长期以来，经济学家一直对分析企业的进入和退出感兴趣。在许多国家，行政数据集为精细和分类水平上的详细分析提供了极好的来源。然而，管理数据集并非没有问题:公司的重组和重新标签往往衡量不佳，可能会产生很大的偏差。关于企业之间工人流动的信息可以潜在地缓解这些测量问题，但通常很难判断基于这种方法的校正算法的工作效果如何。本文使用来自德国的数据集，即企业历史面板(BHP)，与企业id和调查数据之间的所有工人流动信息合并，评估了工人流动方法的使用情况。我们首先记录了由于仅仅依赖开业标识符(EID)的第一次和最后一次出现来识别开业和关闭而导致的错误分类的程度。我们发现，只使用EID的错误分类偏差是非常严重的:只有大约35%到40%的超过3名员工的新EID和消失EID可能对应于真实的企业进入和退出。在较大的机构中，错误分类更为常见。我们提供了3个证据，证明使用基于工人流动的分类系统优于仅使用eid:首先，使用工人流动方法生成的企业出生年与独立调查得出的企业出生年的相关性要高得多。其次，使用工作流程方法识别的建立条目和退出与业务周期密切相关，而识别为简单ID更改的事件则不是。 Third, establishment exits have a big negative impact on workers' earnings trajectories which is not present for ID changes.