京公网安备 11010802034615号
经营许可证编号:京B2-20210330
麦可思研究院公布了《2016届毕业半年后月收入较高的50个主要本科专业》。2017年大学生就业蓝皮书数据显示:本科方面,2016届毕业半年后月收入较高的专业是信息安全(5906元),其次是软件工程(5869元)。
国家统计局发布的2016年平均工资数据显示:2016年,全国城镇非私营单位就业人员年平均工资为67569元,城镇私营单位就业人员年平均工资为42833元。其中,信息传输软件和信息技术服务业平均工资为122478元,首次超过金融业,排名各行业门类首位,可以看出IT行业越来越吃香了!
备注:本文选取了30个进行展示。同时表中的月收入指工资、奖金、业绩提成、现金福利补贴等所有的月度现金收入。
选择专业一个合适的专业,是考生和家长的重要关注点。那么,哪些职业类“钱途远大”?本文为您揭晓最新一届大学毕业生从事的高薪职业类和涨薪最快的职业类。
数据显示,在2016届本科毕业生从事的职业类中,“互联网开发及应用”职业类月收入最高,毕业半年后平均月收入为5679元。
什么职业时下社会需求量较大?2017年就业蓝皮书数据显示:2016届本科毕业生社会需求量较大的职业前两名都是会计和文员。会计就业比例为5.6%,文员为4.1%。
下面盘点近7年来
大学各专业的就业情况
看看哪些专业“最有用”
哪些专业“最没用”
2013年11月2日,教育部办公厅印发了《关于编制发布高校毕业生就业质量年度报告的通知》(教学厅2013年25号),决定从2013年起,各高校要编制和发布本校毕业生就业质量年度报告。
一、部分专业被亮“绿牌”
根据麦可思研究院发布的《2016年中国大学生就业报告》及相关媒体报道公布的2016年中国大学生就业的相关情况,文章指出,2016年本科绿牌专业有:软件工程、工程管理、建筑环境与设备工程、电气工程及其自动化、信息管理与信息系统、护理学、热能与动力工程、机械电子工程、物流管理、数字媒体技术。
麦可思自2007年以来,每年对毕业半年后大学生的就业状态和工作能力进行全国性调查研究。《中国大学生就业报告》自2009年首度发布以来,已经为中国的众多高校、各级ZF教育和人力资源主管部门、各企事业单位、各级学术研究机构、大学毕业生和高考生等广泛参考。该榜单中“红牌”专业为失业量较大,就业率、月收入和就业满意度综合较低的专业,属于高失业风险型专业,“黄牌”仅次于红牌,“绿牌”则与红牌相反,为需求增长型专业。
大学本科和高职高专“最有用”的10大专业
根据2010年-2016年来7年间各专业被列为“绿牌”的次数,统计出大学本科和高职高专“最有用”的10大专业如下:
二、部分专业被亮“红牌”
根据麦可思研究院发布的《2016年中国大学生就业报告》及相关媒体报道公布的2016年中国大学生就业的相关情况,文章指出,2016年本科红牌专业有:应用心理学、化学、音乐表演、生物技术、生物科学、美术学。
造成一些专业“没用”的原因既可能是供大于求,也可能是培养质量达不到岗位需求,一方面应届毕业生找不到专业岗位,一方面企业招不到合适人才。反映的是全国本专业的总体状态。
大学本科和高职高专“最没用”的10大专业
根据2010年-2016年7年间各专业被列为“红牌”的次数,统计出大学本科和高职高专“最没用”的10大专业如下:
三、专业“绿黄牌”变动原因解读
据了解,榜单变化的原因:一方面与社会经济的总体情况是相关的,其次是国家政策对于产业、行业的影响,还有就是该专业总体的开设数量,是否出现某专业开设过于密集(少)的情况,以及其他一些影响因素。但是三类专业没有具体的边界,但是有些“绿牌”专业表现出“持续性”。
四、冷门专业难找对口工作
北京理工大学教育研究院教授杨东平解释道:“不好就业的专业分两类,一类是毕业生数量严重过剩,大规模扩招、扩建导致其成为‘红牌’专业;第二类要看其学科的属性,比如哲学、历史学,这些专业本身比较小众。”
据相关报告显示,近四成大学毕业生就业并不对口。相比之下,工学专业、医学及管理学,因其知识实用性较高及行业排他性较强,就业对口率均在60%以上。
五、学生提升综合素质是“王道”
考生和家长们该如何看待这份“红牌”专业榜?多位老师建议:“学生不应为这份榜单烦恼,好好学习、提升自己的综合素质是‘王道’,因为求职过程中用人单位更看重这些。”
当然,没有什么专业是一定有用或者一定没用的,关键还是在于本身。学得好就是有用,学得不好多热门的专业,毕业出来也难找理想工作。
无论选择哪门专业,在校期间要认真提升自己的专业技能和综合素质,多多参与学校组织的各类活动,为将来的就业做好铺垫。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11