对大部分考生与家长来说，高考报志愿都是一次不得不在信息极度缺乏时做出的重要决策。在这样的背景之下，一些相对权威的统计数据和专业分数线估计，自然也就成了很多考生、家长眼中可以直接了解专业核心的“救命稻草”。

但若是盲目依托热门专业和相关统计数据进行专业选择，也同样可能掉进数据的“坑”里。

本文会分两个部分，分别讨论“热门专业”与“专业薪资数据”两个指标，及其背后涉及到的，大大小小的坑。

关于“热门专业”

01-热门也可能是坑

在百度高考搜索大数据中，人工智能连续三年位居第一，可谓是当下最热门的专业。

近几年百度专业热搜数据总结

但人工智能专业归根结底只是计算机科学下的一个研究方向，而且在专业设置上还相当偏重于研究，计算机专业实力一般的院校基本上开不起来，完全是蹭热度。除去少数计算机传统强校的人工智能专业外，几乎是全方位地不如计算机专业。

近几年新增的各类“智能”专业也随着人工智能专业一起进入了热门专业行列，然而这些专业大部分都是传统工科套皮，根本算不上智能，就业时相比于没打上“智能”招牌的传统工科也没什么优势。

以上两类专业虽然是热门，但根本不具备和其热门程度接近的性价比——换言之，它们是相当热门的坑。

归根结底，所谓 “热门”，指的是关注度高，当下受到追捧，报名人数多的专业，并不能直接证明其性价比高，毕业生出路好。

这就进一步导致了两个问题：

现在的热门并不等同于以后的热门。热门专业的“兑换期限”是4-10年后，取决于孩子的最终学历。而行业是有周期性的

“热门”专业可能本身就来自以讹传讹。家长孩子在做决定时，由于担心自己所掌握的信息不足，经常参考他们的判断来做决定，但周围人的判断也是根据别人的判断得来的。

1000个人在传人工智能是热门专业。但真正明白人工智能是什么的人可能只有10个，大部分人可能连人工智能包含的自然语言处理，计算机视觉，机器学习等领域都没听说过。那么人工智能热度的可信度就不高了。

02-专业与行业的周期

现在的热门，几年后可能就不再是热门了。

任何行业的发展前景都会受到科技发展，国内政策，国际局势等多方面因素影响，而且其影响往往是非常复杂，难预测的。

土木、建筑类专业从分数线最高的专业沦落到提前批、调剂专业只用了不到十年；生命科学从宣传中的“21世纪科学”变为如今的四大天坑之首，也只用了五六年。而高考生从本科入学到毕业后就业需要四年，若再读个硕士，就需要六到七年。这么长的一段时间，已经足够一个专业、一个行业发生翻天覆地的变化。报考时的热门专业能热上多久，从来都是个未知数。

知乎用户@chenqin等人整理了2005-2021的400万条分数线数据，算出每个专业在当年的“热门程度”。可以作为近十几年来专业冷、热转换的一个参考

专业热门程度波动图示

原帖地址：2022 年高考报志愿哪些专业就业前景比较好？作为过来人，你有什么经验分享？ – 知乎

上图中代表专业热门程度的数字在0到100之间，表示在各个学校平均能高于百分之多少的其他专业，越接近100越热门，越接近0越冷门。

而在政策或其它大环境出现直接变化时，专业分数线同样会出现断崖式下跌，如19年加强金融监管后，各财经类院校的分数线就以几十分为单位疯狂下落

17-19年各财经院校的分数线变化

03-不妨用炒股类比报志愿

很多家长可能有股市投资经历。那不妨把报志愿类比成投资。选择正确的专业是一项长线投资。购买的是一份4-10年后才能套现的股票。投资所得决定于多年后的股价而不是现在的股价。

股市里很多投资者不会自己做决定，而是跟风追高热门股结果被套牢。热门股跟热门专业一样，“热门“体现在投资者对未来预期的乐观。

决定股价的并不是公司的实际盈利，而是市场对其未来前景的预期；专业录取分数线也一样不反映专业实际的就业前景。而随着一只股票股价大涨，越来越多不明真相的散户会追高，最后泡沫破裂，股民亏损严重。

一些追高被套牢的经典案例：

不知那些10~15年间为追求热门专业而以高分进入土木、建筑、会计等专业的考生，在如今作何想法。

04-真正的专家不会预测未来

无论在高考志愿时做何选择，你选择的专业要在4~10年后才能兑现为就业前景。而如果真有“专家”可以告诉你某某专业、行业未来几年内的发展趋势，那他为何不自己去炒股，去做风投、成亿万富翁，反而还在这里教考生如何报志愿呢？

（此处不配图了，哪些“高考专家”会这么讲大家也都清楚）

哪怕我们把目光放到专业炒股的顶尖专家与机构身上，考虑私募基金这个无数清北或者国外顶级博士挤破头也要进的行业，也会发现一个简单的常识：能多年稳定年复合盈利20%的基金就很厉害了，30%的在业内就是神话。

而如果一个人真的能从无数冷门、热门专业里明确指出哪些专业在今后十年内有前景？这人去炒股的话100%会成为股神，碾压一众头部基金和它们那些由顶尖学校水平最高的硕士、博士组成的分析团队，何苦还在这里给人报志愿。

关于“薪资数据”

在填报志愿、选择专业时，考生和家长们经常会看到像下图这样的“专业平均薪资数据”

或者这种“各专业平均薪资对比”

这种薪资统计数据出现在大量门户网站中，有时是平均数，有时是中位数、众数，但从未超过高中数学中的统计部分范畴。很多人会将这些数据作为选择专业时的一个重要参考，但我们在这里必须提醒的是，像这样的数据实际上对填报志愿是完全没有参考价值的。

实际上，影响毕业生薪资的原因相当多，包括择业选择（是否继续科研或进入体制），行业周期，学生个人在专业内部选择的细分方向，甚至是专业的隐藏福利等等。

这些因素综合起来，使得诸多统计数据中的“专业/学校平均薪资”一项，变得毫无意义。

下面把这几点展开讲一下

01-择业路径复杂，平均值意义不明

大部分学生和家长对专业毕业生薪资的印象可能是这样的

渣手绘，望理解……

在这种分布之下，平均值、中位数、众数等简单的统计指标确实是有意义的：它们可以相对简单地描述大多数人的薪资状态。但很不幸的是，实际的就业情况并没有这么简单。

以清华的情况为例，毕业生大体上有这么几种就业选项

去往高校或科研院所，继续做学术、搞研究

这是金钱待遇最差的出路。清华博后的参考年薪略高于20万，而对其它单位而言，整体上15-20w是正常的数字。但博后的待遇经常比各种没编制的“特聘xx研究员”高，后者待遇一年12，13w ，甚至10w以下都是正常的。

进入体制内做公务员，或进入专业方向接近的国企领铁饭碗

以笔者了解的一些央企待遇估计，中核待遇最好的所给清华博士年薪能有40+，比较差的30或者二十几，九院基本上也是二十几，但是是在绵阳。这些单位的待遇整体上略高于学术道路上的选择，但一样谈不上多高。

依托专业知识，去私企、外企领高薪

清华工物有几家自己的上市企业，经常能给到硕士30左右，博士40左右甚至更高。

实验方向的博士毕业后去航天方向，五院能给到40左右，私企50左右；而如果转码成功，硕士也可以拿到40+，视代码水平和加班与否甚至可能有50，60，这一块硕博区别不大。

创业项目、科技成果转化等另辟蹊径的就业方式

涉及到很多很难展开讲的话题，属于可遇不可求的类型，在此也不展开讲了。仅就收入而言，原则上上不封顶。

综合上面这些信息，如果把实际上的薪资分布画成类似的图，那么这张图会是下面这样的……

确定要对这东西谈平均薪资？

而更重要的是，除了创业成果转化这种小众例子之外，在学术、体制内、业界三条常见择业路径中，选择哪条路径是完全依赖于个人特质和意愿的。

并不是说能力强就工资高，最聪明的人里很多去做了学术，拿到的钱还不如去私企的同学的三分之一，但这完全不妨碍希望拿高薪的人去私企里尽可能挣钱。

在这种情况下，平均值中位数之类的简单指标就完全没意义了。

02-其它数据中难以反映的影响

上面一段话中主要强调了择业路径的作用，但实际决定薪资的又何止择业路径一点。哪怕只考虑最基础的影响因素，也很容易覆盖掉不同专业平均薪资之间那20%的差距。

具体的薪资预期来自于 学生个人能力+家庭背景+专业+岗位类型+最终学历+就业地域 等多方面因素的影响。这里面专业只能占据很小的一部分.

归根结底，高考志愿选择是一次综合性的、复杂的人生规划，仅考虑专业一个变量的薪资数据统计，很难说会有多少参考价值。

行业细分

哪怕在上一部分的择业路径中同样选择“进入业界”，专业背景接近的学生仍然有可能因为工作内容的不同而领到差别巨大的薪资

金融行业内各岗位平均薪资（数据来源：DT财经）

做对比后很容易发现，一个行业内，不同细分专业对应岗位的薪资差别，很可能大于这个专业和别的专业的薪资差别。

就拿最热门的金融来说，大家以为金融都是平均年薪40万的投行工作者，但是年薪10万，银行门口卖保险的也是金融从业者。

城市因素

在相同行业内，不同城市对应的待遇也完全不同。而很多高校毕业生工作时的地域性非常强，其薪资受地域影响常常比受专业影响更大。

以英语专业毕业生的薪资数据为例，同样是翻译岗位，大城市（北京）给的薪资是8000-12000，河北小城市给的是6000，直接差出了50%。而如果看所谓的“平均薪资数据”的话，哪怕是最热门专业的平均薪资也很难比冷门专业高出50%。

竞争激烈程度

A专业平均薪资比B高20%，但是竞争激烈程度高了100%，这个时候可能选择高薪专业会得不偿失。

举例而言，同样是文科大热专业，头部金融岗位收入比法学要高。但是头部金融行业的竞争激烈程度要高于法学很多。大部分情况下法学生只需要跟别的法学生竞争，而金融行业需要面临来自很多理科专业转行的学生的竞争，包括数学，物理，计算机等等。

心理学专业也是一个典型的例子

心理学专业内各岗位毕业生薪资分布（来自北师心理学部统计）

可以看出，用研岗的收入远高于其他岗位。但是，这个岗位主要工作是数据分析和预测，招聘时会直接面临来自计算机等理科强势专业的竞争。能在竞争中胜出的心理学专业学生都需要自学相当多的编程，数据分析等知识。

课程难度

计算机是当之无愧的理工科首推专业。但是，计算机需要极强的数理基础和抽象性思维，很多人是学不会的，而学不会和学得会就是0和1的区别，几乎没有中间分数。

对于想进入互联网和金融行业的学生来说，计算机是统计专业的上位替代，但统计是应用学科，除了部分课程比如数理统计外，课程整体难度低于计算机科学。

与计算机相反的是临床医学。只要努力，大部分人是能学会的。比较计算机和临床医学的时候就需要考虑进这点。薪资再高，孩子根本学不会也没用。

结语

对大部分考生与家长来说，高考报志愿都是一次不得不在信息极度缺乏时做出的重要决策。在这样的背景之下，一些相对权威的统计数据自然就成了很多考生、家长眼中的“救命稻草”。

但学校、地域、专业的选择是个相当复杂的问题，每个行业、每所学校内部都有其独特的逻辑，远非几个平均数据所能概括。

从平均数据入手了解一个专业会贻笑大方，而如果从平均数据入手对比不同的专业、行业，则无异于闭门造车，不仅很难得出什么有参考意义的结果，还有可能导致在高考志愿这一重要的决策中做出难以挽回的错误选择。

和炒股一样，填报志愿时并不存在什么捷径，也没有什么保人稳赚不亏的法门。

统计数据也好、专家讲座也罢，所能提供的终究只是一个关于现状的侧面，盲目采信无异于自投火坑，只有在充分掌握信息后，结合自身兴趣、家庭背景等做出深思熟虑的选择，才能在面对充满不确定性的未来时，不会后悔过去的自己没能在高考后选志愿时多下些功夫，了解真相。