京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | 小强
来源 | 小强职场说
昨天,前中建的同事阿陈邀请我吃饭,我们同一年进入公司,不同的是我在中途离开转行互联网,而他留在了公司。
这一晃就是几年过去,大家彼此寒暄中,我才知道,他现在已经是项目的技术负责人(预备)。
所以,听到他要辞职转行的消息,我还蛮意外的。
他告诉我,自己打算远赴深圳打拼,去追寻自己的梦想。
当初刚刚进公司的时候,大家信誓旦旦,希望自己能在这里成就一番事业。
但如今跳槽的跳槽,创业的创业,和我同一批进公司的同事,已经没有剩下几个。
同样的,身边很多传统行业的同学,也纷纷选择逃离。为什么越来越多的年轻人,开始离开传统行业了?
01
行业的集中度越来越高了
不知道你有没有注意到一个现象:
现在实体店的倒闭周期,越来越快了。
我们公司附近,三个月前还有一家7-11的便利店、一家哈根达斯、N多不知名的小吃餐饮店,现在几乎已经全部换了一批。
7-11这种老牌的便利店,都关掉了很多线下门店;而以前开在轻轨站的沁园,现在也几乎很难看到了,不知不觉间,很多店铺已经空了半年之久了。
其实在这背后,人们的消费能力并没有下降,而是因为行业的集中程度越来越高了。
行业集中度(Concentration Ratio):
又称行业集中率或市场集中度(Market Concentration Rate),是指某行业的相关市场内前N家最大的企业所占市场份额(产值、产量、销售额、销售量、职工人数、资产总额等)的总和,是对整个行业的市场结构集中程度的测量指标,用来衡量企业的数目和相对规模的差异,是市场势力的重要量化指标。
2010年以前,实体店遍地开花,互联网创业也如火如荼,大家追赶着时代的红利,纷纷下海创业,一个行业内的品牌甚至多达数百上千个。
最经典的就是手机行业了。
在智能手机尚未面世之前,国内的手机品牌多达上百个,那个时候,大家还是依靠着“渠道为王”的思维做生意,疯狂做线下广告,拓展线下门店,即使规模小一点,也能活得不错。
我们到今天来看,你会发现国内的手机品牌,主流的就这么几家了,未来甚至还会越来越集中。
当年曾经风靡一时的HTC/摩托罗拉/金立,如今已经很难再看到身影。
当然,不止是手机行业。随着经济的发展,各行各行也遵循着马太效应,强者越强,弱者越弱。
行业巨头规模的不断扩张,但整个市场的增长是有限的,甚至是下滑的(就像这两年的汽车行业),这也就意味着,那些相对弱势的企业,会被慢慢蚕食掉,直到退出竞争的舞台。
这个扩张过程中,人均效率却是在不断提升的,也就是说,其实随着行业的集中度越来越高,整个行业人才的需求量,是会越来越少的。
举个很生活的例子:
我所在的小区旁边,本来有一个大型的菜市场,很多没有稳定工作的人,就靠着在这个菜市场,做一点小生意维持生计。
但今年,小区楼下相继开了两家大型的生鲜蔬果超市,这直接就导致了周边的菜市场生意直线下滑,而且由于环保的要求,菜市场这个早已经是落后的产物,自然第一时间被关闭了。
这些小商贩们,如果不开自己的门店,就只好去这些大型的生鲜超市打工,但毕竟超市的人均效率是非常高的,所以剩下的人,只好另谋出路。
随着这种社区经济的发展,就连小区周边的生意,也逐渐被连锁的门店所取代,未来实体创造还会越来越难。
在这个过程中,难以避免的,很多人要离开一家企业,甚至离开这个行业,另谋出路。
02
资本开始流向更新的行业
前段时间读《人类简史》,让我对资本和经济,又多了一些认知。
本质上来说,经济就是人类社会发展中,虚拟的一套产物,在这套产物当中,我们按照既定的游戏规则开发新科技、发展生产力,从而促进整个资本的繁荣。
而在这个过程中,如果资本不追寻新的科技突破口,而是固守现在,金钱没办法很好地流动,经济增长就会缺乏动力。
在农耕时代,因为没有新兴事物的产生,农业从本质上来讲,其实几千年来,都是没有多大的进步的;
随着工业革命和资本主义的到来,经济发展开始跟随科学的脚步走,但凡一项科学发现,能够落地到实际生产(比如电脑的发明),那这个新兴的行业,一定会有大量的资本愿意流入,而那些相对稳定的行业,资本流入就会减少。
在这个过程中,人才同样会跟随着风口走。
在世纪之初的时候,国内大兴土木,发展房地产,因为那个时候资本支持房地产发展,国家也需要房地产的发展来带动经济发展。很多人在这个行业赚了不少钱,但到现在,随着行业集中度开始提升,流程越来越标准化,工程赚钱可是越来越难了;
而在10年前,移动互联网如雨后春笋一般拔地而起,也脱离不了世界各大资本的支持,让这个行业创造了相当多的神话。
直到现在,科技已经成为一个国家真正的核心竞争力。
所以我们会看到,越来越多的资金流入人工智能、基础科学、5G通信等领域,也有越多越多传统行业的年轻人,开始进入到这些新兴的行业,准备创造下一波传奇。
03
新兴一代追求更开放的职场环境
随着社会的发展,90后已经成为职场的中坚力量,00后也即将进入职场。
相比于父母一辈的保守和稳重,这一代人从小受互联网的熏陶长大,更加喜欢开放和自由的环境。
但我们都知道,一般传统行业的掌门人、高管甚至中层,几乎都是70后,思维上相对年轻人更加保守,也更愿意循规蹈矩,信奉拼搏创造价值这样的理念。
而一些年轻的企业,则更加尊重年轻人的喜好,甚至在公司内部鼓励办公室恋情、小众文化圈子等等,吸引了一批又一批年轻人加入。
也就是说,相比工资待遇,90后和00后在职场生涯中,显然更加大胆。这有时候难免会与一些老牌企业的文化背道而驰,
所以,作为企业可能也需要跟随时代变化,否则世界的变化太快,也许有一天,我们在悄然之中,就已经落后了。
当然,最后想分享几点:
1、本篇文章的“传统行业”,是指那些相对更加落后的行业,并非指代工业和农业等基础行业,互联网领域,也有很多企业是按照传统模式做的。
2、未来世界的发展会越来越快,传统行业有传统行业的好处,起码变化较慢(例如建筑技术,几十年来,几乎没有取得本质上的进步),越老越吃香的现象依旧能持续一段时间。
3、相比于拿多少钱,可能找到一群志同道合的人,一起去实现人生的事业,才是未来正确的职业发展观。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01