
来源 | 数据冰山
新年将至。与其抱怨同事蠢,老板坏,工资少得想狗带,不如趁着新年好好规划跳槽大计。
谋定而后动,知止而有得。在这万象更新的好时节里,数据冰山将为互联网从业者送上一部跳槽攻略,助你一臂之力。
首先,让我们看看跳槽=涨工资这一命题是否成立。
假设不考虑通货膨胀和其它福利,跳槽确实能带来工资的上涨。一个初出茅庐的职场新人(经验<1年或应届毕业生),平均月工资在5.5k人民币左右。当他/她的工作经验到达1-3年这个区间之后,公司开出的工资平均上涨75.2%。如果有人毕业后一直在同一公司工作,年工资涨幅需保持在20.7%~75.2%之间(具体数值取决在同一公司工作时间),才有可能与跳槽带来的工资上涨持平。
从职位数量来看,1-5年经验的从业者,选择范围最广。经验小于一年的新人和应届生,可以选择的职位不到总数的四分之一。薪资来看,不限定经验的职位,比针对新人的职位要高出34.7%。可见,行业对新人存在一定的压价行为。对经验超过十年的从业者而言,网络跳槽并不是十分有效的渠道。
通过这样的对比,相信对于该不该跳槽这个问题,小伙伴们应该已经有了初步判断。
拉勾网上,互联网公司提供的职位,被分成了技术、市场与销售、运营、产品、职能、设计、金融七大类。
就业数量前三:技术、运营、市场与销售。
薪资前三:产品、技术、金融相关职位。
对不同职位类型,跳槽的时间点并不完全相同。
对职能、市场与销售来说,工作经验有较好的移植性。因此,工资增速随着经验积累走高,越老越俏。
对运营、设计、技术职位而言,在累积了1-5年的经验时,跳槽性价比最高。技术职位而言累积 5年以上经验的工程师来说,跳槽带来的工资增速开始放缓。头几年兜兜转转寻找真爱,后几年在真爱公司里深耕细作,提升本身的不可替代性,是工程师较为理想的选择(除转行或者创业的小伙伴们外)。
对产品相关的从业人员,工作初期享受到跳槽的红利最大:一年以上相关经验的从业人员,跳槽之后,平均工资几乎翻倍。
对热门的技术职位进一步提取关键词。市场对熟悉Java,PHP, web前端开发,Android、IOS开发的工程师需求较大。如果你正好精通其中至少一项,你就可以收获一个好消息和一个坏消息:好消息是你有很多潜在的面试机会;坏消息则是你需要从上万份职位中筛选出适合你的5-10个,集中攻关。
那么问题来了,怎么选?
择时这个问题已经解决,让我们研究一下哪里才是程序员们的乐土。
从地点上来看,帝都提供了最多互联网工作机会。拥有深圳、广州两大一线城市的广东名列第二。上海第三,浙江第四。
将工作机会按城市细分。可以看到,北上广深杭对总招聘职位的贡献超过了80%。
去不去大城市是人们热衷讨论的话题。从互联网从业者的角度来看,一线城市北上广深确实提供了最多的工作机会。所在地工作机会多,意味着一旦不满现状,就可以轻松炒了老板鱿鱼。否则,随着改弦更张而来的,是跋山涉水的迁徙,是思君不见君的异地恋,是户籍问题、孩子求学问题等等。
假设工作机会多寡是从业者的主要考量,那么他/她地理选择范围,就缩小到了北上广深杭这五个城市。
让我们通过研究这五个城市各自的偏好优劣,再结合自身条件,找出终极搜美。
五大城市中,北京最慷慨,广州给出的工资最低。
帝都是学历控,明确标出要本科学历以上的职位超过50%。
深圳最看重经验,广州对新人最友好。
北京、上海、深圳,随着经验增加,工资增长较快,成长性好。
任何脱离消费的薪资讨论都是耍流氓。让我们来看看消费的大头:房。
以2015年11月的房价衡量,北京和上海的应届毕业生,分别需要工作6.6个月和6.5个月,并且不产生任何花销,才有钱买到一平方米的住宅面积。在广州需要4.4个月,杭州3.8个月。对于选择去深圳工作的应届毕业生来说,需要花费长达7.6个月的时间。
图中y轴为单房所需月租金。可见,北京租金远远高出其它城市。虽然深圳最近房价猛涨,但房租仍然保持较低水平。
讨论完天时地利,最后让我们看看如何找到心仪的公司。
这里列出了提供职位数量的前十业务。电子、金融和O2O提供最多的职位。
游戏业务提供的薪资水平最高。
从公司规模来看,中型规模公司提供的职位最多。
公司越大,相应的工资也越高。小公司可能通过提供期权等方式,弥补和大公司之间的差距。
以下是五个城市中提供薪资较高的公司,仅供小伙伴们参考(所列公司,需要招聘的职位数量均在全国平均水平之上)
北京:
上海:
广州:
深圳:
杭州:
说了这么多,希望有所帮助,祝小伙伴们都早日拿到dream offer。
end
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08