
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
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在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10