electricsheepasia/asia-ilo-ees-tees-sex-ocu-nb-employees-by-sex-and-occupation-thousands

该数据集名为按性别和职业划分的员工数量（千）| 亚洲（ILOSTAT），包含21,769个观测值，覆盖40个亚洲国家，时间跨度为1996年至2025年。数据来源于国际劳工组织（ILO）的ILOSTAT数据库，这是一个全球领先的劳动统计数据源，整合了就业、失业、工资、工作时间、童工、非正规经济、社会保护、职业伤害和可持续发展目标（SDG）体面工作目标等指标。数据集的核心指标为EES_TEES_SEX_OCU_NB，表示按性别和职业划分的员工数量（以千计），数据通过ILOSTAT REST API获取，并过滤为亚洲国家代码。数据集采用表格格式，包含列如国家代码、国家名称、数据来源、指标、性别分类、年份、观测值等，适用于表格分类、回归和时间序列预测任务。数据经过ILO的标准化处理，使用国际劳工统计学家会议（ICLS）定义，并标注了数据来源和质量状态（如临时数据、不可靠数据）。数据集由Electric Sheep Asia重新打包，旨在为亚洲提供统一、机器学习就绪的数据层，便于研究人员和开发者使用。许可证为CC-BY-4.0，使用时需引用原始来源和重新打包方。This dataset is named Employees by sex and occupation (thousands) | Asia (ILOSTAT) and contains 21,769 observations across 40 Asia countries, spanning the years 1996–2025. It is sourced from the International Labour Organization (ILO)s ILOSTAT database, a leading global source for labour statistics that compiles indicators on employment, unemployment, wages, working time, child labour, informal economy, social protection, occupational injuries, and SDG decent work targets. The core indicator is EES_TEES_SEX_OCU_NB, representing employees by sex and occupation in thousands. Data is pulled directly from the ILOSTAT REST API and filtered to Asia ISO3 country codes. The dataset is in tabular format with columns such as country code, country name, source, indicator, sex disaggregation, year, observed value, etc., and is suitable for tabular classification, regression, and time-series forecasting tasks. It is harmonised using ICLS (International Conference of Labour Statisticians) definitions, with source and quality flags (e.g., provisional, unreliable). The dataset is repackaged by Electric Sheep Asia as part of a unified, ML-ready data layer for Asia, facilitating easy use by researchers and developers. The license is CC-BY-4.0, and users are required to cite both the original source and the repackaging. The dataset includes detailed schema, geographic coverage, methodology, usage examples, and citation information.

搜集汇总

数据集介绍

构建方式

该数据集脱胎于国际劳工组织（ILO）所维护的ILOSTAT中央统计数据库，后者为全球劳动统计领域的权威来源，涵盖就业、失业、工资、工时、童工、非正规经济、社会保障及职业伤害等多元指标。构建过程中，研究者通过ILOSTAT的REST API端点直接抽取指标EES_TEES_SEX_OCU_NB的原始记录，并以亚洲ISO3国家代码为筛选条件进行地域限定，最终由Electric Sheep Asia以Parquet格式重新打包发布。ILOSTAT本身依据国际劳工统计学家会议（ICLS）的定义对各国劳动力调查、家庭收入调查、机构调查及行政记录等微观数据进行调和，数据来源在source.label列中予以标注，以保障可追溯性。

特点

该数据集汇集了21,769条观测记录，横跨40个亚洲国家和地区，时间序列自1996年延伸至2025年，以年度频率呈现。数据以性别和职业为双重视角对雇员人数（以千人为单位）进行细分，性别维度包括总计、男性、女性及其他四类取值。每一条记录均附有丰富的元数据字段，包括来源代码与名称、指标代码与标签、职业分类变量及其说明、观测状态标志（如临时性或不可靠）、以及分类、指标和来源层面的注释信息，为数据质量的判定和跨国比较提供了充分的上下文支撑。

使用方法

研究者可借助HuggingFace datasets库以单行代码加载该数据集，并将其转换为Pandas数据框以开展后续分析。典型操作包括按ref_area列筛选特定国家（如印度尼西亚），或针对单一指标按time列排序以绘制时间序列趋势图，亦可利用pivot_table方法将数据重塑为国家与年份交叉的矩阵形式，便于开展面板数据分析或跨国比较研究。数据集适用于表格分类、表格回归及时间序列预测等任务类型，使用时应遵循CC-BY-4.0许可协议，同时引用国际劳工组织原始来源与Electric Sheep Asia的再包装工作。

背景与挑战

背景概述

国际劳工组织长期致力于全球劳动力市场统计的标准化与可比性建设，ILOSTAT数据库作为其核心统计平台，汇集了涵盖就业、失业、工资及职业结构等多维度指标。该数据集由Electric Sheep Asia于2025年基于ILOSTAT官方API重新封装发布，覆盖1996至2025年间亚洲40个国家的从业人员按性别与职业分类的观察数据，共计21,769条记录。其核心研究问题在于揭示亚洲地区劳动力市场中性别与职业结构的分布特征及演变趋势，为劳动经济学、社会政策分析与可持续发展目标评估提供实证基础。该数据集凭借其时间跨度长、地域覆盖广、分类维度细的特点，在亚太区域劳动统计研究中具有重要的参考价值。

当前挑战

该数据集所回应的领域问题在于如何精确刻画亚洲各国从业人员在性别与职业维度上的结构性差异，并支撑跨国家、跨时间的比较分析。构建过程中面临的核心挑战包括：各国劳动力调查在职业分类标准与性别统计口径上的异质性，需依赖国际劳工统计学家会议定义进行协调；部分国家数据存在时间序列断裂、观测状态标注为不可靠或临时性等问题，影响时序建模的稳定性；性别维度中非二元分类样本极为稀疏，制约了交叉分析的完整性；此外，不同来源调查的抽样设计与覆盖范围差异亦为数据融合与趋势推断带来不确定性。

常用场景

经典使用场景

在劳动经济学与人口统计学的交汇处，该数据集凭借其跨越近三十载、覆盖四十个亚洲国家、按性别与职业分类的雇员人数序列，成为探究亚洲劳动力市场结构性变迁的经典面板数据来源。研究者常将其用于分析不同性别在各职业类别中的就业分布演变、性别就业差距的长期趋势，以及经济周期、政策改革与产业结构调整对雇员构成的冲击。借助时序建模与跨国比较方法，可揭示区域内劳动力市场的收敛与分化特征。

衍生相关工作

围绕该数据集已衍生出若干经典研究脉络，包括基于ILOSTAT系列构建的亚洲性别就业差距分解分析、职业结构转型与经济增长关系的跨国回归，以及利用其时间序列进行劳动力市场韧性评估的预测建模工作。Electric Sheep Asia的标准化重打包亦促进了机器学习社区在表格数据分类、回归与时间序列预测任务上的基准测试，推动了劳动统计数据的可复用生态建设。

数据集最近研究

最新研究方向

在全球劳动力市场性别平等议题持续升温的背景下，该数据集为探究亚洲职业性别隔离的演变提供了长时段、跨国别的量化基础。前沿研究聚焦于利用其细分职业与性别维度，结合机器学习方法预测女性在技术与管理岗位的占比趋势，并评估教育政策与产业转型的干预效应。数据中涵盖的观察状态与序列断裂标注，亦推动了对统计可靠性的稳健性检验。相关成果可为国际劳工组织监测可持续发展目标8.5提供实证依据，对制定包容性就业政策具有关键参考价值。