - |
| 27 | SOC职业大类编码(2021版) | string | - |
| 28 | SOC职业大类名称(2021版) | string | - |
| 29 | SOC职业中类编码(2021版) | string | - |
| 30 | SOC职业中类名称(2021版) | string | - |
| 31 | SOC职业小类编码(2021版) | string | - |
| 32 | SOC职业小类名称(2021版) | string | - |
| 33 | SOC职业细类编码(2021版) | string | - |
| 34 | SOC职业细类名称(2021版) | string | - |
| 35 | SOC-EMSI职业小类编码(2019版) | string | - |
| # | 字段名称 | 数据类型 | 字段说明 |
|---|---|---|---|
| 1 | ID | string | - |
| 2 | 学校编码 | string | - |
| 3 | 学校名称 | string | - |
| 4 | 学校原始信息 | string | - |
| 5 | 唯一标识号(IPEDS) | number | - |
| 6 | CIP代码 | string | - |
| 7 | 学科专业CIP分类名称 | string | - |
| 8 | CIP代码(2020版) | string | - |
| 9 | 学科专业CIP(2020版)分类名称 | string | - |
| 10 | 学位编码 | string | - |
| 11 | 学位名称 | string | - |
| 12 | 城市 | string | - |
| 13 | 州 | string | - |
| 14 | 国家 | string | - |
| 15 | 毕业年份 | date | - |
| 16 | 入学时间 | string | - |
| 17 | 毕业时间 | string | - |
| 18 | 教育原始信息 | string | - |
| # | 字段名称 | 数据类型 | 字段说明 |
|---|---|---|---|
| 1 | ID | string | - |
| 2 | 技能编码 | string | - |
| 3 | 技能名称 | string | - |
| 4 | 技能种类 | string | - |
| 5 | 技能大类编码 | string | - |
| 6 | 技能大类名称 | string | - |
| 7 | 技能子类编码 | string | - |
| 8 | 技能子类名称 | string | - |
| 9 | 是否涉及软件 | string | - |
添加销售经理微信,获取数据详情与报价;电话、邮箱点击即可复制。
简历是对个人学历、经历、特长等情况的简明书面介绍,是求职的“敲门砖”。随着科学技术对劳动力市场招聘决策带来革命性变化,各国学者开始借助在线招聘职位数据开展劳动力市场研究,但这类需求侧数据难以匹配劳动力供给侧数据。本数据可有效弥补美国供给侧数据的局限,精细研究美国企业雇佣决策过程,对未来美国劳动力市场研究具有借鉴价值。
数据主要来源于在线互联网公开平台及互联网公开资料,并采用自然语言处理方式对职位、行业等内容进行了标准化处理。整体包含四个模块:劳工基本情况表、职业简历情况表、受教育程度情况表、技能情况表,涵盖了公司、地址、职业、学历、技能、发布日期等关键字段。
数据截至2022年,可反映近年美国劳动力市场的简历供给情况。
数据为不定期更新,用户可关注最新版本以获取更及时的信息。
该数据为劳动力市场供给侧的精细研究提供了支撑,可用于分析企业雇佣决策过程、教育失配经历对就业的影响、高技能人才流动等议题。结合在线招聘需求侧数据,有助于更全面地理解美国劳动力市场的匹配机制与结构性特征。