京公网安备 11010802034615号
经营许可证编号:京B2-20210330
高考成绩已成定局,努力的环节流转到填报志愿。
经历过高考的我们都懂,选择学校尚且可以参考等级和各种排名,判断专业“好坏”就大多靠兴趣和感觉了。
就算是想无脑跟风走,这些年专业更迭的速度和力度也在明显加快。2015年开始,全国高校每年增设专业数量突破2000大关,撤销专业的数量也超过100个。
原本位于“冷宫”的专业可能一夜爆红,迎来高光时刻。
热门专业也会骤然变凉,2018年全国有416个专业的学生还未走出象牙塔,就要直面惨淡人生,感受专业被撤销的痛。
要押中好专业,无论对于想奔向好前程的学生,还是在激烈抢夺番位的高校,都是一种挑战。
那么,其中哪些专业是当下的热门,哪些又是频频被裁撤的“雷坑”?若拉长时间纵深进行观察,热门专业经历了怎样的更替?
带着这些疑问,DT君(ID:DTcaijing)整理了2008-2018年《普通高等学校本科专业备案和审批结果》,从过去十年高校申请新增和撤销专业的趋势中寻找答案。
专业的前途也许还要结合诸多因素进行考量,但透过高校专业的绿牌红牌榜变化,一定程度上可以窥得社会发展的选择和时代的潮起潮落。
先从当下说起。
2016-2018年间,工学备受高校追捧,一时风头无二。
DT君排出了这三年众高校申请新增数量最多的TOP 20专业,发现近一半由工学贡献,排名前三的数据科学与大数据技术、机器人工程和智能科学与技术全部来自工学。
很巧,这与现在的专业“钱途”偏向很契合。根据麦可思报告的数据,在2019年本科生毕业半年后收入前10的专业中,信息安全、软件工程、网络工程等工学专业占据了大半江山。
再看被裁撤的专业,理学存在感最强,占据了被裁撤数量TOP 20专业中的8个席位。
上世纪广为流传的就业箴言“学好数、理、化,走遍天下都不怕”,显然到本科阶段就已经不太适用。应用统计学、生物技术、数学与应用数学、生物科学和应用物理学等,都是这些年被重点裁撤的对象。
说来令人唏嘘,不管选的是工学还是理学,大家当年其实都是从理科班走出来的学生。
与理科生们在技术更迭的大背景下起起伏伏相比,文科生们的专业显得有些淡定。
艺术学和文学好歹是被互联网的风催化出一些新老专业的更替——2016至2018年,共有97个高校设立了数字媒体艺术专业,另一边,服装与服饰设计、服装设计与工程和舞蹈表演等传统艺术专业面临裁撤;在文学学科中,网络与新媒体专业正热,而编辑出版学有些落寞。
还有一些专业在时代大潮下岿然不动。比如说史学与哲学,在过去三年都仅有个位数的高校申请撤销相关专业。
不折腾背后,是文科生相关专业就业率的黯淡。
根据麦可思最新报告,2018届工学专业就业率高居榜首,达93.1%,与之相比,文学(89.5%)、艺术学(87.3%)、历史学(86.1%)和法学(85.1%)等专业的同学,只能暗暗抹一把辛酸泪了。
我们进一步将时间的尺度拉长,发现“风口专业”在十年间已经换了好几轮:
2011年风口还属于物联网工程,风刮了三年后让位于电子商务,近两年最受高校追捧的专业则是数据科学与大数据技术。
DT君仔细回想一番,这个路线还真是紧跟新技术和互联网社会的变革。
物联网工程专业的火热,来源于当年智慧城市概念的诞生与走红,在政府和企业的双重推动下,物联网应用场景获得更多切实落地的想象,相关专业也随之走红。
2010年,物联网工程专业首次设立,44个学校申报,25个学校获批;此后的3年,物联网工程皆为高校申请增设数量最多的专业。
2014年9月,阿里巴巴在美国纽约证券交易所挂牌上市;2015年,电子商务专业遍地开花,首次成为增设数量最多的专业,“具有利用网络开展商务活动的能力”的电商人才被迫切需要。这一年,天猫双11的成交额已经是2010年的近10倍,而实物商品网上销售额占社会消费品零售总额比重达到10.8%。
之后便迎来了数据的时代。
数据科学与大数据技术专业(后简称为“大数据专业”)于2015年首次开设,北京大学、对外经济贸易大学、中南大学3所学校首先获得招生资格,然后便一发不可收拾——2017年,新增设大数据专业的高校达到250所,是第二名机器人工程专业增设数量(60个)的四倍有余。
即使跟其他曾经风光过的专业对比,这也绝对是最狂热的一次专业数量裂变。
面临前所未有的狂热,DT君站在风口浪尖看了看,也不太确定是否应该向众高考生诚挚推荐。
数据显示,当下与大数据相关的工作确实挺有“钱途”。
互联网已经是众所周知的高薪行业,而人工智能、大数据相关的岗位更是站在互联网圈薪资鄙视链的顶端。机器学习工程师、大数据开发工程师和数据分析/挖掘工程师年收入中位数分别高达21.0万、19.9万和13.7万元,如果进入前25%,年收入还能再涨5万元。
而且,据说人才缺口很大。
“现在仅大数据、人工智能、云计算这些学科为代表的新一代信息技术产业,人才缺口就有150万。到2050年,人才缺口会达到950万人。”CCF大数据专家委员会常委、信息技术新工科产学研联盟大数据与智能计算工作委员会主任王元卓2018年接受媒体采访时表示。
但DT君也注意到,截至目前,已经有481所高校开设了大数据专业。
井喷背后,还有地方政府发展战略的角力。
从这些高校的地域分布来看,脱颖而出的并不是我们印象中的经济与学术强省/市,而是河南省。若看各地高校今年新增专业中大数据专业的占比,比河南高校团(占比26.0%)更具热情的还有吉林省(29.0%)、重庆市(27.7%)和山西省(27.5%)。
DT君进一步了解各地的大数据产业发展政策,发现河南和重庆都决心满满,皆建有国家区域示范类大数据综合试验区,拥有引领各自所在区域大数据发展的野心,且明确提出要推动大数据的全产业应用——这个全产业包括电信、能源、金融、商贸、物流、农业、电子商务,要知道,北京也仅提出要推动大数据在金融、农业两个产业上的应用。
重庆把“推动大数据人才培育和引进”的任务分到了市教委头上,河南要“引导高等院校、科研机构、行业协会、企业等参与大数据产业关键性技术的研发”。
在地方政府远大而坚定的产业发展目标引领下,学界的配合也在情理之中。
只是,恐怕并不是所有高校的大数据专业都能叫做真·风口。毕竟很多雄心勃勃的区域并不能顺利建成领先的大数据产业,如果产业掉了链子,产学研互动的良性循环转不起来,那风很可能是吹不起太大的浪了。
而且,真正撑起一个前沿的专业,对高校的师资力量有较高要求。
若把观察时间再往前推,专业增撤的规律似乎能提供一些前车之鉴。某个行业变成热门,高校便跟在后边疯狂抢热饭。当时代变革的风刮过,之前盲目扩招的后果便暴露了出来,在供应过剩的情况下,不少高校就会出现师资配置不足→毕业生质量不够高→就业惨淡的因果链条。
如早年广告学十分火热时,诸多以理工、农业类专业见长的学校纷纷赶时髦增设相关专业,到了2016-2018年间,被撤销的广告学专业就多设在理工类高校中。在工学专业中,淘汰则更为残酷,2008年大热的软件工程专业,如今在大批院校中已经被裁撤。
更别说,技术变革的影响总是能超越想象,三四年就有一个新风头出现。在入学时追的大风,毕业时很可能就只剩下徐徐微风。
总之,风口专业有风险,追风要谨慎。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19