大数据解密之你的同事都跳槽到了哪些公司

关于跳槽

过了元宵节，意味着狗年春节正式结束，也意味着跳槽高峰期正式开始。

每年年后都是跳槽的高峰期，所以二胖就花了5个夜晚，收集了知乎500万用户的信息，统计了下大家职业经历的信息，于是就有了这份统计报告。

首先来看看这次统计的内容，拿一个用户举例（当然是帅气的二胖）：

可以看到，二胖同时在公司A和公司B出任过总经理（假装是真的）。

根据这个信息我们可以知道，对于公司A来说，它的一个员工是来自于公司B；而对于公司B来说，它的一个员工去了公司A。所以，基于这个关系，我们可以知道公司之间的员工流动情况。

当然，为了统计出员工的流动情况，用户的职业经历中至少有两个公司才是有效数据，所以二胖过滤掉了只写了一个职业经历和没有写职业经历的用户。

01

互联网公司

1.腾讯

上图为在腾讯工作过的员工还在哪些公司工作过。

可以看到，在腾讯工作过的员工跳槽到阿里和百度，或曾在阿里和百度工作过的人数相对较多。其实，在下面所展示的阿里及百度的员工信息中，我们会发现，BAT三家之间员工的相互流动是比较频繁的。

毕竟BAT。

上图为在腾讯工作过的员工所就职过的公司。

词云图较为全面地展示了腾讯员工的跳槽去处和跳槽来源，大家可以仔细看看有哪些公司，也许有意想不到的发现。

2.百度

上图为在百度工作过的员工还在哪些公司工作过。

上图为在百度工作过的员工所就职过的公司。

3.阿里巴巴

上图为在阿里工作过的员工还在哪些公司工作过。

上图为在阿里工作过的员工所就职过的公司。

4.网易

上图为在网易工作过的员工还在哪些公司工作过。

上图为在网易工作过的员工所就职过的公司。

5.微软

上图为在微软工作过的员工还在哪些公司工作过。

上图为在微软工作过的员工所就职过的公司。

6.谷歌

上图为在谷歌工作过的员工还在哪些公司工作过。

上图为在谷歌工作过的员工所就职过的公司。

7.华为

上图为在华为工作过的员工还在哪些公司工作过。

上图为在华为工作过的员工所就职过的公司。

8.新浪

上图为在新浪工作过的员工还在哪些公司工作过。

上图为在新浪工作过的员工所就职过的公司。

9.新美大（美团+大众点评）

上图为在新美大工作过的员工还在哪些公司工作过。

上图为在新美大工作过的员工所就职过的公司。

10.小桔科技（滴滴）

上图为在滴滴工作过的员工还在哪些公司工作过。

上图为在滴滴工作过的员工所就职过的公司。

11.京东

上图为在京东工作过的员工还在哪些公司工作过。

上图为在京东工作过的员工所就职过的公司。

12.今日头条

上图为在今日头条工作过的员工还在哪些公司工作过。

上图为在今日头条工作过的员工所就职过的公司。

13.奇虎360

上图为在360工作过的员工还在哪些公司工作过。

上图为在360工作过的员工所就职过的公司。

14.知乎

上图为在知乎工作过的员工还在哪些公司工作过。

上图为在知乎工作过的员工所就职过的公司。

15.搜狐

上图为在搜狐工作过的员工还在哪些公司工作过。

上图为在搜狐工作过的员工所就职过的公司。

16.苹果

上图为在苹果工作过的员工还在哪些公司工作过。

上图为在苹果工作过的员工所就职过的公司。

02

金融&咨询&银行

1.普华永道

上图为在普华永道工作过的员工还在哪些公司工作过。

可以从上图及下面的图表中看到，四大会计事务所之间的员工流动是相对频繁的。

2.德勤

上图为在德勤工作过的员工还在哪些公司工作过。

3.安永

上图为在安永工作过的员工还在哪些公司工作过。

4.毕马威

上图为在毕马威工作过的员工还在哪些公司工作过。

5.高盛

上图为在高盛工作过的员工还在哪些公司工作过。

可以从上图和下面的图表的中看到，几家顶尖咨询公司之间的人员流动也是相对频繁的。

6.摩根大通

上图为在摩根大通工作过的员工还在哪些公司工作过。

7.摩根士丹利

上图为在摩根士丹利工作过的员工还在哪些公司工作过。

8.埃森哲

上图为在埃森哲工作过的员工还在哪些公司工作过。

9.中国银行

上图为在中国银行工作过的员工还在哪些公司工作过。

由于篇幅有限，这里只列举了几个大家比较常见的公司。

可是，二胖可不仅仅只分析了这几个公司，为了让大家看得更尽兴，二胖对500家公司做了可视化，并且将可视化之后的结果打包上传，观看下面的视频，让二胖告诉你怎么使用这个数据查看自己感兴趣的公司吧。

https://v.qq.com/txp/iframe/player.html?vid=x0564hajggx&width=500&height=375&auto=0

除此之外，二胖还给大家留了一个编程小练习，让我们在看文章的同时提升编程能力。快戳一戳下面的视频了解吧，附带文章中的技术讲解哟。

https://v.qq.com/txp/iframe/player.html?vid=g0564tbqjjs&width=500&height=375&auto=0

如果视频不清晰，请关注微信公众号【二胖并不胖】，后台回复【知乎公司】获取高清视频，1000份可视化代码，以及相关的公司数据。

技术分析

数据抓取: python 3.5

由于数据量较大，所以采取分布式抓取策略。

抓取环境：

计算机1:

• 操作系统：macOS

• 内存：16 GB 1600 MHz DDR3

• 处理器：2.2 GHz Intel Core i7

计算机2:

• 操作系统：Ubuntu 14.04

• 内存：8 GB

• 处理器 ：Intel Core i5

• 分布式工具：redis

存储：mongodb

可视化：echarts

【二胖并不胖】一个集八卦、大数据、计算机教程、干货、金融等内容于一身的微信公众号，欢迎关注。

我们会在每篇技术文章下分享实现方法于过程哦。

查看历史消息还有更多好玩的文章。

近期热文

长按二维码关注我们  ▶▶▶