京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16