
已经建立业界最大实名制数据库的云家政31日披露其最新调研结果,中国一线城市——北、上、广、深家政服务供需缺口均在10—20万人之间,春节前后家政服务员缺口更甚。缺口典型需求集中于育儿嫂、住家保姆和老人护理,居家养老缺口高达7到8成。
云家政当日还推出了家政行业指数,包括景气指数和均衡指数。这些指数表明,上海家政市场处于卖方市场。对比各工种的雇主期望工资和阿姨期望工资以及最终成交价格,所有成交价格均高于雇主期望工资。
四地家政服务中,日常家政服务成本上海最高,临时钟点工北京最便宜,母婴类综合服务深圳最便宜,而居家养老服务广州最便宜。根据分析,北上广深四地白领人群均青睐“宅速洁”,即临时钟点工。
据悉,自2013年对外试运营至今,云家政已经实现北京、上海、广州、深圳的城市覆盖,登记在册的家政服务员人数累计超过25万和门店数逾2000家,建成了中国最大的实名制家政人员数据库和最大的家政门店数据库。云家政当日首次发布中国一线城市北上广深四地家政行业数据报告,以及上海家政行业指数。
根据云家政的数据报告,上海专营家政服务的企业约800家,从业人员50到60万;北京从业人员数与上海相当;广州家政行业从业人数近40万;深圳家政人员数亦在40—50万之间。统计数据显示,一线城市四地中,安徽阿姨比例最高,上海甚至超过37%。
工资分析表明,约7成上海住家保姆月薪低于4000元人民币,近四分之一住家保姆月薪高于4000元;在广州,超过6成月嫂工资超过7000元,2成以上公司更逾8000元;从孩子3个月到6岁提供持续性服务的育儿嫂给上海家庭带来的压力最大:在上海,近2成育儿嫂月薪超过5000元,该比例是广、深的5倍;同时,4000元月薪的育儿嫂上海占44%。
据记者了解,云家政还首次针对四地10000名大学生进行调研,发现理科生对于家政的需求远高于文科生,67.5%的理科生表示出了刚搬进寝室和假期结束返回寝室,平时也有服务需求。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11