
作者:俊欣
来源:关于数据分析与可视化
“今天29岁,女,单身,刚刚收到北京一家小公司的offer,月薪11K,在纠结是继续留在北京工作,还是回到四线的中原某小城市,过着每个月两千块和父母一起住的日子”
相信对不少在北上广深飘着的年轻人来说,相类似的问题也都曾困扰着他们,到底是继续留在大城市拼搏呢还是回到小城市发展?今天小编以一个数据分析师的身份来为大家分析一下
1. 逃离北上广之后,还有哪些城市适合年轻人定居
2. 从北上广回到老家后的那些人过得咋样,他们有觉得遗憾么
要说到在一个城市安居乐业,房子首先是要考虑解决的问题,不同城市的购房成本都不一样,不过从总体上来看,新一线城市的购房成本比在一线城市中购房要低不少,小编统计了一下全国主要34城的购房成本,其中长沙、沈阳、重庆的房价收入比相对偏低,其中长沙是典型的居住友好型城市,购房相对来说比较轻松
当然我们也看到杭州、天津、南京和东莞这些新一线城市的房价收入比比较高,其中杭州的房价收入比甚至都一度超过了广州,说明这些城市的购房成本在居民的可支配收入中占到了一个较大的比重。(所谓房价收入比是指住房价格与城市居民家庭年收入之比,是用来评估房价水平、判断买房难易程度的重要指标)
当然除了房子本身之外,社区周边各项资源的配套完善程度等因素也是不少年轻人着重考虑的因素,毕竟谁都不想在一个基础设施不健全、环境脏乱差的地方长期住下去。那么基于医疗、交通、学校、商业发展等20个细分维度指标来看,每个城市都有不一样的打分。
在一线城市当中,深圳的居住生活便利度是最高的,和第二和第三名的差距也比较大。而在新一线城市当中,成都和武汉以及天津的生活便利度指数处于领跑的状态,其中成都的商业资源以及医疗资源在新一线城市当中都处于领先的地位
下面我们来谈一下择业的问题,首先来看一下这些新一线城市的上市企业的数量,截止到去年年底,杭州的上市公司总量达到218家,其中A股的上市公司有179家,总市值累计超3.18万亿元;苏州的A股上市公司也有141家,总市值约有12979.62亿元,近三成的企业是所在细分领域中的龙头;而南京、宁波和成都的A股上市企业数量分别为98家、98家和96家,也为当地的经济发展和人才引进做出了不少的贡献。
另外不同城市也有着不同的产业优势,例如杭州近几年来随着网易、阿里、海康等科技型企业的崛起,信息技术、电子商务、物联网已成为杭州新的经济增长点,随之也就吸引了大批的程序员以及电商的从业人员蜂拥奔向杭州择业
而例如像苏州,工业制造业的该座城市的强项,就2019年,苏州全年实现规模以上工业总产值33592亿元,位居全国第一。而这些已经上市的141家公司共来自23个行业,其中最多的行业为工业机械行业,有24家公司;其次是材料行业、电子元件及设备行业,各有20家公司。此外在半导体、建筑建材、通讯设备行业均有8家公司上市
因此涉及到择业的问题,大家可以根据自己的专业技能等情况选择适合自己的城市进行定居以及落户。
所以我们回到最开头的例子,是应该继续留在北京还是回到地方的小城市的这个命题?已经有不少人尝试过离开北上广、回老家发展了,我们来看一下她们回到老家之后的生活又是什么样子的
老家县城里面比较好的工作是有教师、事业单位这些岗位,工资无非也就是2K多一些,并且还要靠很硬的关系才能搞定。工业凋敝,大家都拼了命地去挤行政事业单位。单位里面薪水1.7K的郑大、天大、苏州大学的临时工就好几个,在小地方不管你是什么大学,还是主要靠关系。
在北京,会有很多的聚会,跟自己差不多的同龄人大家一起畅谈理想,说说自己的生活,日子过得很快乐,毕竟大龄单身的女孩子也很多,不会遭到另眼相看或者是嫌弃。而在小城市呢,29岁的女孩子能选择的结婚对象太稀有了,要么是孩儿他爸、要么就是离异的,单着的优秀男士不会考虑29岁的女生,尤其是女生尚无稳定的工作或者家族富足的产业。
小城市对人最大的考验就是不把人的精神世界当回事儿,大叔大妈之间的话题无非就是某某的儿子买车了,某某的女儿嫁人了,某某房子不错、股票又涨了,这种话题,你一听就没有什么兴趣,而至于其他的年轻人呢,例如公务员,要么就是想着上位拍马的,要么就是死气沉沉混混日子的。
当然小编并不知道县城里面的公务员的真实的生活是啥样子的,也不知道他们的精神世界又是什么样子的,愿意分享的读者朋友也可以在评论区留言,不过对于小编来说,要是不愿意在北上广深工作的年轻人,除了回老家小县城之外,还可以去周边的新一线城市去看一下机会,例如上海周边的苏州或者杭州,北京周边的天津,广东周边的佛山以及深圳周边的东莞,就算是异地通勤,时间也不会太长,毕竟小编在上海工作,通勤时间在1-2小时的也是大有人在。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13