US Layoffs Tracker

基于WARN法案披露的美国裁员开放数据集和仪表板。包含来自45个州劳动部门的约42,000条大规模裁员和工厂关闭通知，按公司、州和日期分类。An open dataset and dashboard of U.S. layoffs disclosed under the Worker Adjustment and Retraining Notification (WARN) Act. It contains approximately 42,000 mass layoff and plant closure notices sourced from 45 state labor departments, categorized by company, state and date.

原始信息汇总

US Layoffs Tracker 数据集概述

基本描述

这是一个关于美国裁员情况的开放数据集和仪表板，涵盖了美国各公司根据 WARN 法案披露的每一例裁员信息。数据集包含来自 45 个州劳工部门的约 42,000 份大规模裁员和工厂关闭通知，可按公司、州和日期进行查询。

应用入口

• 在线地址: https://layoffs.kadoa.com

本地运行方式

• 依赖: bun
• 安装命令: bun install
• 运行命令: bun run dev

技术栈

• Vite
• React 19
• Tailwind
• sql.js
• 概述页面通过加载小型 JSON 文件实现即时首屏渲染；完整的 SQLite 数据库在用户打开可筛选页面时进行延迟加载。

数据来源

• 通知文件由雇主根据联邦 WARN 法案向各州劳工或劳动力机构提交的公开记录构成。
• 不存在全国统一的数据源——每个州均以自有格式和自有节奏发布各自的清单。
• 该数据集通过采集各州来源并对其进行标准化处理，整合为一张可搜索的统一表格。
• 数据采集、解析和标准化工作由 kadoa.com 完成。

许可证

• 协议类型: MIT
• 数据来源: 各州劳工部门的公开记录

搜集汇总

数据集介绍

构建方式

该数据集基于美国《工人调整与再培训通知法案》（WARN Act）构建，系统收集了各州雇主依法提交的公共记录。由于美国缺乏统一的全国性数据源，每个州劳动或劳动力机构均以自有格式与节奏发布裁员名单，项目利用kadoa.com平台大规模抓取、解析并标准化这些分散的州级数据，最终整合为可检索的统一表格。数据集涵盖约42,000条大规模裁员与工厂关闭通知，信息包含公司名称、所在州及事件日期。

特点

该数据集的核心优势在于其覆盖的全面性与治理的标准化。它横跨45个州的劳动部门，将异构的州级公共记录转化为结构化的统一数据表，使得跨州对比与趋势分析成为可能。数据时效性高，持续更新，并通过实时仪表板提供可视化交互，用户可按公司、州或日期等维度进行检索。此外，数据集采用SQLite数据库存储，前端轻量加载JSON实现首屏快速渲染。

使用方法

用户可通过公开的仪表板网站直接访问与探索数据，地址为https://layoffs.kadoa.com。若需本地运行，可克隆项目仓库后使用Bun包管理器安装依赖并启动开发服务器。完整的历史数据集与持续更新服务需联系kadoa.com团队获取。数据集基于MIT协议开源，数据来源为各州劳工部门的公开记录，用户可自由下载、分析或集成。

背景与挑战

背景概述

自1988年美国《工人调整和再培训通知法案》（WARN Act）颁布以来，雇主在实施大规模裁员或工厂关闭时，须提前向州劳工部门提交公开通知。然而，这些通知分散于45个州的不同系统中，格式各异、更新节奏不一，长期缺乏统一、可检索的聚合数据集。为此，Kadoa公司于近期创建了US Layoffs Tracker数据集，由团队收集、解析并标准化了约42,000份大规模裁员与工厂关闭通知，覆盖公司、州和日期等关键维度。该数据集首次实现了联邦层面劳动力市场波动状况的透明化追踪，为经济学家、政策制定者及公众提供了研究就业结构变迁、区域经济韧性及危机应对机制的宝贵资源。其在线看板（layoffs.kadoa.com）进一步提升了数据的可访问性与实时性，在劳动力分析领域影响力日益彰显。

当前挑战

US Layoffs Tracker数据集所解决的核心领域问题是跨州WARN通知数据的碎片化与不可比性。各州采用不同的数据格式、分类标准和发布时间表，且缺乏国家级聚合渠道，导致系统性地分析全美裁员动态极为困难。在构建过程中，团队面临多重挑战：首先，需从45个州劳工部门的异构系统中逐一抓取公开记录，每个州的网站结构、文件类型（如PDF、HTML）和数据字段命名各异，自动化解析难度极高；其次，数据清洗与规范化工作繁重，包括统一日期格式、公司名称实体识别、地理编码及行业分类映射；此外，及时捕获各州更新的通知并保持数据集同步，要求持续监控与增量更新机制，对数据采集与管道维护提出了严峻考验。

常用场景

经典使用场景

US Layoffs Tracker 数据集汇集了美国劳工部依据《工人调整和再培训通知法案》（WARN Act）披露的约42,000条大规模裁员与工厂关闭通知，涵盖45个州的劳动力部门数据。其经典使用场景在于构建一个全国性的裁员事件可视化与检索平台，数据科学家和劳动经济学家常借助该数据集，按公司、州、日期等维度快速筛选与分析裁员分布规律，揭示经济周期中的劳动力市场波动。

衍生相关工作

基于该数据集衍生出了一系列经典工作，包括构建动态的裁员热力地图与时间序列预测模型，如结合宏观经济指标训练分类器推测未来裁员概率；以及开发多模态分析框架，融合文本挖掘技术从通知内容中提取裁员原因、受影响岗位类型等结构化特征。部分研究还将其与股市数据关联，分析裁员公告对股价的短期冲击效应，推动了事件驱动型金融分析方法的进步。

数据集最近研究

最新研究方向

当前，US Layoffs Tracker数据集在劳动经济学与数据可视化交叉领域的前沿研究中扮演着关键角色，尤其是在追踪美国《工人调整与再培训通知法案》（WARN Act）框架下的大规模裁员与工厂关闭动态方面。该数据集通过整合来自45个州劳工部门的约42,000条公开记录，填补了联邦层面缺乏统一裁员通报机制的空白，为研究人员提供了前所未有的细粒度时间序列数据。随着2024年科技行业与制造业裁员潮持续引发社会关注，该数据集被广泛用于分析裁员的地域分布、行业聚类及其与宏观经济政策的关联性，例如供应链重组、利率调整对就业市场的冲击。此外，结合kadoa.com的自动化采集与规范化处理，研究者能够实时检测裁员模式的突变点，进而评估企业重组对社区经济韧性的长期影响。这一资源的开放性与可复现性，不仅推动了基于证据的劳动力政策制定，还为预测性建模与风险预警系统的发展奠定了数据基础，成为连接公共记录与大语言模型驱动的经济分析之间的核心枢纽。