京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
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