真实骑手数据：73万大学毕业生在送外卖？-技术圈

导读：所以到底是多少人嘞？

作者：朱小五

来源：凹凸数据（ID：alltodata）

01 外卖骑手，困在系统

最近，人物杂志的一篇文章《外卖骑手，困在系统里》在微博疯转，在朋友圈刷屏。

两大外卖平台相继作出回应：饿了么表示将尽快发布“多等5分钟或10分钟”新功能，鼓励消费者多给骑手一点时间，结果没想到引起广泛质疑，被认为这是在道德绑架。

美团在友商排除了“错误答案”后，表示将马上优化调度系统，给骑手留出8分钟弹性时间，给骑手留出8分钟弹性时间，让骑手在路口放慢一点速度。恶劣天气下，系统会延长骑手的配送时间，甚至停止接单。

▲两大外卖平台的回应

这个问题其实早就有了，平台和服务人员的矛盾一直被转移给用户和服务人员身上（不仅仅是外卖平台）。

每个人在整件事里，角色不同，需求也不同。平台要抽成，商家要赚钱，骑手要挣钱，用户要服务，各方都为了自己的利益在努力，造成一个死循环的局面。^[1]

我觉得人物的这篇文章之所以能够“出圈”，更多的是引发了大众的共情，文章里困在系统里外卖骑手不整理是一个个自己啊，看似选择一堆其实没什么选择，毕竟要生活。

没发现996已经默认“合法”存在了吗？

这次是资本稍微让步，于是大家又美滋滋地在循环中达到了微妙的平衡点。

下次又会是哪个行业呢？

02 6万硕士，17万本科

作为一个数据号，就不聊那些让大家不开心的事了，我们回过头聊聊数据。

在浏览这个事件的相关话题下，我发现了这样一组图：

6万研究生，17万本科生在送外卖。是他辜负了文凭，还是文凭辜负了他？^[2]

听着就是爆款文章，去微信搜了一圈，果然类似的文章也超多！

▲微信类似文章

不过大家有没有注意到一个问题，上图中的文章有的写7万研究生、6万研究生、21万大学生、72万大学生、100万大学生......

所以到底是多少人嘞？

一开始以为是引用的数据源不一致，结果发现这些文章的数据来源都是美团的《2020年上半年骑手就业报告》。

于是乎，我顺藤摸瓜，找到了这份报告的原始文件，感兴趣的可以在文末获取下载链接。

这份报告是美团研究院在调查问卷的基础上，结合2020年上半年（2020年1月-6月）美团平台的骑手数据以及对骑手的访谈材料进行了分析制作的。

这份报告里说了很多信息：

截止2020年6月30日，美团拥有外卖骑手295.2万；
超过20.8%的骑手，每天风雨里奔波超过50公里。平均每个骑手每天需奔波31公里；
80%的骑手，月收入在8000元以下。三分之一以上的骑手，月收入在2000~4000元之间；
24.7%骑手，学历在大专以上。

发现没有，数据出来了，学历在大专以上的骑手，295.2万*24.7%= 72.9万

但是，我翻了一遍，除了一张图也没有提到本科、研究生所占比例啊？

所以那些媒体的几万几万是怎么算出来的呢？

好吧，似乎是约等于出来的。那，通过这个报告，我们能不能得出准确数据呢？

03 到底是多少人啊？

我还真试了试，别问我有多闲。

截图
打开Windows自带的画图工具
将截图倒置
左边的标尺正好用来衡量各个柱体的长度（像素点）

▲手动测算

是不是比例就出来了？

还没结束，我们需要验证一下。

因为报告里提到了一个数据比例：2020年上半年，大专及以上学历（包括网络大学、电大等成人继续教育学历）骑手的占比达到24.7%。

那么我们来验证一下这个比例对不对：

很可惜，并不对。

我这位闲人又开始琢磨，正常都是条形图，是不是条形图上面的半圆导致比例不一致呢。

于是我又做了一次尝试，去掉半圆，只截取长方形的像素点高度，如下图所示：

▲手动测算

再来一次验证 ↓

哦吼！我们翻出上面的那句话：“2020年上半年，大专及以上学历（包括网络大学、电大等成人继续教育学历）骑手的占比达到24.7%”。

竟然瞎猫碰死耗子了。

那就姑且认为我是对的吧

，按照像素点重新分配比例，就可以得出：

其中真实数据：今年上半年5.7万研究生、14.4万大学毕业生在送外卖！

那么，之前媒体的说话错了吗？

额，好像也没有，21万大学生可能是只计算了本科生；72万大学生就是个四舍五入问题嘛；100万大学生话也对呀，这是美团的数据，按照市场占有率，外卖行业整体可不就是100万+......

你看，数据不准，统计口径背锅就完事了（妙）。

如果大家有跟我一样闲的，也可以试试别的方法计算一波，我这个太笨了。

报告下载：如果大家对这份报告感兴趣，在公众号后台回复骑手即可。

我爱这个魔幻的世界

参考资料

[1]希望外卖平台能做得更好一点:

https://mp.weixin.qq.com/s/clDga-xckzY930XkIbUfMw

[2]格隆汇|勾股大数据

划重点?

干货直达?

pandas入门：Series、DataFrame、Index基本操作都有了！
吐血整理：24种可视化图表优缺点对比，一图看懂！
硬核科普：什么是狭义相对论？它有哪些惊人结论？
为什么Spark能成为最火的大数据计算引擎？它是怎样工作的？

更多精彩?

在公众号对话框输入以下关键词

查看更多优质内容！

PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白 | 神操作

大数据 | 云计算 | 数据库 | Python | 可视化

AI | 人工智能 | 机器学习 | 深度学习 | NLP

5G | 中台 | 用户画像 | 1024 | 数学 | 算法 | 数字孪生

据统计，99%的大咖都完成了这个神操作