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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25