京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | 吴子劲
来源 | 网易数读
又是一年开学季,一批新生踏入高校。很快他们就可以通过入门课程,了解自己所在的专业究竟学什么。几个月后,学期结束,不知道会对自己大半年前的选择感受如何。
高考流程中,专业选择是最有可能在短期内进行优化的——各省教育考试院将手中已有的历年高考院校层面、专业层面录取数据整理、公开并提供查询功能,为考生提供《报考指南》之外的官方信息获取渠道,降低考生志愿填报的信息获取门槛。
遗憾的是,这方面数据的公开程度及质量参差不齐,尤其是专业层面的数据丰富程度远不及院校层面。
常规性的查询难以做到,退而求其次,数读菌基于2009-2018年全国31个省/直辖市/自治区(不含港澳台)本科提前批、本科一批的专业录取平均分非完整数据库,尝试去回答“哪些专业热门”这个经典问题。
物理终成理科头名,国际政治霸榜文科
从中国教育在线、新浪教育获得高考专业录取平均分原始数据后,数读菌分别对每年、每省、每录取批次、文理科的专业录取平均分进行标准化,以便统计全国层面的专业热度,并进行跨年比较。
标准分能让人更容易理解一个专业的热门程度:以标准分 = 0 代表中等热度,标准分 > 0 可以视为热门专业,数值越大,热度越高。
按标准分从高到低对专业进行排名,获得热门专业排行。
电子信息科学类专业在2009-2012年间持续位居理科热门专业排行榜榜首,2013年之后,第一名变成了物理学类,而前者以电子信息类的新名字出现在前10的不同位置。
“电子信息科学类”专业在教育部《普通高等学校本科专业目录(2012年)》(教高[2012]9号)[1] 中与部分电气信息类专业合并,更名为“电子信息类”,新的大类包括电子信息工程、电子科学与技术、通信工程、微电子科学与工程等专业 [2]。
虽然从就业情况来看,电子信息类毕业生在互联网行业工作的情况并不少见,但这个专业大类相对而言更偏向硬件方向的培养,与计算机大类不尽相同。
大概是随着移动互联网的发展,更多理科生投奔计算机大类这个看起来以后可以进入互联网大厂的专业,电子信息类专业的热度就下来了。
头名退了下来,在一段时间内常居第二的物理学类自然就顶上,成了榜首。
可能也有读者注意到理科热门出现了一些意想不到的专业——例如一些医学类专业,这在一定程度上与基于专业录取平均分进行热度计算的数据处理方式有关。
目前本科各专业录取并未披露报录比这一直接反映专业热度的数据,只能通过某院校某专业录取考生的平均分对专业热度进行间接估计,而平均分对极端值比较敏感。
举个例子,假如某年某省高考状元报考一间综合性高校的医学院,会极大提高该校医学类专业当年平均分,但实际情况可能是计划招收10人,15人报考;同一高校金融学专业计划招收10人,20人报考。
从报录比而言金融学更热,从专业录取平均分而言可能医学类更热;但是在不知道报录比的情况下,可能会得出医学类更热这个结论。
物理学类在最近几年成为理科热门专业的榜首,一定程度上也与此相关。
文科热门专业的情况,相对更容易理解。
国际政治在过去10年中长期位于榜首,在一定程度上源于开设这个专业的院校不少是名校,专业录取平均分水涨船高。
例如2018年北京大学国际政治专业河北省文科分数线为691分,而当年河北省文科690分及以上的考生人数仅为29人,该专业分数线之高可见一斑。
经济学类和金融类专业、新闻传播类专业和一些语言类专业,也是文科热门专业的常客。
理科专业热度变化大,文科较稳定
不难发现,上面2个表格中有些专业反复出现,是热门专业里的常客。对这些常客专业每年的热度进行对比,能够增加我们对于专业热度变化趋势的了解。
上图更为直观地呈现了曾经最为热门的理科专业——电子信息(科学)大类热度的变化:自2010年以来热度有较为明显的下降。
在大众心目中差别不大的经济学类、金融学专业,近10年来热度波动幅度也不小,而且呈现出反向变化趋势,也就是经济学类专业热度较高的年份,金融学热度较低,反之亦然。
其实在专业设计层面上,经济学类专业更偏向于培养研究型人才,注重宏观理论的建构及验证,而金融学更偏向培养实务型人才,注重个体(企业)层面的决策优化。不尽相同,却也联系紧密,再加上会计学等专业,他们在未来可能面临一样的结果——不停地考证。CPA、ACCA、CFA、FRM,还有各种职称类的考试,经管专业学生的一生,是考证的一生。
文科考生方面,常客专业热度10年间围绕均值多有波动,从波动幅度而言与理科热门常客专业类似,不过比较作为起点的09年与终点的18年,文科常客专业热度变化不大,更为稳定。
相对明显的变化是,国际政治的榜首优势被经济学专业追平,与其他热门常客的热度差距也有所缩窄,从单热门变为多热门。
和理科生相比,文科生可以选择的专业本来就相对比较少,热度变化不大与此也有关系。这在一定程度上也表明,对文科考生而言,专业历史数据对填报志愿的参考价值更大。
专业热度与毕业薪酬关系不大
选什么专业,“钱景”非常重要。在很长一段时间里,经济、金融类专业在人们心中就是未来高薪的代言词。而随着中国互联网的快速发展,计算机相关的专业也是十分吃香。
相比之下,如果你选了一些较为冷门的专业,可能会被亲戚质问:“学这专业干啥,以后能找到工作吗?”
那么热门专业未来的薪资情况如何呢?数读菌获取了全国范围内、不同经济发展程度、多个城市的各专业毕业月薪中位数,尝试了解热门专业的薪酬状况。
中位数与平均数相比,较少受极端值影响,是薪酬统计中更具代表性的指标。在6个理科热门常客专业中,电子信息科学与技术应届生起薪较高,不过成长性一般,毕业5年薪酬被金融学专业反超。
总体而言,理科热门常客专业之间存在一定薪酬差距,但差距不大。
相对而言,文科热门专业常客的薪酬差距比较明显,国际政治、德语、法语无论是应届生起薪还是成长性看起来都比其余3个热门专业更好。同是热门专业,薪酬之间却存在难以忽视的差异。
国际政治专业的毕业生有机会在外事部门工作,获得可观薪酬。
另一方面,随着政府对市场及大型企业的监管越发严苛和细致,很多大型企业在公关部门之外另设专门处理政府关系(GR)的部门,这也为国际政治专业学生提供了就业机会。
相比之下,新闻传播类、经济学和汉语言文学等专业的薪酬就比较低了。尤其是汉语言文学专业,毕业5年的薪酬和毕业1年的薪酬之比远低于其他热门专业,成长性比较弱。
那么专业热度和薪酬之间是否有关?
基于更大范围专业热度及应届生月薪的简单回归结果表明,无论是文科还是理科,专业热度与薪酬专业存在明显的关系,专业越热门,应届生薪酬越高,180个理科专业样本中两者标准化回归系数为0.2773,98个文科专业样本中标准化回归系数为0.3032。
但如果进一步看两者之间关系的强度,会发现应届生薪酬高低只有不足10%和专业热度有关(理科R² = 0.0769,文科R² = 0.0919)。
也就是说,某个专业毕业后起薪多少,和专业热门程度有关系,但这关系其实不大。
简而言之,如果抱着一毕业就拿高薪的想法,一味冲向热门专业其实没太大用处。师傅领进门,最后的修行还得靠个人。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22