解析《中国互联网软件测试行业2018年度调研报告》

之前收到了一份TesterHome的调查问卷邀请:2018年度中国测试行业问卷调研。最近问卷的汇总结果出来了,有2000+的测试童鞋参与了问卷调查。

从幸存者偏差角度来说,无论是覆盖率还是准确性,结果都有待商榷。不过也能从一定程度上给予参考。

这里我会挑几个测试同学们感兴趣的部分,说说我的看法,请大家理性看待。。。

传送门:中国互联网软件测试行业2018年度调研报告

一、测试人员年龄分布

从年龄的分布区间来看,目前测试行业的主力军还是26~30岁的同学。中国互联网行业软件测试岗位大概起始于04年左右,不过当时大多都是外包很多外企。

像图中30~35岁区间的人,猜测大多都经历过外包的工作。还有占1/4的同学年龄阶段为22-25岁,正好是属于近几年刚毕业没多久的同学。

近几年“34岁失业”这个梗甚嚣尘上,不能说绝对,根据个人对求职市场的了解,大多数30+的同学,在岗位期望上都偏向管理岗,但一个萝卜一个坑,哪儿有那么多管理岗呢?

个人建议:3年工作经验以上的同学,该仔细考虑自己的职业规划了,互联网行业,管理岗并不是唯一且最好的选择,衡量得失,选择最适合自己的,就可以了。。。

二、测试人员地域分布

从问卷结果来看,2/3的测试人员分布于北上广深一线城市,目前无论是工作机会还是薪资待遇,一线城市依然是最好的选择,不过竞争激烈,特别是“这个时代”

依照目前的国家政策以及行业发展趋势,未来二线城市,特别是苏杭、南京、武汉这几个城市,是很好的备选方案,特别是对于将近而立之年的人来说,比如我。。。

三、测试人员学历分布

从近几年招聘网站的岗位JD要求来看,本科已经是大多数公司录用的一个重要条件,特别是某些国企或银行证券类公司,985、211已经成了一个必须条件。

虽然猫厂号称不看学历看能力,但当其他条件等同时,学历也成为了是否能去更好的企业发展的一个衡量因素。不过第一学历不是本科的童鞋也不用气馁,

国内很多本科院校有继续教育可选,据说高升专2020年是最后一期,专升本目前还不确定,无论是短期内的求职还是长期发展,建议学历较低的同学可以通过考试拿到学位。

四、测试人员岗位分布

从上图可看出,目前功能测试依然占据将近一半的岗位,自动化/测试开发/teamleader占据46%的岗位。

以我这两年的面试经历来说,自动化/测试开发岗位实际上重合区很大,且很多互联网公司自动化的工作已经开始归属到功能测试岗位职责,

测试开发更多的是在工具/平台开发,测试提效/质量保障方面。因此建议大家:相比于管理岗位一个萝卜一个坑,P系列的岗位晋升也是一个很好的选择,不要丢了技术。

五、测试人员薪资分布

1、薪资分布

2、薪资&岗位热图

上面两个图结合起来看,从人员分布区域到年龄阶段以及岗位分布,15K是测试岗位的第一个坎,基本技术性要求较高的岗位(自动化/测试开发/性能测试)都是15K以上。

而25K的月薪,往往这些童鞋在圈子里或者某一个细分领域都有较深的造诣,就是我们俗称的大神、大佬,专业点的话,就是“技术专家”岗位。

还有一点,从我最近的面试经历来说,现在市场上性能测试特别是高级性能测试岗位,需求量蛮大的,供不应求;靠谱的测试开发岗位,也有很多缺口,可惜一部分测试开发,不那么专业。

六、测试人员技术分布

1、技术栈构成

2、能力提升途径

3、效能提升方式

很简单,从求职网站的岗位JD来看,需求分析、文档制定维护、简单的脚本编写能力、问题描述及分析、CI/CD是一个合格的测试人员标配。

而能力提升途径,根据我个人的学习提升体验以及同行交流来看,在线论坛/博客、技术类书籍依然是学习提升的主要途径,而技术大会/线下沙龙,更多的是方向和思维,而不是手段。

这里推荐一本书给大家:《刻意练习:如何从新手到大师》。个人认为能力的提升,应该明确这几点: 快速学习,紧随主流,以回报率为导向,知识变现,然后投入再生产!

七、测试行业的未来

从当下来看,无论是巨头们争相发力的新零售,还是人机交互(就是AI),或者大数据/云计算的发展,按照风口论来说,AI&机器学习、IoT是热门岗位。

但从实际角度出发,越接近业务/金融市场,机会越大,而且一个行业只有预期的利润空间越大,才更适合普通人生存。

以上就是关于调查报告的部分解读,从年龄、地域、学历、岗位、薪资、技术、发展七个角度来谈了我的看法。

由于报告的数据来源较少,解读结果请大家理性看待,谢谢。。。

原文地址:https://www.cnblogs.com/imyalost/p/10549472.html

时间: 2024-10-11 02:45:21

解析《中国互联网软件测试行业2018年度调研报告》的相关文章

Ponemon:2018年度数据泄露成本分析报告

2018年7月份,由IBM发起,Ponemon独立进行调查得出的2018年度数据泄露成本分析报告出炉了.这份报告包括全球版.以及多个国家版本.今年的调研涉及全球477个企业和组织.调查结果显示,数据泄露的成本和数量都在持续攀升. 今年的关键调研分析数据如下: 其中,数据泄露的平均成本从2017年的362万美元上升到386万美元,平均每条失窃记录的成本从去年的141美元上升为148美元,而未来两年发生重大数据泄露的可能性是也略有上升.此外,事件应急响应团队能够挽回的成本约为平均每条记录14美元.

国内智能硬件行业 调研报告

智能家居行业调研报告 本报告将概要地描述国内外智能家居行业动态以及相关的技术进展,为公司下一阶段新产品的研发方向.产品整合和市场推广等公司战略提供一定的参考信息. 近几年,随着物联网的深入发展,智能家居,与之前仅仅为少数富豪所享受的不同,这次会逐渐走进寻常百姓家.2014年1月13日,谷歌公司收购智能家居公司NestLabs,这次收购给谷歌带来进入新市场的跳板.国内外众多电子科技展中,智能家居成为展览的主角之一.随着技术的进步,智能家居的软硬件成本呈下降趋势,当智能家居有了足够高的性价比和实用性

SANS:2016年网络威胁情报现状调研报告

2016年8月份,SANS发布了最新一期有关网络威胁情报的发展现状调研报告. 注意,本文不是译文.原文请前往http://www.sans.org/reading-room/,题为<The SANS State of Cyber Threat Intelligence Survey: CTI Important and Maturing>,需翻墙. 报告指出,随着网络空间安全威胁日趋严重,网络威胁情报(CTI)的作用更加凸显.41%的受访者表示他们运用CTI的能力趋于成熟,更有26%的人表示能

解读IBM高管调研报告,看传统企业如何卷土重来

2017年的下半年,IBM CEO Ginni Rometty在纽约与全球100强公司CEO做了一次深入交流.Ginni后来在多个场合回忆说,这次交流对于今后IBM的战略有着巨大的价值.当时,Ginni曾问在座的全球100强公司CEO一个问题,你们对未来判断后,下的最大的"赌注"是什么?全球100强公司CEO也反问Ginni这个问题,Ginni的回答是"你们".换言之,以全球100强为代表的传统企业,他们的未来需求,就是IBM的投资所在. 2018年3月,IBM全球

Forrester:2018年度外部威胁情报厂商评估(Forrester New Wave)

2018年9月7日,Forrester发布了2018年度的外部威胁情报厂商评估分析报告--<The Forrester New Wave?: External Threat Intelligence Services, Q3 2018>.报告显示,不同TI厂商之间的最大的差异化在于他们各自收集情报的策略.方法和来源.首先,这个报告叫做Forrester New Wave,表示是针对新兴技术写的厂商评估,而我们一般熟知的Forrester Wave则是针对(趋于)成熟技术写的厂商评估.Forre

SANS:2019年网络威胁情报现状调研报告

2019年2月,SANS照例发布了全新年度的CTI(网络威胁情报)现状调研报告. 今年的报告更换了主笔分析师.但SANS对CTI的广义定义依然没有变.总体上,SANS认为CTI的应用越发成熟,其发挥的价值也越来越大,CTI的应用正逐步深化.1)报告显示,72%的受访组织生产或消费了CTI,比2017年的60%有显著提升.2)更多的组织开始关注情报报告,但认为将那些情报报告中的有用信息转换为机读情报比较麻烦[笔者注:一方面,现在有一些开源的报告情报信息提取工具:另一方面,情报报告的提供者开始一并提

SANS:2014年安全分析与安全智能调研报告

2014年10月份,紧接着2014年度日志管理调研报告(Log management survey),SANS又发布了2014年度的安全分析与智能调研报告(Analytics and Intelligence Survey 2014). 正如我之前博客所述,SANS认为安全分析与日志管理逐渐分开了,当下主流的SIEM/安管平台厂商将目光更多地聚焦到了安全分析和安全智能上,以实现所谓的下一代SIEM/安管平台.而安全分析和安全智能则跟BDA(大数据分析)更加密切相关. SANS对安全智能的定义采纳

SANS:2015年安全分析与安全智能调研报告

2015年11月,SANS发布了第三次安全分析与安全智能调研报告2015年版(Analytics and Intelligence Survey 2015).报告对来自全球的企业和组织共计476位专业人士进行的调研访谈.今年的调研问题比去年更加深入. 调研表明,与去年相比,大家对安全分析与安全智能的认知更高了,应用也更多了,但距离理想目标依然还有不小的差距,尤其是合格的从业人员(分析师)的短缺问题更加突出了.对于大数据技术应用于安全分析这个问题,得到了更多人士的认同.相较于安全数据的大数据化这个

SANS:2016年安全分析调研报告

2016年12月6日,SANS发布了第4期(2016年度)安全分析调研报告.报告对全球348名受访者进行了调研.结果显示,38%的人用安全分析来评估风险,35%的人用安全分析来识别恶意行为,31%的人用来实现合规.这也是安全分析最常用的三个场景.安全分析自动化不足的问题依然没有多大改观,和上次调研相比,依然仅有4%的人认为自己完全最到了安全分析自动化,仅有22%的人使用了机器学习相关的工具来参与安全分析. 1.数据收集的范围 首先是应用日志(包括应用的审计日志),第二是网络FW/IDS/IPS/