对于金融从业者来说，非农数据是一个很重要的经济考量指标。在美国，对就业率统计十分看重，非农数据聚焦非农业就业人口的就业率情况，备受金融领域关注。从普遍经济原理来讲，当就业率趋近饱和，市场会自然触发优胜劣汰机制，那些待遇差、产能落后或经营效益欠佳的企业会被逐步淘汰，从而为劳动者收入提升奠定基础。
然而在我国，情况却复杂得多。我国缺乏科学的就业率统计体系，且农业人口基数庞大。美国农业人口仅占全体人口的1% - 2% ，而我国农业人口占比要高得多（比如，在[lbk]具体年份[rbk]，我国农业人口占总人口比重达[lbk]X[rbk]% ）。若单纯采用非农就业率统计方式，与实际情况严重不符。
我国众多农民因人均土地过少，像南方多数地区，一个家庭仅有一两亩地，北方家庭土地虽多些，一般也就几十亩到上百亩，远不及美国农场主动辄上千顷。如此少的土地产出，仅够满足自家基本饮食，像种些蔬菜、大米供自家食用。但面对生活中教育、医疗、电费、燃气费等各类开支，靠卖农产品一年仅得一两万收入，远远不够。所以，大量农民不得不进城打工，包括农村出来上大学的人群，也多在城市工作。
若将这些群体排除在就业率统计之外，数据会严重失真，统计也就失去意义。农民工及从农村走出在城市工作的人，不应被排除在统计范围外，因为极少农村人口仅靠从事农业就能有足够收入。这样不合理的统计，不仅无法真实反映就业情况，还会破坏就业率与收入提升之间的正向联系，导致类似农民工与城市人口“内卷”的现象，让通过提高就业率来增加收入的目标难以实现。所以，建立科学合理的就业率统计方案迫在眉睫，这是保障人民群众收入提升的重要前提 。