明年的五六月份，包括筆者在內的一大批大學生就要走出校門，結束十六年的學業生涯，並開始長達數十年的職業生涯，在這個時間點上，我們最期望的莫過於找到一份稱心的工作，這是家人的期盼，更是我們自己的期盼。
　　我們中的每一個人，都或多或少的感受到了就業的壓力，尤其是計算機行業，在這種低端人才飽和，高階人才緊缺的大環境下，找到一份稱心的工作著實不是件容易的事情。剛走出校門的我們由於經驗不足只能選擇低端崗位，令人擔憂的是全球智慧化革命的興起將消滅大量的低端崗位，所以未來的競爭只會越來越激烈。
　　前段時間，一個偶然的機會我在網際網路上瀏覽到了幾則招聘資訊，讀著讀著我腦子中便閃過一個念頭，何不動用一些技術手段將這些招聘資訊採集下來，然後對這些資訊進行分析呢？這樣就可以從整體上看清行業招聘的趨勢了。在強大的好奇心的驅使下我設計並編寫了計算機程式，程式運行了大概三天的時間，終於將這些招聘資訊採集了下來，資料經過清洗與分析過後，利用資料視覺化技術加以展現。現在我將分析結果分享出來，以下是文章正文部分。

提示：正文包含六十七張圖片，將消耗你大概8MB的流量，你一定是個慷慨的人。

本文同步釋出在筆者的個人部落格上：https://blog.zizaixian.top/archives/426

筆者已將文中的圖片打包成了壓縮檔案，讀者可自行下載：點我下載

寫在最前面的話

• 本文展現的資料均採集於正規的招聘網站，資料的可信性是毋庸置疑的。

• 所有采集到的資料僅用作學習與交流，筆者承諾不會將其用作商業用途。

• 文中不免夾雜一些筆者的個人觀點，你可以反對我的觀點，但是我拒不接受。

• 我並非權威的資料分析員，文章標題用 報告 二字純粹是為了裝逼。

關於資料量的解釋

　　資料均採集於拉勾網。相比於其它招聘資訊服務網站，拉勾網專為IT從業人員提供資訊服務，也就是說拉勾網上面的招聘資訊全部都是與IT網際網路相關的，無其它行業的招聘資訊，因此選擇拉勾網作為資料採集物件再合適不過了。
　　此次共採集到招聘資訊十一萬兩千八百六十五條，去除重複與無效的資料後剩餘八萬零三百五十條，資料採集日期為二零一九年九月下旬。 崗位涉及技術、產品、設計、運營、市場、銷售、職能、遊戲八個方向，由於絕大部分的學生在剛畢業時還是會選擇技術崗，所以我僅僅分析了技術崗的資料，這部分資料共計兩萬八千六百七十一條。也許兩萬八千餘條的資料量並不算大，但是我認為有時候不一定需要從巨集觀角度出發才能認清一件事情，從微觀角度出發也可以很清晰的看到事物整體的面貌，這是一種透過微觀看巨集觀的觀察問題的方式。就比如我們交朋友，我們往往能通過對方的一些細節來判斷這個人是否值得深交，而無需經過什麼大事。
　　每條招聘資訊都包含工作地區、薪資區間、學歷要求、經驗要求、技能要有、崗位職責、企業所屬領域、企業融資情況等資料，下面我將從十個方面對這部分資料做一個簡單的分析。

哪個城市最吸引人才？

　　畢業之後，有些人想去自己嚮往已久的城市，有些人看見別人去哪了他就去哪，而很多的父母也不願意子女遠行。選擇一個城市對我們將來的影響是不容小覷的，因為它直接決定了我們下半輩子在哪當房奴，甚至連房奴都當不上。下面是各城市需求崗位數量分佈圖：

　　北京毫無疑問的是最吸引人才的城市，主要還是因為北京的IT企業相對較多一些。排在其身後的分別是深圳、上海、廣州、杭州、成都、武漢、南京，其中深圳與上海的需求量基本持平，再往後就是崗位需求不太旺盛的城市了，這個分佈也基本符合我們的認知。

你需要什麼樣的學歷

　　如上圖所示，本科及以上學歷佔到一半以上，接著按比例排列分別是大專及以上、學歷不限、碩士及以上、博士及以上。雖然本科及以上佔比最大，但不要覺得自己是本科學歷就高興的太早，其一，不同的崗位對學歷的要求是不同的，這裡展現的僅僅是整體的學歷要求分佈，忽略了這種不同；其二，企業不僅僅要看你的學歷，經驗也是重要的考量；其三，學歷低往往意味著薪資低；其四，學歷低的不只你一個，你有多大的把握競爭過同類的人？這些都是客觀存在的問題。
　　提升學歷真是件不錯的事情，這麼想的肯定也不只我一個，不然就不會出現下面這種情況了：

你需要幾年的經驗

工作經驗是IT企業招聘人才時的重要考量，以下展示的整體上經驗要求的分佈：

　　從圖上可以看出，經驗3-5年佔比最高，接著是經驗1-3年、經驗5-10年、經驗不限、經驗應屆畢業生、經驗1年以下、經驗10年以上。經驗多意味著什麼自然不必多說，但我強烈反對經驗多就意味著頭髮少這種言論，雖然理論上是這樣的，但也有例外不是。

學歷 And 經驗

　　上圖展示的是不同學歷下的經驗要求分佈，從中可以看出不管是何種學歷，絕大多數崗位都要求3-5年或者1-3年的工作經驗，也可以這麼說，學歷不行可以靠經驗來補充，經驗不足最好靠學歷來補充，學歷與經驗都不足，需要在縫隙中生存。

哪個領域最需要人才

　　不同的企業都有自己專屬的領域，比如有的企業搞社交，有的企業搞金融，有的企業搞醫療，而有的企業涉足多個領域，比如樂視公司，咱也不知道賈躍亭老闆回國了沒有。

　　上圖展示的是不同領域需要的人才數量分佈，移動網際網路一馬當先，這與我國移動網際網路的普及程度是密不可分的。
　　

2019年8月30日，中國網際網路絡資訊中心(CNNIC)第44次中國互聯發展狀況統計報告指出：截止到2019年6月，中國網民規模達8.54億，使用者月均使用移動流量達7.2GB。其中45.5%的網民為30歲以下的年輕群體，本科以下學歷（不含本科）網民佔比為90.4%

　　比較熱門的領域還有企業服務、資料服務、金融、電商、遊戲、文娛、教育等等。如果是給人打工的話自然是不用考慮企業所屬領域的，如果創業的話那就要好好考慮考慮了。

企業融資情況

下圖展示了共計7257個公司的融資情況：

　　其中：上市公司859個，佔比11.83%；不需要融資的公司2311個，佔比31.85%；未融資的公司1698個，佔比23.4%；A輪融資公司884個，佔比12.18%；B輪融資公司561個，佔比7.73%；C輪融資公司250個，佔比3.44%；D輪及以上融資公司186個，佔比2.56%；天使輪融資公司508個，佔比7%

科普：融資 A 輪、B 輪 和 C 輪 有什麼區別？ - 蘇老溼的回答 - 知乎

總體薪資分佈

　　下圖以餅圖的形式展示了總體上薪資的分佈，從1K到30K以2K為一個區間段，30K往後以5K為一個區間段，餅圖的每個扇區代表落在該薪資區間的比例。

　　總體的薪資分佈並無實際參考意義，因為影響的薪資的因素是很多的，不同職位、學歷、工作經驗、公司融資情況、地區都會影響到薪資，下面就將展示不同因素影響下的薪資分佈情況。

不同因素影響下的薪資分佈情況

提示：前方核能多圖預警。
　　本節採用餅圖的形式展示不同因素對薪資分佈的影響，這裡需要強調的是“分佈”二字，我們可以從圖上看出哪些薪資區間佔比較大，哪些薪資區間佔比較小，但是不能夠從圖上看出某一因素對薪資的直接影響，現實中還要基於我們自身的考量。

地區因素

下面展示了最吸引人才的六大城市的平均薪資分佈：

　　通過對比可以看出，北京的平均薪資還是較其它幾個城市高的，在11K-13K、15K-17K、19K-21K、21K-23K、29-31K都有較大的分佈，上海的薪資分佈與北京無太大差異，而成都明顯是低薪資區間佔比大，如果去國家統計局查一下各個城市的物價的話，這幾張圖到是十分合理的。

學歷因素

下面展示了不同學歷的平均薪資分佈：

大專及以上學歷一萬元薪資以下佔據一半以上比例。

本科及以上學歷的薪資分佈是比較均勻的，從整體上來看一萬元至兩萬元的薪資大概佔據50%。

很明顯，相比本科學歷高出一個層級後，碩士學歷的低薪資區間佔比明顯縮小，高薪資區間佔比明顯增加，其中21K-23K、29K-30K、35K-40K佔比較大，從整體上看一萬五千元至三萬五千元的薪資佔據約50%。

這個就很變態了，一萬元薪資以下佔比為零，一萬元至兩萬元薪資佔比很小，三萬元以上薪資佔比超75%，五萬元薪資以上佔比更是逼近25%。

　　學歷因素對薪資分佈的影響給予我們最直觀的啟示就是：擁有什麼樣的學歷有可能會決定今後的上升空間，學歷低不意味著沒有機會。

經驗因素

下面展示了不同工作經驗的平均薪資分佈：

　　從上面七張圖我們可以看出隨著工作經驗的增加，低薪資區間佔比越來越小，高薪資區間佔比越來越大，這與學歷增加後平均薪資的走勢是一樣的。

　　經驗少則薪資低，經驗多則薪資高，這是誰都知道的道理。但是值得我們思考的一個問題是：學歷與經驗哪個因素對薪資的影響更大一些呢？我還沒有找出一個合理的演算法或公式來下一個結論，憑藉著對圖的直觀感覺我認為這兩個因素對薪資的影響都挺大的（聽起來像是句廢話）。

職位因素

不同職位的薪資分佈是有所差異的，但這僅僅代表著分佈的差異，不能夠拋開學歷、經驗等因素說某個職位比另一個職位好，這是沒有任何意義的。下面分別展示了前端開發、後端開發、移動開發、運維、高階職位、人工智慧這六種職位的薪資分佈情況：

　　儘管我們不能直接比較哪個職位更好一些，但是從不同職位的資分佈情況來看，我們仍然能夠看出有些職位的薪資上升空間是比較小的，而像人工智慧這種對學歷要求極高的職位薪資上升空間就相對大一些。

技術因素

　　技術是最容易引起人們爭論的話題，而且大多數是無意義的爭論。整天考慮該選擇什麼樣的技術來實現自己的想法是一種避重就輕的行為，就像每個月都發布的 TIOBE程式語言排行榜一樣，它只能反映程式語言的熱門程度 ，但是就是有很多自媒體或培訓機構喜歡拿它來說事，下一些類似“某種程式語言好”、“某種程式語言有前途”這種愚蠢的結論。

計算機行業技術門類過於繁多，下面僅僅列舉了比較熱門的技術，僅當參考：

企業融資因素

下面展示了不同融資情況的企業的薪資分佈情況：

職位誘惑

　　幾乎每個企業都會在招聘公告上寫一些自己公司的“優勢”，也叫職位誘惑，下面用詞雲的形式展示了職位誘惑中出現頻率最高的50個詞彙：

注：分詞器把“五險一金”分成了“五險”和“一金”兩個詞，實際上這是一個詞。

科普：五險一金，指中國用人單位給予勞動者的幾種保障性待遇的合稱。“五險”指五種社會保險，包括養老保險、醫療保險、失業保險、工傷保險、生育保險，“一金”是指住房公積金。--- 摘自維基百科

技能要求

每個企業都會在招聘公告上明確的指出求職者應該具備哪些技能，不同職位的技能要求側重點是不同的，但是也有一些普遍的要求。下面仍然採用詞雲的形式展示了幾個熱門職位或技術的技能要求高頻詞彙：

【注】統計高頻詞彙的過程中已經過濾掉了無意義的詞，例如“熟悉”、“精通”、“具備”、“掌握”、“紮實”等詞彙，保留“經驗”一詞旨在說明企業十分看中求職者對某一特定技術的使用經驗。

不要迷信資料與他人

　　資料分析只是一個工具，它不是萬能的，萬不要盲目的相信資料，未來選擇什麼樣的職業，還要自己憑主觀定奪，也就是你自己說了算。對未來迷茫了就去多讀書，不要迷信資料，更不要聽旁人瞎扯。
　　我在這裡列舉兩類人，如果這兩類人對你的職業有任何指導的話，你大可不必去聽。這第一類人是大學教師，尤其是系裡的領導，這類人由於在學校呆的太久，與外界基本處於隔離的狀態。教師是一個相對安逸的職業，安逸的環境勢必會打消人學習的熱情，學習的熱情一旦沒有了，不再為自己充電了，那就基本上等於落後於時代了，對未來的判斷更是無從談起。計算機行業的發展速度遠超過王思聰換女朋友的速度，我們的大學教師面對這樣的發展速度能否給予學生一個正確的指導呢？我想他們是不能的。如果有教師為你的未來提供什麼指導的話，他們也是在拿數年前的眼光告訴你現在該怎麼去做，或者借用自媒體噱頭式的宣傳來鼓勵你去做那些看起來很有前景的事情。
　　第二類人，是培訓機構的人。培訓機構的人為了自身的利益，不可避免的要用誇張式的語氣宣揚一種事物，或去貶低一種事物，我覺得這是無可厚非的，畢竟賺錢才是培訓機構的首要任務，而非培養人才。我只想說兼聽則明，偏信則闇，如果任由單方面的話語在我們耳邊徘徊的話，那我們對未來的判斷是不是失去了平衡呢？我曾經被動的接受過五家培訓機構的宣傳，在此我也非常有興趣點名一家培訓機構，這家培訓機構的名字叫北京AAA教育，在被動的聽完該機構某位中年女士的宣講後，我只想借諸葛亮的話形容一下當時的心情：我從未見過有如此厚顏無恥之人。為了自己的那點利益，把學生當傻子，信口胡說，顛倒黑白，四十分鐘的宣講將其無知、無恥的一面表現的淋漓盡致。在此衷心祝願該培訓機構早日倒閉，免得毒害更多的學生。

寫在最後

　　首先要感謝您能讀到這裡，感謝您在百忙之中讀完我的這篇不嚴謹且存在諸多紕漏的文章。我從沒有系統的學習過資料分析，只是憑藉著興趣做了這件事情，如果您能對文中的資料分析提出任何異議或者建設性意見的話，不勝感激。

　　未來的路還很長，也許有些人在剛走出校門時會遇到一些困難，而有的人可能會走的相對順利一些。每個人的都有屬於自己的目標與理想，沒必要攀比些什麼，做好眼前的每一件小事，嚮往著一個不會比今天更糟的明天，一切都會有個好的結果。

　　最後，一首馮唐的詩，送給自己以及即將邁出校門的年輕人：
　　尚未佩妥劍，轉眼便江湖。
　　願歷盡千帆，歸來仍少年