
作者 | 吴子劲
来源 | 网易数读
如果你想开一家公司,你会把办公室放在哪里?
北上广深自然是第一批出现在脑海的名字,杭州成都近几年也是热门;华为松山湖办公室正式运作,让东莞似乎也成为了一个不错的选择……
一个地区或城市企业数量的多少,关系着能否吸引到人才和消化人才。而在轰轰烈烈的抢人大战中,哪些城市更有希望呢?
东部沿海优势维持
企业数量是衡量地区经济活力的重要指标。企业数量的多少,直接影响到可以提供多少就业机会,在多大程度上促进资源流通,以及产生多少经济效益。
天眼查的数据显示,2009-2018年间,国内31个省/直辖市/自治区(不含港澳台)共有4017.64万户企业(不含个体工商户,下同)注册成立。
截止至2019年9月,其中975.38万户已注销(注销率24.28%),仍然存续的企业数量为3042.26万户。
从省份层面来看,广东、江苏、山东是新注册成立企业数量最多的3个省份,这和它们长期以来GDP的排名也比较接近。
广东坐拥广州与深圳两个超大城市,其经济活力自然不言而喻。江苏作为总体经济发达、省内发展水平相对均衡的代表性省份,大量经济实体选择在此扎根也很合理。
山东作为GDP排名长期位列三甲的省份之一,背后也有众多企业的贡献。
从上图中不难看出,2009-2018年间注册成立企业数量比较多的省份大多位于东部沿海——“胡焕庸线”以东。
这个区域自改革开放以来经济发展速度显著高于西部内陆省份,有更多人选择在这些省份开设工厂、租下办公室,用行动证明它们有着相对更高的经济活力。
如果以地区来看,除了总量,在四大经济分区的省均新增企业数量差异上,东部地区仍然维持着不小的优势:东部地区省份有着最高的省均企业注册数量,同时有着最高的增长速度;中部地区次之。
西部地区和东北地区,企业活力则相对较弱,东北地区每省平均新增企业数量在近年甚至有被西部地区赶超的趋势。总体而言,区域之间的企业活力依然存在比较大的差异。
不过,不论是哪个地区,2009-2012年每年新增企业数量都相对稳定,2008年底四万亿一揽子政策提供的流动性对冲次贷危机带来的外需减少,在企业数量上表现为“维持一定的增长速度”。
自2013年起,中国的企业数量开始加速增长,尽管不同经济分区的增长速度存在明显差异,但基本上所有分区每一年新增企业数量都比去年更多。
北上广深第一梯队,成都领先西安
如果将目光从经济分区、省份层面转到城市,除了北上广深,二线城市也值得关注。
从上图不难看出,无论是否考虑不同城市企业的注销率,北上广深在企业数量上依旧稳居前4。深圳和上海量级更为接近,存量企业数量都超过150万户。北京次之,广州随后。
二线城市当中,重庆和成都在新成立企业总数上与北上广深的距离最小,接近100万户。不过由于两城企业注销率都超过25%,所以存续企业数量上与注销率不足20%的南京、苏州距离缩小,都在50-75万户量级。
重庆与成都新成立企业多,淘汰的速度相对也更快,更替更为频繁;而选择南京和苏州的企业虽然数量稍逊一筹,但留存更高,发展更为稳定。
可以认为,这代表了两种不同的商业氛围:苏州具有众多技术型外资企业相对高端的制造工厂,规划及落地过程较为缓慢,但投产后长时间存续;成都则第三产业占比相对更高,增长速度也比自身第一、第二产业更快,随之而来的是更为快速的企业迭代节奏。
而在此前的抢人大战中,同在西部的西安和成都是经常被比较的对象。
不过,西安2009-2018年新成立注册的企业数为51.4万户,2019年存续企业为37.5万户,高于宁波、长沙等地,但是低于武汉、郑州、杭州、成都等地。注销比也和成都重庆不相上下。
在这场竞争中,成都是领先的一方。
如果将注册资金作为衡量企业规模的一个指标,那么在企业规模分布上,二线城市与北上广深的差别没有想象中的大。
在北京注册的企业,注册资金在100万以下的比例显著低于其余三个超大城市或二线城市,而注册资金1000万以上的比例则显著更高。北京作为首都,汇集了更多的大型企业。
二线城市总体而言企业规模分布与上海、广州、深圳没有太大差别,只是在绝对数量上依然存在差距。
有人的地方,才有企业
二线城市和北上广深企业数量的差距,可以如何追赶?“招商引资政策”可能是一个常见的回答。
但其实,“招商引资”和“抢人大战”相辅相成,一个地区的常住人口数量和它的企业数量息息相关。
通过分析各省常住人口与仍然存续的企业数量之间的相关关系,可以发现,常住人口越多的省份,商业往往越为活跃,充足的经济活力又会吸引人口流入,形成正循环。
常住人口越多的省份,往往企业越多,反之亦然。常住人口的增长甚至能提供平方量级的企业容纳能力:常住人口对企业而言,既可以作为企业员工,产出劳动成果;也可以是消费者,获取企业的产品或服务,为企业提供收入。
正是由于常住人口对企业而言的双重属性,常住人口和企业数量才呈现出了上图中平方级的相关关系,而不仅是简单的线性关系。
也正是由于认识到常住人口对企业发展的价值,各个二线城市才在近几年开始了更为积极的抢人大战。
例如西安市表示2018年新落户人数超过73万,其中超过25万人具有本科或以上学历,抢人不能说是没有效果。
但新落户的大量人口能否长时间在二线城市发展,还有待时间的检验。有的人因为政策而来,却发现产业跟不上,能让自己发挥才能的工作实在太少,不得已又回到北上广深。
另一方面,联合国《世界人口趋势2019》预测,中国劳动年龄人口在2015年达到顶峰(2015年中国15-64岁人口约10.04亿,占比73.01%)后,将持续下降:到2035年,中国15-64岁人口将降至9.43亿(中位预测值),占比降至64.56%。
在全国劳动人口持续萎缩的情况下,二线城市的抢人大战,只会更为激烈。未来大城市会越来越大,小城市越来越空。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29