
高考成绩已成定局,努力的环节流转到填报志愿。
经历过高考的我们都懂,选择学校尚且可以参考等级和各种排名,判断专业“好坏”就大多靠兴趣和感觉了。
就算是想无脑跟风走,这些年专业更迭的速度和力度也在明显加快。2015年开始,全国高校每年增设专业数量突破2000大关,撤销专业的数量也超过100个。
原本位于“冷宫”的专业可能一夜爆红,迎来高光时刻。
热门专业也会骤然变凉,2018年全国有416个专业的学生还未走出象牙塔,就要直面惨淡人生,感受专业被撤销的痛。
要押中好专业,无论对于想奔向好前程的学生,还是在激烈抢夺番位的高校,都是一种挑战。
那么,其中哪些专业是当下的热门,哪些又是频频被裁撤的“雷坑”?若拉长时间纵深进行观察,热门专业经历了怎样的更替?
带着这些疑问,DT君(ID:DTcaijing)整理了2008-2018年《普通高等学校本科专业备案和审批结果》,从过去十年高校申请新增和撤销专业的趋势中寻找答案。
专业的前途也许还要结合诸多因素进行考量,但透过高校专业的绿牌红牌榜变化,一定程度上可以窥得社会发展的选择和时代的潮起潮落。
先从当下说起。
2016-2018年间,工学备受高校追捧,一时风头无二。
DT君排出了这三年众高校申请新增数量最多的TOP 20专业,发现近一半由工学贡献,排名前三的数据科学与大数据技术、机器人工程和智能科学与技术全部来自工学。
很巧,这与现在的专业“钱途”偏向很契合。根据麦可思报告的数据,在2019年本科生毕业半年后收入前10的专业中,信息安全、软件工程、网络工程等工学专业占据了大半江山。
再看被裁撤的专业,理学存在感最强,占据了被裁撤数量TOP 20专业中的8个席位。
上世纪广为流传的就业箴言“学好数、理、化,走遍天下都不怕”,显然到本科阶段就已经不太适用。应用统计学、生物技术、数学与应用数学、生物科学和应用物理学等,都是这些年被重点裁撤的对象。
说来令人唏嘘,不管选的是工学还是理学,大家当年其实都是从理科班走出来的学生。
与理科生们在技术更迭的大背景下起起伏伏相比,文科生们的专业显得有些淡定。
艺术学和文学好歹是被互联网的风催化出一些新老专业的更替——2016至2018年,共有97个高校设立了数字媒体艺术专业,另一边,服装与服饰设计、服装设计与工程和舞蹈表演等传统艺术专业面临裁撤;在文学学科中,网络与新媒体专业正热,而编辑出版学有些落寞。
还有一些专业在时代大潮下岿然不动。比如说史学与哲学,在过去三年都仅有个位数的高校申请撤销相关专业。
不折腾背后,是文科生相关专业就业率的黯淡。
根据麦可思最新报告,2018届工学专业就业率高居榜首,达93.1%,与之相比,文学(89.5%)、艺术学(87.3%)、历史学(86.1%)和法学(85.1%)等专业的同学,只能暗暗抹一把辛酸泪了。
我们进一步将时间的尺度拉长,发现“风口专业”在十年间已经换了好几轮:
2011年风口还属于物联网工程,风刮了三年后让位于电子商务,近两年最受高校追捧的专业则是数据科学与大数据技术。
DT君仔细回想一番,这个路线还真是紧跟新技术和互联网社会的变革。
物联网工程专业的火热,来源于当年智慧城市概念的诞生与走红,在政府和企业的双重推动下,物联网应用场景获得更多切实落地的想象,相关专业也随之走红。
2010年,物联网工程专业首次设立,44个学校申报,25个学校获批;此后的3年,物联网工程皆为高校申请增设数量最多的专业。
2014年9月,阿里巴巴在美国纽约证券交易所挂牌上市;2015年,电子商务专业遍地开花,首次成为增设数量最多的专业,“具有利用网络开展商务活动的能力”的电商人才被迫切需要。这一年,天猫双11的成交额已经是2010年的近10倍,而实物商品网上销售额占社会消费品零售总额比重达到10.8%。
之后便迎来了数据的时代。
数据科学与大数据技术专业(后简称为“大数据专业”)于2015年首次开设,北京大学、对外经济贸易大学、中南大学3所学校首先获得招生资格,然后便一发不可收拾——2017年,新增设大数据专业的高校达到250所,是第二名机器人工程专业增设数量(60个)的四倍有余。
即使跟其他曾经风光过的专业对比,这也绝对是最狂热的一次专业数量裂变。
面临前所未有的狂热,DT君站在风口浪尖看了看,也不太确定是否应该向众高考生诚挚推荐。
数据显示,当下与大数据相关的工作确实挺有“钱途”。
互联网已经是众所周知的高薪行业,而人工智能、大数据相关的岗位更是站在互联网圈薪资鄙视链的顶端。机器学习工程师、大数据开发工程师和数据分析/挖掘工程师年收入中位数分别高达21.0万、19.9万和13.7万元,如果进入前25%,年收入还能再涨5万元。
而且,据说人才缺口很大。
“现在仅大数据、人工智能、云计算这些学科为代表的新一代信息技术产业,人才缺口就有150万。到2050年,人才缺口会达到950万人。”CCF大数据专家委员会常委、信息技术新工科产学研联盟大数据与智能计算工作委员会主任王元卓2018年接受媒体采访时表示。
但DT君也注意到,截至目前,已经有481所高校开设了大数据专业。
井喷背后,还有地方政府发展战略的角力。
从这些高校的地域分布来看,脱颖而出的并不是我们印象中的经济与学术强省/市,而是河南省。若看各地高校今年新增专业中大数据专业的占比,比河南高校团(占比26.0%)更具热情的还有吉林省(29.0%)、重庆市(27.7%)和山西省(27.5%)。
DT君进一步了解各地的大数据产业发展政策,发现河南和重庆都决心满满,皆建有国家区域示范类大数据综合试验区,拥有引领各自所在区域大数据发展的野心,且明确提出要推动大数据的全产业应用——这个全产业包括电信、能源、金融、商贸、物流、农业、电子商务,要知道,北京也仅提出要推动大数据在金融、农业两个产业上的应用。
重庆把“推动大数据人才培育和引进”的任务分到了市教委头上,河南要“引导高等院校、科研机构、行业协会、企业等参与大数据产业关键性技术的研发”。
在地方政府远大而坚定的产业发展目标引领下,学界的配合也在情理之中。
只是,恐怕并不是所有高校的大数据专业都能叫做真·风口。毕竟很多雄心勃勃的区域并不能顺利建成领先的大数据产业,如果产业掉了链子,产学研互动的良性循环转不起来,那风很可能是吹不起太大的浪了。
而且,真正撑起一个前沿的专业,对高校的师资力量有较高要求。
若把观察时间再往前推,专业增撤的规律似乎能提供一些前车之鉴。某个行业变成热门,高校便跟在后边疯狂抢热饭。当时代变革的风刮过,之前盲目扩招的后果便暴露了出来,在供应过剩的情况下,不少高校就会出现师资配置不足→毕业生质量不够高→就业惨淡的因果链条。
如早年广告学十分火热时,诸多以理工、农业类专业见长的学校纷纷赶时髦增设相关专业,到了2016-2018年间,被撤销的广告学专业就多设在理工类高校中。在工学专业中,淘汰则更为残酷,2008年大热的软件工程专业,如今在大批院校中已经被裁撤。
更别说,技术变革的影响总是能超越想象,三四年就有一个新风头出现。在入学时追的大风,毕业时很可能就只剩下徐徐微风。
总之,风口专业有风险,追风要谨慎。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01