西安用友招聘大数据靠谱吗(大数据的工作好找吗？本人只学了两个月相关的资料)

大数据的工作好找吗？本人只学了两个月相关的资料

大数据运维师，年薪8w左右大数据开发师，年薪12w左右大数据算法工程师，年薪15w左右系统架构师，年薪23w左右大数据技术总监，年薪40w左右大数据项目总监，年薪70w左右首席数据官，年薪100w左右

用友网络为啥总招人？

用友网络总招人是因为人员流动比较大，很多人去试用一两个月就走了，再加上公司本来的员工也有离职的所以岗位缺口大只能一直招人了。

HR真的有必要运用大数据来进行招聘吗

从持续改进的角度来看，招聘活动的各个环节都有分析改进的空间，对于招聘的分析重点可以关注以下几个方面：1.招聘结果的分析：招聘计划的完成情况：是否在要求的到岗时间内完成招聘工作。2.招聘周期分析：分析不同类岗位、不同职务级别的平均招聘周期，可以为未来为招聘活动争取更合理的招聘时间。3.招聘成本分析：a)分析各个招聘渠道的投入和产出情况。可以在某一类招聘渠道内进行数据分析，也可以在进行多个招聘渠道的横线比较。比如可以将网络、校招、内部推荐、招聘会等渠道进行分析对比，也可以对同时使用的多个招聘网站，进行分析，看到不同招聘网站投入的招聘费用和产出（到岗人数、有效简历数，甚至于到岗人数）之间的比值，就可以看出哪个招聘渠道效果更好。b)分析人均的招聘到岗成本：为制订招聘预算以及降低招聘成本提供依据。4.招聘各环节的转化率分析：a)即从简历收取到邀约数、到面人数、录用人数之间的比率：这些数据像一个漏斗一样是逐级转化，最终产生合适的录用者。当招聘目标未达成时，可以进一步关注是哪个环节不足。另外，不断缩小比例可以提高录用效率，降低招聘成本。5.招聘流程分析：a)分析当前招聘流程是否有可优化的空间。比如对于不同层次的人员是否建立了清晰的面试和决策流程，流程存在什么问题，是否可以优化？6.甄选标准的分析：a)分析当前甄选标准是否清晰。对于那些招聘进入公司后，因不胜任工作辞退辞职的人员，要着重回顾分析是哪个环节出现了问题，是甄选标准不清楚，或者是面试活动中随意性太强？b)是否采用了合适的面试方式，比如技术人员的面试过程中，通常要包含技术笔试的内容，而有的企业仅凭面试官与应聘者的简单沟通确定其技术能力，当人员录用后则发现能力不足的情况。7.对面试官能力的分析：面试官是否具体有足够的能力，能够按照特定的用人标准对应聘人员是否满足招聘要求做出判断？

北京快招聘|聚尔信（北京）科技有限公司最新招聘

聚尔信（北京）科技有限公司是一家集计算机系统服务、网络技术服务、数据处理服务、信息技术咨询服务、人工智能通用应用系统软件和软件实施人才孵化于一体的高新技术公司，聚尔信致力于为众多知名企业提供软件服务，合作的企业有：浪潮、用友、久其软件、远光软件、电讯盈科、软通动力等。最大限度满足来自于客户对技术人才和业务双重需求，与客户共同建立可持续发展的长期商业战略伙伴关系，在“建筑”、“物流”、“医疗”、“医*”、“教育”等行业的ERP信息化建设方面，以及通用办公、供应链、云会计、电子商务、大数据、云应用、人资资源等领域积累了大量经验。

1、负责ERP项目与其他供应链上下游系统/产品的实施和实现，管理过程中相关部门的有效沟通和需求讨论，形成完整的业务及技术解决方案，确保项目顺利进行；2、负责实施项目或产品实现全过程管理，推进项目预算、计划、成本、进程、质量、资源、业务流程优化、方案设计等工作。项目管理过程中，能主动、积极地指出项目中存在的潜在风险，做好事前防御，解决项目实施、运行过程中出现的问题；3、协助部门经理，进行横向多项目协调和总结汇报；4、可指导技术开发及其他业务顾问、进行客户化开发，可协助技术顾问制订开发方案。

大型企业项目实施，主要是实施人力资本相关模块如人力资源规划、绩效管理、能力素质管理、人事管理、人事合同管理、社保管理、福利管理、报酬管理、招聘管理等业务模块实施；2、进行ERP项目统筹规划和管理、识别风险；3、进行项目需求调研、分析匹配、范围界定、制定实施应用方案及测试、呈现；4、进行产品培训并指导用户方使用和后续应用系统；5、对部门经理负责、对项目交付负责。

1、负责ERP项目财务模块的实施和项目管理；2、调研和分析客户的需求，设计和优化业务流程，制定有针对性的解决方案，并通过专业的项目管理与专业能力，协助和辅导客户完成系统实施工作；3、参与项目的售前调研与方案展示活动；4、总结提炼优秀企业的财务管理模式，参与实施标准化建设。

1、在管理软件公司从事大型管理软件实施工作；

2、结合客户管理信息化需求，主导项目实施，帮助客户成功应用公司管理软件；

3、负责制定项目实施计划、调研客户需求、用户培训指导、系统实施上线；

4、负责管理控制项目的整体实施进度；

5、持续总结项目实施经验、形成项目知识文档，并进行内部知识共享。

6、参与过集团企业信息化项目实施，并担任重要角色，对集团企业熟悉并有深刻理解；

1、评估产品需求及发展需求，设计网站架构，负责产品前端系统架构设计与优化，持续提升用户体验，提高用户满意度。

2、调试网络、优化系统及服务，参与产品日常运维，通过工程化、自动化持续提升系统运维能力；。

3、监控硬件、软件及各种业务应⽤。

4、配置收集⽇志和，根据⽇志信息报警及优化系统及服务。

5、解决⽇常问题，如硬件（服务器、交换机、网络）、软件（网络服务）、各类业务服务故障。

1、参与拟订财务计划,审核,分析,监督预算和财务计划的执行情况。

2、做好帐务和结算工作,正确进行会计核算,填制和审核会计凭证,登记明细帐和总帐。

3、正确计算收入、费用、成本，计算和处理财务成果,负责编制公司月度,年度会计报表。

4、负责公司税金的计算,申报和缴纳工作,协助有关部门开展财务审计和年检。

5、审核原始凭证的合法性,合理性和真实性,审核费用发生的审批手续是否符合公司规定。

6、及时做好会计凭证,帐册,报表等财会资料的收集,汇编,归档等会计档案管理工作。

软件技术领域就业，看这一篇就够了！ - 知乎

"屋顶的闪闪星光"这个IP专注软件技术人员的就业指导、职业发展，欢迎大家私信交流具体问题。

本文的目的是提供索引，打开思路，帮助那些面临就业、择业的同学们形成一个自上而下的框架，可以对市场上提供工作岗位的各类公司有一个系统性的认识。本文提到的以大中型公司为主，但中小公司都可以按照这个逻辑进行归类分析。

涉及到具体就业过程中的问题时，本文可能帮不上太多的忙，因为需要综合考虑学校、学历、性别、地域、个人技术水平等情况来确定就业方向，应聘哪类公司。可以私信详细聊。

涉及到具体公司offer选择时，本文可能也帮不上太多的忙，因为offer选择是一个需要在公司、部门、岗位、base地、薪资结构，以及个人的家庭情况、性别、风险偏好等等很多因素之间进行综合衡量的过程。可以私信详细聊。

市场上公司数量很多，单只是A股5000多家上市公司中，就有大约10%左右的IT公司。这么多的公司，凭我个人精力肯定没法都一一搞清楚。即使其中打过交道的那部分，对每个公司的认知也可能存在不够深入的地方，如果大家发现我理解有偏差的地方，欢迎指正。

以下开始分类讨论，主要涉及互联网、游戏、工具服务、终端设备、AI、汽车生态、基础软件技术、芯片、大型综合IT集团、ICT、金融科技、外企、国企、科研单位、私企龙头、行业数字化、金融软件、工业软件等各领域。

这一类公司比较好识别，因为他们做的业务和产品，其直接服务对象都是普通消费者，所以拉开自己的手机App清单就数一数就知道有哪些公司了。

互联网行业过去十几年来快速增长，进入到这个领域的人普遍薪资增长快、晋升快，还有股票、期权的溢价，每一次中概股的上市背后都有大量的码农买房买车甚至实现超市自由的。

但受人口影响，加上互联网行业渗透率已经很高，近几年整个行业的增速快速下降，拉新成本也快速上升。中概股为什么被称为概念股呢，因为他们是不分红的，资本市场对它们的高定价是基于他们的高增长，一旦增速下滑，股价就会下跌，这也是近几年互联网公司日子难过的根本原因，其它的像平台监管、疫情等其实是外因，是会改变的，而内因才是最大的问题。

股份下跌之后，这些上市互联网公司的管理层要为股东负责，拼命想搞创新业务重新画大饼，但这条路太难，为什么都提创新，不就是因为创新难么。创新不好搞，几年没动静，过去几年互联网行业已经没有什么新东西出来了，于是大家转向降本提效。互联网行业最大的成本在哪里？高工资的研发人员嘛，所以就出现了裁员、应届生卡试用期转正、部门大厂降低校招级别和薪资待遇等现象。

这是一个行业走向成熟的标志，互联网行业已经从过去调整增长的高新技术产业，变成一个成熟产业，新人机会越来越少。虽然还维持着高待遇，但结合内卷、高淘汰率来看，性价比已经越来越低了。

从就业角度来说：

相比其它行业，同等级的公司中，互联网行业整体待遇依赖是最高的，就拿市场上的校招offer来说，互联网大厂给出来的待遇是最高的，且技术上也远超其它类型的公司，即使是应用软件技术最6的银行、电信运营商，跟互联网大厂比起来也弱很多。

但互联网行业的缺点也很明显，特别卷，因为大家还都停留在过去十几年快速增长的预期中，对于中低速增长还没有准备好，总想着创新突破，但用户大盘已经很稳，去年中国人口都开始负增长了，而且互联网产品的渗透率特别高，全中国能装抖音、微信的，基本都装了。增速下滑，创新无力，再叠加降本提效搞裁员，人人自危。

23年校招明显可以感受到一股趋势，很多人放弃了互联网大厂而去选择国企的信息科技岗、金融科技岗等稳定、性价高的offer。

2022年中国市场游戏用户规模6亿多，开始同比下降，同互联网一样，这也是一个巨卷无比的市场。除了腾讯、网易、米哈游三寡头之外，还有很多大大小小数得上名号的游戏公司：

这个领域最大的问题就是公司少，除了上面这些叫得上名号的之外，其它基本都是些小公司了。

没有大规模企业，不管校招、社招市场上高质量的offer就会比较少，毕竟大多数人都是打工仔。而且游戏行业集中度高，几家巨头赚钱了大部分利润，剩下小企业的生存空间很有限，也招不了几个人，这就会导致就业空间比较狭窄。一旦决定定居到某个城市，且不说能不能找到好工作，能不能找到工作都是问题。

国内软件起步晚，基础工具软件基本被欧美垄断，如PS、PDF、Office、音视频编辑等，国内玩家很少但也有一些，比如：

从就业角度来说：

从应届生到毕业3、5年这个阶段，不管是做工具服务还是其它领域的技术，区别不大，因为大家都是在处理初级的工程问题：理解需求、做技术方案、高质量地Coding、应用设计模式、学习架构实践、学习做稳定性保障、利用工具处理线上问题等等。从这点上来说，工具服务其实也是应用开发的一种。

但有一个坑要避开，就是工具服务类的公司会招比较多的客户端开发，可能是Windows、Mac、QT、Android、iOS之类的，自从移动互联网退潮之后，客户端开发的就业空间变得无比狭窄，市场需求迅速萎缩。

我一直强调一个观点，尽量进入一个就业空间比较广的领域，这样在之后跳槽时才会有更大的选择空间。

终端设备最挣钱的就是面向消费者提供产品的，最常见的无非是手机、电视、WiFi、扫地机器人、冰箱、洗衣机、摄像头等。在这个领域中做的比较大的企业有：

虽然和制造业一样是卖实物产品的，但搞终端设备的厂商算是正经IT企业，薪酬待遇远高于一般制造业。有些也是真卷，比如TPLink、海尔、海康威视、商米等，有不少部门996或大小周。当然也有不卷的，比如海信等。

从就业角度来说：

终端设备厂商提供的就业岗位主要有嵌入式、系统开发、App开发等。嵌入式的就业领域比较广，应该说仅次于Java、前端，排在第三，主要是现在各种各样的终端设备太多了。就在我写文章这会儿抬头看一下，家里就有电视机、冰箱、洗衣机、洗碗机、小家电、扫地机器人、儿童电话手表。

系统开发相对比较狭窄，因为软件技术有个特点，越靠底层的技术离业务越远，也就越标准化，而且越标准化的东西，做的人越少，比如操作系统，做深度开发就没有几家，最多做做驱动、扩展。

App开发其实场景挺多的，但是现在框架太成熟了，2、3年成为绝对的熟手，再往后就没有什么成长变化了。如果是做服务端开发，还可以学学业务，App开发主要做页面的渲染，用户交互，纯调系统API和框架API实现，真的深度很有限。这个特点就是导致了这个领域内养不活高薪的人，年薪二十万的可以养活很多，但再往上的人数极速减少，因为没有必要招贵的人。

对软件技术方向就业的建议：如果要去私企奋斗，能和AI沾边就尽量沾边，这是未来十年确定性最大的风口之一。

虽然没有官方数据证明，但坊间传闻国内最强是百度，这个是有一定共识的，文心一言的最先推出算是一个小证明；接下来就是阿里、腾讯、华为、字节等几个有资金有人才有数据的头部大厂；再往后就是旷视、商汤、寒武纪第四范式等起步比较早的中小企业，虽然以前都是持续烧钱的无底洞，但现在有了大语言模型这个新的指路灯，再加上原本就有团队、经验的积累，应该都能焕发出第二春。

另外，ChatGPT出来之后，业界突然发现原来大语言模型这条路是可以走通，各路玩家都纷纷进来。大厂像百度、阿里、腾讯、字节、华为、快手、小红书、360、科大讯飞等等，有一个算一个基本都在搞了，中小厂也有很多，比如：

通常在大厂中，业务场景很多，可能达几百上千个，因此在内部会有算法支撑类的平台将数据导入、训练、推理服务、AB实验、效果评估等做成标准化的操作，让聚焦于某个业务场景下的算法工程师可以专注地搞自己的业务，一个项目一个项目地干，算法工业化。

所以，同样是做算法，如果是做核心算法优化，那在大厂中真的需要跟清北的人一起卷。而如果是基于应用场景做落地的，那就在不同的业务场景下尽情调参吧。比如，无锡的一家上市企业，先导智能，据说就养着一个庞大的算法团队做产线上的不良品检测等工作。

至于够不够得上招聘标准，其实更像是个市场行业，坑多萝卜少的时候，就会被疯抢，待遇也高，而坑少萝卜多的时候，就要卷paper、比赛、学校这些硬件了。

从就业角度来说：

AI是有门槛的，211硕士起步，不到985甚至TopN名校，最多也就翻翻文章调下参数。前几天面试了一个南京大学算法方向的硕士，这位同学直言，算法领域卷到深处，会碰到无人区，很孤独。

大概16年左右的时候，算法在OCR、人脸识别等领域取得了商业应用的突破，业界也诞生了一批优秀的框架，国内外同时刮一股算法热潮，而算法的供给还没有上来，那时算法人才被疯抢。

但近两年一方面人才供给量多起来，另一方面算法框架、平台成熟起来，让算法门槛大幅降低，这个领域也越来越卷，大企业招聘时，先拼一轮硬件（paper、竞赛、学校）再说。

严格来说，三电系统已经把汽车也变成了一个大号的移动终端设备了，不过行业水太深，且过渡阶段形势复杂，新能源毕竟还只有3成多的渗透率。不过对软件技术岗位的需求来看，已经是市场上的就业主力了。

汽车市场连汽车加软件一起交付给用户，属于软硬一体的解决方案，因此在软件方面用户选择权大幅降低，而厂商的掌控权大幅提升，这能很大程度上避免汽车终端软件领域的垄断现象。举个例子，10年前各种手机应用市场遍地开花，像豌豆荚、应用宝、PP、百度、360等，而今天只有手机厂商的内置应用商店，核心原因在于，流量聚合与内容分发是赚钱的好节点，一旦可以掌控，手机厂商没理由出让这块肥肉。

我是做过移动App开发的，Android、iOS开发岗位数量从08年起步开始飞速增长，而从16年左右开始大幅缩水，最重要的原因就是超级App垄断市场之后通过小程序分发流量，小App没有了市场机会。

只要汽车不会像手机一样最终会被少数几家厂商垄断，那汽车领域分散的软件状态对我们的就业就是利好的。举个例子，假如中国市场都由一家车企垄断，这家公司的智能座舱搞得再牛逼，这个产品养活几百人够多了，而如果是十家公司，每家几百人，那市场需求就是几千人。

说到这里，大家想想为什么销量第一的特斯拉在中国汽车类软件技术方向的招聘市场上没有什么大动静？即使后面要在国内搞研发中心，能分到什么核心系统么？

车企中部分供应端虽然做的是解决方案，但软件技术能力很强，比如：

AUTOSAR是汽车软件领域最重要的中间件，也是利润最丰厚的领域。简单来说，是基于标准操作系统之上，做了一个汽车软硬件集成标准协议。

国内做AUTOSAR中间件的企业多达十几家，比较大的三家分别是东软睿驰、普华基础软件（专注软件，不涉及硬件）、经纬恒润。其余有华为、斑马智行、超星未来、映驰科技、未动科技、零念科技、上海赫千、国汽智控、成都道伟。

这个细分领域要单独说下，这几年太红火，贡献了很多的招聘岗位。

这个领域集结了车企、互联网大厂、传统Tier1、私募等各路背景的资本，有已经上市的，也有天天喊自己要上市的，整体特点是烧钱多、待遇好、不稳定。无数个领域都证明过一个逻辑，如果长期烧钱而没有稳定的客户、市场份额、营收，洗牌和裁员是迟早的事，参见几年前的AI四小龙（旷视、商汤、云从、依图等）。

因此，应届生我是不建议进入这个领域的，实在被梦想或者待遇吸引，最好也找一些背景强硬的，比如，华为汽车、百度，或者大型车企的自动驾驶部门。

各路背景的自动驾驶公司主要分为以下几类：

这个领域不管国内还是国外，玩家都极少，且都不好单靠操作系统赚钱，以下几家基本占据国内大部分市场。

直接上榜单吧，墨天轮的数据库流行度排行榜头部玩家

中央国家机关2021年数据库软件协议供货采购中的事务型数据库

这个市场玩家少，真正在业界数得上名号的更少，也就这么几家：

安全领域还是有比较强的壁垒的，光上市企业就一堆：

除此之外，市场上还有其它大小小的安全类企业：

云计算主要分为云存储，云原生（应用容器化、微服务架构、DevOps、日志、监控、链路分析等），云网络（容器网络、数据中心的内部网络、数据中心之间的网络、外部网络接入数据中心等），云安全等几个领域。

在云计算（公有云/私有云）领域中有核心技术，真正称得上基础技术的公司，基本也就这几家：

近几年各种国资云、政务云概念被炒得满天飞，真正的基础设施其实还是从上面那几家中采购。

三大电信运营商的云计算业务发展突飞猛进，但他们的强势在于有机房、网络资源，以及央企身份和遍布全国各省、市、区/县的网点，可以触达到更多的客户，拿到订单，至少目前，云计算底层的IaaS层技术能力，并不强。我们在市场上经常可以看到电信运营商向阿里云、华为云、腾讯云、百度云采购基础设施能力。

大家可以看到，不管国外的亚马逊、Google、微软，还是国内的阿里、华为、百度、腾讯，这些从市场上面杀出来的云计算公司，都是自己先有庞大的计算需求，倒逼技术改革，磨练成熟之后，才对外提供服务的。

电信运营商的IT能力虽然在非IT公司内算是很优秀的，但系统建设还是以采购为主，相比私企大厂，其自身并没有太强的核心技术能力。

基础技术当然是没法直接被客户使用的，所以围绕着基础技术产品，有很多技术服务类公司负责客户市场的落地。

基础软件技术与应用软件技术相比，各有很明显的优缺点。

应用软件技术领域工程师的优点是：

就业空间极大，适应度高，毕竟任何个人、企业使用软件的方式、场景都不同，都需要大量地研发人员投入。当一个市场需求、供给都很大时，就会形成一个动态平衡，即，对人的定价比较标准化，一份简历拿到手上之后看一眼，工作几年，什么公司背景，做过什么项目，基本就可以确定级别了，甚至大厂的级别直接具备业界通用性。

但最大的缺点就是：

技术生命周期短，三、五年成为熟手，再往后要么不断突破工程管理的级别来延长职业生涯长度；要么去国企这种对年龄容忍度高的地方，比如电信运营商、银行、军工、航天等；要么业务与技术双条腿走路，进入业务知识壁垒比较高的领域，如，工业软件、金融软件；要么就灵活就业，如，创业等。

基础软件技术领域工程师的优点是：

职业生涯生命周期长，因为脱离上层业务，不像应用层开那样框架、模式、场景频繁变化，基础技术一般都盯紧自己领域内的核心技术指标，按步就班地优化完善，所以工程师的年龄上限普遍高很多。

技术门槛高，不管是深入到系统底层，或者作为软件工程的基础设施，在领域知识厚度、工程复杂度、性能、稳定性等方面都会有很高的要求，相应地，对人的技术能力锻炼也会很高。

但缺点也很明显：

就业面窄，越往底下，技术越趋向于标准化，再加上投入大，市场上的玩家一般集中在头部几家，从业人员会在跳槽时往往会发现没有什么选择余地。

芯片一般分为：CPU、GPU、ASIC应用型专用芯片、FPGA可编程门阵列，而NPU（神经网络处理器）、DPU（深度学习处理器）是通过FPGA和ASIC架构定制而成。

芯片是大国重器：三家百亿美元级别的EDA公司就垄断了全球芯片设计软件市场，制衡着千亿美元级别的半导体市场，万亿美元级别的终端设备市场，以及几十万级别的软件市场。

这个领域是典型的市场规模小，但有护城河、会卡脖子的领域。

近几年，官方基金（国家大基金、地方**基金），私募（如红杉、IDG等），大厂（如华为哈勃）等各路资本加持之下，出现了很多企业。

这个领域有很多细分的赛道，比如：

IP核是指芯片中具有独立功能的电路模块，如：图形处理器（GPU）IP、神经网络处理器（NPU）IP、视频处理器（VPU）IP、数字信号处理器（DSP）IP、图像信号处理器（ISP）IP和显示处理器IP。

全球服务器CPU市场基本被英特尔、AMD垄断，国产服务器CPU有阿里的倚天、华为的鲲鹏，以及"中科系"（中科院计算技术研究所持股企业）的海光和龙芯，市场份额很低。

至于GPU芯片，2022年英伟达占8成，英特尔、AMD各一成，国内虽然有华为这样的巨头，也有创业在做，但与国外的差距比CPU还大，市场份额可以忽略不计。

芯片制造代工厂就更稀缺，英特尔自己生产芯片，少量的芯片设计企业选择三星代工，其他都由台积电代工，甚至英伟达的GPU也同样由台积电代工。大陆的中芯国际全球市场份额仅5%

这里贴一个表格概述一下国内市场上比较有实力的服务器芯片玩家。

剪切CtrlX复制CtrlC向上插入行向下插入行向左插入列向右插入列删除所选行删除所选列删除表格合并单元格拆分单元格清除内容

手机芯片技术门槛最高，但很多手机厂商都想突破这个技术，靠芯片打出亮点来：

主要包括存储晶圆、存储芯片及测封、存储模组等环节。

第一类：验证。

投产前，在仿真平台上对芯片设计方案进行验证；流片后，对芯片进行模块测试。

门槛低。主要根据芯片的设计资料，熟悉芯片内部结构，了解EDA工具，脚本语言等。

验证是芯片设计中是用工量最大的环节，转行人员考虑的多，学历要求低，但就业岗位比较狭窄。

第二类：嵌入式软件开发工程师。

芯片公司不只卖芯片，一般面向客户提供一整套的解决方案，做这些事的，算是真正的软件工程师，如：

基础软件包SDK：把寄存器相关的配置封装成库函数，供用户用。

芯片公司的算法类相关岗位主要有几种：

第一种，纯算法研发，或开发独立的AI芯片或AI加速引擎：将算法转化为芯片设计。属于高精尖领域，学历要求高。

第二种，算法应用场景开发，针对芯片进行算法优化，或针对某些芯片的具体应用场景做验证，如，机器人等。

这名单中的公司普遍横跨多个领域，不管是业务广度、深度，都很强。

上面这几个大型IT集团的共同特点是：在一口井挖出水之后，进入一段高速增长阶段，高压强地投入，迅速把这口井挖宽挖深，华为的通信、阿里的电商、腾讯的QQ、字节的抖音、百度的搜索。

当主业取得垄断地位，进入成熟期，增速下降之后，企业会不断寻求突破，最先突破的往往是跟主业相关度比较大的领域，因为可以借助主业积累的优势，起点高，高举高打。毕竟，单纯比创新和灵活度的话，小企业远不如大企业。

除在业务上面取得突破之外，还有玩法上的升级，最典型的就是拆分，比如，腾讯把阅文、QQ音乐分拆上市，京东把达达、健康、物流、京东产业分拆上市，360把360数科分拆上市，百度把爱奇艺分拆上市，阿里最近更是玩起了1+6+N，哪个成熟上哪个。

但这只是资本的游戏，除非上市对业务有实质性的帮助，单纯提升整体的估值，对就业岗位的数量并没有本质影响。

论平台、论技术、论待遇，私企大厂都是无敌的存在。

论平台，日常业内顶尖的人才，一个项目动辄几十个人，横跨不同的部门的人都认识了，待上几年，基本会形成很高效的工作方式，还会积累很多务实的方法论。在大厂的基层，还是有一个相对公正的竞争环境的，卷得过别人，输出比别人多，基本就能优先获得加薪、晋升。

论技术，大厂的业务复杂度、用户规模都是业界领先，这意味着软件技术领域可以遇到很多前沿的问题，而探索经验都会传承下来。即使不在那个团队，也很容易获取相关的资料。

论待遇，市场上还没有哪个领域有这么大规模、这么高的起步薪资，特别适合家里条件差，迫切需要挣钱的。

但近几年性价比降低的原因是业务增速下降，以及由此导致的工作卷、晋升空间不足、裁员等。

另外，同是大厂，不同业务不同部门的差别还是挺大的：

去核心主业部门当然可以在技术上得到很好的锻炼，流程规范、技术沉淀深厚、稳定性高，但也有缺点，历史负担重，改一点代码就考虑各种异常，还有一些莫名其妙的逻辑，一个项目各种流程走下来，真正的代码没写几行。

创新部门当然有缺点，大厂每年都会启动一堆项目，同时也会关闭一堆项目，内部创新束手束脚，见多了项目生生死死，发现自己没法影响什么、改变什么。要说优势其实也有，能享受到主业积累下来的技术资源（方法论、流程规范、基础设施等），即使把项目搞死了，至少算完整的做过一件事情了，关键是做的事情离用户、客户的需求更近，即使死了也知道怎么死的，不会像主业那样被养在一个格子里面，远离客户，不见天日。

整体来说，没有什么offer是完美的，要根据个人情况来具体情况具体分析。

私企大厂的用人成本是很高的，22年之前，每年媒体都会被这些大厂给应届生开出来的package刷屏。过去大家都在快速增长，这么干没有问题，反正增长可以掩盖一切问题，但到了今天，增速降低，开始做降本提效，就会发现，再牛逼的公司其实大部分工作也都是很琐碎的基础工作，于是各大厂正编HC极少，同时还在滚动裁员，而内包HC大量增加，将非核心的产研工作向子公司转移。

比如：

这些大厂还是比较讲究吃相的，虽然内厂在实际工作中地位比较尴尬，但大厂福利相对比较丰富，能享受到正编员工的技术资源，管理成熟，研发流程规范，对自身能力提升还是不错的。相比绝大多数中小企业来说，内包整体性价比还不错。

这类岗位最大的问题其实是发展空间，因为大厂搞内包就是为了降本提效，不可能跟正编员工一样一年一小升，三年一大升。一则没有那么多的管理岗位，二则升职就意味着成本上升。

大家可能要问题，人如果流失了怎么办？重新再招呗，只要招聘成本小于升职加薪的成本就可以维持平衡了。我们从个人就业角度看到的是个人发展，企业角度看到的永远是成本、收益。

国家队双雄，都是大型集团，旗下无数的院、所、上市公司。内部不同单位业绩差异很大，无法统一评价，不过整体来说管理机制没有私企那样灵活和相对公正的环境，即，你干得多、卷得过别人不一定就能晋升、加薪，不过优点是稳定性高于私企，没有私企大厂那么残酷的淘汰制。

列一些大家熟知的：

由大唐电信集团和烽火通信集团合并，ICT通信厂商。

ICT基础设施与服务业务实现收入467亿元，IT产品分销与供应链服务323亿。

全栈ICT厂商：网络设备、服务器、存储产品、云计算与云服务、网络安全产品及服务、智能终端等。

面向**、运营商、互联网、金融、教育、医疗、农业、交通、能源、制造等行业客户提供解决方案。

2020年-2022年，在中国以太网交换机、企业网路由器、X86服务器、存储、安全硬件等领域，市场份额第二，企业级WLAN、超融合等领域，市场份额第一。

控股子公司如下：

其中，集成电路业务营收680亿，电子元器件业务营收2.8亿，

为移动通信、金融、政务、汽车、工业、物联网等多个行业提供芯片、系统解决方案和终端产品。

特种集成电路：FPGA、特种存储器、特种SoPC平台、MCU、图像AI智能芯片、数字信号处理器DSP、二次电源解决方案、高速射频ADC、新型隔离芯片。

智能安全芯片：第二代居民身份证、电子旅行证件等证件芯片，电信SIM卡，银行IC卡芯片，社保卡。

紫光集团旗下展讯（基带芯片）和锐迪科（射频芯片）合并而来。

DRAM（动态随机存取存储器），包括标准存储芯片，模组和系统产品，嵌入式DRAM和存储控制芯片，以及专用集成电路设计开发服务等。

数字化转型国家战略对引爆了市场上对ICT的需求。

搞数字化，最终是要通过软件解决问题，而软件是运行在操作系统、数据库、容器这些IaaS、PaaS这些云服务上的，支撑云服务需要大量的数据中心，数据中心由网络、服务器两个最重要的基础设施组成。

网络通信设备领域已经红到发紫，华为&中兴（两者极度相似）两家基本垄断，其余像大唐（特种通信、安全芯片），普联技术（TP-Link品牌所有者，聚焦网络通信、安防等方向），大唐/烽火等，规模体量比较小。

产业链路还有很多中小企业，影响力不大，比如：

芯片厂商（Intel、AMD、英伟达等）设计芯片之后交给代工厂（台积电、Intel、三星）生成出来芯片，卖给服务器厂商组装成服务器，再卖给云计算厂商（阿里/华为云/腾讯云/百度云）、电信运营商（移动/电信/联通）或者**、金融机构，由他们安排数据中心服务商（光环新网/万国数据/世纪互联/科华数据等）建设成数据中心，才能运行软件服务。

所以，最难的技术其实是芯片，这也是中国最大的短板。

没有核心技术，就没有高质量的就业岗位，外企没可能把核心技术放到中国来搞。不过，随着国内半导体近几年快速发展，市场上出现了大中小各路企业也在大规模招聘芯片相关的软件技术工程师。

服务器厂商最多搞搞Linux操作系统，对软件工程师的需求量整体并不大。

三大电信运营商主要讨论移动、电信、联通，虽说广电也算第四极，但广电体量小且主业不同，这里不再讨论。

电信运营商是非IT行业中信息技术的应用做得最好的两个行业之一（另外一个是银行），有大规模的自研团队，每年海量的软件项目采购订单投放到市场中，甚至寄生在这个体系中的上市公司就有很多（亚信、思特奇等）。

为什么会出现这种现象呢？电信运营商是处理信息，天然对信息技术强依赖。

电信运营商提供大量的信息科技岗，除了总部直属的专业研发中心、专业子公司之外，其省分、市区每年也会招聘大量的信息科技岗，当然，省分、市分这样的业务部门的信息科技岗主要工作并不是自研软件产品，一般很少会有coding的机会，基本都是上下沟通协调、做项目落地。

即使是专业子公司，研发能力整体相比私企大厂还是有比较大的差距，毕竟，一直以来，都是华为、中兴等设备制造商负责研发，中国移动、中国电信、中国电信购买电信设备负责网络运营，亚信、思特奇等负责开发网络运营所需要的系统。

固话、移动通话、流量等业务的增长已经非常慢，甚至联通都开始负增长，而中国数字化转型的国家战略方兴未艾，因此，对运营商来说，未来几年的重点是数字化。

移动市值一步之差追平茅台，差点成为A股市值第一就是个里程碑式的事件，资本市值就是在为电信运营商高速增长的数字化业务买单。

移动的苏小研、电信的天翼云、联通的联通数科都是专注云计算的专业子公司。相比华为、腾讯、阿里、百度等传统云计算市场主要玩家来说，电信运营商虽然技术积累薄弱，甚至底层基础设施很多都是直接外采，但他们最大的优点是国企身份，以及在各省、市、区/县的大量网点，可以让他们轻易获取到客户。

三大运营商提供软件研发岗位最多的部分专业子公司列一下。

电信运营商属于高性价比的单位，既有大规模的自研团队，又有垄断央企的稳定性和高福利。环视市场，除了互联网之外，就属金融科技岗和电信运营商的研发岗给出来的待遇高了。

不过，随着电信运营商开始AllIn数字化，业务增速快速提高，工作强度变高了。

一个是门槛变高，因为大家发现私企不稳定，都拼命往银行、电信运营商这样高性价比的单位钻，把学校、学历抬了上去，把年龄红线降了下来。

再一个是工作氛围也开始卷起来，像苏小研、电信天翼云，部分部门甚至开始搞大小周。

中国星网的级别很高，技术方向因为星链在前，确定性也比较高，应用场景（人口密集度低的海洋、山区、沙漠、草原、湖泊等）也很明确，因此，集中力量办大事的机制充分发挥优势，尚在筹备阶段时就从三大运营商抽调了很多骨干员工前往支援建设。

目前已知的，在北京、上海、重庆、成都等四地有七家下属企业：

作为地面基站的补充，能否像三大电信运营商一样创造巨额的利润，或者要等多久才能创造巨额的利润，都有很强的不确定性。

如果最后发展成熟，成为三大电信运营那样创造巨额利润的巨头，内部员工的福利肯定也会好起来，自己赚钱肯定比别人拨款花起来痛快。

但回到眼下，在成长的过程中，靠国家养着，很容易出现航天军工一样，卷、待遇不高等问题。

综合来看，眼下是不如三家成熟的电信运营商的offer更香，如果赌性比较强的，可以去试一下。

首先看体量最大的银行：抛开央行和三家政策性银行不谈，还有国有六大行：

十几家股份制银行：

全国百八十家的城商行，头部的像：

股份制银行，当地经济条件好的头部城商行一般资产规模都很大大，每年也会招聘大量的金融科技岗位

还有几千家的农商行、农信社、省联社，数量太多，不再一一列举。

头部银行的自研能力非常强悍，金融科技岗的人员规模当然也就非常大，比如：

即使里面有很多属于省分、市分中不写代码的部分，这也是个很恐怖的数字了。

中腰部银行也会储备自己的软件研发力量，所以银行系有遍布全国（北京、上海、广州、深圳、珠海、杭州、西安、成都、武汉、长沙、南京、苏州、合肥、天津、宁波等）的研发中心、科技子公司，每年释放大量的校招offer，从核心系统、上层创新应用到接客户项目，统统都搞。

这也导致围绕银行做软件产品的厂商分散，没有能把规模做大的，没办法客户太强了，出现不了恒生那样的头部企业

2022年，央行、银保监会联合发布2022年我国系统重要性银行名单，按系统重要性得分从低到高分为五组，这些银行可以看做是官方版的第一梯队了：

同电信运营商很相似，银行的金融科技岗也会为总行直属机构和省分市分这种业务部门两大类。一般来说总行直属机构（软件中心、数据中心、信息科技部、信息科技运营中心等等很多名字）或科技子公司的研发属性很强，开发岗真得要写代码干项目。而省分市分部门的金融科技岗主要是做需求沟通、项目落地、开发商管理等工作，基本不会承担研发工作。

全国140家左右的券商中，北京、上海、深圳是券商数量最多的，其它的每个省份、直辖市也都会有自己的券商，服务本省经济嘛。一些头部券商如下：

保险行业没有详细数据，预估1、2百家的样子。虽然数量多，但集中度很高，基本被中国平安、中国人寿这两个万亿市值的大集团垄断，其它的像中国太保、人保（旗下中华财险）、新华人寿等头部保险公司最高也就2、3千亿级的市值。

中国平安是股份制，中国人寿是正经央企，因此各有特色，你能想象到的，私企与国企的差异，这里都有，不过平安毕竟是金融集团，至少在软件技术领域的就业方面，相比互联网大厂，在卷、稳定性方面还是会好很多，不过待遇也低一截，毕竟天下没有完美的offer。

除了平安自研能力比较优秀，其它都很普通，软件采购基本补恒生这样的软件厂商垄断。

2023年1月，银保监会发布《关于银行业保险业数字化转型的指导意见》，要求银行保险机构要加强科技能力建设，积极发展产业数字金融。保险行业也开始了大规模招聘信息科技岗，设立科技子公司。

一些比较特殊的，比如，众安保险这样互联网保险公司，其实是互联网公司的方式在动作，因此，体量虽小但招聘需求却比一般保险公司都大。

基金公司虽然数量很多（3千多），但每年HC极少，主要集中在大型公募基金，以及少数搞量化交易的私募（会有自研系统）。大多数基金公司都是以采购为主，和保险一样，基金行业也基本被恒生这样的软件厂商垄断。

大型公募基金的科技岗稳定、不卷，性价比极高，主要面向应届生，普遍看重学校学历背景。私募基金的特点是扁平化、团队小、上限高。

头部公募基金如下：

大部分私募基金团队小而扁平、很少招聘科技岗，但做量化的是个特殊情况，很多量化私募都自建小型研发团队。国内量化交易在2015年股灾之后起步，经过这些年的发展，已经出现了很多百亿规模以上的玩家了：

除了上面几类主流金融单位之外，还有做平台的大交易所（上海证券交易所、深圳证券交易所、大连商品交易所、郑州商品交易所、上海期货交易所、中国金融期货交易所、北京证券交易所、广州期货交易所等），中国银联，以及上海中汇、中金所、中债登、中证登、清算中心、银联数据等金融体系的基础技术服务机构。

市场上还有大量的租赁、投资、资产管理、金控公司、信用评级等，每家每年招聘计算机类岗位不多，但加起来也算一个不小的盘子。他们每年也会有向市场上投放大量的HC。比如：

每个省份也都有自己官方直接、间接控股的金融投资类公司，比如：

AMC（资产管理）比如：

一些金融数据服务公司，比如：

以前，金融科技岗在金融行业中是纯粹的后台支撑部门，是成本，而今天，站在数字化转型的国家战略之下，金融行业大幅增加金融科技岗的招聘，重金投入数字化，金融科技岗开始摆脱以前的后台支撑角色，对业务起到更大的加速作用，因此，金融行业对于金融科技岗的管理也在向前探索。

有的选择在全国大搞软件研发中心，比如工商银行，有的几乎全部子公司化，比如浦发银行，有的则两条腿走路。

每家公司情况不同，但整体来说，科技子公司的待遇上限更高，管理机制更像私企大厂靠拢，做的事情更偏上层应用或创新业务类的项目。

名气较大的金融科技子公司：

金融科技岗位有几个鲜明的特点：

这几年互联网、在线教育等行业被治理、增速下降、内卷加剧、裁员不停，很多在大厂的人愿意降薪去银行，很多校招生被往届卡试用期劝退，也愿意去银行。整体而言，校招进银行比社招进去要轻松很多。

金融科技岗虽然在全国一、二线城市遍过开花，但一线城市依然占据了很大的比例。一线的offer性价相比二线来说会低很多，核心原因是一线的房价太高，如果没有家里的经济支持帮助买房的话，定居成本很高。普通人在一线城市的金融科技岗上工作5、6年之后年包估计四、五十万，除去房租、吃喝等日常消费之后，两口子加起来真得要攒上十年、八年的钱才能买个小房子定居下来。

当然还有另外一条路，就是一线城市大行的金融科技岗干几年之后，跳槽到二线城市的金融科技岗。不过，社招需要跟来自私企大厂的候选人竞争，压力会比校招时会更大。

我一直有一个观点，上层应用开发工程师在入行3、5年之后就基本都度过了菜鸟阶段，成了熟手、高级工程师，到哪里都是项目中的骨干，这个阶段往后，除了持续提升自己在软件工程上的能力，如架构能力之外，还有很重要的一点就是变成软件工程能力和业务经验两条腿走路。

只有两条腿走路，才能解决岁数大了、精力不足之后被年轻人超越的问题，减少中年危机的问题。

2015年左右，爆发过几年的互联网P2P发展高潮，当时大量公司切入这个赛道。有流量的数据积累的互联网大厂几乎全部入*，利用自己的数据+购买的数据来做信用贷：

赛道内也出现了一些新玩家做的比较好的，有的上市之后被灭掉，有的离上市一步之遥：

我一个前东家的老板，老婆有某大行的关系，能搞到大行不愿意要的低价值客户，信用也没问题，但就是资金需求量太小，几万、十几万这种，当时银行不愿意做这样的生意，他就花钱把数据买过来，成立公司搞这个，很快拿到了大型私募的融资。

那两年我正在创业，经常花钱到手机应用市场买流量，发现各类付费榜单头部基本都被这类公司占领。其实也能理解，普通行业再怎么赚钱也没有金融挣钱快，拉用户时他们自然比我出价高。

杭州更是一度成为P2P之都，蚂蚁牵头组建了一个互联网金融联盟，大有在电商之外再开一个强势产业互联网金融的劲头。

当然，现在都已经成为历史，行业纷纷乱乱，又是金融这样敏感的领域，国家监管出手之后，不管是上市的、没上市的，统统GG，中小企业倒闭，大企业老老实实申请牌照、搞合规治理。

虽然行业步子太大扯到过蛋，但行业的需求是存在的，最大的核心逻辑就是：

1、国家越来越富，老百姓的负债端的资金需求、资产端的理财需求都大幅增长。

2、国家传统的金融体系是为**、大型企业为主，面向小商户、个人消费者的金融服务和产品太少，满足不了需求。不信你看支付宝的理财业务，才发展几年就成为第一梯队的分销渠道了。

希望国内的普惠金融市场越来越成熟、规范，既能满足老百姓的资金、理财需求，又不要做"鼓动农民工贷款给女儿过生日"这种过度消费的事。

这个领域中的企业有很强的个性化，单独拿出来说一下。

外企在中国最火的时候是上个2000年左右，那时国内的大学毕业生很大比例都流入到了管理先进、薪酬福利好的外企。

再往后，随着国内经济的快速增长，大学生规模群体快速扩大，应届生进入外企的占比也迅速下降，到近几年，985/211以及头部双非高校的毕业生去外企的比例已经很低了。

无论何时，一个企业的核心研发部门都会在其从小到大成长起来的总部，企业的历史就是那样走过来的，不可能长大之后把总部的人干掉去成本低的地方重新建立研发中心，毕竟这些人不是标准化可替代的工人。

所以，外企的核心部门肯定不会在中国，还是以上层应用创新项目、针对中国市场做定制化、技术支持等为主，天花板极低。以前国内企业没有发展壮大的时候，外企还有优势，眼下国内外企就业的优势整体来说已经极小了。

另外，以前大家普遍认为外企稳定性好、待遇高、不卷，经过诺基亚、IBM、Oracle人员大规模优化，以及22、23年外企大裁员的教育，观念也开始转变了：无论国内私企还是外企都是靠在市场自由竞争做生意赚钱的，不比国企那种靠有形无形牌照生存的。

高通：高通的主业是芯片，国内有少量基于芯片做上层应用研发的团队，比如，基于高通的机器人芯片平台做一些创新型机器人的研发，IoT、移动端的应用层开发工作。其它还有很多，都在中国有研发中心，如：

微软：早期为国内培养了很多的人才，我了解到的，早期360里面就有很多从微软挖过去的，毕竟业务对口。微软在北京、苏州等地都有研发中心，比如VivaInsight就在苏州。跳槽过去的老同事反馈比较养老。

IBM&SAP：国内软件产业起步晚，过去二、三十年间，**、大型国企、银行、龙头企业的软件普遍大量采购外企的方案，一个经典的例子就是ERP领域，金蝶、用友起步的时候，IBM、SAP等外企已经攻占了大量的头部客户市场，而头部客户的ERP十分复杂，大量定制，替换成本极高。国内ERP与IBM、SAP在营收、利润、市值、员工待遇的差距就是来源于此。

Oracle：数据库是名符其实的核心技术，Oracle从八、九十年代开始就在国内攻城掠地，攫取高额营收和利润。很久以前网上有很多段子，讲国内企业使用外企的技术，外国专家从国内开始出发计算工时，费用高昂，而来了之后几分钟就解决问题，或者只是画条线的故事，都很形象地说明了那时外企有多么滋润。事实上目前国内数字化做得好的企业，计算人日时也都是按一天大几千来报价了。国内数据库市场有了很多的玩家，武汉达梦、人大金仓、蚂蚁OB等等，再加上现在国家搞信创（国产替代），Oracle的主业数据库在国内市场必定是慢慢退潮。

Google：早期在国内是有研发中心的，也为中国培养了很多IT界的技术人才，后来基本都碰到了天花板，再加上国内互联网崛起，这些人都跳槽到了国内互联网企业，赶上了风口。后来Google彻底退出中国，技术团队地位大幅下滑，也只剩一些边缘性的产品了，豪华团队也化作满天星洒落到中国各大互联网公司，或者自己创业。

FaceBook：业务一直没进来，国内也没可能有研发团队。

爱立信：北京有做基带软件开发的团队。

hulu：在北京有研发团队，属于神仙一样的养老公司，北京顶级大学毕业生都喜欢去的外企。

linkedin：中国招聘市场干了这么多年，除了出海业务之外，国内市场上没什么响，换了几任CEO也没能振作起来。

Thoughtworks：做企业数字化转型方面的咨询业务。

即使不想卷，那么也尽量去大型国企。外企如今也难，稳定性也慢慢变差，养老是不可能的。外企在中国的研发部门一般在整个公司内部也属于比较边缘化的，一旦经济动荡，是比较容易被裁员的那一部分。

主要集中在一些制造业的工业软件或嵌入式软件开发领域，非常小众，比如：

梅特勒托利多，在上海、常州、成都都有研发中心和生产基地。

瑞晟微电子（母公司台湾Realtek）：声控芯片。

国家现在搞数字化战略，国企正是先锋队。光98家***国资委直接管理的中央企业中，就有70家中央企业成立集团直属数字科技公司。比如：

对软件技术岗位需求比较大的国企主要集中在以下领域中：

主要有航天科技集团、航天科工集团、航天研究院、航天科工研究院、航空工业集团、航空发动机集团、商飞、兵器工业集团、兵器装备集团等。

国家电网、南方电网两个负责输电的电网公司，国家能源投资集团、华能集团、国家电力投资集团、华电集团和大唐集团等负责生产电力的五大发电集团，及其下属的科研机构，各地电网、供电*、设计院等。

国电南瑞：国家电网亲儿子，面向电力系统提供电力自动化产品与服务的专业科技子公司。

南网科技：南方电网亲儿子，与南瑞一样，在电力生态中搞项目做单子的子公司。

中国电气装备集团有限公司：电气装备向智能化转型。

国家铁路集团（旗下7家上市公司：京沪高铁、广深铁路、金鹰重工、铁科轨道、铁龙物流、大秦铁路、中铁特货）

中国铁路通信信号集团（卡斯柯信号有限公司等）

中国民航信息集团，以及各航空公司（中国航空集团、东方航空集团、南方航空集团等等）

中国中车集团（旗下2家上市公司：中国中车、时代新材、各研究所和研发中心）

中国交通建设集团（旗下3家上市公司：中国交建、振华重工、中交地产）

中国电气装备集团（旗下4家上市公司：中国西电、许继电气、平高电气、宝光股份）

哈尔滨电气集团（旗下2家上市公司：佳电股份、哈尔滨电气）

中国东方电气集团（旗下1家上市公司：东方电气）

中国中煤能源集团（旗下3家上市公司：新集能源、上海能源、中煤能源）。

中国煤炭科工集团（1家上市公司：天地科技）

中国石油天然气集团（旗下3家上市公司：中国石油、中油资本、大庆华科），旗下科技子公司昆仑数智。

中石化（旗下7家上市公司：中国石化、上海石化、石化油服、齐鲁石化、泰山石油、中国石油化工、中石化油服）

中海油（旗下6家上市公司：中国海油、中海油服、海油工程、中海石油化学、中国海洋石油、中海油田服务）

中国核工业集团（6家上市公司：中国核电、同方股份、中国核建、中核科技、中国核能科技、中核国际）

中国广核集团（旗下5家上市公司：中广核技、中国广核、中广核电力、中广核矿业、中广核新能源）

中国节能环保集团（旗下5家上市公司：太阳能、节能风电、万润股份、中环装备、中国地能）

也有很多其它领域虽然需求不大，但也会有计算机类相关岗位的招聘，加上单位数量够多，整体也有不少，如：

医院、学校、中烟工业（卷烟厂）和各省烟草专卖*、各地酒厂（一般都是地方国企）。

这类单位的主业都不是计算机相关，且IT技术能力也不可能有银行、电信运营商那么强，但胜在稳定，部分单位甚至性价比极高，实现真正的躺平。

当然，如果要追求技术，或者在行业内成为专家，那不适合去这类单位。要这么想，这单位对IT技能要求不高，又稳定，管理上必然不会有私企那种相对公正的环境，不会出现你卷得过别人就能比别人拿更高的奖金、更快晋升的事情。

官方或半官方背景的，如，国家超级计算中心、上海人工智能实验室、北京智源人工智能研究院、之江实验室、人工智能与数字经济广东省实验室、电信科学技术第五研究所、深圳计算机研究所、南京信息技术研究所等。

物流领域有四类企业，顺丰、京东、邮政、其它。顺丰专注做高端商务件，京东做自营仓配，邮政是巨无霸，科技投入都强度非常大，也因此每年招聘大量的软件技术工程师。而通达系（中通、申通、圆通、韵达）虽然市值加起来都赶不上顺丰，对软件研发的投入更是少得可怜。

菜鸟不是传统的物流企业，至少目前来看，整体思路还是建设物流科技基础设施，通过供应链服务抽成、末端流量变现等方式挣钱。

几年前，货运平台领域的两家竞争对手运满满、货车帮正打得热火朝天，两家的共同投资人王刚看着自己白花花的银子被两个平台不断花出去很肉疼，就逼着合伙人坐在一起坐到一起谈合并，成了今天的满帮。

这两家公司虽然成立的晚，但平台模式天花板很高，打造基础设施，并聚合了足够的货主、订单、运力之后，就可以开始收地租了，这也是互联网行业最流行的玩法。这两家公司都有很深的阿里烙印，菜鸟是正牌的阿里系公司，是1+6+N中的6中的一个，同时投资运满满、货车帮，并促成两家公司合并的天使投资人王刚，满帮今天的董事长兼CEO张晖，两个人都是阿里出身。

菜鸟是正牌的阿里系，1+6+N中，6中的一个，属于分拆上市预备队，技术也是正牌阿里系。虽然23年校招offer普遍给了19K、P4的待遇，但平台大、技术资源深厚，对于个人技术能力的锻炼还是非常不错的。

满帮公司体量小很多，虽然高层很多阿里系，但技术沉淀、研发体制、管理规范度这些都不是短时间可以积累起来的，对于软件技术方向的就业来说，只能说是三、四流的企业。

过去中国制造业普遍比较中低端化，最近这些年伴随着制造业的升级，科技属性含量提升很快，尤其像宁德时代、三一重工这类行业龙头的出现，对软件技术人员的需求也在快速上升。

这个领域公司太多，而且越是高端的制造对软件技术的需求量越大，通过校招、社招的方式，每年都在招聘大量的软件工程师。随便举几个大家熟悉的例子，如：

传统家电制造领域也贡献很多的IT岗位，如：

医疗器械类的，如：

这类企业的优点是平台大，稳定性高，职业生命周期长，节奏相对平缓；缺点是制造业管理方式相比IT企业比较僵化，整体待遇偏低，激励空间不足。

天合光能，及其子公司天合智慧分布式，以高效组件、智能跟踪支架、电站运维开发三位一体的光伏太阳能解决方案。

爱旭太阳能科技：光伏。

欣旺达：锂离子电池模组解决方案及产品提供商。

古茗奶茶在杭州搞了个200多人的研发中心，其它暂时没听说。

所有toB/toG类的市场，一家公司要做好，离不开客户、产品、服务三要素的支撑，而对大部分厂商来说，最重要的又是客户。而每家公司都有自己的人脉关系、资源积累，客户与一家厂商合作之后，没有什么特殊情况也不可能替换掉。

软件厂商属于乙方，一般都是私企凭借创始人的背景、人脉在某些行业内开疆拓土，开辟出来一块市场，但整体规模普遍不大，市值普遍不高。

因此这个领域的特点：分散、规模不大、利润率不高。同时，企业的这些特点也决定了，这些企业内部的技术人员在薪酬福利方面比较普通，整体性价比不如其它领域。

一般来说，都是项目制为主，一个客户一个客户地谈单子，一个项目一个项目地做，做得项目多了也会沉淀一些通用能力，下次再来新项目时减少工作量，但由于大多数单子都是来自于头部客户，甲方普遍比较强势，因此定制开发的工作量依赖很大。这也导致了一个现象，即低代码平台的使用程度越来越高，毕竟所有客户定制的需求都有一个共同的特点，也就是CRUD含量比较高。

在数字化转型这个国家战略之下，**、银行、国企、私企这个领域会释放大量的百万、千万、亿级的订单到市场上，由大大小小的云计算公司、软件服务商分食掉，比如：

我们看到这些单子基本都被电信运营商、阿里、腾讯、华为等主要云计算公司吃掉了，实际上他们只是总包。比如阿里，把一个几千万的项目拿下来之后，自己会承接一部分（IaaS、PaaS层的数据库、网络、机器等），然后把其中其余那些自己不适合做、不愿意做（利润太薄）的部分再分包出去，给到那些围绕着阿里云靠接口小项目、卖人头生存的公司（比如，浩鲸）。

分食的方式还有很多种：

比如，地方国资委控股的企业做自己地盘上的单子，浪潮就主导了山东省的政企数字化建设。

再比如，围绕着电信运营商，有一堆御用的软件供应商，像亚信、思特奇等。

再比如，一些不同优势的公司组成联合体去拿大订单：

**数字化也是一个庞大的领域，光**面向普通群众的办事入口，我知道的就有一堆，如：

而这些入口看似只是一个App或者网站，背后其实有大量原有的系统需要改造，数据需要打通，流程需要重构，权力需要转移。这也是为什么要组建国家数据*的原因。

一般来说，软件服务商会与官方直属单位一起组成公司来吃掉这些订单，比如：

从就业角度来说，这类软件服务商与官方直属单位一起组成的公司有几个特点：

不卷，毕竟以项目落地为主，核心产品都是采购软件服务商的，要不然软件服务商干嘛参与进来？

研发能力不足，最多就是基于软件服务商的标准产品，根据自己的业务场景，做上层应用逻辑的定制开发。

稳定性，这个有待确认，这种不算正经国企，只能算国企控股或参股，而数字化建设是有周期的，几年之后高峰过去之后，要落地的项目变少，公司可能会出现裁员。

综合能力可以得到锻炼，上下沟通、左右协调，带着乙方（各类软件服务商、外包公司）的人干活。

除了上面提到的几种公司之外，还有很多上市的、未上市，大大小小一大堆专注在某个领域，靠为客户提供数字化解决方案挣钱的公司。

有围绕着电信运营商这个大金主的：

有搞电商解决方案的：

有靠电力系统吃饭的：

有做医疗行业信息化的：

有做数据的：

有做AI应用的：

有围绕着自己的生态做SaaS为主业服务的：

还有一些专注某个特定领域的：

当然，大部分公司都是不分行业只看价值，有订单就干的：

toB软件市场中，一家公司要生存下来需要靠三个核心竞争力：客户、产品、服务，其中最重要的就是客户。公司得能拿得到单子。所以，上面这个列表中的这些公司能活下来并且具备一定的规模，他们一般都会有稳定的市场、客户、营收，因为做行业数字化这个生意有个很好的特点，客户一旦用了某个软件厂商的产品，就不会轻易替换，那么这个软件厂商在成交之后每年还可以收一笔维保费。

还有一些是有极高的市场壁垒的，比如，上文提到的法院案件执行系统、浪潮主导的山东省**数字化，并不是说公司产品多么牛逼，而是别拿不下订单来。

这类公司有几大特点：

不卷：当然这只是概率性的，但因为客户的项目周期往往比较长，几个月甚至一年，除了快到交付的那段时间，其余时间普遍不卷。

出差：做行业数字化，是真正的客户第一，因为客户是付钱的，你不让客户方的负责人满意，怎么拿得到回款，所以客户是真正的说啥都对，研发人员去现场服务、解决问题，甚至直接驻场开发太正常了。大家在应聘这类公司时，一定要问清楚出差的频率。

工资低：除了几家大型云计算公司、电信运营商之外，这个生态中大部分企业其实是靠做项目、卖人头挣钱的，利润当然高不到哪里去，相应地，在产研人员的招聘上面也是能省则省，社保按最低交、没有公积金等更是常规操作，大家在应聘时尽量去大公司，避开这些防不胜防的坑。

最后，去这类公司工作，一定要注意具体工作内容和产品线：

这个行业所有的公司在起步时都是从一个个的小项目做起，项目做的多了之后，开始抽象共用，沉淀技术上可利用的模块，形成标准化/半标准的产品。在新项目来之后，就不需要从0到1做起了，只需要按照客户的要求换层皮就可以了。即使像科大讯飞这样的A股龙头也是同样的逻辑成长起来的。

这意味着，在应聘这样的公司时要问清楚，是去做标准化产品的，还是去做上层定制逻辑的，这两者区别比较大。如果是做标准化产品，更能从软件工程架构、大复杂工程稳定性等方面锻炼自己的技术能力；如果是做上层定制开发，就是纯粹的调用接口+CRUD了，客户要什么就做什么，点状地完成工作，大概2年就成为熟悉工，再往后就没有什么成长性可言了。

而且这种定制性地开发，为了快速响应客户满足需求，离客户更近，很可能还同时伴随着长期出差、驻场开发。刚开始可能还有新鲜感，等谈恋爱、结婚成家，这样的日子简直不要太难受。

这个领域的企业很多，先拉出来一些稍微有些名气的公司来蹓一蹓。

这个领域理想很丰满，国外这个领域着实有几个巨头，像IBM、SAP、Saleforce等。但是现实很骨感，国内只有金蝶、用友做得最好，但也就几百亿人民币的市场而已。

并不是我们不如人，也不是我们不努力，最大的问题是国内ERP起步晚，金蝶、用友开始创业时，外企早就已经与国内的大型国企，像石油、银行、电信运营商等单位谈几百、几千万的单子了。

面向大客户提供服务时，ERP这个东西需要做很多的定制，大客户也要根据ERP对自己的流程进行重构，这意味着更换成本非常高，外企的先发优势就很明显。

华为搞ERP在媒体掀起一股风，几天也就刮过去了，对行业没有本质影响，因为行业的发展底层逻辑并没有发生变化。

从就业角度来说：

国内企业不好赚钱，只能借着信创的机会慢慢抢市场，因此，相比互联网、通信、终端设备等行业，ERP企业给的待遇普遍比低。

另外，ERP在面向大客户做定制时，大量的CRUD工作对技术要求不高，企业为了降本提效，近几年慢慢走"PaaS平台+低代码平台"这条路线。PaaS的开发人员既需要有业务领域经验，又需要有大型复杂工程经验，需要高阶码农来承担，可需求量很小；而低代码平台几乎是一个项目做一遍，对软件工程师的需求量很大，但工作十分简单，对技术成长没有多大帮助，往往留不住人。对企业来说，这并不是问题，因为他们需要的正是这样的流水线码农。

过去红火过很多年的外贸、民营制造业，现在已经成熟的互联网，正在或衰落的的房地产，方兴未艾的AI、新能源等等，不管是哪个行业站到风口上，都要从金融行业获取资本。金融行业是趴在所有身上吸血的，当然利润很高。因此，围绕着金融行业提供软件服务的金融软件厂商也普遍比做其它行业的软件厂商挣钱容易。

拿A股上市的两个龙头企业来做个对比，虽然2022年因为疫情等各种原因大家都不好过，但依然可以看出做金融行业的生意要比其它行业好做很多：

这个行业的主要玩家有：

金融软件市场有两大类特点：

这个行业其实是两极分化的，除了头部的恒生市值达到890亿，其余都是些几十亿，甚至几亿市值的公司。对应地，恒生在市场上的认可度，给出来的待遇，技术专业度，未来跳槽到甲方的可能性，都比其它公司要好很多。

另外，金融领域有比较高的业务壁垒，对于大龄码农比较友好一些：

对于0～3年的初级工程师来说，竞争力很好衡量，就是谁干活效率高，一个功能模块别人干要5天，你干只要3天，你就是比别人厉害。但对于3年之后的工程师来说，软件架构能力、业务经验、对业务逻辑的理解就越来越重要了，等到了工作8年、10年的时候，就开始软件技术+业务能力两条腿走路了。

而要选择两条腿走路，像互联网公司这种快速迭代，3、5年就会大变样的地方肯定不行，必须得找一个业务领域壁垒够高的行业，比如，金融。

制造要升级，要走高端路线，离不开工业软件的发展，随着中美脱钩，信创的发展，工业软件作为卡脖子的领域，在政策与市场达成共识。

比如，山东、广东、江苏、浙江等各地的工业软件联盟遍地开花。

偏重于"制图"和"建模"（几何模型），这个领域在2D方面国内已迎头赶上，3D依然以国外巨头为主。

国内主要企业是中望软件、苏州浩辰和数码大方。

物理世界中的问题在工程中都最终被抽象为了一个个数学方程，而CAE就是通过求解数学问题得出仿真结果，所以CAE的核心在于解方程。CAE和工程结合最为紧密，同时门槛极高。

2020年，全球CAE市场前三大供应商分别是Siemens、ANSYS和Dassault，市占率达到47%。

EDA工具覆盖电子设计的数字芯片设计、模拟芯片设计、平板显示电路设计、晶圆制造、封装测试、系统仿真等各个环节。

全球EDA行业主要由新思科技、楷登电子和西门子EDA垄断，国内做得最好的是华大九天（模拟芯片）。

其它还有很大大小小的公司：

从就业角度来说，这个领域的优缺点都比较明显：

优点是公司规模小、专业度高、技术门槛高、业务壁垒厚、节奏相对缓慢、工作普遍不卷、工程师的生命周期长，缺点是待遇低，就业领域相对狭窄。

就拿软控股份这种做橡胶轮胎生产装备的细分领域的隐形冠军来说，专业度高，行业市场份额稳定、变动概率小，进去之后大概率可以稳定地干上好多年。

但是，私企毕竟是私企，不可能养人一辈子，当干上5年、8年、10年之后因为各种原因跳槽的时候，就会出现无工作可选的情况。

更多名企笔试真题解析、面试经验交流、招聘信息内推，尽在牛客！

毕业生适合做用友实施吗

还不错这个职业还不错

用友分析云提供的大数据可视化服务有何不同？

谈到可化，就不得不先回顾下GUI。GUI是GraphicalUserInterface的简称，直译为图形用户接口，如果用中文完整表述是人机交互图形化用户界面设计。十年前几乎所有讨论可化的学术文章，都是在讨论GUI范畴内的问题，比如在生产计划系统中，如何实现用甘特图来表示计划网络图;在财务系统中能否在表格以外有些柱图和饼图等图形展示。　　时至今日，甚至不少IT从业者也不能区分图形化用户界面和大数据可化的差异和适用场景。　　其中，“大数据可化”是一个通用的术语，它定义为基于大数据环境，通过直观的图文交互操作来帮助人们理解数据的价值，洞察数据背后隐含的模式、趋势和相关性的方法与技术的总和。用友分析云提供的分析服务中，大数据可化是其中重要的云服务之一。　　大数据可化如何服务业务人员？　　狭义的数据可化，类似于在微软Excel电子表格中将某个表格区域的数据转化成各种图形，以方便数据使用者直观的理解数据到信息的处理过程。　　大数据可化可以采用图文分析方式，如刻度盘、地理地图、走势图、热点图和条形图、饼图、热图等，通过简单交互操作，让没有IT技能的更多业务分析人员，独立完成对大数据的查询、分析甚至挖掘，并可以自行完成一些数据清洗、转换、加载等数据处理工作，然后将数据分析结果通过协同方式一键分享给别人。　　大数据可化为何重要？　　大数据可化在大众化数据分析中十分重要，并使整个组织的工作人员都能获得数据驱动的见解。它通常比传统的统计分析软件或者传统的BI软件更容易操作。这推动了在没有IT支持的情况下专业分析业务在组织内部的普及。　　大数据可化在大数据和高级分析项目中也扮演着重要的角色，在大数据应用的早期，基于企业已经积累的大量数据，他们需要速、便捷地对数据进行概览和洞察的能力和工具，大数据可化就是应对这个需求的主流之道。　　同时，可化是高级分析或数据挖掘的最重要结果呈现模式。当一个数据科学家通过编写高级预测分析或机器学习算法得出分析结果后，会以大数据可化来监控结果并确保模型按预期执行。　　这些都需要大数据可化　　大数据可化可在多种场景下使用，比如大屏展示、多屏上下文分析、交互式分析故事板、数据查询工具、数据整理和建模工具等。目前最常见的用途是作为全新BI图文分析报告工具，广泛应用在各类互联网应用分析场景下，或者作为传统BI报表分析的补充。业务分析用户可以通过数据可化来生成仪表板、跟踪和预警公司在关键绩效指标上的表现，并直观地解释结果。　　许多业务部门实施大数据可化来跟踪他们自己的计划。例如，一个营销团队可能会通过该软件来监控营销活动的表现，跟踪诸如开放率、点击率和转化率等指标。　　用友分析云加速大数据可化　　数据可化在过去5年里，曾经是新一代BI(BusinessIntelligence，商业智能)工具的核心主张，从行业分析报告和新晋厂商的财务表现来看，这类可化BI工具的推出得到了市场的欢迎。然而，这类应用无一例外选择的是桌面工具的方式，服务于单个操作用户，不太考虑企业级用户对数据安全、协同、分享的应用场景。包括用友在内具有管理软件供应商背景的BI提供商，纷纷推出了自助分析等企业级可化分析系统，作为对传统BI系统功能的增强。　　随着大数据、云计算的发展，原有的基于企业小数据和私有化部署的分析系统越来越不能满足市场期望和客户需要，在用友全力发展用友云的冲刺加速阶段，基于大数据和云计算技术的用友云也同步推出，大数据可化分析也是其中重要的服务构成。　　用友分析云扩展了传统可化工具的功能，使可化分析越来越适用在更复杂的大数据前端分析场景，可化分析作为一项分析云服务，帮助数据工程师和数据科学家跟踪数据源，并在更详细的高级分析之前或之后对数据集进行基本的探索性分析。　　因此，就大数据可化服务做一些更多的介绍和讨论，通过对功能特征和应用场景的介绍，帮助大家对用友分析云能有更准确、更清晰的理解。　　大数据可化如何工作？　　大数据可化能与主流的数据库和应用连接，其中包括最常见的关系数据库、Hadoop和各种云存储平台。可化软件从这些数据源中获取数据，并将图形分析应用到数据中。　　大数据可化允许用户选择显示数据的最佳方式，并且越来越多的在图形显示与分析数据之间实现了自动匹配。会通过多元回归、智能侦测等算法，解释数据的影响因子和影响程度，然后将这些发现融入到已有历史数据分析结果之中。　　大数据可化有故事板功能，允许用户将分析生成的多个可化结果拉入到一个独立的界面，以类似门户的方式集成展示来自多数据源、多主题的分析结果。　　以下是通过用友分析云按故事板方式实现的超大屏展示实例：

用友待遇怎么样？

用友是一家私营企业，经营规模不是很大，福利一般，没有社保，也没有公积金，一个月休息两天，有食堂，工资四千多块，我个人觉得用友待遇一般。

用友集团招聘财务靠谱吗?初试，还要考试，还来自要复试，培训，工资高，交五险，我问他收费不，他说360问答从工资

只要不从自己口袋里往外拿钱交问题就不大。

用友U8数据文件过大，用什么软件可以打开

用友软件恢复数据功能。