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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20