데이터셋 상세
공공데이터포털
공무원연금공단 경력별 소급통산승인 추이
공무원연금법 시행전 공무원경력(공무원,군인,잡급,전문직 등)을 현재 근무기간에 합산(소급통산)받은 공무원 수 데이터입니다.(단위:명), 주) 소급통산대상 : 공무원연금법 시행전 공무원 등 재직기간 및 가입대상 적용이전 잡급직원 등 재직기간 - 공무원 : "48. 8. 15∼"59. 12. 31. 공무원 경력 - 군인 : "48. 8. 15∼"59. 12. 31 장기하사이하의 군인 경력 - 잡급 : "75. 1. 1∼"80. 6. 30 잡급직원 경력 - 전문직 : "73. 11. 29∼"80. 6. 30 사이의 전문직원 경력
데이터 정보
연관 데이터
공무원연금공단 직종별 퇴직자 추이
공공데이터포털
1982년부터 현재까지 공무원 직종별 퇴직자 현황 데이터(정무직,별정직,일반직,경찰소방,기능직,공안직,고용직 등)입니다. 주) 1. 2000년까지의 기타에는 정무직, 공안직, 연구직, 지도직, 계약직, 공중보건의 인원이 포함되어 있음 2. 2000년까지의 별정직(국가)에는 국가별정직, 지방별정직, 군무원이 포함되어 있음 3. 2001년 이후 기타에는 공익법무관, 기타직 공무원 등이 포함되어 있음 4. 청원경찰은 2002년까지는 경찰·소방으로 2003년부터는 기타로 분류되어 있음 5. 별정직, 일반직의 경우 2011년 이후 재직공무원의 직종관리체계를 변경함에 따라 지방직을 국가직으로 통합
인사혁신처 2018년 공무원총조사 현계급 승진소요연수
공공데이터포털
2018년 공무원총조사에 응답한 공무원 중 승진이 가능한 공무원을 대상으로 직전계급에서 현재 계급으로 승진하기까지 소요된 기간에 관한 통계입니다.
공무원연금공단 경력별 재직기간 합산승인 추이
공공데이터포털
공무원으로 임용되기 전의 경력(군인경력,공무원경력, 사립학교교직원경력)을 현재의 근무기간에 합산한 공무원 수 데이터입니다.
공무원연금공단 직종별 퇴직사유별 퇴직자 현황
공공데이터포털
공무원 직종별(일반직, 정무직, 별정직, 경철, 소방, 교육직, 기능직, 공안직, 군무원, 연구직 등), 퇴직사유별(명예퇴직, 정년퇴직, 일반퇴직, 당연퇴직, 해임, 파면 등) 퇴직자 수 데이터입니다. 주) 1. 퇴직사유중 기타는 기간만료 및 철도공사특례가입 종료 등임 2. 명예퇴직에는 조기퇴직인원 포함 3. 직종구분 "기타"에는 청원경찰, 공익법무관, 기타직 공무원 등이 포함되어 있음 4. 2013년도 인사관련 신분변동 항목 조정에 따라 의원면직, 조기퇴직 등 7개 항목이 "일반퇴직"으로 통합 5. 별정직, 일반직의 경우 2011년 이후 재직공무원의 직종관리체계를 변경함에 따라 지방직을 국가직으로 통합
인사혁신처 2018년 공무원총조사 응답인원
공공데이터포털
2018년 공무원총조사 응답대상인원 및 응답인원에 대한 통계표입니다.
인사혁신처 국가공무원 인사통계(임용 직위해제 전직 강임 겸임 복직)
공공데이터포털
행정부 국가공무원의 직위해제/ 전직/ 강임/ 겸임/ 복직 현황을 정리한 자료입니다. 당해연도에 직위해제/ 전직/ 강임/ 겸임/ 복직한 일반직, 특정직, 별정직공무원에 대한 현황을 나타내고 있습니다.
인사혁신처 2018년 공무원총조사 업무유형
공공데이터포털
2018년 공무원총조사에 응답한 공무원의 업무유형에 관한 통계입니다.
인사혁신처 2018년 공무원총조사 근무처소재지별 현황
공공데이터포털
2018년 공무원총조사에 응답한 공무원의 생활근거지별 현황입니다.
인사혁신처 국가공무원 인사통계(임용 승진 및 상위직급대우)
공공데이터포털
행정부 국가공무원의 승진 및 상위직급 대우 현황을 정리한 자료입니다. 당해연도에 승진한 일반직공무원, 특정직공무원이 몇명인지 직급별로 나타나 있습니다.
인사혁신처 봉급표
공공데이터포털
2024년도 전체 공무원에 대한 데이터로 직종별, 직종별, 계급별, 호봉별 월기준 받는 본봉에 대한 데이터로공무원보수 규정의 별표3, 별표3의2, 별표4, 별표5, 별표6, 별표8, 별표10, 별표11, 별표12, 별표13, 별표14의 내용을 통합하나 자료입니다.일반직공무원, 교사, 경찰, 소방공무원의 직급별, 호봉별로 월 지급하는 기본급에대한 자료이며 매년 업데이트할 예정입니다.데이터를 활용하실 경우 매년 데이터를 다운받아 기존의 데이터에 추가한후 시계열로 처리하시는 것을 추천 드립니다.