大數據告訴你「錢多事少離家近」的工作在哪？

文/若木、團支書

「錢多事少離家近，位高權重責任輕，睡覺睡到自然醒，數錢數到手抽筋」， 這樣的工作真的存在嗎？快隨本文數據俠，一起搜羅吧~

本文轉自公眾號城市數據團（ID：metrodatateam）

前幾天學姐來找我：「我想換一個工作。你用數據幫我看看什麼行業好？」

我說：「好呀。學姐你對工作有什麼要求呢？」

學姐說：「錢多事少離家近。」

雖然我不相信有這樣好的工作，但看看總沒有壞處嘛。於是我打開電腦，開始對行業一項一項進行篩選。

第一項，錢多。這個容易。根據《上海統計年鑒2017》，各行業平均年收入如下圖所示：

根據上圖，可將20個行業大項分為四類：

1、收入超高（20萬以上）：金融業；

2、收入較高（10-20萬）：水電氣生產供應業、採礦業、信息服務業、衛生和社會工作產業、公共管理業、科研服務業；

3、收入中等（5-10萬）：交運倉儲業、文化體育娛樂業、商務服務業、批發零售業、公共設施管理業、房地產業、製造業；

4、收入較低（5萬以下）：建築業、住宿餐飲業、農林牧漁業、教育業。

顯然，在「錢多」的標準下，金融、水電氣生產供應、採礦、信息服務等都是不錯的選擇。

第二項，事少。數據論證有點麻煩，姑且跳過吧。

第三項，離家近。由於學姐不肯透露她住在哪裡，我只好假設學姐住在上海各地的概率與上海人口總體分布概率相同。然後，我以人口密度最高處（市中心）為原點，繪製出各個行業企業的密度衰減曲線。

上圖中，離市中心距離為0處的企業密度越高，說明該行業在市中心的密集度越高。假如學姐從事了該行業的工作，那麼工作地點離學姐家近的概率也越高。（學姐明確表示：一些行業她沒有進入渠道（如水電氣生產和供應），另一些行業她沒有能力從事（如農業、衛生），因此，圖中只保留了像學姐這樣的大多數普通人有一定選擇空間的10個行業大類；其中，信息服務業和科研服務業進行了合併。）

根據上圖，從行業密集（離家近概率）的角度，我們再次將行業分為四類：

1、行業聚集度極高（離家近概率很大）：金融業、住宿餐飲業；

2、行業聚集度較高（離家近概率較大）：商務服務業、房地產業、文化體育娛樂業；

3、行業聚集度一般（離家近概率一般）：批發零售業、信息服務業、交運倉儲業；

4、行業聚集度較低（離家近概率較低）：製造業、建築業。

我指著圖說：「學姐，同時符合錢多和離家兩個要求的只有金融了。次優的選擇是信息科技服務業，錢多，但離市中心不算近；商務服務、文化娛樂的距離比較適中，但收入就不算太高了。」

學姐皺眉思考了片刻：「金融雖然很好，但據說加班很厲害。我可不想把美好的青春年華都奉獻給工作。你再幫我看看哪些行業不加班吧。」

我嘆了口氣，看來「事少」的研究是逃不掉了。

怎麼衡量「事少」呢？從常識來看，事少的行業應該符合以下表現中的至少一個：上班晚、下班早、工作時間短。而為了找到大家都在什麼時候上下班，我不得不搬出了前幾天 延華智能 提供的建築用電量數據。

（圖片說明：這是一張「城市呼吸」圖。圖中白金色線條代表道路和來往人流，柱子代表建築，紅色柱子為我們的樣本建築。用電量越大的時刻，紅色越深。每一天隨著時間的變化，人來人往，燈亮燈滅。）

我們的建築樣本全部位於上海市黃浦區。用電數據為2017年全年、每隔15分鐘記錄一次的用電量。其中，我們用於研究的是辦公建築（寫字樓），樣本數量約100個。（由於樣本數量、抽樣規則和推算方法的不完善，我們的結論與實際情況將存在一定偏差。不過，依然不失為一次有趣的嘗試。）

從時間上看，寫字樓用電具有明顯的周期性規律：

可以看到，寫字樓的三個周期規律為：

1、季節周期：用電量與氣溫高度相關。4-6月和9-11月的用電量相對穩定，在最熱的7-8月和最冷的12-1月，用電量有顯著增加。

2、節假日周期：以年為周期，春節、國慶等法定節日用電量減少；以星期為周期，周末用電量為工作日的1/2-2/3。

3、天周期：每天的零點到6點用電量處於低谷，從7點開始用電量飆升，於10點達到最高峰，其後緩慢下降，下午5點開始劇烈下降。

根據上述規律，我們制定如下研究思路：

1、基於寫字樓用電量設計工作狀態指標；

2、通過地址匹配找到入駐各幢寫字樓的企業，並進一步計算行業結構；

3、用回歸模型對各行業的工作狀態進行模擬。

由於時間序列上的用電量絕對值不僅僅由工作用電決定，還受到基礎用電、氣溫等多重因素的影響（本文最後的彩蛋有更為具體的解釋），為了減少這些干擾，我們將用電量處理為相對值，並由此引申出上班時間、下班時間、工作時長的概念：

上圖中：

1、相對用電量 = (當前時間分段用電量-當日分段用電量最小值) / (當日分段用電量最大值-當日分段用電量最小值)

2、上班時間為相對用電量第一次達到最高峰值70%的時刻，下班時間為相對用電量最後一次達到最高峰值70%的時刻，工作時長為下班時間與上班時間之差。

3、每幢寫字樓的上下班時間和工作時長各不相同。總體水平為8:30上班，6:00下班，工作時長9.5小時（含午休）。

接下來，我們要找到每幢寫字樓里都有哪些企業。我們以 啟信寶 提供的企業經營地址，與寫字樓地址進行了匹配，從而獲得了寫字樓中企業的規模和行業信息。

現在，我們可以展開回歸分析了。以行業結構（某行業占該寫字樓中所有企業的比例）為自變數，以工作時長、上班時間、下班時間為因變數，標準化處理後進行三次回歸分析，模型的平均誤差在5%左右，R2介於0.7-0.8。

根據回歸係數的大小，我們對各行業的工作狀況進行了推算：

（圖片說明：回歸係數反映的是各行業對 工作時長/上下班時間 的貢獻大小和方向。本圖是根據係數大小的推算結果，不能等同於 工作時長/上下班時間 的排名。）

根據上圖，從「事少」的角度，我們再次將行業分類：

1、早起早歸型：批發零售業、信息技術服務業、交運倉儲業

2、晚起晚歸型：建築業

3、起早貪黑型：商務服務業、住宿餐飲業、房地產業

4、正常型：金融業、製造業、文化體育娛樂業

至此，我們可以從「錢多事少離家近」三個角度給出十大行業的綜合排名了：

1、金融：收入超高-離家近概率很大-工作狀態普通；

2、信息科技服務業：收入較高-離家近概率一般-早起早歸；

3、文化體育娛樂業：收入中等-離家近概率較大-工作狀態普通；

4、商務服務業：收入中等-離家近概率較大-起早貪黑；

5、房地產業：收入中等-離家近概率較大-起早貪黑；

6、交運倉儲業：收入中等-離家近概率一般-早起早歸；

7、批發零售業：收入中等-離家近概率一般-早起早歸；

8、製造業：收入中等-離家近概率較低-工作狀態普通

9、住宿餐飲業：收入較低-離家近概率很大-起早貪黑。

10、建築業：收入較低-離家近概率較低-晚起晚歸。

看著這個榜單，我恍然大悟：「居然真的有錢多事少離家近的工作呀！……唉，學姐你去哪？」

「買兩本CFA教程。」

彩蛋：一年之中，何時加班最瘋狂？

學姐走後，我覺得這個小研究做得還不過癮。不妨順便用這組數據再看一看，大家都在什麼時候加班多，什麼時候休假多？

個人的加班或休假行為很難在用電數據層面體現。但群體的加班或休假將使得用電發生相應變化：

1、大量員工休假→在崗員工數量減少→工作用電量減少

2、大量員工加班→夜間用電比例增加→工作用電量增加

由此可以推知，工作用電量是衡量員工工作狀態的重要指標。然而，工作用電只是建築用電的一部分。因此，需要從建築用電量中剝離出工作用電量，再判斷其數值是否處於合理區間。

一般來說，辦公建築用電可以粗略分為三個部分：基礎用電、空調用電和工作用電。

• 基礎用電。辦公樓正常運轉的基礎消耗，如通風用電、電梯用電、走廊燈光用電等。

• 假設每日基礎耗電量是一個常數，以β表示。

• 空調暖氣用電。溫度偏離適宜溫度越遠，空調需求量越大。
• 空調暖氣用電量與氣溫(t)有顯著相關性，空調積溫指數（T）是一種常見的測算方法，T=max(thigh-27,0)+max(10-tavg,0)。該部分用電量與空調積溫指數呈線性相關，假設其形式為α1T。（參考文獻：chenqin《上海用電量一年降了30多億度，其實原因很簡單》。）

• 理想狀態下的工作用電。假設一年中員工數量沒有大規模變動，則工作日的正常工作時間內（8-18點）、正常工作強度下為一個常數，表示為α2。
• 設定一個虛擬變數W，工作日W=1，節假日W=0，則每日的常規工作耗電量為α2W。

由此可以構建回歸方程：e = β + α1T + α2W + ε

上式中，e表示每日總用電量，β表示基礎用電，α1T表示空調用電，α2W表示理想狀態下的工作用電；ε表示回歸模型的殘差，也就是預測用電量與實際用電量的差值，(α2W+ ε)近似代表實際的工作用電量。

若實際用電量小於預測用電量(ε<0)，很可能意味著在崗員工數量較少、大量員工處於休假狀態；若實際用電量大於預測用電量(ε>0)，則有著員工數量增加、工作時間延長、工作強度增大等多種可能，需要進一步驗證。

接下來，我們採用線性回歸，求出β、 α1、α2三個參數的值（模型的平均誤差為9.5%，R2為84.4%）。將參數值代入到方程中，將可以分別模擬得到每日的各項用電量及總用電量，並從而得到預測用電量與實際用電量的殘差ε。如下圖所示：

上圖中，黑色實線表示實際用電總量，深藍色區域表示預測基礎用電量、天藍色區域表示預測空調用電量，淺藍色區域表示理想工作用電量，綠色區域表示超額工作用電量（實際值高於預測值，ε>0），橙色區域表示不足工作用電量（實際值低於預測值，ε<0）。

圖中橙色和綠色區域為選擇性展示，實質為A與B的交集。A：實際用電量與預測用電量的差值大於平均誤差水平的日期。B：使用隨機森林模型進行每天每小時用電量預測，其中全天用電量偏低（橙）/或夜間用電量比例偏高（綠）的日期；該部分方法本文中不再展開。

由圖可知，用電超額的時段（綠色），也就是大家最可能在瘋狂加班的時段，可以分為兩類：

1、第一類零星分布在3月、5月、6月、9月的許多周末。

2.、第二類集中分布在6月中下旬、8月到9月中旬。

而用電不足的時段（橙色），則可以分為三類：

1、第一類為春節前兩周、春節後一周，此類用電不足主要是因為員工數量不足；這反映出春節前提前休假、春節後推後上班，是較為普遍的做法。

2、第二類用電不足時段分布在清明節-勞動節、以及國慶節後；這兩個時段是一年中不需要開空調、氣候最為適宜的時節，也是旅遊度假的最好時機。

3、第三類則零散分布在某些工作日的周四、周五，原因嘛，大家都懂的……

本文的行業榜單和加班/休假時間分布，與你的認知是否相符呢？歡迎給本文留言交流。

註： 本文僅為作者觀點，不代表DT財經立場。

題圖 | 視覺中國

期待更多數據俠乾貨分享、話題討論、福利發放？在公眾號DT數據俠（ID：DTdatahero）後台回復「數據社群」，可申請加入DT數據社群。

數據俠門派

本文數據俠來自城市數據團，他們關注生活在城市中的個人，致力於用市民的生活軌跡，數字化地描繪城市生活、揭示城市問題。