京公网安备 11010802034615号
经营许可证编号:京B2-20210330
90后升职速度加快 “大数据”感受到了
入职第13个月时,换了工作,薪水上调40%。这是1990年出生的张珵的经历。他毕业于国内一所著名大学,在一家世界500强企业开始了职业生涯。
他能感觉到周围同龄人的晋升速度变快,“同一职级里的人越来越年轻。”
上个月,全球职场社交网站领英基于大数据发布了《中国千禧一代商业决策者洞察》。在这份报告里,“决策层”的定义为:“职位”写为总监以上,在某个职能或某一部门有一定的话语权。领英透露,在中国3900万用户中,职位为总监及以上的用户,54%为千禧一代(即80后、90后)。而在全球5.46亿用户中,这一数字为28%。
这份报告还显示,从职场新人到总监级别的升职过程上,60后、70后平均需要10年,80后需要6年,而90后则需要4年,实现了更快的职场晋升通道。与此同时,千禧一代决策者的平均跳槽周期约2.5年,也在加快。
晋升快的一个原因是跳槽多
“我认为晋升快的一个原因是跳槽多。”凡普金科人力资源副总裁徐益峰表达了自己的观点。在他眼中,职场里的年轻人跳槽频率变高的原因一方面可能是谋求更高的职位,另一方面是当认为供职的企业池塘太小时,会向往更大的空间。
由于熟人引荐,张珵的第一次跳槽属于“意外”。在他看来,一份工作不能做得太短,不然“简历会不好看”。入职初,他规划两到三年换一个平台。“但如果在原公司工作得特别开心也可以长期做下去。”
“非常优秀的人会非常容易拿到更高的职级。有人说我们70后从来不跳槽,我也正好符合这个规律,今年是我工作的第23年,我是工作到19年的时候才跳槽的。”徐益峰说。
徐益峰认为,年轻高管的出现是自然规律。“再过七八年或许会变成00后站在历史舞台做企业高管的年代,这是社会发展的正常现象。”徐益峰说,“是技术把这一进程加速的。”
“可能是现在的创业公司增加,Title(职位)印得比较高。”供职于国内一家互联网公司的王烁表示,创业公司的增加提高了90后晋升的平均速度。“创业者增加了,当然创业公司也越来越多,而且创业的主力应该是80后、90后,他们雇的中层应该也差不多年纪。”王烁说。
和一些中小型企业相比,王烁认为自己所在的公司有着非常严格的考核和晋升标准。他介绍,公司虽然看重工作年限,但更看重工作能力,职位每上调一级都需要答辩。“比毕业论文答辩都紧张,评委们的问题很刁钻,类似‘攻’与‘防’的过程。”王烁说,“经常有人哭着出来,那只能被淘汰或者明年再来一遍了。”
王烁的第一份工作是网络编辑,两年后他带着已有的积蓄辞职创业。创业项目在一年半后以失败告终,在朋友的推荐下,他进入一家互联网公司负责产品运营,3个月后他再次离职。第4次的职业选择令他更换了生活和工作的城市,也收获了现在相对满意的工作条件和状态。
90后没有“大公司”情结
“90后并不像我们现在看到的这么光鲜,他们的压力需要被体会到。”品玩创始人兼CEO骆轶航解释,80后大部分是受过良好教育并努力打拼的人,买得起房子;70后比80后更轻松就拥有了房子。“90后是好好努力还得加上吃奶的劲和各种各样的方式,也不一定能买上房的,这个差别是很大的。”
在骆轶航看来,90后是无需刻意贴标签的复杂群体,他们能不按原有套路,作出一些令人惊喜的改变。但他也直言,90后的情绪和结果管理有时候脱离控制。“有时我觉得我心灵最脆弱的地方都可以开坦克车了,但他们心灵最尖锐的地方却停不了一只蝴蝶,意思是说你不知道怎么触到他的那个点,整个人就会垮掉。”
领英中国技术副总裁王迪认为,90后面临的生存压力加剧,这可能促使他们不得不找一些不走寻常职业发展的道路,会有更多的创业和“折腾”。在他看来,随着社会节奏加快,每一代人承受的压力在增加。千禧一代决策者很多供职于中小企业,是在经济活力最近几年释放之后的新领域。
1991年出生的刘智晗硕士毕业后进入一家会计事务所工作。他对自己的第一份工作非常满意:起点高,平台好,能学到本领。3年后,他辞职加入大学同学的创业公司,开启他认为“一定非常有前途”的事业。
创业不易,刘智晗在第一个月就体会到了。“我们给自己开的薪水很低,交完房租没剩多少,靠吃前两年积蓄吧。”但他认为,创业的苦只是一时的,自己的项目非常有前景,只是需要时间。
“辞职前反复思考过,但是如果想10年内在北京买一套房子,除了创业还有什么别的工作可以实现吗?”在北京二环边的一栋写字楼前,他指着旁边的居民楼问,“你知道这房价有多少吗?得10万一平方米了吧。”
90后在C“X”O中占比最高
据《中国千禧一代商业决策者洞察》中的数据显示,在CEO、CFO等各种C“X”O中,占比最高的是90后。相较于多聚集在制造、高科技和快消行业的60后、70后商业决策者,千禧一代决策者多聚集在金融、非营利性和医药行业,具体岗位包括行政、艺术和设计、市场营销、创业、社区和社区服务类。在商业决策者的公司规模分布上,相较于前人的“大公司情结”,90后商业决策者更加趋向200人以下的中小企业。
数据还显示,在千禧一代决策者中,女性影响力的上升很快。在60后、70后的商业决策者里面31%的人是女性,而千禧一代商业决策者里面这个数字上升到39%。而在拥抱技术革新的方面,千禧一代与上代人“口味一致”:无论是60后、70后、80后、90后的商业决策者,在拥抱新生事物的热忱上,几乎相同。
在徐益峰看来,职场中优秀人才的特质没有特别大的变化。他总结出他们身上的3点特质,首先是自己非常要强,其次不认死理有弹性,聪明且能干,然后心态开放,不会非常孤傲。
“第一,毫无疑问,学习能力是非常重要的,现有的技术再好,可能也迭代不过阿尔法狗(机器人),所以必须要持续不断迭代自己;第二,拥有一些软技能也很重要。即使做互联网创业,也需要团队,所以沟通、交流、合作,我觉得都是非常重要的通用技能。”王迪说,无论是在小企业还是在大公司,都是如此。
不过,另一些人认为,自身感受与大数据透露的消息并未同步。“我没感受到。”在职场打拼4年的陈妮反问,“升职速度加快,谁说的?”
去年进入一家事业单位工作的林涵也表示,按自己的职业性质,晋升表现在职称上,这依赖于“发论文,做项目,熬年头”。“单位里的前辈介绍,从入职到评上中级职称,大概需要10年吧。”林涵说。她觉得这种评价体系非常稳定,短时间内应该不会有什么变化。
5年前,陈琪本科毕业,进入一家企业做人力资源管理。“公司说要打破职级考核,但是还没落实,所以晋升暂停一年多了。”她连续用3个“没有”,强调自己并没感受到90后晋升速度加快。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19