Global Layoffs Dataset

该数据集包含了全球多个公司在不同地点的裁员信息，包括公司名称、地理位置、所属行业、裁员员工数、裁员比例、裁员日期、公司发展阶段及国家等。主要用于分析裁员趋势，评估对不同地区和行业的影响。

This dataset contains layoff information of multiple companies across the globe at various locations, including company name, geographic location, industry sector, number of laid-off employees, layoff rate, layoff date, company development stage and country, etc. It is primarily utilized for analyzing layoff trends and evaluating the impacts on different regions and industries.

原始信息汇总

全球裁员数据集概述

数据集介绍

全球裁员数据集提供了多个公司和地区裁员情况的详细信息。数据集包含公司名称、位置、裁员员工数量、裁员日期等字段。分析此数据集的主要目的是识别趋势并评估不同地区和行业的影响。

数据概览

裁员数据集包含以下字段：

• Company: 公司名称
• Location: 公司地理位置
• Industry: 公司所属行业
• Total Laid Off: 裁员员工数量
• Percentage Laid Off: 裁员员工百分比
• Date: 裁员报告日期
• Stage: 公司融资或运营阶段
• Country: 裁员发生国家
• Funds Raised (Millions): 公司筹集资金总额（百万）

数据清洗

数据清洗步骤包括：

• 处理 percentage_laid_off 列的缺失值
• 将 date 列转换为正确日期格式
• 标准化 location, industry, stage, country 列的条目
• 识别并消除重复数据
• 检查并调整 total_laid_off 和 funds_raised_millions 列的数值一致性

数据探索

关键发现

• 2020年由于COVID-19疫情，许多公司裁员增加，至2023年初达到高峰
• 裁员最多的行业: 消费者和零售业受影响严重
• 裁员最多的国家: 美国裁员最多，达256,420人
• 裁员最多的地区: 旧金山湾区裁员最多，达125,551人

年度裁员进展

• 使用MySQL滚动求和并按年份分解，以理解裁员进展
• 使用CTE按年份对公司进行排名，识别裁员最多的前5家公司

可视化结果

Power BI中的DAX函数

• TotalLayoffsByLocationDate: 按地点和日期计算总裁员数
• TotalLayoffsByLocation: 按地点计算总裁员数
• TotalLayoffsByLocationCompany: 按地点和公司计算总裁员数
• YearMonth: 按年月格式化日期
• TotalLayoffsPerMonth: 按月计算总裁员数
• RollingTotalLayoffs: 计算滚动总裁员数
• Year: 提取年份
• TotalLayoffsPerCompanyYear: 按公司和年份计算总裁员数
• CompanyYearRank: 按年份对公司进行排名
• Top3CompaniesPerYear: 识别每年裁员最多的前3家公司
• MaxPercentageLaidOff: 计算公司裁员百分比的最大值
• MinPercentageLaidOff: 计算公司裁员百分比的最小值

关键洞察

裁员最多的公司

• Amazon: 18,150人
• Google: 12,000人
• Meta: 11,000人
• Salesforce: 10,090人
• Microsoft: 10,000人

裁员最多的地点

• 西雅图，其中亚马逊裁员54,430人

裁员进展

• 2020年3月: 滚动总裁员数9,628人
• 2020年12月: 滚动总裁员数80,998人
• 2021年1月: 滚动总裁员数87,811人
• 2021年12月: 滚动总裁员数96,821人
• 2022年1月: 滚动总裁员数97,331人
• 2022年12月: 滚动总裁员数257,143人
• 2023年数据不完整，仅包括2023年初

裁员与筹资的方差

• 裁员1%的公司在裁员数量和筹资总额上具有更高的方差

每年裁员最多的公司

• 2020年: Uber, 30,100人
• 2021年: ByteDance, 7,200人
• 2022年: Amazon, 20,300人
• 2023年: Google, 12,000人

建议策略

• 为零售、运输、房地产等行业提供专门的援助计划，包括财务援助、再培训和员工保留激励措施
• 实施早期预警系统和趋势跟踪，以预测和应对可能的裁员高峰，采取主动措施减轻影响

搜集汇总

数据集介绍

构建方式

该数据集的构建基于全球范围内多个公司和地区的裁员事件，涵盖了公司名称、地理位置、行业类别、裁员人数、裁员比例、裁员日期、公司发展阶段以及筹集资金等详细信息。数据收集过程中，对缺失值进行了处理，日期格式进行了标准化，不明确或不准确的数据条目得到了修正，重复记录被识别并删除，数值数据进行了一致性检查和必要的调整。

特点

该数据集的显著特点在于其全面性和时效性，不仅包含了裁员事件的基本信息，还提供了公司发展阶段和筹集资金等关键数据，有助于深入分析裁员事件的背景和影响因素。此外，数据集经过严格的清洗和标准化处理，确保了数据的质量和可靠性，为后续的探索性数据分析提供了坚实的基础。

使用方法

使用该数据集时，用户可以通过克隆GitHub仓库获取数据，并利用提供的MySQL和Power BI工具进行数据分析。数据集支持多种分析方法，包括按年份、公司、地理位置和行业等维度进行裁员趋势分析，识别高裁员率的公司和行业，以及评估不同地区和行业的裁员影响。通过这些分析，用户可以制定针对性的策略，如提供行业特定的援助计划和实施早期预警系统，以应对潜在的裁员高峰。

背景与挑战

背景概述

全球裁员数据集（Global Layoffs Dataset）是由Oladapo-Oluwadarasimi创建的，旨在提供全球范围内公司裁员情况的详细信息。该数据集包含了公司名称、地理位置、裁员员工数量、裁员日期等关键信息，主要用于分析裁员趋势及其对不同地区和行业的影响。自2020年以来，随着全球经济环境的变化，尤其是COVID-19疫情的影响，裁员现象显著增加，使得该数据集在研究经济波动和劳动力市场变化方面具有重要价值。

当前挑战

全球裁员数据集在构建和分析过程中面临多项挑战。首先，数据收集涉及多个国家和行业，确保数据的全面性和准确性是一大难题。其次，数据清洗过程中需要处理缺失值、日期格式转换、以及标准化地理位置和行业分类等问题。此外，由于裁员数据的高度动态性，如何实时更新数据并保持其时效性也是一个重要挑战。最后，分析过程中需要识别和解释不同因素对裁员的影响，如疫情、经济周期和公司财务状况等，这要求研究者具备深厚的领域知识和分析能力。

常用场景

经典使用场景

在全球裁员数据集中，经典的使用场景包括对不同地区和行业的裁员趋势进行深入分析。通过该数据集，研究者可以识别出哪些行业和地区在特定时间段内受到裁员影响最为严重，从而为政策制定者和企业管理者提供有价值的参考信息。此外，该数据集还可用于研究裁员事件的时间序列变化，帮助理解经济波动对就业市场的具体影响。

实际应用

在实际应用中，全球裁员数据集被广泛用于政府和企业的决策支持系统。政府机构可以利用这些数据来制定针对性的就业保护政策，减少大规模裁员对社会稳定的影响。企业则可以通过分析行业内的裁员趋势，优化人力资源配置，制定更为灵活的雇佣策略，以应对市场的不确定性。

衍生相关工作

基于全球裁员数据集，许多相关研究和工作得以展开。例如，有研究利用该数据集分析了不同经济体在面对全球性危机时的裁员响应机制，揭示了政策干预的有效性。此外，还有学者通过数据集中的时间序列数据，开发了预测模型，用以预测未来可能的裁员高峰，为企业和政府提供了预警工具。