
大数据告诉你:投资银行里都是哪些人
2013年10月,习近平主席和李克强总理在先后出访东南亚时提出了筹建亚投行的倡议,2015年4月15日,随着瑞典、以色列、南非等最新一批国家的加入,57个亚投行意向创始成员国已经全部确定,亚投行再度成为舆论热点。外界也好奇,高大上的投资银行精英们有着怎样的背景,在行业内的发展、晋升情况如何?
近日,全球最大职业社交网站LinkedIn(领英)与清华大学联合发布了“2015年中国投行人才报告”。该报告对在瑞士信贷、花旗银行、摩根斯坦利、中银国际等内资及外资银行中就职的领英用户的相关数据进行分析得出。
四大名校贡献5成以上员工,工商管理专业独占鳌头
图:投行员工毕业的国内高校分布
数据显示,56%的投行员工毕业于北京与上海的四座名校,北京大学、复旦大学、清华大学与上海交通大学的占比分别为18.6%、13.5%、13.1%和10.8%。在为投行输送精英最多的前十所高校中,北京的大学占了五席--北京大学、清华大学、中国人民大学、对外经贸大学、北京外国语大学。上海入围前十的高校则有复旦大学、上海交通大学、上海财经大学3所大学。除了四大综合类名校,语言、财经类高校也为投行输送了大量人才。
投行员工所学专业最多的是工商管理,占总人数的38.7%,第二位和第三位是经济学和计算机,分别占15.1%与14%。
行业初期转行几率高,转行员工六成首选互联网
图:国内投行从业者转行去向
数据显示投行员工跳槽最集中的前十大公司中有九家仍然是投行,另外一家是与投行紧密相关的咨询公司麦肯锡。由于投行收入较高,且投行公司看重员工稳定性,大部分投行员工第一次跳槽仍在金融行业内的占主体,比例为67.7%。从投行跳槽到其他行业的从业者中,选择互联网行业的最多,占60%,管理咨询、汽车、市场及广告、非营利组织分列其后。
图:国内投行从业者转行时工作年限分布
领英发现,在转行的投行从业者中工作年限在0-3年内的人转行比例最高,在所有转行人数中占59.3%,且转行的比例随着工作年限的增加而逐渐下降。在投行工作8-10年的从业者转行比例最低,仅占2.8%。
图:各级别晋升所需工作时长
在职业发展方面,领英通过平台数据发现,从分析师到经理、经理到副总裁、副总裁到董事总经理的晋升时间分别需要31个月、43个月、109个月,晋升速度随级别增高而变慢。从分析师到经理再到副总裁的晋升速度相对较快,在投行,副总裁相当于中层职位,而从副总裁晋升到高层的董事总经理,中间还需经历董事、执行董事等级别,则需要更长的时间。
图:投行从业者与各行业初级职员平均人脉数对比
在领英之前发布的《中国首份总监晋升报告》中,各行业员工在领英的平均人脉数为172人。领英针对投行的分析发现,投行从业者在领英的平均人脉数为336人,比各行业员工平均人脉数高95%。
国内投行新增雇员与经济形势正相关
图:外资、内资投行过去十年新增雇员变化情况
相较外资投行,内资投行近10年新增雇员人数稳步上升。外资投行与内资投行新增雇员数量均在2007-2009年间下滑,并在2009年跌至最低,在经历短暂上升后于2011年再次下跌,两次下跌的时间点与2008年全球金融危机及2011年欧债危机的时间点相符;同时,内资投行新增雇员数量一直维持在08年金融危机之前的水平之上,而外资投行目前的新增雇员数量并未回到危机之前的水平。总体而言,领英对2004年——2014年国内投行从业者的数量变化可以看出,国内投行新增雇员数与大的经济形势正相关。
关于LinkedIn领英
LinkedIn创建于2003年,总部位于美国加州硅谷,办公室遍及全球30多个城市。LinkedIn于2011年5月登陆纽约证券交易所,现市值约300亿美金。领英致力于连接全球职场人士,并协助他们事半功倍,发挥所长。作为全球最大的职业社交网站,LinkedIn用户数已超过3.47亿,覆盖全球200多个国家,每个《财富》世界500强公司均有高管加入。LinkedIn拥有多元化经营模式,主要收入来自于所提供的征才解决方案、营销解决方案、销售解决方案及高级订阅帐户。LinkedIn的愿景是为全球每一位劳动者创造经济机会,进而绘制世界第一幅经济图谱。
为了更好地连接中国职场人士,为其提供全球化平台,助力他们实现职业理想,2014年1月,领英宣布正式进入中国,2月25日,简体中文测试版上线,并正式启用中文名称–“领英”。领英在中国与红杉资本和宽带资本成立了合资公司,共同探索和开展在华业务,努力为中国用户提供更好的本地化产品和服务,打造“精英的全球人脉圈”,最终助力中国经济发展。
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