
本次报告是由领英挖掘四大会计师事务所从业者的用户数据,与清华大学学生职业发展指导中心教研室合作分析完成。
报告发现,四大从业者学历偏高,将近一半为研究生及以上学历,超过30%的人有过海外留学经验,超过一半的人为学习工商管理专业出身。在针对年轻一代的四大从业者的分析中,领英发现,90后与85后跳槽频率相比平均值更快,其中90后甚至一年就跳一次槽。选择跳槽的四大从业者更倾向于进入金融、制造与高科技行业。
四大从业近一半为研究生及以上学历
在四大从业者毕业高校分布上,北上广地区财经类院校及传统名校表现抢眼。其中,北京以及上海的院校在占比上尤为突出,两地高校商科师资力量雄厚 ,北上广的学生也有更多了解四大的机会。四大从业者毕业院校排名前三的学校分别为上海财经大学、复旦大学和对外经济贸易大学。
从业者毕业高校百分比排名
进入四大工作必须要有海外留学经验吗?目前看来并不是这样——领英数据显示,四大从业人员中69.65%没有海外留学经历。而在有留学经历的人群中,商科强势的院校学生占比较高。这说明商科培养出来的人才更能满足四大的需求。
从学历来看,四大从业者学历普遍较高,50%为本科学历,将近50%为研究生及以上学历。其中拥有研究生学历的占比35%,拥有MBA学位的占比11% 。
上图为从业者最高学历分布
四大从业者所学专业集中效应非常明显,高达54.4%的从业者是学工商管理专业出身,经济学位列第二,比例为12.7%,排名前十的后八个专业分别为计算机、语言与文学、法律、数学、工业工程与管理科学、电气与电气工程、公共关系与新闻传媒。
从业者最高学历专业分布
90后实习经历多于85后
领英数据显示,四大从业者在进入四大工作前平均拥有1.62份实习工作。90后从业者实习数量明显高于85后——90后四大从业者有过两份以上实习经历的人数占比31.6%,是85后拥有两份实习经历的比例的5倍多。
90后与85后实习数量对比
四大从业者在实习阶段质量普遍偏高,前十大的实习公司多为四大或者金融行业的一流公司。在入职四大前,在四大实习过的人员占四成 。
四大从业者实习前十大公司分布
平均工作13年可当合伙人
和其他行业相比,四大拥有更清晰的晋升机制。通常情况下,普通员工工作大约2年可以迎来一次升职。职位越高升职所需的工作时间也越长。平均来说,坚持工作13年(155.45个月)便有望成为四大合伙人。
90后比85后更爱跳槽
当一部分人选择努力争取晋升机会时,另一部分人则选择了跳槽。领英数据显示,四大员工们平均工作4年之后会选择跳槽。 90后与85后跳槽速度快于平均值,85后大约工作两年便会跳槽,90后平均工作一年就会跳一次槽。
从四大跳槽的从业人员中,只有3.6%的人 会跳向另一家四大公司,绝大多数人选择了跳向四大之外的公司。四大从业者第一次跳槽去向中,占比最大的行业为金融业,制造业、高科技分列二三位。
上图为从业者跳槽行业去向
附:四大从业者跳槽去向行业排名Top4
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03