打工十年,共得几钱?
2023-04-21 12:14

打工十年,共得几钱?

上一篇文章中,我们将2015年到2022年的5亿条招聘数据,映射到了中国的标准职业代码中。这些数据,已经全部可以在数据团小程序中查到。应该如何解读这数亿条招聘数据?从这些数据中,我们能看到哪些现象?


本文来自微信公众号:城市数据团(ID:metrodatateam),作者:chenqin,原文标题:《打工十年,共得几钱?——5亿条招聘信息中的职业生涯密码(中篇)》,头图来自:视觉中国


招聘数据和真实就业数据的关系


首先要说明的是,并不是所有职业都能找到对应的招聘数据,例如在第一大类“党的机关、国家机关、群众团体和社会组织、企事业单位负责人”中,绝大部分职业都不会在网络上进行招聘。在“办事人员和有关人员”中,许多职位也只会通过公务员或者事业单位考试招聘,同样不会出现在招聘网站中。类似的情况还出现在警察、军人、农林牧渔业相关岗位中。


因此,招聘数据呈现的结果,其实更接近我们常说的“打工人”范畴,在这个范畴中,共有357类职业能找到与之映射的招聘数据。


那么,招聘数据到底能在多大程度上与实际的就业数据相关呢?


将2015年~2022年的招聘数据与2020年第七次人口普查的分职业人口数据对比,得到下图。



可以看到,招聘数量越多的岗位,在第七次人口普查中,确实也是就业更多的岗位。个别岗位的就业数量高于招聘数量,特别是金属制品制造人员、建筑施工人员等;还有一些岗位比如新闻出版、文化艺术和体育专业人员的招聘数量高于就业数量,体现的是不同岗位在网络上进行招聘的不同倾向。蓝领岗位很少会在几大招聘网站上进行招聘,而白领岗位则相反。


总体而言,各行业的招聘数据与该行业的实际就业人数的相关性达到0.57。分析招聘数据,将是我们分析中国劳动力市场的一大利器。


工资最高的职业


人们最为关心的内容,可能就是每个职业的工资高低。哪些职位工资最高呢?根据大众媒体的渲染,很多人可能会猜测,排名榜首的应该出自计算机专业,或者是商科专业。


但实际情况比我们想象得更为复杂。


下表列出了从2015年到2022年这8年中每年工资最高的职位前十名。由于一些职位较罕见,不能保证职位完全准确,该表排除了一些招聘人数较少的职位。



可以看到,在表中出现了大量意料之外的职位。


在最近八年中,最多上榜工资前十名的岗位实际上是——模特。模特一共在前十名榜单中出现了6次,只有2017年和2022年没有排进前十名,在2018年到2021年的排名也一直稳定在4到5名左右。


接下来三个在薪酬排行榜上多次领先的职位是超声科医师、期货交易员以及信息安全工程技术人员,他们都在8年中4次上榜。商科专业、计算机专业在这里各自认领一个职位。而超声科医师则成为医学类职业中最为稳定的。


接下来还有九个职业,在8年中3次上榜,他们分别是电子元器件工程技术人员、计算机软件工程技术人员、数据分析处理工程技术人员、皮肤科医师、会计专业人员、文学作家、民航乘务员、婚介师、婚姻家庭咨询师。


在这九个职业中,计算机相关职业有三个,商科专业有一个,医学专业也有一个,三大专业已经占据了5个。程序员在这里终于上榜。


从这里我们也可以看到,标准职业的分类,是具有极高特异性的,“程序员”这个称呼,从定义范围看,其实有些太过于宽泛了。


前文中排名最高,8年上榜4次的“信息安全工程技术人员”,可以说是程序员的一类。


熟练python、R和SQL的“数据分析处理工程技术人员”,自称半个程序员可能也问题不大。


就算是比较纯粹的主要编写程序的人员,在中国标准职业分类体系中也分为两类。


第一种就是8年3次上榜的“计算机软件工程技术人员”,在中国标准职业中编号为2-02-10-03,即“从事计算机软件研究、需求分析、设计、测试、维护和管理的工程技术人员”。


而还有一类,名为“计算机程序设计员”,在中国标准职业中编号4-04-05-01,即“从事计算机和移动终端应用程序设计、编制工作的人员”。这类职位,在招聘数据中,工资排名并不算高,一般在二十名之后。


除了计算机、商科和医学,剩下四个上榜三次的职位中,除了民航乘务员算是传统认知中的高薪岗位之外,婚介师?文学作家?看起来都有些莫名其妙。


婚介师的岗位招聘确实较少,人们可能不熟悉。但文学作家映射最多的岗位,人们其实并不陌生。那就是——新媒体内容创作者。“文学作家”,主要指文字方面的新媒体内容创作,而2022年排名第5的“剧作家”,则属于短视频方面的脚本内容创作。近四年,正是内容创作者收入最高的四年,从图文到短视频,你方唱罢我登场,相关职业薪资自然也是水涨船高。


有些读者可能会想,公众号小编虽然也算是一个内容创作者,但哪里算得上什么文学作家呢?为了搞清这个问题,大家不妨回到前一篇文章,再次参考我们分类职业的依据——不是通过这个职业叫什么,而是通过这个职业需要员工干什么(这也正是标准职业分类的科学性所在)


那么,新媒体内容创作者的招聘需求,最优先的一点就是要创作高质量、有创意、有爆款潜力的文章,吸引大量阅读,而与这个需求最为接近的标准职业分类,就恰好是文学作家这一个了。


时代的馈赠:历年工资增长最快的职业


工资高低,只是一个静态数字。工资随着时间的变化,才是许多人,尤其是还未进行职业选择的应届生或者准大学生们真正关心的内容。


那么,从2015年到2022年,哪些职业的平均工资增长最快?


为了去除不同职业经验结构不同带来的工资影响,我们保留了每一年招聘数据中对经验没有要求,或者要求招收应届生的岗位,进行工资的平均,结果如下图所示。



可以看到,增长最快的岗位,基本上都是原本薪资较低,对教育、技能需求并不算高的岗位。其中理货员、道路运输调度员、仓储管理员等,都与物流相关。前厅服务员、餐厅服务员、家政服务员则是很典型的服务型岗位,这些岗位的工资,这几年上升非常快,从2015年的2000~3000元之间,上升到了目前的6000元以上。


药师、小学教育教师和化学研究人员是其中为数不多的专业技术岗位。这三个岗位的工资增长,都颇有些“翻身”的感觉。


虽然化学属于“生化环材”四大天坑之一,药学也是医学院中相对不受欢迎的岗位,但从数据上看,他们的工资增长却都比较快。


更为有趣的是其中的“小学教育教师”。在“双减”后,从2021年到2022年,小学教师招聘减少了近80%,但他们的工资却从5800元大幅上升至7200元。因为,2022年时,大部分“小学教育教师”岗位招聘其实并不来自小学这类教育机构,而是来自于被大量失去了机构培训的中产家庭需求的“家庭私人小学教师”。


那么,工资增长最慢的职业又是哪些呢?



工资增长最慢的岗位,相对来说则更集中在高工资的岗位中。如前文出现的高工资职业模特、期货交易员、会计专业人员等都出现在了这里。近几年,模特和期货交易员的工资都有所下降,而会计专业人员的工资多年来也几乎保持不变,仅有2022年出现了较大上升。


在住宿与餐饮业中,虽然前厅服务员和餐厅服务员的工资都有大幅度上升,但“中式烹调师”,即中餐厨师的工资却几乎保持不变。导游的工资在这几年来也没有上升,尤其是2020年疫情以来,导游的工资几乎没有任何增长。


除此之外,工程造价工程技术人员、法律顾问、信息系统运行维护工程技术人员、音像师的工资增长也比较缓慢。


个人的积累:工资随从业年限的增长


工资的增长,包含两个时间上的维度。


第一个时间维度,是不同队列(不同年份入职)的一群人,从事同一份工作,但由于供需关系以及技能结构上的变化,在不同的年度的工资不同,代表的是市场随时间的变化,在上一节已经讨论。


第二个时间维度,则是同一个队列(相同年份入职)的一群人,从事一份工作若干年后,由于技能增长、经验丰富、团队扩大,虽然职位类别仍然相似,但是工资已经大幅度上升了,代表的是经验的回报。


比如我们说一些职业“越老越吃香”,而另一些职业只能是“青春饭”,正是对这两类职业做了最具有倾向性的区分。


为了最好地区分出两个时间上的差异,在上面一部分“工资随时间增长”的计算中,我们使用的全都是对经验没有需求的招聘数据;在这一部分中,我们将使用分从业年限的年度招聘岗位数据。随着经验变化的工资增长率是通过跨年度的经验-工资差异计算得出的。


举个例子,A岗位,在2018年时,市场上对0年经验需求的招聘岗位平均工资为5000元。2019年时,市场上对1年经验需求的A岗位招聘平均工资为6000元。


不难发现,2018年0年经验的这批人,和2019年时有1年经验的这批人来自同一个队列。因此,6000÷5000=120%,就是同一个队列的人口,从2018到2019年,0到1年经验带来的工资增长倍数。‍


我们算出所有年份,包括2015年到2016年、2016年到2017年……2020年到2021年、2021年到2022年这样7个0到1年的经验带来的工资增长倍数,再按照招聘人数加权求平均,就得到了A岗位在过去8年时的0到1年经验带来的工资增长倍数。


用同样的方法,我们再一次算出1到2年的工资增长倍数、2到3年的工资增长倍数……8到9年的工资增长倍数。将每一年的工资增长倍数连乘,就得到了这个岗位从0年经验到9年经验一共10年工作的工资增长倍数。


比如,下图列出了根据2015年~2022年数据算出的北京市所有“证券投资专业人员”的跨年度经验增长率:



可以看到,证券投资专业人员的工资在0~1年时增长了12%,接下来第二年和第三年分别增长了40%和58%。从第3年到第6年,工资主要在4~5年时增长了96%,另外两个年份工资没有什么变化。在工作的第6~9年,工资平均增长率和前三年类似。


从这里我们可以看出使用招聘数据来计算不同职位分从业年限工资的几个特点。


首先,在市场上进行招聘的岗位薪酬,和这个岗位在市场上的存量平均薪酬情况,并不是一回事。我们能在市场上观察到的高经验需求职位招聘,往往都是要挖角这个职位上最资深最优秀的从业者,因此会给出更高的工资增长率。有一种说法是“越跳槽工资越高”,这份数据,正是一个每一年跳槽一次的虚拟从业者的招聘价格计算出来的,它并不能完全代表那些跳槽较少的从业者情况。


其次,除了3年以下的情况,大部分招聘并不会固定一个特定的岗位经验年限,一般来说会是1到3年、4到6年、5年以上这样的一个较为宽松的经验范围。我们在计算时,会按照这个职位需要的经验中较小的数字作为这个职位的最低经验需求。例如,一个要求5到10年经验的岗位,就会被认为是需要5年经验。


因此,这种算法会使得一些年份的数据较少,比如6年,因为几乎很少会有岗位要求一个“6年经验,不多不少”的从业者,6也不太会成为某一个岗位的最低经验需求,大部分招聘数据会选择5这个数字。这就会使得这个数字年份的经验增长数据相对来说不那么可靠。


但是,我们可以把所有年份的经验工资增长倍数连乘起来,得到这个岗位的各年度总工资,这个数字就能够去除单一年份的波动了。例如北京市的“证券投资专业人员”,假设有一个从业人员从2022年开始工作,随后每一年都跳槽一次,每次跳槽时的工资增长率都和2015年~2022年对应从业年限时的工资增长率一样,一直工作到2031年,他每年的收入和总收入会有多少?可见下图:



可以看到,在这样的计算方式下,一个2022年时入职平均工资为11681元的证券投资专业人员,每年跳槽一次,在2031年时的月薪就会高达12.3万元,这10年的工资总收入将高达639万元。


这个数字确实看起来比较高,但当我们对所有的职位都进行同样的计算后,他们之间就可以进行更长期的相互比较——比较入职工资,也比较入职工资的跨年度变化,更重要的是比较从业年限为这份职业带来的增长。


下表列出了北京和上海不同职位的十年工资总和前十名。可以看到,电子元器件工程技术人员虽然在本文表一中落后于模特、期货交易员、超声科医师和信息安全工程技术人员,但由于该职位随着工作年限的工资增长很快,他反而成为了北京、上海当仁不让的十年总工资第一名。考虑到电子元器件工程技术人员这个职位正是中国要在芯片上奋力赶超所需要的关键人才,他们的十年工资排名最高,似乎也并没有那么让人意外了。



当然,在上表中,可能也会有一些让你看起来不太好理解的数据。用数据团小程序查询数据时,你可能也会发现一些职位随工作年限而增长的工资出现了虚线,这是因为这些职位并没有足够的数据来计算他的跨从业年限工资增长,我们只能使用一些方法来对其进行模拟——包括使用中类、大类职业的年限工资增长率、使用当地平均的年限工资增长率等方法。


为了数据的完整性,我们在小程序中对每个岗位都计算了十年工资总收入,但当你发现某个岗位的工资年限增长由较多虚线组成时,那么这个职位的十年总工资可能并不是那么可靠。


选择职业,也要选择城市


除了时间变化之外,其实,我们的职业选择还有更多的维度。下图列出了北京市各职位的初始工资和每一年的工作增长率。如果将下图划分为四个象限——



右上角第一象限,就是初始工资高,每增加一年从业经验也会有更快增长的职位,他们是最抢手的职位。


左上角第二象限,是初始工资低,但每年增速快,这部分职业初期辛苦,但上限较高。


右下角第四象限,则是初始工资高,但每年增速缓慢,不能通过跳槽来增加薪酬的职位。这些职位在初期会有比较好的回报,但有较低的天花板,和左上角职位形成对比。


左下角第三象限,初始工资和年限工资增长都较低,相对来说是竞争力不那么强的职位。


以上是北京的情况,假如换一个互联网或科技行业发展程度不同的城市,会有什么区别呢?


在已经选定了职业的情况下,我们能不能找到更合适的城市?


下图列出了“计算机程序设计员”在各个城市的2022年招聘平均工资和年限工资增长率,为了突出重点城市,这里我们仅保留了人口在500万以上且每年招聘数量均在500人以上的城市。



可以看到,北京、上海等地确实出现在靠近散点图右上角的区域,即入职工资和每年增加工资的幅度比较高。西安、成都两地在图像最上方,这两个城市的程序员初始工资虽然不高,但却显示了最高的每年工资增长幅度。


惠州、贵阳等地在图像的最右方,显示了更高的初始工资,但后续增长相对有限。在图像左下角的城市则对程序员不是那么友好,例如哈尔滨,在初始工资和后续增长上都比较有限。


今天的职业,明天又会变成怎样?


本次工作产出的每一条数据,都是过去8年中5亿条招聘数据汇总计算得来的。这个招聘数据的矿井,代表的是过去。数据中,有一些源自我们自己的选择;有一些源自个人的努力、坚持和积累;还有更大一部分,其实是来自时代的馈赠。


那么,未来呢?时代正在剧变,时代的馈赠也可能变为时代的考验。在各种GPT们已经闯入人们生活的当下,我们又需要怎么看待不同职业的未来?


本文来自微信公众号:城市数据团(ID:metrodatateam),作者:chenqin

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定