us-warn-act-layoffs-notices-daily

这是一个关于美国WARN法案裁员通知的数据集，由自动化管道每日从39个州劳工部门门户网站重建、标准化和去重生成。数据集包含2024年1月1日至今的9,445条通知，覆盖39个州（AK, AL, AZ, CA, CO, CT, DC, DE, FL, GA, IA, IL, IN, KS, KY, LA, MD, ME, MI, MS, MT, NC, NE, NJ, NM, NY, OK, OR, PA, RI, SC, SD, TN, TX, UT, VT, WA, WI, WV）。数据以CSV格式提供，包含以下字段：id（稳定行ID）、state（州代码）、company（雇主名称）、company_canonical（规范化雇主名称，便于去重聚合）、company_dba（经营名称）、location（地点）、employees_affected（受影响员工数）、notice_date（通知日期）、effective_date（裁员/关闭日期）、notice_type（通知类型，如裁员、关闭等）、first_seen（管道首次观察到该行的日期）。数据集适用于表格分类（如预测通知类型）和时间序列预测（如预测未来裁员趋势）等任务。许可证为CC BY 4.0。该数据集是免费层，还提供了付费的历史完整档案（1988年至今，45,777条记录）以及多州雇主、通知期等配套数据集。This is a dataset about WARN Act layoff notices in the United States, rebuilt, standardized, and deduplicated daily by an automated pipeline from 39 state labor department portals. It contains 9,445 notices from January 1, 2024 to present, covering 39 states (AK, AL, AZ, CA, CO, CT, DC, DE, FL, GA, IA, IL, IN, KS, KY, LA, MD, ME, MI, MS, MT, NC, NE, NJ, NM, NY, OK, OR, PA, RI, SC, SD, TN, TX, UT, VT, WA, WI, WV). The data is provided in CSV format with the following fields: id (stable row ID), state (state code), company (employer name), company_canonical (normalized employer name for deduplication and aggregation), company_dba (doing business as name), location (location), employees_affected (number of affected employees), notice_date (notice date), effective_date (layoff/closure date), notice_type (type of notice, e.g., layoff, closure, etc.), first_seen (date when the pipeline first observed the row). The dataset is suitable for tasks such as tabular classification (e.g., predicting notice type) and time series forecasting (e.g., predicting future layoff trends). The license is CC BY 4.0. This is the free tier, with paid historical full archive (1988-present, 45,777 records) and companion datasets such as multi-state employers and notice periods also available.

原始信息汇总

数据集概述

本数据集为 美国 WARN 法案裁员通知数据集，由自动化流水线每日从美国 39 个州的劳动部门门户网站抓取、标准化、去重后发布，提供自 2024 年 1 月 1 日起的免费层数据。

核心信息

• 数据集名称: US WARN Act Layoff Notices — normalized, 39 states, rebuilt every day
• 许可协议: CC BY 4.0
• 语言: 英语
• 任务类型: 表格分类、时间序列预测
• 数据规模: 约 9,445 条通知（1K < n < 10K）
• 覆盖州数: 39 个州
• 最后重建日期: 2026-09-06
• 未覆盖州: AR, HI, ID, MA, MN, MO, ND, NH, NV, OH, VA, WY

数据内容与特点

• 数据范围: 免费层仅包含 2024-01-01 之后的通知，完整历史存档（1988 年至今）包含 45,777 条通知。
• 数据字段: 包括稳定 ID、州代码、雇主名称及规范化名称、营业名称、地点、受影响员工数、通知日期、生效日期、通知类型、首次发现日期。
• 每日更新: 自动化流水线每日重新抓取、去重和更新数据，避免其他一次性上传数据集因州政府修订而腐化的问题。
• 跨州分析: 规范化雇主名称后，可识别跨州裁员的雇主（如 428 家雇主在两个以上州备案）。

关键统计洞察

• 通知期不足 60 天: 在同时公布通知日期和裁员日期的 26,003 条通知中，50%（12,901 条）给工人的通知期不足 60 天，涉及 1,242,246 名工人。
• 中位通知期: 恰好为 60 天。
• 同日通知: 1,213 条通知在裁员生效当天备案。
• 2020 年特殊性: 2020 年共有 11,508 条通知，涉及 1,386,338 名工人，超过 2021–2025 年总和。

数据访问与资源

• 免费数据文件: 通过 Hugging Face load_dataset 或直接下载 CSV 文件访问。
• 配套网页工具:
  • 各州专门页面（含月度趋势、RSS 和 JSON）
  • 多州雇主分析页面
  • 通知期统计页面
  • 1988–2026 年度历史数据可视化页面
• 付费层: 完整历史档案（1988 至今）一次付费 199 美元；WARN Watch 服务（每年 49 美元）提供定制化警报监控。

数据局限与注意事项

• 通知期计算: 数据集计算 effective_date - notice_date，但排除裁员日期早于通知日期的 9,984 条记录及无裁员日期的 8,476 条记录。
• 法律遵守说明: 通知期不足 60 天并不必然违法，WARN 法案允许因公司经营困难、不可预见情况或自然灾害等原因缩短通知期。
• 覆盖率差异: 各州通知数量差异较大（如加州 16,563 条 vs 路易斯安那州 38 条），反映州级门户的覆盖度和发布活跃度差异。

搜集汇总

数据集介绍

构建方式

该数据集通过一套自动化流水线每日从美国39个州的劳工部门门户网站抓取《工人调整和再培训通知法》下的裁员备案，经数据清洗、标准化、去重及雇主名称规范化后整合为统一架构的表格。此过程依赖稳定的ID保留逻辑，以应对各州对记录的修正与删除，确保数据的持续更新与一致性。当前免费版本收录了自2024年1月1日起的9,443条通知，涵盖39个州，而未覆盖的州及每日抓取状态均记录在附带的coverage.json文件中，以供查阅。

使用方法

用户可通过HuggingFace的datasets库或直接下载CSV文件便捷获取数据，并使用pandas等工具进行时间序列分析与分类任务。例如，可基于notice_date按月聚合员工受影响总数，或通过notice_days列分析通知期分布。该数据集兼容表格分类与时间序列预测场景，且与配套的notice-period及multi-state数据集共享id字段，便于整合分析。对于实时监控需求，数据集提供免费的每日刷新页面与RSS支持，用户可按州或雇主定制提醒，而完整历史档案则需通过一次性付费获取。

背景与挑战

背景概述

美国《工人调整和再培训通知法案》（WARN Act）自1988年颁布以来，旨在要求雇主在发生大规模裁员或工厂关闭时提前60天通知员工，以缓解劳动力市场的冲击。然而，各州执行和记录这些通知的方式千差万别，导致跨州比较和研究面临碎片化难题。由APProjects团队于2026年构建并每日自动更新的‘us-warn-act-layoffs-notices-daily’数据集，系统性地爬取、规范化并去重了全美39个州的WARN通知，覆盖2024年以来的9,443条记录，并保留自1988年以来的完整历史档案。该数据集的核心研究问题在于，通过统一的数据模式揭示裁员通知的实际提前期、雇主跨州裁员模式及劳动力市场的动态变化，为经济学家、政策制定者及人力资源研究者提供了前所未有的标准化公共记录资源。其影响力体现在，不仅降低了研究人员获取高质量WARN数据的技术门槛，还通过公开的每日刷新机制对抗了此类数据的时效性衰减问题，成为相关领域替代数据的重要基石。

当前挑战

该数据集面临的核心挑战源于WARN数据本身的动态性和异质性。领域层面，各州门户网站的数据格式、更新频率及字段完整度参差不齐，部分州如德州和纽约的通知则存在显著的延迟或缺失，导致跨州分析的覆盖偏差与时间可比性问题；同时，雇主常依据法律豁免条款（如公司濒临破产或不可预见情况）缩短通知期，使得‘实际通知天数’的精确测算需细致判别，而本研究揭示的50%通知不足60天的现象，虽基于公开记录却可能引发法律误读风险。构建层面，技术挑战包括每日爬虫需应对各州网站的频繁改版与反爬机制，去重逻辑需处理同一雇主在不同州提交的相似记录，以及公司名称的异构拼写（如‘General Motors’与‘GM LLC’），均需通过稳定ID保留逻辑与名称规范化算法予以解决，数据质量维护要求高，且需同步跟踪各州数据源的爬取覆盖率与更新状态，确保数据集的每日重建既及时又准确。

常用场景

经典使用场景

该数据集的核心应用在于劳动力市场的时间序列分析与预测。凭借其日更特性与标准化架构，研究者可追溯自2024年以来39个州的裁员通知，构建月度或季度裁员趋势模型。其字段设计（如通知日期、生效日期、受影响雇员数）为时序建模提供了细粒度颗粒度，使得学者能够运用ARIMA、Prophet或LSTM等算法，预测区域性乃至全国性的就业波动，探索经济周期与结构性调整的关联。此场景尤为贴合劳动经济学与公共政策领域的研究需求。

解决学术问题

数据集解决了跨州劳动力数据碎片化和可比性不足的学术难题。通过统一采集与规范化，它打破了以往单一州数据限制，使得学者能够研究企业多州裁员行为的传播模式，例如评估某一行业冲击是否引发经济涟漪效应。同时，其包含的通知日期与生效日期，首次为大规模实证检验WARN法案合规性提供了基础——计算实际通知期，识别低于法定60天阈值的案例，从而量化政策执行中的灰色地带，为劳动法律的经济效应评估贡献实证依据。

实际应用

在实际层面，此数据集为人力资源领域与投资决策提供了实时预警信号。企业HR部门可借其每日更新监控竞争对手的扩展与收缩动态，辅助人才储备策略；风险投资机构与分析公司则能利用裁员数据作为另类经济指标，结合公开财报预判行业景气度。其RSS及Webhook订阅功能，更使得新闻机构与地方经济发展部门能够即时获得裁员公告，用于报道发布、受影响区域快速响应，以及制定提前干预的职业培训计划，实现从数据到决策的闭环。

数据集最近研究

最新研究方向

该数据集聚焦于美国《工人调整与再培训通知法》(WARN Act)实施成效的量化评估，通过每日自动抓取39个州的官方通告并归一化处理，构建起覆盖近万条记录的劳动力市场动态监测体系。其核心创新在于对通告日期与实际裁员日期的时间差进行精确计算，揭示出约半数通告未达法定的60天预警期，这一发现为劳动法执行效能研究提供了实证基础。同时，数据集通过雇主名称规范化技术，突破单一州数据的行政边界，识别出436家跨州裁员企业，成为分析大型跨国公司劳动力调整策略的重要工具。在近期美国科技行业持续裁员、区域经济结构转型的背景下，该数据为预测劳动力流动趋势、评估政策干预效果提供了高时效性的替代数据源，其每日更新的特性有效克服了传统官方统计的时滞性问题。