榜单数字不等于个人收入
专业薪资榜单展示的是群体统计结果，不是对任何人的收入承诺。以自拟两组数据说明：A组五人年薪（以英镑计）为2万、2.5万、3万、3.5万、4万，平均数是3万，中位数也是3万；B组五人年薪为1.5万、2万、2.5万、3万、10万，平均数为3.8万，中位数仍是2.5万。在B组中，把最大值10万改为4万，平均数会下降，而中间位置仍是2.5万。这个例子展示了平均数对极端值的敏感性，不代表任何真实毕业生数据。因此先问一句：榜单用的是平均数还是中位数？如果是平均数，还要看是否被少数高薪者拉高。
样本范围决定可比性
薪资数字受到毕业年份、就业地区、币种、样本量和专业覆盖面的影响。比如不同届毕业生面对的经济形势不同，不同地区的生活成本与行业结构不同，不同币种更不能直接比较。部分数据只包含受访毕业生或特定专业，样本量过小时，个别高薪会显著扭曲平均值。比较院校或专业时，可以核对：数据统计的是哪一年？样本覆盖哪些毕业生？本科生和研究生是否分开列示？如果榜单把牛津、剑桥这类学校的整体数据与某个专业的全英数据并列，还要注意双方样本的学历层次和地区分布是否相似，差异可能来自样本而不是专业价值。
职业路径比起薪更重要
起薪只是职业生涯的一个节点。假设某专业起薪较低，但行业需求上升、技能积累加快，五年后薪资可能超过起薪更高的专业；反过来，起薪高的职业未必有同样持续的上升空间。课程设置、实习机会、行业认证和校友去向，能帮助判断毕业生实际做什么、多久晋升、是否容易转行。建议把榜单放在职业路径里看，而不是当作个人收入的预测器。
三步读懂薪资榜单
可以分三步走：第一，确认统计口径，同时查看平均数、中位数及分布，并核对年份、币种和本硕分层；第二，确认样本范围，看覆盖了哪些毕业生、样本量多大、分组是否互斥且无遗漏；第三，结合专业对应的行业状况，把数字放回长期职业发展中解读。榜单只能说明过去某群人的统计结果，不能预测任何个人的薪资。
