京公网安备 11010802034615号
经营许可证编号:京B2-20210330
过完年以后,敢问一句年近30岁的你月薪多少?
近几天的知乎热榜有一个问题引起了二胖的注意:三十岁,研究生毕业的你,现在收入多少?
这不禁让二胖一边摸着钱包,一边想要统计下不同学历的人群在而立之年的月薪水平。于是二胖爬取了某相亲网站,对北京、上海、天津和重庆的60万人的数据进行了统计,得到了以下结果。
28-32岁
一、高中及以下
28-32岁高中及以下学历人群中,月薪普遍在万元以下,且男性的工资水平普遍高于女性。
男性中,3001-5000元月薪的人数最多,占比约36%;5001-8000元月薪的人数次之,占比约32%。
女性中,3000元以下月薪的人数近一半,达42%;3001-5000元月薪的人数较多,占比约36%。
二、中专
28-32岁中专学历人群中,月薪在万元以下的人数较多。
男性中,3001-5000元月薪的人数最多,占比约33%;5001-8000元月薪的人数次之,占比约31%。
女性中,3001-5000元月薪的人数最多,占比约37%;3000元以下月薪的人数次之,占比约35.5%。
偏重于技能实践的中专学历人群,在28-32岁可以赚得的月薪与高中及以下学历的人群相比,所差不多。
三、大专
28-32岁大专学历人群中,3000元月薪以下的人数占比明显减小,尤其是女性。
男性中,5001-8000元月薪的人数最多,占比约28%;8000元以上月薪的人数占比达33%。
女性中,3001-5000元月薪的人数最多,占比约31%;3000元以下及5001-8000元月薪的人数占比均在24%左右;8000元以上月薪的人数占比达20%
大专学历人群,在28-32岁可以赚得的月薪明显高于高中及以下和中专学历人群。
四、大学本科
28-32岁大学本科学历人群中,8000元月薪以上的人数占比明显增大。
男性中,5001-8000、8001-12000、12001-20000元月薪的人数占比均在22%左右;而5000元以下月薪的人数占比不足20%。
女性中,5001-8000元月薪的人数最多,占比约26%;3001-5000及8001-12000元月薪的人数占比均在21%左右;12000元以上月薪的人数占比达21%。
大学本科学历人群,在28-32岁可以赚得的月薪大幅度领先于大专及以下学历。但存在薪酬两极分化现象,本科学校水平、学生个人能力等均对月薪有重要影响。
五、硕士
28-32岁硕士学历人群中,12000元月薪以上的人数占比明显增大。
男性中,12001-20000元月薪的人数占比最高,超过30%;20000元以上月薪的人数占比也超过25%;而5000元以下月薪的人数不足10%。
女性中,8001-12000元月薪的人数最多,占比约27%;12001-20000元月薪的人数占比也超过24%;而5000元以下月薪的人数不足15%。
硕士学历人群,在28-32岁可以赚得的月薪又大幅领先于大学本科学历。整体来看,90%的硕士毕业生在30岁左右可以获取5000元以上的月薪。
六、博士
28-32岁博士学历人群中,月薪五万元以上的人数占比较高。
男性中,12001-20000元月薪的人数占比最高,约25%;20000元以上月薪的人数占比也超过30%。
女性中,8001-12000元月薪的人数最多,占比约25%;12001-20000元月薪的人数占比也超过19%。
博士学历人群,在28-32岁可以赚得的月薪总体和硕士相当,但50000元月薪以上的高薪人数占比明显增多。
一、男性
由此图,可明显看出28-32岁男性的薪资分布。
高中及以下、中专、大专学历水平的男性月薪多集中于8000元以下,8000元以上的人数占比不足25%。
大学本科学历的男性月薪普遍超过5000元,近一半月薪超过8000元。
硕士学历的男性月薪普遍超过8000元,拥有12000元以上月薪的人数达60%。
博士学历男性与硕士学历男性的月薪水平大致相当,在50000元以上高薪人数的占比中略胜一筹。
二、女性
由此图,可明显看出28-32岁女性的薪资分布:
高中及以下、中专、大专学历水平的女性月薪多集中于5000元以下,5000元以上的人数占比不足25%。
大学本科学历的女性月薪普遍超过3000元,月薪超过5000元的人数占比超过一半。
硕士学历的女性月薪普遍超过5000元,拥有8000元以上月薪的人数达70%。
博士学历女性比硕士学历女性的月薪水平较高,但相差不大
同年龄阶段的男性和女性,月薪水平相差较多;同一学历的男性比女性要多出约3000元的月薪。
35-40岁
对相当部分的博士来说,28-32岁还处在刚刚步入职场的年纪,仅比较30岁左右的月薪水平有失公允。所以,二胖又根据35-40岁各学历人群的月薪状况进行了对比,得出了以下结果。
一、男性
由此图,可明显看出35-40岁男性的薪资分布。
高中及以下、中专、大专学历水平的男性月薪多集中于8000元以下,8000元以上的人数占比不足25%。与28-32岁同学历水平的人群相比,薪资涨幅不大。
大学本科学历的男性月薪普遍超过5000元,近一半月薪超过12000元。
硕士学历的男性月薪普遍过万,拥有12000元以上月薪的人数达75%。
博士学历男性与硕士学历男性的月薪水平大致相当,在50000元以上高薪人数的占比中略胜一筹。
与28-32岁同学历水平的人群相比,大学本科、硕士、博士学历的男性薪资水平均有大幅提高。
二、女性
由此图,可明显看出35-40岁女性的薪资分布。
高中及以下、中专、大专学历水平的女性月薪多集中于5000元以下,5000元以上的人数占比不足25%。
大学本科学历的女性月薪普遍超过5000元,约一半月薪超过8000元。
硕士学历的女性月薪普遍超过8000元,拥有12000元以上月薪的人数达50%。
博士学历女性与硕士学历女性的月薪水平大致相当。
同年龄阶段的男性和女性,月薪水平相差较多;同一学历的男性比女性要多出约4000元的月薪。
经过分析,二胖发现,各位一二线城市的童鞋们挣得还真不少。经过统计,也论证了那句老话“知识改变命运”,学历越高,挣得确实越多。还在读书的童鞋们,听妈妈的话吧:“好好读书,天天向上
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18