京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09