经过了两天的投票，截止到3月9日18:28分，共收到有效投票1125份，感谢各位道友们的支持。这里就不再等了，不过问卷会保留一个月，在一个月后我再看看，如果人数有较大幅度的增加的话，到时候再分析一下。今天就这1125份有效问卷进行分析。

注：以下分析图形部分截自问卷网后台，部分采用数据编程绘制。

”

1 人员工作年限构成

这次参与投票的总人数中，包含有43.33%（488人）的在校学生，故后面的薪资统计样本只有637人。不过性别、年龄、受教育程度三项内容是包含了学生群体的。

将学生数据剔除掉，剩下的工作年限统计结果如下图所示，从图中看来，公众号关注者工作群体总人数637人中，有74.25%的人工作年限在1~5年，17.11%的人工作年限为6-10年，工作10-15年的人群占比为5.97，而超过15年的人数非常少。当然这也可以说明本公众号偏于入门及基础，无法进入资深用户的法眼。其实也可以从另一个侧面反映一些问题，那就是年轻人群更倾向于从网络进行学习。

从图中实际上还能简单反映出：随着工作年限的增加，CFD从业者转行比例比较大。当然可能一部分转行做管理不再从事直接的技术，也有可能是直接转行做别的技术。

2 性别构成

在所有的投票数据中，男女比例如下图所示。在总共1125份投票中，只有92份来自于小姐姐。这个数据告诉我们，耍CFD的小姐姐是极少的，如果你身边有耍CFD的小姐姐，一定要倍加爱护。

将性别和工作年限合在一起查看的话，数据是这样的：

看出苗头了没有呢？好像看不出来个啥子，在不同的工作年限段内，男女比例基本是相当的。不过在工作年限较大的区间（如大于15年，则几乎难以看到女性的身影）。

3 年龄分布

年龄分布如下图所示。

投票人群基本集中在35岁以下，占总人数的94.3%，当然前面我们看到了有43.33%的在校学生。不过数据显示有62位36-45岁的cfder，还有3位46-55岁的大神，至少能够表示CFD还是可以耍很久的。

4 地域分布

地域分布如下图所示。在参与投票的人群中，北京以161人摇摇领先，其次为江苏130人，后续为上海和广东，这四个地区人数均超过一百。位于第二梯队的是浙江、湖北、山东、山西与四川，人数较为接近分布在50-70之间。再往下为辽宁、黑龙江、湖南…，后面就懒得数了。这里有27人未选择地区。有道友后台留言说没设置海外人数，但其实是可以选择的，这里数据显示有12人来自海外。

这个图充分说明耍CFD还是要去有钱的地方。。。呃，噗~

5 月薪分析

月薪分布看起来蛮像正态分布。参与调研的642人中，月薪8000~15000元的占到了61.68%，其中人数最多的月薪区间落在10000-15000元之间，人数占比31.93%。

放大了看大致就是下面这样子。扩大来看，薪资范围大致在5000~20000之间。在统计的所有人群中，没有人月薪超过40000，这就有点儿窝心了。我原本以为上限应该能到50000的。

5 学历分析

这里的学历包含了在校生人数。（人数变成了1149是因为在统计数据这段时间内又有1位道友参与了投票，在此表示感谢）

投票人群中，硕士群体是当之无愧的主力军，占比达到71.28%。其次为博士群体，占到了15.93%。然而这个数据包含了在校生，所以我可能会出现一些博士生和硕士生的情况，至于这部分人群毕业后是否还会从事与CFD相关的工作，那就不得而知了。

所以这里将工作年限与教育程度合在一起统计，如下图所示。可以看到在校生在本科、硕士及博士群体中占到了一半的比例。而在工作群体中，工作年限1-5年的人群占到了最大比例。

具体数据如下表所示。

我们将在校生剔除掉进行分析，鉴于所有工作人群中没有专科及以下，因此将其从数据表中剔除，得到工作年限与教育程度的表格如下所示。

从表中数据来看，工作人群中，硕士占了绝大多数。博士与本科生比例相当。

6 单位类型

来看工作人群所在的单位类型。（做问卷的时候我不小心把民营企业和私营企业分开了，这里将它们的数据合并在一起）。如下图所示，可以看到从业人群主要集中在民营企业与国有企业，占比分别为41.2%与31.94%。研究所与高校人数基本持平，分别占比8.64%与8.49%。这个不太好分析，也许是与当前的行业分布有一定关系。

这次忘记统计行业了，真是失误了。我应该统计一下行业，然后把行业与月薪数据合并在一起看看。

7 职称与职位

职称分布情况如下图所示，看着不容乐观啊。虽然说职称与技术水平并不一定成正比，但职称绝对是与工资待遇成正比的。当然我们也可以理解一些人职称高了之后就不耍CFD了。

职位分布情况如下图所示。

从图中看出来，绝大多数人群都是实打实干活儿的呀，一般员工占到了86.73%，到了管理层面，人员比例锐减到10%以下，这也符合实际情况，就目前国内情况来看，多半技术转管理的人，技术水平随职位的升高而降低。

这次忘记统计行业与薪酬了，不如我们再来统计一下可好？最近在学神经网络，如果数据样本足够多的话，没准可以用这些数据做一个薪资预测器。

微信识别下方二维码进行投票，感谢您的参与。这次统计的是薪酬与行业。