
作者 | 吳子勁
來(lái)源 | 網(wǎng)易數(shù)讀
如果你想開一家公司,你會(huì)把辦公室放在哪里?
北上廣深自然是第一批出現(xiàn)在腦海的名字,杭州成都近幾年也是熱門;華為松山湖辦公室正式運(yùn)作,讓東莞似乎也成為了一個(gè)不錯(cuò)的選擇……
一個(gè)地區(qū)或城市企業(yè)數(shù)量的多少,關(guān)系著能否吸引到人才和消化人才。而在轟轟烈烈的搶人大戰(zhàn)中,哪些城市更有希望呢?
東部沿海優(yōu)勢(shì)維持
企業(yè)數(shù)量是衡量地區(qū)經(jīng)濟(jì)活力的重要指標(biāo)。企業(yè)數(shù)量的多少,直接影響到可以提供多少就業(yè)機(jī)會(huì),在多大程度上促進(jìn)資源流通,以及產(chǎn)生多少經(jīng)濟(jì)效益。
天眼查的數(shù)據(jù)顯示,2009-2018年間,國(guó)內(nèi)31個(gè)省/直轄市/自治區(qū)(不含港澳臺(tái))共有4017.64萬(wàn)戶企業(yè)(不含個(gè)體工商戶,下同)注冊(cè)成立。
截止至2019年9月,其中975.38萬(wàn)戶已注銷(注銷率24.28%),仍然存續(xù)的企業(yè)數(shù)量為3042.26萬(wàn)戶。
從省份層面來(lái)看,廣東、江蘇、山東是新注冊(cè)成立企業(yè)數(shù)量最多的3個(gè)省份,這和它們長(zhǎng)期以來(lái)GDP的排名也比較接近。
廣東坐擁廣州與深圳兩個(gè)超大城市,其經(jīng)濟(jì)活力自然不言而喻。江蘇作為總體經(jīng)濟(jì)發(fā)達(dá)、省內(nèi)發(fā)展水平相對(duì)均衡的代表性省份,大量經(jīng)濟(jì)實(shí)體選擇在此扎根也很合理。
山東作為GDP排名長(zhǎng)期位列三甲的省份之一,背后也有眾多企業(yè)的貢獻(xiàn)。
從上圖中不難看出,2009-2018年間注冊(cè)成立企業(yè)數(shù)量比較多的省份大多位于東部沿?!昂鸁ㄓ咕€”以東。
這個(gè)區(qū)域自改革開放以來(lái)經(jīng)濟(jì)發(fā)展速度顯著高于西部?jī)?nèi)陸省份,有更多人選擇在這些省份開設(shè)工廠、租下辦公室,用行動(dòng)證明它們有著相對(duì)更高的經(jīng)濟(jì)活力。
如果以地區(qū)來(lái)看,除了總量,在四大經(jīng)濟(jì)分區(qū)的省均新增企業(yè)數(shù)量差異上,東部地區(qū)仍然維持著不小的優(yōu)勢(shì):東部地區(qū)省份有著最高的省均企業(yè)注冊(cè)數(shù)量,同時(shí)有著最高的增長(zhǎng)速度;中部地區(qū)次之。
西部地區(qū)和東北地區(qū),企業(yè)活力則相對(duì)較弱,東北地區(qū)每省平均新增企業(yè)數(shù)量在近年甚至有被西部地區(qū)趕超的趨勢(shì)??傮w而言,區(qū)域之間的企業(yè)活力依然存在比較大的差異。
不過,不論是哪個(gè)地區(qū),2009-2012年每年新增企業(yè)數(shù)量都相對(duì)穩(wěn)定,2008年底四萬(wàn)億一攬子政策提供的流動(dòng)性對(duì)沖次貸危機(jī)帶來(lái)的外需減少,在企業(yè)數(shù)量上表現(xiàn)為“維持一定的增長(zhǎng)速度”。
自2013年起,中國(guó)的企業(yè)數(shù)量開始加速增長(zhǎng),盡管不同經(jīng)濟(jì)分區(qū)的增長(zhǎng)速度存在明顯差異,但基本上所有分區(qū)每一年新增企業(yè)數(shù)量都比去年更多。
北上廣深第一梯隊(duì),成都領(lǐng)先西安
如果將目光從經(jīng)濟(jì)分區(qū)、省份層面轉(zhuǎn)到城市,除了北上廣深,二線城市也值得關(guān)注。
從上圖不難看出,無(wú)論是否考慮不同城市企業(yè)的注銷率,北上廣深在企業(yè)數(shù)量上依舊穩(wěn)居前4。深圳和上海量級(jí)更為接近,存量企業(yè)數(shù)量都超過150萬(wàn)戶。北京次之,廣州隨后。
二線城市當(dāng)中,重慶和成都在新成立企業(yè)總數(shù)上與北上廣深的距離最小,接近100萬(wàn)戶。不過由于兩城企業(yè)注銷率都超過25%,所以存續(xù)企業(yè)數(shù)量上與注銷率不足20%的南京、蘇州距離縮小,都在50-75萬(wàn)戶量級(jí)。
重慶與成都新成立企業(yè)多,淘汰的速度相對(duì)也更快,更替更為頻繁;而選擇南京和蘇州的企業(yè)雖然數(shù)量稍遜一籌,但留存更高,發(fā)展更為穩(wěn)定。
可以認(rèn)為,這代表了兩種不同的商業(yè)氛圍:蘇州具有眾多技術(shù)型外資企業(yè)相對(duì)高端的制造工廠,規(guī)劃及落地過程較為緩慢,但投產(chǎn)后長(zhǎng)時(shí)間存續(xù);成都則第三產(chǎn)業(yè)占比相對(duì)更高,增長(zhǎng)速度也比自身第一、第二產(chǎn)業(yè)更快,隨之而來(lái)的是更為快速的企業(yè)迭代節(jié)奏。
而在此前的搶人大戰(zhàn)中,同在西部的西安和成都是經(jīng)常被比較的對(duì)象。
不過,西安2009-2018年新成立注冊(cè)的企業(yè)數(shù)為51.4萬(wàn)戶,2019年存續(xù)企業(yè)為37.5萬(wàn)戶,高于寧波、長(zhǎng)沙等地,但是低于武漢、鄭州、杭州、成都等地。注銷比也和成都重慶不相上下。
在這場(chǎng)競(jìng)爭(zhēng)中,成都是領(lǐng)先的一方。
如果將注冊(cè)資金作為衡量企業(yè)規(guī)模的一個(gè)指標(biāo),那么在企業(yè)規(guī)模分布上,二線城市與北上廣深的差別沒有想象中的大。
在北京注冊(cè)的企業(yè),注冊(cè)資金在100萬(wàn)以下的比例顯著低于其余三個(gè)超大城市或二線城市,而注冊(cè)資金1000萬(wàn)以上的比例則顯著更高。北京作為首都,匯集了更多的大型企業(yè)。
二線城市總體而言企業(yè)規(guī)模分布與上海、廣州、深圳沒有太大差別,只是在絕對(duì)數(shù)量上依然存在差距。
有人的地方,才有企業(yè)
二線城市和北上廣深企業(yè)數(shù)量的差距,可以如何追趕?“招商引資政策”可能是一個(gè)常見的回答。
但其實(shí),“招商引資”和“搶人大戰(zhàn)”相輔相成,一個(gè)地區(qū)的常住人口數(shù)量和它的企業(yè)數(shù)量息息相關(guān)。
通過分析各省常住人口與仍然存續(xù)的企業(yè)數(shù)量之間的相關(guān)關(guān)系,可以發(fā)現(xiàn),常住人口越多的省份,商業(yè)往往越為活躍,充足的經(jīng)濟(jì)活力又會(huì)吸引人口流入,形成正循環(huán)。
常住人口越多的省份,往往企業(yè)越多,反之亦然。常住人口的增長(zhǎng)甚至能提供平方量級(jí)的企業(yè)容納能力:常住人口對(duì)企業(yè)而言,既可以作為企業(yè)員工,產(chǎn)出勞動(dòng)成果;也可以是消費(fèi)者,獲取企業(yè)的產(chǎn)品或服務(wù),為企業(yè)提供收入。
正是由于常住人口對(duì)企業(yè)而言的雙重屬性,常住人口和企業(yè)數(shù)量才呈現(xiàn)出了上圖中平方級(jí)的相關(guān)關(guān)系,而不僅是簡(jiǎn)單的線性關(guān)系。
也正是由于認(rèn)識(shí)到常住人口對(duì)企業(yè)發(fā)展的價(jià)值,各個(gè)二線城市才在近幾年開始了更為積極的搶人大戰(zhàn)。
例如西安市表示2018年新落戶人數(shù)超過73萬(wàn),其中超過25萬(wàn)人具有本科或以上學(xué)歷,搶人不能說(shuō)是沒有效果。
但新落戶的大量人口能否長(zhǎng)時(shí)間在二線城市發(fā)展,還有待時(shí)間的檢驗(yàn)。有的人因?yàn)檎叨鴣?lái),卻發(fā)現(xiàn)產(chǎn)業(yè)跟不上,能讓自己發(fā)揮才能的工作實(shí)在太少,不得已又回到北上廣深。
另一方面,聯(lián)合國(guó)《世界人口趨勢(shì)2019》預(yù)測(cè),中國(guó)勞動(dòng)年齡人口在2015年達(dá)到頂峰(2015年中國(guó)15-64歲人口約10.04億,占比73.01%)后,將持續(xù)下降:到2035年,中國(guó)15-64歲人口將降至9.43億(中位預(yù)測(cè)值),占比降至64.56%。
在全國(guó)勞動(dòng)人口持續(xù)萎縮的情況下,二線城市的搶人大戰(zhàn),只會(huì)更為激烈。未來(lái)大城市會(huì)越來(lái)越大,小城市越來(lái)越空。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10