
本次报告是由领英挖掘四大会计师事务所从业者的用户数据,与清华大学学生职业发展指导中心教研室合作分析完成。
报告发现,四大从业者学历偏高,将近一半为研究生及以上学历,超过30%的人有过海外留学经验,超过一半的人为学习工商管理专业出身。在针对年轻一代的四大从业者的分析中,领英发现,90后与85后跳槽频率相比平均值更快,其中90后甚至一年就跳一次槽。选择跳槽的四大从业者更倾向于进入金融、制造与高科技行业。
四大从业近一半为研究生及以上学历
在四大从业者毕业高校分布上,北上广地区财经类院校及传统名校表现抢眼。其中,北京以及上海的院校在占比上尤为突出,两地高校商科师资力量雄厚 ,北上广的学生也有更多了解四大的机会。四大从业者毕业院校排名前三的学校分别为上海财经大学、复旦大学和对外经济贸易大学。
从业者毕业高校百分比排名
进入四大工作必须要有海外留学经验吗?目前看来并不是这样——领英数据显示,四大从业人员中69.65%没有海外留学经历。而在有留学经历的人群中,商科强势的院校学生占比较高。这说明商科培养出来的人才更能满足四大的需求。
从学历来看,四大从业者学历普遍较高,50%为本科学历,将近50%为研究生及以上学历。其中拥有研究生学历的占比35%,拥有MBA学位的占比11% 。
上图为从业者最高学历分布
四大从业者所学专业集中效应非常明显,高达54.4%的从业者是学工商管理专业出身,经济学位列第二,比例为12.7%,排名前十的后八个专业分别为计算机、语言与文学、法律、数学、工业工程与管理科学、电气与电气工程、公共关系与新闻传媒。
从业者最高学历专业分布
90后实习经历多于85后
领英数据显示,四大从业者在进入四大工作前平均拥有1.62份实习工作。90后从业者实习数量明显高于85后——90后四大从业者有过两份以上实习经历的人数占比31.6%,是85后拥有两份实习经历的比例的5倍多。
90后与85后实习数量对比
四大从业者在实习阶段质量普遍偏高,前十大的实习公司多为四大或者金融行业的一流公司。在入职四大前,在四大实习过的人员占四成 。
四大从业者实习前十大公司分布
平均工作13年可当合伙人
和其他行业相比,四大拥有更清晰的晋升机制。通常情况下,普通员工工作大约2年可以迎来一次升职。职位越高升职所需的工作时间也越长。平均来说,坚持工作13年(155.45个月)便有望成为四大合伙人。
90后比85后更爱跳槽
当一部分人选择努力争取晋升机会时,另一部分人则选择了跳槽。领英数据显示,四大员工们平均工作4年之后会选择跳槽。 90后与85后跳槽速度快于平均值,85后大约工作两年便会跳槽,90后平均工作一年就会跳一次槽。
从四大跳槽的从业人员中,只有3.6%的人 会跳向另一家四大公司,绝大多数人选择了跳向四大之外的公司。四大从业者第一次跳槽去向中,占比最大的行业为金融业,制造业、高科技分列二三位。
上图为从业者跳槽行业去向
附:四大从业者跳槽去向行业排名Top4
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08