京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
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 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21