前短时间，中国青年报面向全国各地大学生发起关于就业的调查，根据报告显示，00后普遍对自己进入职场后的薪资比较乐观，超过20%的大学生预期自己毕业后月薪过万，67.65%的大学生评估自己毕业10年内会年入百万，换句话说3个大学生里面就有2个会觉得自己能够年入百万的
Emmm，好吧，今天小编就从数据的维度来为大家解释一下，00后这些大学生们设想的“今年赚10万，明天赚20万，到了第十年年入百万的情况在现实生活中大概率是不存在的”，本篇文章主要包含了以下的内容
1. 年入百万大概在中国是处于什么样的位置
2. 年薪达到百万到底有多难
3. 打工人如何实现年入百万
根据国家统计局发布的数据，就在去年全国居民的人均可支配收入大概32000元左右，其中城镇居民的可支配收入在43000元左右，而农村居民的可支配收入则只有17000左右，这可都是一整年的总收入哦，并不是月收入，
而我们来看一下更具代表性的收入中位数，就在去年人均可支配收入的中位数仅仅只有27000元左右，换句话讲，如果目前你每年的收入超过了30000元，就已经超过了一半的国人了。另外，根据薪酬网最新的数据显示，到2021年6月，全国各地的平均工资为6848元，年薪也不过8.2万元左右
而年薪百万在中国，根据相关机构的大致估算，大概有70万人左右，大概也就是一万人当中仅仅只有5个年收入在百万左右的大佬，比上面提高的67.65%可是低了不止一星半点哦。
不要以为去了大城市就年薪百万很容易
很多大学生在毕业之后都涌向了北上广深这些一线城市，想着只要是去了大城市，就能立马年薪百万了，其实大城市和高收入没有必然的联系，当然薪资水平和二三线城市相比确实差距也是有的，但是你也不得不承认大城市的竞争更加的剧烈以及租房成本、生活成本也会相对的高一些。
我们还是从数据的维度来看，去年全国31个省份人均的可支配收入，上海的人均可支配收入为72000元左右，和浙江省以及江苏省的人均可支配收入平均到每个月也就是几千块的差距，差的并没有那么的多。
再来看看2020年各主要城市的薪资中位数，其中这些主要的一线城市以及杭州的工资中位数也大多在6000-7000元左右，也就是每年的收入大概在6万-9万区间之间，
薪酬的二八分布
其实薪酬分布这个事儿，几乎在所有的行业内都存在着二八分布，同一家公司内部员工的收入差距极大，一般都是管理层等核心人员拿走了绝大部分的大头，而留给基层员工的基本就只有一丁点工资了，
根据相关机构的调研，在A股上市的几千家公司当中，有超过85%的的企业普通员工平均年薪少于10万元，而在互联网和金融这两个相对比较容易催生高收入群体的行业中，年收入百万以上的从业者大概也就在3%以内，因此这里也就很明显能够看出，要想年薪百万的，就得去成为高管或者是业绩突出的骨干员工
你以为人人都能成为高管了？
当然成为高管也不是一定能年薪百万的，不同公司、不同职位等级、不同工作内容的高管年收入也是存在着很大的差距的，财务总监和董事会秘书，这两群体百万年薪的人数分别只有13%和17%左右，而相比而言总经理这个级别的人群，百万年薪的则有36%
除了前面提到的企业高管之外，创业或许是实现年薪百万最直接的方式，但是创业成功的可能性微乎其微，最难能可贵的便是能够持久地实现年薪百万，小编经常能够听说有些人因为一时间的时来运转赚了不少钱，但在后面统统都亏掉了的故事，
另外在努力工作的同时也应该选对合适的行业、找准合适的赛道，其中从行业上来看，金融行业的从业人员收入一直都是遥遥领先与其他行业的，在A股的上市公司中，有近9成公司的金融行业的高管年收入有超过百万级别，普通员工的年收入中位数也有40余万元
此外，公司的体量大小也会影响到打工人的收入高低，每家公司的营收和市值的不同也会影响到高管的年薪收入，如下图所示
关于公司的选择
打工人年薪
因此，对于普通人来说，要想获得高收入，就尽量选择那些发展速度快、行业红利高的行业，岗位离市场或者离客户越近越赚钱。
对于刚出学校的毕业生来说，遥想10之后的未来，还不如脚踏实地的过好当下，努力地去提升自己，好好地磨炼自己的技能，努力让自己成为那个最不可能为替代的那一个，如果真的能够做到这一点，那离年薪百万的日子也就不远了吧
CDA数据分析师考试相关入口一览（建议收藏）：
数据分析咨询请扫描二维码
在主成分分析（PCA）、因子分析等降维方法中，“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
大数据早已不是单纯的技术概念，而是渗透各行业的核心生产力。但同样是拥抱大数据，零售企业的推荐系统、制造企业的设备维护、金 ...
在数据驱动的时代，“数据分析” 已成为企业决策的核心支撑，但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
金融统计不是单纯的 “数据计算”，而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估，到投资组合的 ...
这个问题很有实战价值，mtcars 数据集是多元线性回归的经典案例，通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
在数据驱动成为企业核心竞争力的今天，“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
在大模型（如 Transformer、CNN、多层感知机）的结构设计中，“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
形成购买决策的四个核心推动力的是：内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
在数字经济时代，“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而，多数企业的转型仍停留在 “上线系统、收集 ...
在数据分析与建模中，“显性特征”（如用户年龄、订单金额、商品类别）是直接可获取的基础数据，但真正驱动业务突破的往往是 “ ...
在大模型（LLM）商业化落地过程中，“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言，相同问题需给出一 ...
在数据驱动与合规监管双重压力下，企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 ...
在数据分析中，面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量，我们常常需要回答： ...
在 CDA（Certified Data Analyst）数据分析师的工作中，“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
在分类变量关联分析中（如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”），卡方检验 P 值与 OR 值（比值比，Odds Ratio）是 ...
CDA 数据分析师的核心价值，不在于复杂的模型公式，而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...