
作者:俊欣
来源:关于数据分析与可视化
前短时间,中国青年报面向全国各地大学生发起关于就业的调查,根据报告显示,00后普遍对自己进入职场后的薪资比较乐观,超过20%的大学生预期自己毕业后月薪过万,67.65%的大学生评估自己毕业10年内会年入百万,换句话说3个大学生里面就有2个会觉得自己能够年入百万的
Emmm,好吧,今天小编就从数据的维度来为大家解释一下,00后这些大学生们设想的“今年赚10万,明天赚20万,到了第十年年入百万的情况在现实生活中大概率是不存在的”,本篇文章主要包含了以下的内容
1. 年入百万大概在中国是处于什么样的位置
2. 年薪达到百万到底有多难
3. 打工人如何实现年入百万
根据国家统计局发布的数据,就在去年全国居民的人均可支配收入大概32000元左右,其中城镇居民的可支配收入在43000元左右,而农村居民的可支配收入则只有17000左右,这可都是一整年的总收入哦,并不是月收入,
而我们来看一下更具代表性的收入中位数,就在去年人均可支配收入的中位数仅仅只有27000元左右,换句话讲,如果目前你每年的收入超过了30000元,就已经超过了一半的国人了。另外,根据薪酬网最新的数据显示,到2021年6月,全国各地的平均工资为6848元,年薪也不过8.2万元左右
而年薪百万在中国,根据相关机构的大致估算,大概有70万人左右,大概也就是一万人当中仅仅只有5个年收入在百万左右的大佬,比上面提高的67.65%可是低了不止一星半点哦。
不要以为去了大城市就年薪百万很容易
很多大学生在毕业之后都涌向了北上广深这些一线城市,想着只要是去了大城市,就能立马年薪百万了,其实大城市和高收入没有必然的联系,当然薪资水平和二三线城市相比确实差距也是有的,但是你也不得不承认大城市的竞争更加的剧烈以及租房成本、生活成本也会相对的高一些。
我们还是从数据的维度来看,去年全国31个省份人均的可支配收入,上海的人均可支配收入为72000元左右,和浙江省以及江苏省的人均可支配收入平均到每个月也就是几千块的差距,差的并没有那么的多。
再来看看2020年各主要城市的薪资中位数,其中这些主要的一线城市以及杭州的工资中位数也大多在6000-7000元左右,也就是每年的收入大概在6万-9万区间之间,
薪酬的二八分布
其实薪酬分布这个事儿,几乎在所有的行业内都存在着二八分布,同一家公司内部员工的收入差距极大,一般都是管理层等核心人员拿走了绝大部分的大头,而留给基层员工的基本就只有一丁点工资了,
根据相关机构的调研,在A股上市的几千家公司当中,有超过85%的的企业普通员工平均年薪少于10万元,而在互联网和金融这两个相对比较容易催生高收入群体的行业中,年收入百万以上的从业者大概也就在3%以内,因此这里也就很明显能够看出,要想年薪百万的,就得去成为高管或者是业绩突出的骨干员工
你以为人人都能成为高管了?
A股上市公司上千家公司的数据统计来看,高管和董事会成员的比例都在1%以下,其中董事会成员占员工数量的比例在0.35%-0.45%之间,而高管的比例则更低,大概在0.2%-0.4%之间,而且他们当中的绝大多数工作年限也已经超过10年了
当然成为高管也不是一定能年薪百万的,不同公司、不同职位等级、不同工作内容的高管年收入也是存在着很大的差距的,财务总监和董事会秘书,这两群体百万年薪的人数分别只有13%和17%左右,而相比而言总经理这个级别的人群,百万年薪的则有36%
除了前面提到的企业高管之外,创业或许是实现年薪百万最直接的方式,但是创业成功的可能性微乎其微,最难能可贵的便是能够持久地实现年薪百万,小编经常能够听说有些人因为一时间的时来运转赚了不少钱,但在后面统统都亏掉了的故事,
另外在努力工作的同时也应该选对合适的行业、找准合适的赛道,其中从行业上来看,金融行业的从业人员收入一直都是遥遥领先与其他行业的,在A股的上市公司中,有近9成公司的金融行业的高管年收入有超过百万级别,普通员工的年收入中位数也有40余万元
此外,公司的体量大小也会影响到打工人的收入高低,每家公司的营收和市值的不同也会影响到高管的年薪收入,如下图所示
关于公司的选择
打工人年薪
因此,对于普通人来说,要想获得高收入,就尽量选择那些发展速度快、行业红利高的行业,岗位离市场或者离客户越近越赚钱。
对于刚出学校的毕业生来说,遥想10之后的未来,还不如脚踏实地的过好当下,努力地去提升自己,好好地磨炼自己的技能,努力让自己成为那个最不可能为替代的那一个,如果真的能够做到这一点,那离年薪百万的日子也就不远了吧
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14