
作者 | DT财经
为了在本科毕业后能够迅速地找到一份心仪的工作,在一所普通一本院校外语系就读的李楠,把大部分业余时间都用在了实习上。
但在一家数据分析公司实习时,她发现同事基本上都拥有硕士学历。而且前辈的一句“你这个学历是找不到好工作的”,让李楠开始思考自己的选择是否正确。
对于一名外语系学生来说,想要在毕业后进入互联网大厂获得一份产品、运营相关的工作的确有些吃力。
于是,为了能有更好的职业前景,李楠在今年选择了跨专业考研。
但真正跨进考研圈,她发现考研现在也有些魔幻。
一边是考研人数连年创新高。
341万,这是刚结束的2020年全国硕士研究生考试报考人数。与2019年相比,一起背肖四的人又多了51万。
尽管从概率上看,考研的难度似乎下降了,2017年的报录比已经下降到3.0以下。但这个比例也并不高,每3个报考研究生的人当中,只有1人能被录取,大多数人还是得面对考研失败的终局。所以,就连今年的考研英语都在告诉我们,要“正确对待失败”。
而另一边,考研无用论盛行,不断有人告诉你“研究生收入水平不及本科生”。
于是我们在知乎上看到,“为什么考研成功无法弥补高考的失败?”获得了160万次浏览,一定程度上能代表广大考研人对此的困惑与关注,而“正在准备考研,家里的亲戚一直在说考研没用,如何反驳他们?”这样的问题,更是许多考研人的真实写照。
刚结束的研究生考试中,李楠发挥并不好,对于未来心存疑问:千辛万苦才考上研究生,真的值得吗?如果这次没考上,还要继续坚持吗?
大家考研到底为了什么
在讨论考研到底值不值之前,我们先得知道,大家考研的目的到底是什么。
麦可思的调研数据显示,2018届本科毕业生国内读研的主要原因是硕士研究生就业前景好(53%)和职业发展需要(49%),另外还有17%的学生是因为就业难所以暂时读研,只有30%的学生读研是想做学术研究。
也就是说,像李楠这样为了在“毕业后能找到更满意的工作”而考研的学生,是当今考研大军当中的主流。
所以,对于大多数人,考研到底值不值的问题,最后都会落到,考研是否会帮助我们找到一个更满意的工作。
流传甚广的研究生收入不及本科生,也是围绕这个问题的一种普遍答案,隐含着这样的价值判断:再学3年,也不如在职场上积累的工作经验值钱。
事实真是如此吗?
考研确实能提升职场竞争力
作为互联网上知名的流言终结者,我们仍然引用数据来说明这个问题。
以2015届本科生为例。2015届本科毕业3年后学历提升群体(获得国内硕士学历的群体)月收入为7371元,与他们工作了3年的本科同学收入相差并不大(7419元)。
通过这个对比你可以发现,虽然硕士相对缺少工作经验,但他们毕业后的起薪已经追上了工作3年的同学们。我们能够理解“研究生收入水平不及本科生”说法的存在,是因为的确有部分高级职位对于学历的要求相对宽松,因为这些职位更看重职业经验的积累。但这并不能够说明研究生的含金量不如同等时间的工作经验。
更何况,如果没有硕士学位,仅怀揣本科毕业证的应届生,很难敲开很多行业的大门。
2018年,吕思佳从北京某财经类211高校毕业,现在从事行业分析工作。她告诉DT君:“在我们行业很多岗位的要求就是研究生起步。不考研,简历关都过不去。”
在她看来,现在考研人数正在不断膨胀,报录比也在不断上升。这就意味着拥有研究生学历的人正在不断涌入用人市场,学历正在不断贬值。
“即便有些招聘岗位要求是本科生,但在实际招聘时报名的却都是研究生,本科生自然就没戏了。”吕思佳说。
我们以阿里巴巴、腾讯、百度、华为和网易五大公司作为代表,看看它们在2018年在C9(九校联盟)的招聘情况。
结果显示,2018年五大公司在上述高校中招聘的硕士数量是本科生的2.5倍。而从五大公司录用人数占本校该学历当年就业总人数来看,硕士研究生的被录用比例远远高于本科生。
这一定程度上可以说明,相比本科生,硕士更有可能获得大公司的青睐。
通过考研哪些专业收益最大?
说到这里,虽然我们的论点一直是“考研真香”,但我们在研究时还注意到一个问题:研究生与本科之间固然存在差距,但不同专业/行业的分野可能更大——这是大家在决定是否要坚持考研时不可忽视的问题。
首先来看,哪些行业/专业中,考个研会更有用?
从招聘端的需求来看,不同行业对硕士的重视程度。我们查看了招聘网站上不同岗位和行业的企业需求,在对工作经验要求都只有“1-3年”的岗位中,硕士与本科薪资差异最大的Top 20岗位类型如下:
对于初入职场的人来说,如果你拥有一份研究生文凭且处在农林渔牧业、数据分析和销售类岗位,你的薪资相较本科生会有比较大的优势。律师、互联网运营、市场、高级管理等类型的岗位中,硕士学历也会带来较大的增益效果。
再看行业,餐饮、广告、卫生服务、计算机硬件和专业技术服务等行业中,硕士对薪资的增益效果更好。
总结下来,在回答“哪些行业/专业更需要硕士文凭”这个问题时,我们要分两部分来解答。
首先,如果你处于专业性比较强的行业,比如数据分析、法律等,那么硕士文凭对你的职业发展会有比较大的裨益。
而且从数据结果来看,2018届本科毕业生当中,医学(26.3%)、理学(23.2%)、农学(22.2%)、法学(18.4%)的读研比例是最高的。显然,处在行业中的同学们能够最直观地感受到行业对于学历的需求。
其次,如果身处互联网运营、市场等技术性不强但竞争人数众多的热门行业,那么硕士文凭也可能是突出重围、向上进阶的敲门砖。
所以我们也发现:如果本科是“技术性不强而且人数众多”的专业,但又不想继续“陷”在这个行业里,那么转换专业——也就是跨专业考研,就是很多人的另一个选择。
数据显示,2018届本科毕业生当中,管理学(44%)、经济学(40%)、农学(29%)、文学(28%)和艺术学(28%)跨专业考研的学生是最多的。
李楠从语言学跨专业考研的做法,与这个数据结果是吻合的。
哪些专业直接工作也挺好
相比高考,我们发现考研是一条更加孤独的道路。毕竟考研要面对的,除了每天图书馆和寝室的两点一线、抵抗丰富多彩的大学生活吸引,甚至还有对亲密关系的考验。
我们承认考研的确对一部分同学的职业生涯有着不小的增益效果,在找工作和薪资进阶的道路上能够因此受益。但如果考研失利,哪些专业的同学其实不必着急?
换句话说,我们试图帮助同学们找到那些工作经验比学历更值钱的行业。
麦可思发布的《2019年就业蓝皮书》显示,2015届本科毕业生毕业3年后,管理科学与工程类、计算机类、临床医学和护理学的月收入涨幅位居全行业前4名。
虽然不能简单地认为进入了以上几个行业就是有了光明的职业前景,毕竟刚毕业就想做管理、本科生就想做临床医生的可能性微乎其微。
但对于计算机专业的学生来说,在行业红利还没有完全褪去的情况下,趁早就业积累经验,也是个挺不错的选择。
就职于上海一家大型国企的HR枣枣告诉我们,在他们筛选候选人的过程当中,仍然优先关注候选人的经验匹配情况,其次才是学历。
但拥有研究生学历的候选人越来越多,公司的本科硕士比也达到了6:4。“同等水平经验的情况下,肯定会优先选择学历高一些的。”枣枣告诉DT君。
尽管研究生人数日渐变多,现阶段招聘市场上的主力人群仍然是本科生。但本科生的学历光环正在褪色也已经是个不争的事实。
本科毕业后,到底是考研还是先就业,就看你怎么选了。
(应受访者要求,李楠、吕思佳、枣枣为化名)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29